專利名稱：：一種基于智能卡的人臉識(shí)別系統(tǒng)及其方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種人臉識(shí)別系統(tǒng)及其方法，尤其涉及使用智能卡進(jìn)行人臉識(shí)別的系統(tǒng)。
背景技術(shù)：
：在當(dāng)前的信息化時(shí)代，人際交互過程中的信息量越來越大，信息交互次數(shù)也越來越頻繁。人們?cè)诮换バ畔⒌倪^程中，身份認(rèn)證是必不可少的步驟。眾所周知，個(gè)人身份一般可以通過其自身所持有的有效證件來加以證明，例如，居民身份證、社會(huì)保障卡、工作證等等。然而，由于偽造、冒用證件的犯罪活動(dòng)日益猖獗，人們對(duì)證件的防偽要求越來越高，傳統(tǒng)的證件制造技術(shù)已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足社會(huì)發(fā)展的需要。而且，防偽要求的提高有時(shí)還伴隨著偽造技術(shù)的改進(jìn)。近年來，隨著電子信息技術(shù)的發(fā)展，研制了多種電子證件以打擊證件的偽造行為。這里，電子證件是集傳統(tǒng)的證件防偽技術(shù)、現(xiàn)代信息技術(shù)和加密技術(shù)于一體的新一代證件，如國際民航組織頒布的電子護(hù)照。在電子證件內(nèi)部，智能卡的使用是一個(gè)關(guān)鍵因素。例如，智能卡具有很多的優(yōu)越性，諸如防磁、防靜電、抗破壞性強(qiáng)，并且耐用、防偽性高、數(shù)據(jù)存儲(chǔ)的安全性高、數(shù)據(jù)存儲(chǔ)量大。然而，在諸如電子護(hù)照的應(yīng)用中，由于智能卡的有限計(jì)算資源和安全性方面的原因，人臉識(shí)別效果并不是非常理想。如何平衡影響人臉識(shí)別的多種因素，并將用于人臉識(shí)別的數(shù)據(jù)以簡(jiǎn)潔的方式表現(xiàn)出來，這是人臉識(shí)別技術(shù)需要進(jìn)一步改進(jìn)的課題。
發(fā)明內(nèi)容針對(duì)現(xiàn)有技術(shù)中人臉識(shí)別技術(shù)所存在的上述缺陷，本發(fā)明提供了一種基于智能卡的人臉識(shí)別系統(tǒng)和識(shí)別方法。采用該人臉識(shí)別系統(tǒng)和方法，不僅智能卡上的計(jì)算量和特征模板的體積較少，而且識(shí)別率高，識(shí)別速度快。根據(jù)本發(fā)明的一個(gè)方面，提供了一種基于智能卡的人臉識(shí)別方法，該方法包括獲取人臉數(shù)據(jù)，并將人臉數(shù)據(jù)傳送至上位機(jī)；上位機(jī)對(duì)人臉數(shù)據(jù)進(jìn)行質(zhì)量判斷，如果質(zhì)量合格，則進(jìn)入步驟b，如果質(zhì)量不合格，則進(jìn)入步驟a;步驟a:給出相應(yīng)的姿態(tài)調(diào)整指令，并重新獲取人臉數(shù)據(jù)直到所獲取的人臉數(shù)據(jù)質(zhì)量合格為止，然后進(jìn)入步驟b;步驟b:對(duì)人臉數(shù)據(jù)的亮度信息進(jìn)行估計(jì)，并基于與注冊(cè)樣本中的亮度信息進(jìn)行比較的結(jié)果來判斷是否需要調(diào)整亮度；從無需調(diào)整亮度或亮度調(diào)整后的人臉數(shù)據(jù)中提取人臉特征，并通過加密的方式傳輸至智能卡；以及在智能卡上將對(duì)應(yīng)于人臉特征的人臉模板數(shù)據(jù)與先前注冊(cè)的人臉數(shù)據(jù)進(jìn)行比對(duì)，根據(jù)比對(duì)結(jié)果來確定是否通過身份驗(yàn)證。