一種基于計算機視覺技術的人證核驗方法技術

本發明專利技術公開了一種基于計算機視覺技術的人證核驗方法，該方法包括以下步驟：S1、對輸入圖像進行圖像分辨率核驗，若分辨率低于預設閾值則執行S2，若分辨率高于預設閾值則執行S3；S2、對分辨率低于預設閾值的所述輸入圖像進行超分重建；S3、對所述輸入圖像中的人臉進行識別，并進行剪裁；S4、再次進行圖像分辨率核驗，對于低分辨率的圖像再次進行超分重建；S5、對剪裁后所述人臉圖像中角度偏離的圖像進行處理；S6、將經過超分和透視變換后的圖像輸入預設的人臉比對模塊中進行人臉比對。有益效果：可以實現對輸入圖像質量的提升，在保障比對效率的前提下提升OpenCV人臉比對的準確率，從而實現高效、低耗的人臉識別比對功能。低耗的人臉識別比對功能。低耗的人臉識別比對功能。

【技術實現步驟摘要】
一種基于計算機視覺技術的人證核驗方法


[0001]本專利技術涉及身份核驗
，具體來說，涉及一種基于計算機視覺技術的人證核驗方法。

技術介紹

[0002]隨著數字經濟的高速發展，大數據作為重要的生產要素，發揮出越來越重要的基礎資源作用和創新引擎作用。在信貸、交通、通信、電商、互聯網金融等多個行業，新興大數據技術為身份核驗帶來了全新的解決方案。得力于計算機視覺與深度學習技術的發展，通過人臉比對進行人證核驗，從而實現快速高效的身份信息核驗。
[0003]目前，現有的身份信息核驗一般通過人證合一比對系統來實現，人證合一比對系統是把人臉識別技術與身份證識別技術相結合的創新系統，達到持證人與證件照片相吻合的目的，其具有自動抓取人臉(通過攝像頭自動抓取畫面中最優秀人像照片)、多種證件識別(可以識別含有頭像的多種證件，如身份證、駕駛證、護照等)及人證比對算法(多個算法識別能力，人臉定位、捕捉、跟蹤、采集，自動采集人臉及身份證中照片，并形成對比)的特點。
[0004]但是，該人證合一比對系統在使用時存在以下缺陷：
[0005]1)、通過自動抓取或者客戶上傳獲得的人臉圖像質量參差不齊，導致人臉比對成功率低，準確率低。
[0006]2)、通過自動抓取或者客戶上傳獲得的人臉圖像角度不統一，影響人臉比對模型成功率與準確率。
[0007]3)、高精度的人臉識別/比對模型需要消耗較高的運算資源，計算耗時長，難以實現低硬件成本下的實時運算；輕量級人臉識別/比對模型準確率低。
[0008]針對相關技術中的問題，目前尚未提出有效的解決方案。

