一種基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法
【專利摘要】本發(fā)明公開了一種基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法，包括以下步驟，讀出居民身份證內(nèi)的二維人臉數(shù)據(jù)；采集持證人三維人臉數(shù)據(jù)，構建混合數(shù)據(jù)訓練集，進行深度學習訓練，得到所有樣本的特征以及最優(yōu)網(wǎng)絡參數(shù)；將所有樣本的特征作為輸入，訓練分類器；用訓練得到的最優(yōu)網(wǎng)絡參數(shù)對測試數(shù)據(jù)進行特征提取，將提取到的特征放入分類器，得到分類結(jié)果，判斷身份證是否由本人持有。本發(fā)明針對居民身份證人證核驗需求，有效利用人臉的三維信息，提高識別魯棒性，解決二維人臉數(shù)據(jù)識別受姿態(tài)、光線、年齡等因素干擾的問題。
【專利說明】
一種基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法
技術領域
[0001]
本發(fā)明涉及信息處理技術領域，特別涉及一種基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法。
【背景技術】
[0002]深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經(jīng)網(wǎng)絡，它模仿人腦的機制來解釋數(shù)據(jù)，例如圖像，聲音和文本，目前該技術已廣泛應用于語音識別、人臉識別等人工智能領域，推動了應用的發(fā)展。
[0003]目前常見的人臉識別都是針對同構的數(shù)據(jù)，比如二維人臉圖像與二維人臉圖像比對，現(xiàn)場采集二維人臉圖像與居民身份證中的登記人像進行比對，這種傳統(tǒng)的識別方法，受光照變化、姿態(tài)變化、年齡變化、居民身份證壓縮等諸多因素影響，且未能有效利用人臉的三維信息，因而識別率不高，影響了應用推廣。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于克服現(xiàn)有技術中所存在的上述不足，提供一種針對居民身份證人證核驗需求，采用三維攝像機采集現(xiàn)場人臉三維數(shù)據(jù)與居民身份證中二維人臉數(shù)據(jù)進行比對，以降低外部干擾，提高識別魯棒性。
[0005]為了實現(xiàn)上述發(fā)明目的，本發(fā)明提供了以下技術方案:
步驟一:通過居民身份證讀卡器讀出居民身份證內(nèi)的二維人臉數(shù)據(jù)；
步驟二:通過三維攝像機采集持證人三維人臉數(shù)據(jù)；
步驟三:通過人臉檢測算法對讀卡器內(nèi)的居民身份證的二維人臉數(shù)據(jù)和三維攝像機采集到的持證人三維人臉數(shù)據(jù)進行人臉檢測與定位，并進行歸一化處理；
步驟四:對步驟三中歸一化處理后的二維人臉數(shù)據(jù)、三維人臉數(shù)據(jù)構建混合數(shù)據(jù)訓練集，進行深度學習訓練，得到所有樣本的特征以及最優(yōu)網(wǎng)絡參數(shù)；
步驟五:將步驟四中所有樣本的特征作為輸入，訓練分類器；
步驟六:先對測試數(shù)據(jù)進行所述步驟三的處理，然后用步驟四中訓練得到的最優(yōu)網(wǎng)絡參數(shù)對測試數(shù)據(jù)進行特征提取，將提取到的特征放入分類器，得到分類結(jié)果，判斷身份證是否由本人持有。
[0006]優(yōu)選的，步驟四中所述混合數(shù)據(jù)訓練集包含兩類，分別為正樣本集、負樣本集，正樣本集中每組數(shù)據(jù)為同一人數(shù)據(jù)信息，負樣本集中每組數(shù)據(jù)為不同人數(shù)據(jù)信息;所述的每組數(shù)據(jù)包括所述步驟三中歸一化處理后的二維人臉數(shù)據(jù)和三維人臉數(shù)據(jù)。所述三維人臉數(shù)據(jù)為人臉深度圖和人臉紋理圖，或者為人臉深度圖，減少了光線、年齡等的干擾問題。
[0007]優(yōu)選的，所述深度學習訓練的模型為深度卷積神經(jīng)網(wǎng)絡，將數(shù)據(jù)集作為輸入，利用深度卷積神經(jīng)網(wǎng)絡對輸入數(shù)據(jù)進行逐層的特征提取，使獲得圖像特征有更好的識別能力。
[0008]優(yōu)選的，所述分類器為二值分類器，分類速度快。
[0009]與現(xiàn)有技術相比，本發(fā)明的有益效果:本發(fā)明針對居民身份證人證核驗需求，有效利用人臉的三維信息，提高識別魯棒性，解決二維人臉識別受姿態(tài)、光線、年齡等因素干擾的問題;采用深度學習網(wǎng)絡提取人臉特征，使獲得圖像特征有更好的識別能力。
【附圖說明】
[0010]圖1為本發(fā)明的流程圖；
圖2為本發(fā)明中的正樣本集和負樣本集圖；
圖3為本發(fā)明的實施例的流程圖；
圖4為本發(fā)明的實施例的流程圖。
【具體實施方式】
[0011]下面結(jié)合試驗例及【具體實施方式】對本發(fā)明作進一步的詳細描述。但不應將此理解為本發(fā)明上述主題的范圍僅限于以下的實施例，凡基于本
【發(fā)明內(nèi)容】
