种*敏*感*词*照片与人脸自动识别系统技术领域[0001](图)

　　种*敏*感*词*照片与人脸自动识别系统技术领域[0001](图)

　　专利名称：一种*敏*感*词*照*敏*感*词*法及人脸识别系统

　　技术领域：

　　—一种*敏*感*词*照片和人脸自动识别系统技术领域[0001]本实用新型属于人脸识别领域，具体涉及一种直接自动识别*敏*感*词*照片和人脸的系统。

　　背景技术：

　　[0002] 现有的人脸识别方法，尤其是一些商业软件，对识别和对比的人脸照片的清晰度要求很高，例如人脸照片中两只眼睛的距离。 80 多个像素。但是，由于存储空间的限制，一般存储在*敏*感*词*RFID卡上的照片清晰度较差，人脸照片中眼睛之间的距离只有20像素左右。因此，现有的人脸识别方法无法直接将存储在*敏*感*词*RFID卡上的高压缩照片与现场拍摄的人脸照片进行对比。解决办法是与*敏*感*词*局*敏*感*词*中心数据库联网，通过*敏*感*词*号码从*敏*感*词*部数据中心获取并下载*敏*感*词*原照片，然后使用一些商用的人脸识别软件拍摄*敏*感*词*原件照片和现场快照。比较人脸照片。由于必须接入*敏*感*词*部*敏*感*词*数据中心，其应用范围受到极大限制，且采集现场光照条件较高。实用新型内容 [0003]本实用新型提供了一种*敏*感*词*照片和人脸自动识别系统，可以简单有效地解决现场拍摄的照片与人脸照片的比对问题。 [0004] 本实用新型包括以下技术特征。 [0005] 一种*敏*感*词*照片和人脸自动识别系统，包括信息采集子系统和数据分析子系统。信息采集子系统包括*敏*感*词*设备和身份识别卡和读卡器；*敏*感*词*与读卡器相匹配，*敏*感*词*内含RFID电子标签，用于存储*敏*感*词*照片；摄像设备采集的人脸信息和阅读器采集的*敏*感*词*照片分别为输入数据分析子系统；数据分析子系统包括人脸验证模块，由依次连接的局部特征判断单元和整体特征判断单元组成。局部特征判断单元基于局部二值模式对采集一个人脸识别单元，将@的人脸信息与*敏*感*词*照片上的局部特征进行比较；整体特征判断单元基于特征人脸对，将采集的人脸信息和*敏*感*词*照片信息对整体特征进行比对。 人脸识别单元。

　　[0006] 本实用新型的识别系统将采集的*敏*感*词*照片和人脸信息输入数据分析子系统，然后分别使用局部特征判断单元和整体特征判断单元进行判断。只有当局部特征判断单元认为与整体特征判断单元一致时，才输出人脸与*敏*感*词*照片匹配的识别结果。局部特征判断单元和整体特征判断单元采用局部二值模式法（LBP）和特征脸法（PCA）实现人脸识别。这两种方法都是现有的算法，不是本实用新型要保护的改进。本实用新型的改进是选择这两个单元，利用两个单元连接的顺序来判断人脸的局部特征和整体特征。将存储的*敏*感*词*照片与实时拍摄的人脸进行比对，为“实名制”制度的实施提供了强有力的技术支持，无需工作人员反复进行*敏*感*词*与持证人的目视比对，提高工作效率。 [0007] 进一步地，本发明特别针对高度压缩的小照片，例如存储在*敏*感*词*的RFID中的*敏*感*词*照片，以及人脸眼睛之间的距离大约为20个像素的*敏*感*词*照片。 [0008] 因此，*敏*感*词*可以是第二代中国*敏*感*词*，读卡器可以是*敏*感*词*读卡器。当然，*敏*感*词*可以是任何一种现有的带有记忆*敏*感*词*照片的*敏*感*词*，尤其是当记忆*敏*感*词*照片的眼睛间距为15-25像素时。

