[发明专利]用于证卡激光签注的数字人像处理方法、存储介质和系统

说明书

本发明提供一种用于证卡激光签注的数字人像处理方法，包括以下步骤：步骤S10，对用户上传的人像照片进行初步判定，排除非人像照片；步骤S20，对人像照片进行人脸识别、人像定位和自适应裁剪；步骤S30，对人像照片进行自动评估，保留质量评估合格的人像照片，剔除不合格的人像照片；步骤S40，对低分辨率的人像照片图像进行超分辨率增强；步骤S50，对人像照片图像进行灰度优化；步骤S60，将人像照片图像进行编码安全传输。本发明为签注出高质量的人像证卡奠定了基础。

技术领域

本发明涉及人工智能、图像处理技术领域，尤其涉及一种用于证卡激光签注的数字人像处理方法、存储介质和系统。

背景技术

随着信息科学与技术的飞快发展，高精度彩色复印机、扫描仪和各类数码印刷设备的应用日益普遍，造假分子篡改伪造的技术和手段日益复杂和精细，使得伪造和变造证件、盗窃他人身份从事各类违法犯罪活动日益猖獗，以传统印刷防伪技术为主的证卡面临更多的攻击和风险。在现有的证卡物理安全技术中，签注在证卡上的个人化信息容易被篡改、涂改和添加。目前常用的个人化信息签注技术有热升华、热转印和激光打印三种方式,以上三种个人化信息签注实现方式，其个人化信息只存在于证卡材料表层，无法形成强物理安全防伪，因此很难避免个人化信息被篡改、涂改和添加的问题。解决这个问题的方法是采用红外激光刻蚀技术对复合证卡内部材料进行个人化信息签注，将信息刻蚀到复合证卡结构的红外激光刻蚀功能薄膜层上使得可用的物理安全技术更加多样化，造假、伪造的难度增加，实现“易识别、难伪造”这个目标。由于红外激光刻蚀出来的图像是灰度黑白图像，并且具有特定的工艺要求，需要根据实际激光打标功率进行灰度优化，这对以往的彩色人像处理系统来说提出了新的挑战。

另一方面，从2000年以来，证件照片慢慢地由以前的纸质照片转变为现在的数字照片。二代身份证的出现使得数字照片变得更加的普及，越来越多的人开始自己拍摄并制作证件照。但是由于拍摄照片常常存在背景杂乱、不清晰、曝光不合格、姿态不合格等问题，使得后期需要人工的进行照片的筛选和图像优化处理，工作量大且不利于信息自动化建设。

近几年人工智能技术取得了大力发展，由深度学习理论驱动的这场“信息化革命”在众多应用领域中发挥出了优异的性能，大幅提高了生产力，受到了广泛的关注，深度学习技术本身也成为当今最具有代表性的人工智能技术之一。在深度学习的框架下，目前最成功的网络架构是深度卷积神经网络(CNN)，其在图像处理、语音识别、文本挖掘等领域取得了多方面的突破，具有极大的应用价值。

因此，如何利用当前人工智能深度学习技术，自动的对人像照片进行筛选、处理和优化，改善最终的激光刻蚀出的人像效果，已成为当务之急。而目前并没有相关的数字人像处理方法用于解决上述问题。

发明内容

本发明的目的在于至少解决现有技术中的问题之一，提供一种用于证卡激光签注的数字人像处理方法，通过对人像照片进行人像定位和自适应裁剪、人像照片自动评估、超分辨率增强、图像灰度优化、安全传输，为签注出高质量的人像证卡奠定基础。本发明采用的技术方案是：

一种用于证卡激光签注的数字人像处理方法，包括以下步骤：

步骤S10，对用户上传的人像照片进行初步判定，排除非人像照片；

步骤S20，对人像照片进行人脸识别、人像定位和自适应裁剪；

步骤S30，对人像照片进行自动评估，保留质量评估合格的人像照片，剔除不合格的人像照片；

步骤S50，对人像照片图像进行灰度优化；

步骤S60，将人像照片图像进行编码安全传输。

进一步地，步骤S10中，具体将人像照片输入一个预先训练好的级联卷积神经网络进行识别，以排除人像照片。