身份認證方法和裝置的制造方法
【技術領域】
[0001] 本發明涉及數字圖像處理與模式識別，特別是指一種身份認證方法和裝置。
【背景技術】
[0002] 二代身份證是我國居民的有效證件，記載了持證人的基本信息。在目前大多數情 況下，身份證登記仍然采用人工方式，很不方便。隨著計算機技術、圖像處理和字符識別算 法的成熟，利用計算機進行身份證自動識別錄入已經成為可能。通過將身份證上的照片和 現場采集的視頻照片進行比對，可W判定人員身份。但由于二代證相片本身存在的低像素、 年齡跨度大等問題，現場采集的視頻照片受到光照、姿態、表情、眼鏡等遮擋物的干擾問題， W及身份證相片單樣本問題，使得目前的基于身份證的人臉認證系統面臨諸多挑戰。
[0003] 我國第二代居民身份證采用非接觸式1C卡技術制作，通過機讀可W獲取身份證 照片，與現場的攝像機成像設備采集的人臉照片進行比對，判斷是否是同一個人，屬于人臉 認證范疇。目前，基于身份證的人臉認證系統采用的都是已有的人臉識別算法，從人臉特征 提取的角度，主要有特征子空間法、基于局部特征的方法和基于機器學習的方法。該王種人 臉認證方法都存在抗干擾性差、準確性低的缺點。
【發明內容】
[0004] 本發明要解決的技術問題是提供一種抗干擾性強、準確性高的身份認證方法和裝 置。
[0005] 為解決上述技術問題，本發明提供技術方案如下：
[0006] -種身份認證方法，包括：
[0007] 獲取人臉圖像樣本對，其中一個人臉圖像為身份證照片，另一個人臉圖像為現場 采集的圖像；
[0008] 采用人臉圖像金字塔算法對獲取的人臉圖像樣本對進行處理，得到人臉圖像金字 塔結構；
[0009] 對得到的人臉圖像樣本對的人臉圖像金字塔結構中各個尺度的人臉圖像計算灰 度梯度方向，得到梯度方向金字±合GOP特征；
[0010] 根據得到的人臉圖像樣本對的GOP特征，計算判斷人臉圖像樣本對是否屬于同一 個人。
[0011] 一種身份認證裝置，包括：
[0012] 獲取模塊；用于獲取人臉圖像樣本對，其中一個人臉圖像為身份證照片，另一個人 臉圖像為現場采集的圖像；
[0013] 采樣模塊：用于采用人臉圖像金字塔算法對獲取的人臉圖像樣本對進行處理，得 到人臉圖像金字塔結構；
[0014] 計算模塊；用于對得到的人臉圖像樣本對的人臉圖像金字塔結構中各個尺度的人 臉圖像計算灰度梯度方向，得到梯度方向金字塔GOP特征；
[0015] 判斷模塊；用于根據得到的人臉圖像樣本對的GOP特征，計算判斷人臉圖像樣本 對是否屬于同一個人。
[0016] 本發明具有W下有益效果：
[0017] 與現有技術相比，本發明的身份認證方法首先獲取人臉圖像樣本對，其中一個人 臉圖像為身份證照片，另一個人臉圖像為現場采集的圖像；然后采用人臉圖像金字塔算法 對獲取的人臉圖像樣本對進行處理，得到人臉圖像金字塔結構，該算法采用多分辨率的方 式對人臉圖像進行表示，能夠全面地描述人臉圖像特征，避免了現有技術中只采用一種分 辨率對圖像進行表示而導致圖像特征表達不全面的現象，有效的提高了本發明進行身份認 證的準確性，同時人臉圖像金字塔結構自下而上每一層的像素數都不斷減少，降低了本發 明在數據處理過程中的計算量，使本發明的身份認證過程更容易實現；接下來對得到的人 臉圖像樣本對的人臉圖像金字塔結構中各個尺度的人臉圖像計算灰度梯度方向，得到梯度 方向金字塔G0P特征，由于人臉圖像的G0P特征對光照、年齡和表情等外界因素具有魯棒 性，使本發明的抗干擾性增強，同時也進一步提高了人臉認證結果的準確性；最后根據得到 的人臉圖像樣本對的G0P特征，計算判斷人臉圖像樣本對是否屬于同一個人。本發明的身 份認證方法有效地避免了光照、年齡和表情等因素的干擾，也顯著地提高了身份認證的準 確性。
