[发明专利]客户采集终端人脸图像质量实时监控方法

说明书

技术领域

本发明涉及身份识别技术领域，具体涉及一种客户采集终端人脸图像质量实时监控方法。

背景技术

在生物识别领域，人脸识别技术(Face Recognition Technology)已逐渐引起越来越多的工业界研究人员的关注，近年来，随着相关技术的飞速发展和实际需求的日益增长，人脸识别在许多领域具有广阔的应用前景。例如：人脸识别技术作为辅助手段用于司法领域，进行身份验证、罪犯识别等；其在商业上也有许多潜在的应用，如银行信用卡的身份识别、安全识别系统、可视电话、医学、档案管理、酒店管理、电视会议人机交互系统等方面，不但可以提高社会运行的效率，也可以大大增强公民日常生活的安全性，因此人脸识别技术已成为当前模式识别和人工智能领域的一个研究热点。

但人脸图像作为一种较为复杂的模式，很容易受到光照、姿态、遮挡、外表附属物以及图像采集设备的影响。FRVT(Face Recognition Vendor Test)对来自现实生活的人脸图像进行大规模测试的结果表明：人脸识别系统的识别准确率随上述情况对图像质量的干扰而下降

近年来，生物识别等技术开始在酒店智能化中崭露头角，位于美国波士顿的Nine Zero酒店就率先应用了虹膜生物识别技术，顾客走进大堂后，只要到自助终端机前就可以作入住登记，并能自由进出房间。但由于虹膜识别技术所需的设备和技术费用成本极高，目前在我国的酒店等综合服务性行业还难以推广。另外，我国公开的犯罪分子追逃数据库目前只包括然人脸和指纹数据局，尚不含有成规模的虹膜数据库。

目前，我国从事生物特征识别技术产品开发的厂家多达200多家，这些人脸识别系统多数是通过对人脸图像进行采集和预处理后，直接进行特征提取并与数据库中存储的图像进行对比，然后根据匹配结果得出被拍摄者的身份信息。现有的人脸识别技术，对于限定在一定条件下的人脸图像，例如，正面人脸、光照条件良好、无遮挡物体、无眼镜反光情况下摄取的人脸图像，其识别率可以满足一些民用领域的低端应用(如门禁、考勤等)的要求。但由于人脸图像在与后台数据库的人脸模板进行对比前，没有对客户端采集的人脸图像进行实时质量监控、分析和处理的程序，使得产品在稳定性方面不甚理想，主要表现对光照、表情、姿态、装饰物、距离等条件的变化非常敏感，当某些条件发生变化时，识别效果会大大降低，尤其是当数据库规模扩大之后，自动识别系统无法在合理控制误报警率的情况下准确地搜索出身份识别结果，甚至造成不法份子躲过检查，很大程度上限制了公共安全防范领域基于人脸识别的智能监控系统的普及和大规模应用。

发明内容

本发明的目的在于提供一种客户采集端人脸图像质量实时监控方法，通过本发明的质量检测和控制，能够有效提高后续的图像比对准确度，并降低误报警率(False Alarm Rate)，从而保证智能身份信息识别系统的可靠性，缩短现有技术的识别率水平与公共安防领域实际应用需求之间存在的距离，使基于人脸识别的智能监控系统在安防领域达到真正实用。

实现本发明目的的技术方案如下：

客户采集终端人脸图像质量实时监控方法，包括以下步骤：

步骤1，客户终端人脸图像采集；

步骤2，人脸检测，通过人脸检测定位系统对获取的人脸图像中自动检测并且分割出人脸的确切位置；

步骤3人脸质量评价，通过人脸图像质量检测系统对人脸图像的采集过程进行智能提示和实时图象质量监控。

采用了上述方案，通过本发明的客户端实时图象质量监控及评价，很大程度上保证了人脸中的眼睛这一重要器官特征点的表达准确度，大大降低了由于眼镜反光、眨眼、闭眼等人脸图像采集时的异常情况所造成的识别误差，有效提高客户端所采集图象的质量，及时滤除噪声干扰大的图象，降低错误报警率，建模入库误登率(指自动采集人脸时没有达到正常的质量标准要求但系统仍然生成模板入库的数据占总图像采集量的比例)低于十万分之一，从而使基于人脸识别的智能监控系统达到真正实用。另外，通过本发明还对采集端通过图像质量检测阈值的图像进行提取特征点，构建三维人脸模型，最后与已知人脸库中的模板按多阶层匹配策略进行比较识别，验证被拍摄人的相关身份信息。识别算法中采用多光谱和多分辨率图像融合技术，充分利用多幅图像在时空上的相关性及信息上的互补性，使得融合后得到的图像对人脸特征具有更全面、清晰的描述，使得融合后得到的图像特征对人脸特征具有更全面、清晰的描述，并提高后续的图像比对准确率，保证身份信息识别的可靠程度。

下面结合附图和具体实施方式对本发明作进一步的说明。

附图说明