優(yōu)選地，智能卡加載和運(yùn)行Java程序。優(yōu)選地，判斷人臉數(shù)據(jù)的質(zhì)量合格或者不合格是基于人眼位置來判斷人臉是否有歪頭或者側(cè)臉行為，以及基于鼻孔位置的亮度值來判斷是否有仰頭或者低頭行為。優(yōu)選地，對(duì)人臉圖像的質(zhì)量判斷步驟還包括從人臉數(shù)據(jù)中獲取兩只眼睛的具體位置，并根據(jù)眼睛的位置坐標(biāo)來判斷人臉是否有歪頭或者側(cè)臉的行為發(fā)生，如果有，則人臉數(shù)據(jù)的質(zhì)量不合格；如果沒有，從人臉數(shù)據(jù)中找到鼻尖位置，根據(jù)鼻尖位置來獲取兩只鼻孔的位置，如果鼻孔位置的亮度值正常，則人臉數(shù)據(jù)的質(zhì)量合格；如果鼻孔位置的亮度值不正常，則人臉數(shù)據(jù)的質(zhì)量不合格。優(yōu)選地，對(duì)于嵌入式的人臉應(yīng)用，根據(jù)人臉上半部分中的眉毛和眼睛的特征來確定眼睛的位置。更為具體地，眼睛的位置是人臉上半部分的兩個(gè)膚色深度下降中之一所對(duì)應(yīng)的位置。優(yōu)選地，根據(jù)已經(jīng)找出的人眼位置，獲取所述人眼位置下方的圖像數(shù)據(jù)，再通過一階差分濾波器得到亮度值的高亮位置，基于人眼位置和鼻尖位置的幾何關(guān)系來確定鼻尖位置。并且，根據(jù)已經(jīng)找出的鼻尖位置，獲得一矩形，該矩形以鼻尖位置為中心點(diǎn)、以鼻尖位置到兩眼中心位置之間的距離為長(zhǎng)度以及以長(zhǎng)度的二分之一作為寬度。優(yōu)選地，如果人臉數(shù)據(jù)的亮度與注冊(cè)樣本中的亮度之間的差值小于注冊(cè)樣本亮度的5%，則不對(duì)人臉數(shù)據(jù)的亮度進(jìn)行調(diào)整；如果人臉數(shù)據(jù)的亮度與注冊(cè)樣本中的亮度之間的差值大于注冊(cè)樣本亮度的5%，將人臉數(shù)據(jù)轉(zhuǎn)化為均值為零的圖像，根據(jù)直方圖的均衡化算法來調(diào)整各像素點(diǎn)的灰度值，然后，與上述亮度差值相加并根據(jù)直方圖均衡化算法來調(diào)整圖像的像素值，以得到調(diào)整后的人臉數(shù)據(jù)。優(yōu)選地，確定是否通過身份驗(yàn)證的步驟為如果投影矩陣生成的數(shù)值小于預(yù)定閾值，則身份驗(yàn)證成功；如果投影矩陣生成的數(shù)值大于預(yù)定閾值，則身份驗(yàn)證失敗。其中，投影矩陣是根據(jù)注冊(cè)者本身自有的特征來構(gòu)建的，以將原來的人臉向量投影到壓縮空間中。根據(jù)本發(fā)明的又一個(gè)方面，提供了一種基于智能卡的人臉識(shí)別系統(tǒng)，包括人臉檢測(cè)模塊，用于從攝像頭中定位出人臉在圖像中的位置，并且將人臉的位置信息返回；數(shù)據(jù)安全通訊模塊，用于對(duì)上位機(jī)和智能卡之間傳送的數(shù)據(jù)進(jìn)行加密和解密；人臉圖像質(zhì)量判斷模塊，用于判斷被捕獲的人臉數(shù)據(jù)質(zhì)量是否達(dá)到系統(tǒng)的預(yù)定標(biāo)準(zhǔn)；人臉圖像亮度調(diào)整模塊，用于在人臉圖像質(zhì)量達(dá)到預(yù)定標(biāo