[发明专利]基于生物特征识别的人与身份证同一性检验装置

权利要求书

1.一种基于生物特征识别的人与身份证同一性检验装置，其特征在于：所述检验 装置包括用于获取身份证持有者人脸图像的全方位视觉传感器、用于读取第二代 身份证内置芯片中的照片信息的身份证阅读器、用于比对存储在第二代身份证内 置芯片中的人脸照片图像与通过全方位视觉传感器所获取的人脸图像是否一致的 微处理器，所述的微处理器包括：

读取身份证内的照片图像数据模块，用于读取个人身份证内所存储的照片， 其输出给第一人脸检测模块进行人脸检测；

第一人脸检测模块，用于标出二代身份证人脸图像中人脸在图像中的位置；

第一人脸特征提取模块，用于提取出二代身份证人脸图像中的人脸生物特征， 以便为与全方位视觉传感器所获取人脸图像进行比对提供生物特征数据；

全景图像读取模块，用于读取全方位视觉传感器捕获的全景视频图像；

第二人脸检测模块，用于标出在全景视频图像中人脸在图像中的位置；图像 展开模块，用于在全景视频图像中截取和展开成与个人身份证相同的人脸图像；

第二人脸特征提取模块，用于提取出透视投影平面展开图中人脸图像的人脸 生物特征；

人与个人身份证的生物特征同一性检验模块，用于检验身份证的提交者和个 人身份证的生物特征相似程度；

决策层表决处理模块，用于对被测人体与身份证同一性多个检测结果进行表 决；

所述的读取身份证内的照片图像数据模块中，通讯协议符合ISO14 443 B标 准，同时使用射频模块和专用的SAM_V安全模块，通过SAM_V安全模块对第 二代身份证的射频芯片进行外部认证，获取包括姓名、住址、身份证号码和照片 在内的文字、图像固定信息；

所述的第一人脸检测模块中，用于标出二代身份证人脸图像中人脸在图像中 的位置；采用肤色模型快速地检测出可能的人脸区域，而后用积分投影法定位人 脸区域；

所述第一人脸检测模块中的人脸检测的算法流程如下：

①根据R、G、B的值计算出Y、Cb、Cr的值，

②对Y亮度分量均值小于40或大于230的过暗或过亮图片进行亮度补偿，

③根据椭圆聚类肤色分割模型分割出肤色区域，得到二值化图像，

④对噪声点用数学形态学的腐蚀和膨胀算子进行去噪处理，

⑤做水平投影和垂直投影，得到最似人脸连通区域，

YCbCr色彩系统是一种常见的重要的颜色空间表达，YCbCr颜色空间与RGB 颜色空间的转换关系如下式所示，

YCbCr1=0.29900.5870.11400-0.1687-0.33130.50001280.5000-0.4187-0.08131280000RGB1---(1)]]>

式中，R、G、B分别是某像素点在RGB颜色空间上的红、绿、蓝分量值， 从彩色人脸图像上直接读取，Y、Cb、Cr分别是某像素点在YCbCr颜色空间上的 亮度值和彩色分量；

椭圆聚类肤色分割模型由公式(2)表示，

(x-ecx)2a2+(y-ecy)2b2=1---(2)]]>

式中：a＝25.39，b＝14.03，ec_x＝1.60，ec_y＝2.41，x，y由公式(3)计算，

xy=cosθsinθ-sinθcosθCb-CxCr-Cy---(3)]]>

式中：θ＝2.53，Cx＝109.38，Cy＝152.02，将上述数据代入公式(2)，如果计 算值小于1则是肤色，否则为非肤色；采用非线性分段分割：

1)若Y＜40，则像素点直接判决为非肤色像素点，

2)若40＜Y＜230，则采用上述的椭圆聚类方法判定，

3)若Y＞230，则将肤色聚类椭圆的长、短轴同时扩大1.1倍后再进行判定， 即公式(2)中的a、b均乘上1.1；

利用投影分析标出二代身份证人头图像中人脸在图像中的位置，就是人脸快 速定位算法，具体处理过程为：将经过消除噪声处理的二值图像进行垂直投影， 确定左右边界，再在左右边界区域内进行水平投影，确定上下边界；在原图像中 的边界位置画一根线，最终形成一个矩形框，矩形框圈出的即为人脸；