　　但是，照片像素的大小不构成对本实用新型保护范围的限制。不能理解为本实用新型只能应用于小像素照片的识别。应当理解，本实用新型的新模型仍然可以获得更高的识别率。之所以能在小像素照片的情况下保持高识别率是因为本实用新型结合了整体(PCA)识别方法和局部(LBP)识别方法，通过局部特征的优化来实现判断单元和整体特征判断单元。 [0009] 进一步地，数据分析子系统在人脸验证模块之前还包括人脸检测模块，人脸检测模块用于提取人脸特征。人脸检测模块是基于肤色检测确定人脸区域，通过类Haar特征和Adaboost算法提取人脸特征点的检测模块。数据分析子系统还包括用于灰度图像转换、图像归一化和光均衡处理的图像处理模块。人脸检测模块和图像处理模块可以有效提高识别效率和识别成功率。 [0010] 进一步地，在硬件连接中，数据分析子系统设置在上位机中，*敏*感*词*设备连接上位机，阅读器连接上位机上以串口方式连接。 [0011] 进一步地，该系统还包括存储子系统和监控管理子系统。存储子系统包括人脸模板训练库和识别结果存储库。人脸模板训练库由局部特征判断单元和整体特征判断单元访问组成，识别结果存储库由监控管理子系统访问。

　　监控管理子系统通过查询访问识别结果存储库。 采集子系统的信息为采集人脸信息，来自*敏*感*词*的视频图像。 [0012] 上述人脸模板训练库用于保证识别过程中人脸数据的调用。人脸模板训练库收录原创人脸图像和从原创图像训练中提取的面部特征。识别结果数据库用于记录识别卡中存储的其他数据和其他信息，如人的*敏*感*词*、姓名、照片、刷卡时间、是否可以识别为人等。保存为 JEPG 或 PNG 文件信息，特别是如果系统用于门禁识别管理，可以将识别结果存储为门禁记录。该系统还包括一个监控和管理子系统。通过监控管理子系统访问识别结果存储库，可以查询不同的信息。可以查询特定用户ID对应的所有识别信息，根据记录内容查看所有识别系统记录。 [0013] 进一步地，信息采集子系统用于从视频文件中获取采集person人脸信息，便于在保密监控的情况下以秘密监控方式识别采集。

　　[0014]图I为本实用新型的硬件连接图； [0015]图2为本实用新型内部模块连接图。

　　具体实现方法

　　[0016]下面结合说明书附图1-2对本实用新型的实施例进行说明。 [0017] 如图所示。如图1所示，本发明的硬件包括摄像装置1、*敏*感*词*2和阅读器3；*敏*感*词*2与阅读器3匹配，*敏*感*词*2中收录用于存放*敏*感*词*的*敏*感*词*。摄像设备I采集的人脸信息和阅读器3采集的*敏*感*词*照片被输入到数据分析子系统4中。数据分析子系统4设置在主机内，摄像装置1与主机相连，阅读器3与主机的串口相连。 [0018] 整个实用新型的控制部分包括输入数据分析子系统4、存储子系统5和监控管理子系统6。 [0019]输入数据分析子系统4用于对输入数据进行分析识别，包括图像处理模块41、人脸检测模块42和人脸验证模块43。图像处理模块41用于图像灰度转换、图像归一化和光均衡处理。人脸检测模块42根据肤色检测确定人脸区域，通过类Haar特征和Adaboost算法提取人脸特征点。人脸验证模块43由依次连接的局部特征判断单元43a和整体特征判断单元43b组成。局部特征判断单元43a用于在局部特征上将采集的人脸信息与*敏*感*词*照片进行比对，整体特征判断单元43b用于将采集的人脸信息与*敏*感*词*照片信息进行比对在整体特征上；当局部特征判断单元43a和整体特征判断单元43b都一致时，系统输出与照片匹配的人脸和ID识别结果。

　　[0020] 存储子系统5包括人脸模板训练库51和识别结果存储库52。人脸模板训练库51由局部特征判断单元43a和整体特征判断单元43b访问。识别结果存储库52由监控管理子系统6访问。 [0021]监控管理子系统6通过查询访问识别结果存储库52。 [0022] 本实用新型可以将现场拍摄的人脸转换成灰度图像，并进行归一化和光均衡处理；人脸检测使用RFID数据处理后的图像作为肤色检测，使用Adaboost算法剔除不必要的训练数据，并将重点放在重要的训练数据上；人脸验证使用基于二进制模式（LBP）的方法来提取人脸特征，然后使用基于特征的人脸（PCA）方法来实现人脸识别，最终达到二代*敏*感*词*明自动人脸识别的效果RFID 照片和现场快照。 [0023] 在一个具体应用于考生身份识别的实施例中，整个系统包括三部分：*敏*感*词*、*敏*感*词*和RFID阅读器。其中*敏*感*词*用于视频图像的采集，将视频流数据发送到数据处理计算机；*敏*感*词*收录持有人姓名、照片等身份信息，*敏*感*词*在RFID读写器的读取范围内。在内部，收录的数据被发送到 RFID 阅读器； RFID阅读器通过串口与计算机相连，当接收到RFID电子标签中存储的信息时，将信息传送给计算机。