)準(zhǔn)后，判斷人臉圖像的亮度是否與注冊(cè)樣本的亮度類似，并根據(jù)比較結(jié)果來確定是否進(jìn)行亮度調(diào)整；人臉特征提取模塊，用于從無需調(diào)整亮度或亮度調(diào)整后的人臉圖像中獲得對(duì)應(yīng)的人臉模板數(shù)據(jù)，并進(jìn)行壓縮處理；以及人臉驗(yàn)證模塊，用于在智能卡上將對(duì)應(yīng)于人臉特征的人臉模板數(shù)據(jù)與先前注冊(cè)的人臉數(shù)據(jù)進(jìn)行人臉比對(duì)，以驗(yàn)證人臉數(shù)據(jù)是否屬于同一個(gè)人。優(yōu)選地，智能卡加載和運(yùn)行Java程序。優(yōu)選地，判斷人臉數(shù)據(jù)質(zhì)量是否達(dá)到系統(tǒng)的預(yù)定標(biāo)準(zhǔn)是基于人眼位置來判斷人臉是否有歪頭或者側(cè)臉行為，以及基于鼻孔位置的亮度值來判斷是否有仰頭或者低頭行為。優(yōu)選地，人臉圖像質(zhì)量判斷模塊還包括人眼檢測(cè)模塊、鼻尖檢測(cè)模塊和鼻孔檢測(cè)模塊。其中，人眼檢測(cè)模塊用于確定被檢測(cè)的人臉圖像中人眼的位置。進(jìn)一步，人眼的位置是人臉上半部分的兩個(gè)膚色深度下降中之一所對(duì)應(yīng)的位置，并且人眼位置具有左右對(duì)稱的兩個(gè)點(diǎn)；其中，鼻尖檢測(cè)模塊用于確定被檢測(cè)的人臉圖像中鼻尖的位置。進(jìn)一步，根據(jù)已經(jīng)找出的人眼位置，獲取該人眼位置下方的人臉圖像，通過一階差分濾波器來獲得亮度值的高亮位置，并且利用人眼和鼻尖位置的幾何關(guān)系來確定鼻尖位置；其中，鼻孔檢測(cè)模塊用于確定被檢測(cè)的人臉圖像中鼻孔的位置，即，根據(jù)已經(jīng)找出的鼻尖位置，獲得一矩形，該矩形以鼻尖為中心點(diǎn)，以鼻尖到兩眼中心位置為長(zhǎng)度，并且寬度為長(zhǎng)度的二分之一。此外，在該矩形內(nèi)使用一階差分濾波器來獲得鼻孔位置，并且鼻孔位置左右對(duì)稱。優(yōu)選地，人臉圖像亮度調(diào)整模塊還用于判斷如果人臉圖像的亮度與注冊(cè)樣本中的亮度之間的差值小于注冊(cè)樣本亮度的5%，則不對(duì)人臉圖像的亮度進(jìn)行調(diào)整；如果人臉圖像的亮度與注冊(cè)樣本中的亮度之間的差值大于注冊(cè)樣本亮度的5%，將人臉圖像轉(zhuǎn)化為均值為零的圖像，根據(jù)直方圖的均衡化算法來調(diào)整各像素點(diǎn)的灰度值，然后，與上述亮度差值相加并根據(jù)直方圖均衡化算法來調(diào)整圖像的像素值，以得到調(diào)整后的人臉圖像。采用本發(fā)明的人臉識(shí)別系統(tǒng)和方法，因?yàn)樵谧R(shí)別之前對(duì)所捕獲的圖像做了質(zhì)量分析，排除了由于姿態(tài)偏差所帶來的識(shí)別效果降低，從而極大地提升了識(shí)別率。此外，在智能卡上進(jìn)行人臉圖像比對(duì)時(shí)，人臉圖像數(shù)據(jù)的寫入速度遠(yuǎn)遠(yuǎn)高于EEPROM中存儲(chǔ)的數(shù)據(jù)，同時(shí)讀取和運(yùn)算速度也相對(duì)較快。讀者在參照附圖閱讀了本發(fā)明的具體實(shí)施方式以后，將會(huì)更清楚地了解本發(fā)明的各個(gè)方面。