投影法是沿着图像某个方向截面的灰度值累加计算量的集合，垂直投影，即 以x轴为投影轴；水平投影，即以Y轴为投影轴；如计算公式(4)所示，

f(x)=Σy=1heightf(x,y)---(4)]]>

f(y)=Σx=1widthf(x,y)]]>

其中，f(x，y)是经过去除噪声处理后的二值图像，f(x)是经过去除噪声处理 后的二值图像的垂直投影，f(y)是经过去除噪声处理后的二值图像的水平投影， height和width分别是经过去除噪声处理后的二值图像的高度和宽度；

所述的第一人脸特征提取模块中，构造图像的灰度模型的过程为：首先是将 彩色身份证人脸图像进行灰度化处理；假设图像中某点像素点(x，y)处R、G、 B值分别为r、g、b，要将彩色图像转换为灰度图像，使用灰度变换公式(5)，

                                                (5)

gray＝r×0.299+g×0.587+b×0.114

式中，r、g、b分别是二代身份证人脸图像中某一个像素点色彩分量值，gray 是该像素点需要设置的灰度值，然后将二代身份证人脸图像中该像素点r、g、b 均设置为gray，即gray＝r＝g＝b，经过这样处理的彩色人脸图像成为灰度人脸图像；

采用二维主成分分析识别方式，用矩阵A表示反映身份证内照片的灰度人脸 图像，为m×n图像矩阵，这里m和n与公式(4)中的height和width具有相同 的值；

将矩阵A分解成p×q模块图像矩阵，如公式(6)表示，

A=A11A12...A1qA21A22...A2q............Ap1Ap2...Apq---(6)]]>

式中，每个子图像矩阵A_kl是m₁×n₁矩阵，p×m₁＝m，q×n₁＝n；

训练图像，即身份证内照片的灰度人脸图像样本的子图像矩阵的总体散布矩 阵G用公式(7)表示，

G=1NΣk=1pΣl=1q((Akl-B)(Akl-E)T)---(7)]]>

式中，N＝pq，表示训练样本子图像矩阵总数，为训练身 份证图像子矩阵的均值矩阵，G为m₁×m₁非负定矩阵；

取G的d个最大特征值所对应的标准正交特征向量组成的向量组 [Z₁，Z₂，…，Z_d]，令Q＝[Z₁，Z₂，…，Z_d]，这时Q为2DPCA意义下的d维特征向量的 最优投影矩阵；

将Q矩阵用于身份证内照片的灰度人脸图像特征的提取，对于身份证内照片 的灰度人脸图像A矩阵，其对应的特征矩阵用公式(8)表示，

B=A11TQA12TQ...A1qTQA21TQA22TQ...A2qTQ............Ap1TQAp2TQ...ApqTQ---(8)]]>

式中，身份证内照片的灰度人脸图像的kl子图像矩阵的旋转矩阵，B为 身份证内照片的灰度人脸图像的(p×n₁)×(d×q)特征矩阵，其中d≤min(m₁，n₁)， Q为d维特征向量的最优投影矩阵；

所述的图像展开模块中，用于将读进来的圆形全景视频图像展开成被测个体 的脸部信息视频透视投影平面展开图，透视投影平面展开图的大小以及脸部的大 小与居民身份证内的照片尺寸相近；

所述的透视投影平面展开图是通过从双曲面的实焦点O m到透视投影坐标原 点G引一条距离为D的直线O m-G，与所述O m-G相垂直的平面作为透视投 影平面，从点A(X，Y，Z)向着焦点O m的光线在透视投影平面上有一个交点P(X， Y，Z)，通过透视投影平面的坐标点P(i，j)求空间三坐标中的A(X，Y，Z)，得 到投影平面与空间三坐标的转换关系，转换关系式用公式(9)来表示：

X＝R*cosβ-i*sinβ                        (9)

Y＝R*sinβ+i*cosβ

Z＝D*sinγ-j*cosγ

R＝D*cosγ+j*sinγ

式(9)中：D为透视投影平面到双曲面的焦点O m的距离，β角度是入射光 线在XY平面上投影的夹角，γ角度是入射光线与双曲面焦点的水平面的夹角，i 轴是与XY平面平行的横轴，j轴是与i轴和O m-G轴直角相交的纵轴；透视 投影坐标原点G是根据第二人脸检测模块得到人脸部分的中心位置来确定的；人 脸透视展开图的高度H和宽度W与公式(4)中所计算出来的垂直投影和水平投 影相一致。