技術實現思路

[0009]針對相關技術中的問題，本專利技術提出一種基于計算機視覺技術的人證核驗方法，以克服現有相關技術所存在的上述技術問題。
[0010]為此，本專利技術采用的具體技術方案如下：
[0011]一種基于計算機視覺技術的人證核驗方法，該方法包括以下步驟：
[0012]S1、對輸入圖像進行圖像分辨率核驗，若分辨率低于預設閾值則執行S2，若分辨率高于預設閾值則執行S3；
[0013]S2、采用預設超分方法對分辨率低于預設閾值的所述輸入圖像進行超分重建；
[0014]S3、使用預設方法對所述輸入圖像中的人臉進行識別，并對該輸入圖像中的人臉部分進行剪裁；
[0015]S4、對剪裁后的人臉圖像再次進行圖像分辨率核驗，且對于低分辨率的圖像再次進行超分重建；
[0016]S5、利用透視變換原理對剪裁后所述人臉圖像中角度偏離的圖像進行處理；
[0017]S6、將經過超分和透視變換后的圖像輸入預設的人臉比對模塊中進行人臉比對。
[0018]進一步的，所述S1中的輸入圖像包括實時頭像視頻截圖和用戶上傳的證件照片，所述預設閾值為480*480，且該預設閾值可人工修改。
[0019]進一步的，所述S2中采用預設超分方法對分辨率低于預設閾值的所述輸入圖像進行超分重建具體包括以下步驟：
[0020]S21、將分辨率低于預設閾值的原始圖像導入SRGAN網絡；
[0021]S22、對所述SRGAN網絡中放大倍數、學習率及迭代次數的核心運行參數進行設置；
[0022]S23、通過所述SRGAN網絡中三個卷積層進行逐步處理，生成高分辨率的圖像；
[0023]S24、獲得輸出的高分辨率圖像。
[0024]進一步的，所述S23中通過所述SRGAN網絡中三個卷積層進行逐步處理包括以下步驟：
[0025]首先利用第一卷積層抽取所述原始圖像的特征點，然后通過第二卷積層對所述特征點進行非線性映射，實現對每個特征點缺失細節的預測，最后利用第三層卷積層組合映射后的圖像，生成高分辨率的圖像。
[0026]進一步的，所述S3中使用預設方法對所述輸入圖像中的人臉進行識別，并對該輸入圖像中的人臉部分進行剪裁具體包括以下步驟：
[0027]S31、將分辨率高于預設閾值的圖像輸入預設的人臉識別模塊；
[0028]S32、使用基于Python的face_recognition模組對輸入圖像中的人臉進行識別；
[0029]S33、調用Python中的face_recognition模組包對輸入圖像中的人臉部分進行剪裁；
[0030]S34、獲得剪裁后的人臉圖像。
[0031]進一步的，所述S4中對剪裁后的人臉圖像再次進行圖像分辨率核驗時的閾值為80*80，且該閾值可人工修改。
[0032]進一步的，所述S5中角度偏離的圖像主要針對用戶上傳的證件照片。
[0033]進一步的，所述S5中利用透視變換原理對剪裁后所述人臉圖像中角度偏離的圖像進行處理具體包括以下步驟：
[0034]S51、調用OpenCV中的getPerspectiveTransform函數對剪裁后所述人臉圖像進行處理，得到透視變換矩陣；
[0035]S52、調用OpenCV中的warpPerspective函數執行透視變換，得到透視變換后的圖像。
[0036]進一步的，所述S6中將經過超分和透視變換后的圖像輸入預設的人臉比對模塊中進行人臉比對具體包括以下步驟：
[0037]S61、將經過超分和透視變換后的圖像輸入預設的人臉比對模塊；
[0038]S62、利用所述人臉比對模塊中的Python讀取所述圖像中的人臉照片；
[0039]S63、使用所述人臉比對模塊中的dlib模塊對人臉照片進行分析，得到人臉相似度。
[0040]進一步的，所述S62中讀取的人臉照片包括兩張照片，且所述兩張照片分別為用戶上傳的證件照片和實時頭像視頻截圖。
[0041]本專利技術的有益效果為：本專利技術將超分辨率重建、透視變換等技術與人臉識別和人臉比對模型相結合，通過前置圖像服務模塊實現針對輸入圖像的預處理，從而實現對輸入圖像質量的提升，從而可以在保障比對效率的前提下提升OpenCV人臉比對的準確率，同時部署輕量級人臉識別和人臉比對模型，實現高效、低耗的人臉識別比對功能，提供了一種新的人證核驗方法。
附圖說明
[0042]為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。
[0043]圖1是根據本專利技術實施例的一種基于計算機視覺技術的人證核驗方法的流程示意圖。
具體實施方式
[0044]為進一步說明各實施例，本專利技術提供有附圖，這些附圖為本專利技術揭露內容的一部分，其主要用以說明實施例，并可配合說明書的相關描述來解釋實施例的運作原理，配合參考這些內容，本領域普通技術人員應能理解其他可能的實施方式以及本專利技術的優點，圖中的組件并未按比例繪制，而類似的組件符號通常用來表示類似的組件。
[0045]根據本專利技術的實施例，提供了一種基于計算機視覺技術的人本文檔來自技高網...

【技術保護點】

【技術特征摘要】
1.一種基于計算機視覺技術的人證核驗方法，其特征在于，該方法包括以下步驟：S1、對輸入圖像進行圖像分辨率核驗，若分辨率低于預設閾值則執行S2，若分辨率高于預設閾值則執行S3；S2、采用預設超分方法對分辨率低于預設閾值的所述輸入圖像進行超分重建；S3、使用預設方法對所述輸入圖像中的人臉進行識別，并對該輸入圖像中的人臉部分進行剪裁；S4、對剪裁后的人臉圖像再次進行圖像分辨率核驗，且對于低分辨率的圖像再次進行超分重建；S5、利用透視變換原理對剪裁后所述人臉圖像中角度偏離的圖像進行處理；S6、將經過超分和透視變換后的圖像輸入預設的人臉比對模塊中進行人臉比對。2.根據權利要求1所述的一種基于計算機視覺技術的人證核驗方法，其特征在于，所述S1中的輸入圖像包括實時頭像視頻截圖和用戶上傳的證件照片，所述預設閾值為480*480，且該預設閾值可人工修改。3.根據權利要求1所述的一種基于計算機視覺技術的人證核驗方法，其特征在于，所述S2中采用預設超分方法對分辨率低于預設閾值的所述輸入圖像進行超分重建具體包括以下步驟：S21、將分辨率低于預設閾值的原始圖像導入SRGAN網絡；S22、對所述SRGAN網絡中放大倍數、學習率及迭代次數的核心運行參數進行設置；S23、通過所述SRGAN網絡中三個卷積層進行逐步處理，生成高分辨率的圖像；S24、獲得輸出的高分辨率圖像。4.根據權利要求3所述的一種基于計算機視覺技術的人證核驗方法，其特征在于，所述S23中通過所述SRGAN網絡中三個卷積層進行逐步處理包括以下步驟：首先利用第一卷積層抽取所述原始圖像的特征點，然后通過第二卷積層對所述特征點進行非線性映射，實現對每個特征點缺失細節的預測，最后利用第三層卷積層組合映射后的圖像，生成高分辨率的圖像。5.根據權利要求1所述的一種基于計算機視覺技術的人證核驗方法，其特征在于，所述S3中使用預設方法對所述輸入圖像中的人...

【專利技術屬性】
技術研發人員：楊博雅，汪德嘉，徐文強，
申請(專利權)人：江蘇通付盾科技有限公司，
類型：發明
國別省市：