其中，圖1A示出了現(xiàn)有技術(shù)中常用的生物特征識(shí)別技術(shù)多方面性能的比較示意圖1B示出了基于MRTD(MachineReadableTravelDocument:機(jī)可讀文檔搜索)系統(tǒng)的常用生物特征識(shí)別技術(shù)的兼容性的對(duì)比框圖；圖2示出了采用人臉識(shí)別技術(shù)的硬件系統(tǒng)的工作原理示意圖；圖3示出了依據(jù)本發(fā)明的一個(gè)方面的人臉識(shí)別方法的流程示意圖；圖4示出了依據(jù)本發(fā)明的一個(gè)方面的人臉識(shí)別系統(tǒng)的結(jié)構(gòu)框圖；以及圖5示出了圖4所示的人臉識(shí)別系統(tǒng)中人臉圖像質(zhì)量判斷模塊的結(jié)構(gòu)示意圖。具體實(shí)施例方式下面參照附圖，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步的詳細(xì)描述。在下文中，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，術(shù)語"人臉圖像"、"人臉數(shù)據(jù)"和"人臉圖像數(shù)據(jù)"表示相同的意思，也就是說，從模擬/數(shù)字?jǐn)z像頭所捕獲的人臉圖像經(jīng)過處理后，將對(duì)應(yīng)于人臉圖像的人臉數(shù)據(jù)傳輸至上位機(jī)中進(jìn)行后續(xù)的處理。類似地，"眼睛的位置"和"人眼位置"也表示相同的意思，而且本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，"人眼位置"和"鼻孔位置"是指左右對(duì)稱的兩個(gè)位置中的任意一個(gè)位置。首先，在展開具體描述之前，如前所述，本發(fā)明揭示了一種基于智能卡的人臉識(shí)別系統(tǒng)，在該人臉識(shí)別系統(tǒng)中，將捕獲的人臉圖像所對(duì)應(yīng)的人臉數(shù)據(jù)在卡上與先前注冊(cè)的人臉數(shù)據(jù)進(jìn)行比對(duì)，通過設(shè)定適當(dāng)?shù)拈撝祦砼袛囹?yàn)證成功與失敗。那么，針對(duì)智能卡上的特征比對(duì)，人臉圖像作為生物特征的比對(duì)目標(biāo)的兼容性如何呢？我們可以通過圖1A中的性能比較予以說明。圖1A示出了現(xiàn)有技術(shù)中常用的生物特征識(shí)別技術(shù)多方面性能的比較示意圖。需要了解的是，生物特征指人的個(gè)體發(fā)育和特定環(huán)境交互下所形成的一種長(zhǎng)時(shí)間內(nèi)穩(wěn)定的生理特征，它因人而異。由于生物特征是個(gè)人身份的生物學(xué)基礎(chǔ)，所以采用生物特征來識(shí)別個(gè)人身份，比通過有效證件和密碼來認(rèn)證身份要安全得多。參照?qǐng)D1A，示出了常用的幾種生物特征在侵犯性(Intrusiveness)、精確性(Accuracy)、系統(tǒng)成本(Cost)和采集難度(Effort)等方面的性能比較。從圖中可以看出，從侵犯性、精確性、系統(tǒng)成本和采集難度上綜合考慮，人臉作為生物特征來進(jìn)行身份識(shí)別是最合適的。此外，圖1B示出了基于MRTD系統(tǒng)的常用生物特征識(shí)別技術(shù)的兼容性的對(duì)比框圖，從圖中的直方圖可以清楚看出，人臉識(shí)別的兼容性最好，指紋識(shí)別和虹膜識(shí)別的兼容性次之，聲音、手型和簽名識(shí)別的兼容性相對(duì)較差。