　　[0024]输入数据分析子系统4是本实用新型的核心部分，涉及RFID识别卡中的信息处理、视频图像中正面位置的检测、人脸的提取特征，以​​及人脸验证以及各功能模块之间的同步互斥控制。 [0025] 存储子系统5包括人脸模块数据库、访问控制记录数据库和转发服务器。人脸模块数据库收录原创人脸图像和从原创图像训练中提取的人脸特征；门禁记录数据库智能识别系统在RFID卡中记录持卡人*敏*感*词*、姓名、照片、刷卡时间、是否通过门禁系统等；转发服务器负责监控信息与手机之间的信息传递。负责将拍摄终端的图像数据转发到对应的手机终端。 [0026] 监控管理子系统6和存储子系统5通过数据库连接。系统支持的查询条件包括按时间查询、按ID查询、按记录内容查询。

　　声明1.一种自动识别照片和人脸识别系统，包括信息采集子系统和数据分析子系统，其特征在于信息采集子系统包括摄像装置、*敏*感*词*件和读卡器；*敏*感*词*与读卡器匹配，*敏*感*词*内含RFID电子标签，用于存储*敏*感*词*照片；分别输入摄像设备采集人脸信息数据和阅读器采集*敏*感*词*照片分析子系统；数据分析子系统包括人脸验证模块，由依次连接的局部特征判断单元和整体特征判断单元组成。一个人脸识别单元，将人脸信息和*敏*感*词*照片对局部特征进行比较；整体特征判断单元是根据特征人脸对采集的人脸信息和*敏*感*词*照片信息人脸识别单元对整体特征进行比较的人。

　　2.如权利要求1所述的自动识别系统，其特征在于，所述识别卡为第二代中国*敏*感*词*，所述读卡器为*敏*感*词*读卡器。

　　3.如权利要求1所述的自动识别系统，其特征在于，所述*敏*感*词*存储有两眼距离为15-25像素的*敏*感*词*照片。

　　4.如权利要求1所述的自动识别系统，其特征在于，所述数据分析子系统在人脸验证模块之前还包括人脸检测模块。

　　5.根据权利要求4所述的自动识别系统，其中人脸检测模块根据肤色检测确定人脸区域，并通过类Haar特征和Adaboost算法提取人脸特征点检测模块。

　　6.如权利要求5所述的自动识别系统，其特征在于，所述数据分析子系统还包括用于灰度图像转换、图像归一化和光均衡处理的图像处理模块。

　　7.根据权利要求1至6中任一项所述的自动识别系统，其特征在于，所述数据分析子系统设置在主机中，摄像设备连接到主机，阅读器连接到主机串口方式的计算机。

　　8.如权利要求1所述的自动识别系统，其特征在于，还包括存储子系统和监控管理子系统，所述存储子系统包括人脸模板训练库和识别结果存储库。人脸模板训练库由局部特征判断单元和整体特征判断单元访问，识别结果存储库由监控管理子系统访问。

　　9.如权利要求8所述的自动识别系统，其特征在于，所述监控管理子系统通过查询访问所述识别结果存储库。

　　10.根据权利要求1所述的自动识别系统，其中信息采集子系统用于从视频文件中获取采集人脸信息。

　　专利摘要本实用新型提供了一种*敏*感*词*照片和人脸自动识别系统。系统包括信息采集子系统和数据分析子系统。数据分析子系统具有人脸验证模块。验证模块由依次连接的局部特征判断单元和整体特征判断单元组成。局部特征判断单元将采集的人脸信息与*敏*感*词*照片进行局部特征对比，整体特征判断单元将采集的人脸信息与*敏*感*词*照片信息进行整体特征对比。只有当局部特征判断单元和整体特征判断单元都认为人脸与照片匹配时，系统才最终得到人脸与*敏*感*词*照片匹配的识别结果。本实用新型可有效防止借用或冒用他人*敏*感*词*的行为，免去工作人员反复目视核对*敏*感*词*持有人的麻烦，提高实名制工作效率。

　　文件编号 G06K7/00GK202815870SQ20122048809

　　出版日期2013年3月20日申请日期2012年9月20日优先权日期2012年4月28日

　　发明人程远、王浩、范辉、张勇申请人：王浩