所實現(xiàn)的技術均屬于本發(fā)明的范圍。
實施例
[0012]如圖1所示，基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法，包括以下步驟:
步驟一:通過居民身份證讀卡器讀出居民身份證內(nèi)的二維人臉數(shù)據(jù)；
步驟二:通過三維攝像機采集持證人三維人臉數(shù)據(jù)；
步步驟三:通過人臉檢測算法對讀卡器內(nèi)的居民身份證的二維人臉數(shù)據(jù)和三維攝像機采集到的持證人三維人臉數(shù)據(jù)進行人臉檢測與定位，并進行歸一化處理；
步驟四:對步驟三中歸一化處理后的二維人臉數(shù)據(jù)、三維人臉數(shù)據(jù)構建混合數(shù)據(jù)訓練集，進行深度學習訓練，所述深度學習訓練的模型為深度卷積神經(jīng)網(wǎng)絡，將數(shù)據(jù)集作為輸入，利用深度卷積神經(jīng)網(wǎng)絡對輸入數(shù)據(jù)進行逐層的特征提取，得到所有樣本的特征以及最優(yōu)網(wǎng)絡參數(shù)；
步驟五:將步驟四中所有樣本的特征作為輸入，訓練二值分類器；
步驟六:先對測試數(shù)據(jù)進行所述步驟三的處理，然后用步驟四中訓練得到的最優(yōu)網(wǎng)絡參數(shù)對測試數(shù)據(jù)進行特征提取，將提取到的特征放入分類器，得到分類結(jié)果，判斷身份證是否由本人持有。
[0013]如圖2所示，練數(shù)據(jù)集包含兩類，分別為正樣本集、負樣本集，正樣本集中每組數(shù)據(jù)為同一人數(shù)據(jù)信息，負樣本集中每組數(shù)據(jù)為不同人數(shù)據(jù)信息;所述的每組數(shù)據(jù)包括所述步驟三中歸一化處理后的二維人臉數(shù)據(jù)和三維人臉數(shù)據(jù)。
[0014]如圖3所示，所述三維人臉數(shù)據(jù)為人臉深度圖和人臉紋理圖，
具體的，如圖4所示，所述三維人臉數(shù)據(jù)可以為人臉深度圖，減少數(shù)據(jù)量的同時也可以有效的利用人臉的三維信息，提高識別魯棒性。
【主權項】
1.一種基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法，其特征是，包括以下步驟: 步驟一:通過居民身份證讀卡器讀出居民身份證的二維人臉數(shù)據(jù)； 步驟二:通過三維攝像機采集持證人的三維人臉數(shù)據(jù)； 步驟三:通過人臉檢測算法對讀卡器內(nèi)的居民身份證的二維人臉數(shù)據(jù)和三維攝像機采集到的持證人三維人臉數(shù)據(jù)進行人臉檢測與定位，并進行歸一化處理； 步驟四:對步驟三中歸一化處理后的二維人臉數(shù)據(jù)、三維人臉數(shù)據(jù)構建混合數(shù)據(jù)訓練集，進行深度學習訓練，得到所有樣本的特征以及最優(yōu)網(wǎng)絡參數(shù)； 步驟五:將步驟四中所有樣本的特征作為輸入，訓練分類器； 步驟六:先對測試數(shù)據(jù)進行所述步驟三的處理，然后用步驟四中訓練得到的最優(yōu)網(wǎng)絡參數(shù)對測試數(shù)據(jù)進行特征提取，將提取到的特征放入分類器，得到分類結(jié)果，判斷身份證是否由本人持有。2.根據(jù)權利要求1所述的基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法，其特征是，步驟四中所述混合數(shù)據(jù)訓練集包含兩類數(shù)據(jù)，分別為正樣本集、負樣本集，正樣本集中每組數(shù)據(jù)為同一人數(shù)據(jù)信息，負樣本集中每組數(shù)據(jù)為不同人數(shù)據(jù)信息;所述的每組數(shù)據(jù)包括所述步驟三中歸一化處理后的二維人臉數(shù)據(jù)和所述三維人臉數(shù)據(jù)。3.根據(jù)權利要求1所述的基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法，其特征是，步驟四中的深度學習訓練的模型為深度卷積神經(jīng)網(wǎng)絡，將混合數(shù)據(jù)訓練集作為輸入，利用深度卷積神經(jīng)網(wǎng)絡對輸入數(shù)據(jù)進行逐層的特征提取。4.根據(jù)權利要求1所述的基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法，其特征是，步驟六中所述的測試數(shù)據(jù)為持證人的二維人臉數(shù)據(jù)和三維人臉數(shù)據(jù)。5.根據(jù)權利要求1所述的基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法，其特征是，所述三維人臉數(shù)據(jù)為人臉深度圖和人臉紋理圖，或者為人臉深度圖。6.根據(jù)權利要求1所述的基于三維人臉數(shù)據(jù)的身份證與持證人的同一性認證方法，其特征是，所述分類器為二值分類器。
【文檔編號】G06K9/62GK105825186SQ201610149770
【公開日】2016年8月3日
【申請日】2016年3月16日
【發(fā)明人】曾文斌, 趙啟軍
【申請人】四川川大智勝軟件股份有限公司