由此可知，將人臉作為智能卡上比對(duì)的生物特征模板，可以提高識(shí)別的準(zhǔn)確率。圖2示出了采用人臉識(shí)別技術(shù)的硬件系統(tǒng)的工作原理示意圖。如圖2所示，該硬件系統(tǒng)包括攝像頭、上位機(jī)、讀卡機(jī)和語音系統(tǒng)等。其中，上位機(jī)是標(biāo)準(zhǔn)的臺(tái)式機(jī)；攝像頭可以是模擬攝像頭，也可以是數(shù)字?jǐn)z像頭，并且應(yīng)當(dāng)保證采集的人臉圖像達(dá)到標(biāo)準(zhǔn)的100像素*80像素。首先，檢測(cè)系統(tǒng)攝像機(jī)的視場(chǎng)和色度是否正常，在當(dāng)前系統(tǒng)攝像機(jī)的視野中進(jìn)行人臉檢測(cè)，并鎖定系統(tǒng)認(rèn)定的人臉矩形框，將該結(jié)果在上位機(jī)上復(fù)現(xiàn)出來。接著，將人臉識(shí)別數(shù)據(jù)送入智能卡進(jìn)行比對(duì)。最后，上位機(jī)接收到來自智能卡的比對(duì)結(jié)果后，通過語音系統(tǒng)提出人臉識(shí)別是否通過認(rèn)證。本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，包括人臉識(shí)別的所有生物特征識(shí)別技術(shù)必須在智能卡上實(shí)現(xiàn)兩個(gè)基本的功能，B卩，生物特征的卡上注冊(cè)以及卡上比對(duì)。在下文中，我們首先簡(jiǎn)要介紹一下人臉識(shí)別信息的注冊(cè)和比對(duì)。(1)注冊(cè)我們不妨將卡上程序命名為MOC。注冊(cè)是將用戶的生物特征識(shí)別信息存儲(chǔ)在卡片上。這里需要存儲(chǔ)的數(shù)據(jù)包括浮點(diǎn)類型的向量^^、few和浮點(diǎn)數(shù)^。我們?cè)诳ㄉ嫌瞄L(zhǎng)度為58的SoftFloxt32類型數(shù)組x表示c7^,，用長(zhǎng)度為58的SoftFloxt32類型數(shù)組q表示^，，用SoftFloxt32類型的數(shù)t表示^。其中，SoftFloxt32是在Java卡上實(shí)現(xiàn)的一種數(shù)據(jù)類型。更為詳細(xì)地，在MOC.install()(MOC是Java卡中的一個(gè)類)中用關(guān)鍵字new申請(qǐng)x、b、t的存儲(chǔ)空間。這樣申請(qǐng)的存儲(chǔ)空間位于卡上的EEPROM中，即使在卡片掉電的時(shí)候，EEPROM中的數(shù)據(jù)也不會(huì)消失，從而可以保存用戶的生物特征信息。此外，在MOC.process()中設(shè)計(jì)實(shí)現(xiàn)命令A(yù)PDU:SetX、SetQ和SetT分別用于設(shè)置x、q、t的數(shù)據(jù)。x和q各包含58個(gè)SoftFloxt32類型的引用，每個(gè)SoftFloxt32的數(shù)用4個(gè)byte表示，因此SetX和SetQ在數(shù)據(jù)域中共需要發(fā)送4x58=232個(gè)byte的數(shù)據(jù)，一個(gè)命令A(yù)PDU最多可包含256個(gè)數(shù)據(jù)，因此x、q、t的設(shè)置各需一條命令A(yù)PDU。(2)比對(duì)比對(duì)是將現(xiàn)場(chǎng)采集的生物特征信息經(jīng)過預(yù)處理，然后傳送到卡片上，并執(zhí)行特征卡上比對(duì)的過程。