【附圖說明】
[0018] 圖1為本發明的身份認證方法的流程示意圖一；
[0019] 圖2為本發明的提取人臉梯度方向金字塔G0P特征的流程示意圖；
[0020] 圖3為本發明的SVM分類算法的最大化分類間隔超平面示意圖；
[0021] 圖4為本發明的身份認證方法的流程示意圖二；
[0022] 圖5為本發明的身份認證裝置的結構示意圖一；
[0023] 圖6為本發明的身份認證方法的流程示意圖二；
[0024] 圖7為本發明的G0P巧VM身份認證流程示意圖。
【具體實施方式】
[0025] 為使本發明要解決的技術問題、技術方案和化點更加清楚，下面將結合附圖及具 體實施例進行詳細描述。
[0026] 一方面，本發明提供一種身份認證方法，如圖1所示，包括：
[0027] 步驟S101 ;獲取人臉圖像樣本對，其中一個人臉圖像為身份證照片，另一個人臉 圖像為現場采集的圖像；
[0028] 本步驟中，現場采集的圖像可W通過對采集的視頻樣本進行截取獲得，也可W通 過現場拍照獲得。
[0029] 步驟S102 ;采用人臉圖像金字塔算法對獲取的人臉圖像樣本對進行處理，得到人 臉圖像金字塔結構；
[0030] 本步驟中，采用人臉圖像金字塔結構對人臉圖像進行多尺度、多分辨率的表示，該 算法能夠全面地描述人臉圖像特征，同時人臉圖像金字塔結構自下而上每一層的像素數都 不斷減少，降低了本發明在數據處理過程中的計算量。
[0031] 步驟S103;對得到的人臉圖像樣本對的人臉圖像金字塔結構中各個尺度的人臉 圖像計算灰度梯度方向，得到梯度方向金字塔GOP特征；
[0032] 本步驟中，由于人臉梯度方向金字塔GOP特征對光照、表情和年齡等因素具有魯 棒性的特性，本發明化選采用計算人臉圖像樣本對的GOP特征，使本發明的抗干擾性增強， 也加強了身份認證的準確性。
[0033] 步驟S104 ;根據得到的人臉圖像樣本對的GOP特征，計算判斷人臉圖像樣本對是 否屬于同一個人。
[0034] 本發明的身份認證方法首先獲取人臉圖像樣本對，其中一個人臉圖像為身份證照 片，另一個人臉圖像為現場采集的圖像；然后采用人臉圖像金字塔算法對獲取的人臉圖像 樣本對進行處理，得到人臉圖像金字塔結構，該方法采用多分辨率的方式對人臉圖像進行 表示，能夠全面地描述人臉圖像特征，避免了現有技術中只采用一種分辨率對圖像進行表 示而導致圖像特征表達不全面的現象，有效的提高了本發明進行身份認證的準確性，同時 人臉圖像金字塔結構自下而上每一層的像素數都不斷減少，降低了本發明在數據處理過程 中的計算量，使本發明的身份認證過程更容易實現；接下來對得到的人臉圖像樣本對的人 臉圖像金字塔結構中各個尺度的人臉圖像計算灰度梯度方向，得到梯度方向金字塔GOP特 征，由于人臉圖像的GOP特征對光照、年齡和表情等外界因素具有魯棒性，使本發明的抗干 擾性增強，同時也進一步提高了人臉認證結果的準確性；最后根據得到的人臉圖像樣本對 的GOP特征，計算判斷人臉圖像樣本對是否屬于同一個人。本發明的身份認證方法有效地 避免了光照、年齡和表情等因素的干擾，同時也顯著地提高了身份認證的準確性。
[0035] 上述步驟S103中的算法具體可W是；采用計算人臉圖像樣本對的灰度梯度方向 金字塔GOP特征，GOP特征具體計算過程可W參考如下：
[0036] 對于一幅二維人臉圖像I (X，