[发明专利]基于第二代身份证人像和视频人像的异构人脸核实方法

说明书

技术领域

本发明属于计算机应用技术领域，具体涉及基于第二代身份证人像和视频人像的异构人脸核实方法，即判断二代身份证人脸图像和身份证使用者的视频人脸图像是否为同一个人的人脸核实方法。

背景技术

目前，中国公民广泛使用第二代身份证作为身份识别的手段。随着近年来社会对于治安监控的逐步重视，基于计算机辅助的面向第二代身份证的异构人脸核实技术的研究吸引了大批研究者。面向第二代身份证的异构人脸核实技术是指判断二代身份证人像和身份证使用者人像是否为同一个人，具体来说，即将二代身份证上扫描出的人脸图像和在现实场景下拍摄的视频人脸图像作匹配，判断是否为同一个人。一般来说，二代身份证人像和视频人像存在以下差异：

①分辨率差异。二代证人脸图像属于受控环境下拍摄的人脸图像，分辨率低；视频人脸图像分属于不受控环境下拍摄的人脸图像，分辨率高；

②人脸内部变化。拍摄时间不同造成的面部变化，以及人脸表情和装饰物变化等；

③外在环境因素。拍摄环境的不同造成的光照变化和角度变化等。

该问题属于不同模态下的人脸图像核实问题，即异构人脸核实问题。面向第二代身份证的异构人脸核实技术应用非常广泛，比如协助公安部门刑侦破案，机器自动进行身份验证，视频监控跟踪识别等等。

当前有很多关于异构人脸核实问题的研究，如近红外人像(NIR)和可见光人像(VIS)的识别问题、素描人像和可见光人像的识别问题等。一般来说，针对异构人脸图像的核实技术通常分为两类：一是将其中一种模态的人像转化为另一种模态的人像后，再进行匹配，如Wang等人通过合成和分析的方法将NIR人像转化为合成的VIS人像，再进行匹配，这一类方法与具体的应用挂钩，扩展性较差；二是通过某种方法将由模态不同导致的人像特征差异减小，如Klare等人对NIR和VIS进行随机子空间投影和稀疏表示，在公共子空间上进行匹配，这一类方法的难点在于在公共子空间内消除异构造成的数据分布不同的影响。

发明内容

发明目的：针对上述现有技术存在的问题和不足，本发明的目的是提供一种基于第二代身份证人像和视频人像的异构人脸核实方法，实现对二代证人像和视频人像的快速精准核实。

技术方案：为实现上述发明目的，本发明采用的技术方案为一种基于第二代身份证人像和视频人像的异构人脸核实方法，包括如下步骤：

(1)人脸关键点检测：从原始人脸图像中检测出人脸关键点信息；

(2)图像预处理：将所述原始人脸图像中的人脸分割出来，进行归一化处理和DOG(高斯差分方法，differenceofGaussian)光照预处理；

(3)多特征提取：提取所述步骤(2)处理后图像的Gabor(小波)特征、LBP(局部二值模式，LocalBinaryPattern)特征和SIFT(尺度不变特征转换，Scale-invariantfeaturetransform)特征；

(4)相似性度量：利用LCSR(线性耦合谱回归，LinearCoupledSpectralRegression)度量学习方法，将不同模态下的所述Gabor特征、LBP特征和SIFT特征分别映射到公共子空间，再在公共子空间内进行匹配；

(5)特征决策投票：对所述Gabor特征、LBP特征和SIFT特征在公共子空间内的匹配结果进行多数投票确定核实结果。

有益效果：本发明采用基于LCSR度量学习技术和多种人脸特征决策投票机制，降低了因模态不同造成的人脸图像差异，结合多种人脸特征匹配结果，提高了核实结果的准确性和稳定性。实验结果表明，本发明的方法能够大大提升二代证人像和视频人像的核实准确性，速度快，稳定性好，具有较高的使用价值。

附图说明

图1为本发明方法构建图；

图2(A)为本发明方法二代证人像对应的ASM关键点检测结果图，图2(B)为视频人像对应的ASM关键点检测结果图；

图3为标准人脸图像规格图；

图4(A)为人脸图像的旋转图，图4(B)为人脸图像的缩放图，图4(C)为人脸图像的裁剪图；

图5(A)为本发明方法视频人像(第一行)和二代证人像(第二行)通过DOG处理前的图，

图5(B)为本发明方法视频人像(第一行)和二代证人像(第二行)通过DOG处理后的图；

图6为LCSR和其他度量学习方法的核实精度比较图；

图7为本发明方法LCSR方法流程图；

图8为组合特征和单独特征的核实精度比较图。