這里，需要一個(gè)數(shù)組用于保存預(yù)處理后的特征信息A^。對(duì)于每一次比對(duì)來講，；^,是不同的，因而也不需要在掉電的時(shí)候保存數(shù)據(jù)例如，智能卡上的數(shù)據(jù)類型可以實(shí)例化為各種具體的數(shù)據(jù)類型，如boolean型、byte型和short型等等。在MOC.install()中保存A8xl。同時(shí)在MOC.process()中設(shè)計(jì)實(shí)現(xiàn)命令A(yù)PDU:SetP，用于設(shè)置；58><1。最后在MOC.process()中設(shè)計(jì)命令A(yù)PDU:MATCH,用于進(jìn)行卡上比對(duì)。在處理MATCH請(qǐng)求的方法中進(jìn)行比對(duì)運(yùn)算，即《—尸07-《)|，然后將計(jì)算結(jié)果與t比較，并給出最終的結(jié)果。以上描述了智能卡上識(shí)別信息的注冊(cè)和比對(duì)的示意性說明。在下文中，我們將詳細(xì)描述本發(fā)明基于智能卡的人臉識(shí)別方法及其系統(tǒng)。圖3示出了依據(jù)本發(fā)明的一個(gè)方面的人臉識(shí)別方法的流程示意圖。該方法包括步驟300，提取和傳送人臉數(shù)據(jù)。從系統(tǒng)攝像機(jī)的視野中進(jìn)行人臉檢測(cè)，鎖定人臉矩形框，并將人臉數(shù)據(jù)傳輸?shù)脚c讀卡機(jī)相連的上位機(jī)上；步驟302，人臉圖像質(zhì)量判斷。上位機(jī)對(duì)人臉數(shù)據(jù)的質(zhì)量做初步的分析判斷，如果圖像質(zhì)量沒有達(dá)到標(biāo)準(zhǔn)，轉(zhuǎn)到步驟306;如果圖像質(zhì)量達(dá)到標(biāo)準(zhǔn)，轉(zhuǎn)到步驟304;步驟304，對(duì)人臉圖像進(jìn)行亮度調(diào)整。在圖像質(zhì)量合格后，對(duì)采集的人臉圖像作出亮度估計(jì)，將估計(jì)結(jié)果與卡上注冊(cè)的特征模板的亮度進(jìn)行對(duì)比，如果亮度差別大于5%，進(jìn)行亮度糾正；如果亮度差別小于5%，則不對(duì)亮度進(jìn)行調(diào)整；步驟306，給出姿態(tài)調(diào)整建議。如果圖像質(zhì)量不合格，根據(jù)判斷不合格的具體內(nèi)容，對(duì)被測(cè)試人做出相應(yīng)的姿態(tài)調(diào)整建議，并重新采集人臉數(shù)據(jù)；步驟308，提取人臉特征。在完成步驟304后，提取人臉特征；步驟310，加密并下載到智能卡上。將步驟308中提取的人臉特征通過公鑰系統(tǒng)進(jìn)行加密操作，并將加密后的數(shù)據(jù)下載到智能卡，通過注冊(cè)者本身自有的特征來構(gòu)建對(duì)應(yīng)的投影矩陣，從而將原來的人臉向量投影到壓縮空間中，以壓縮原來的特征向量的大小，由原來幾千維的特征向量變?yōu)閹资S，此外，將用于識(shí)別的閾值內(nèi)化在該特征向量中；以及步驟312，人臉圖像對(duì)比。在智能卡上進(jìn)行相應(yīng)的人臉圖像對(duì)比，并將對(duì)比產(chǎn)生的數(shù)值與對(duì)應(yīng)的閾值作比較，如果小于閾值，則通過認(rèn)證；如果大于閾值，則認(rèn)證失敗并報(bào)警。其中，步驟300還包括從人臉圖像中獲取兩個(gè)眼睛的具體位置，并根據(jù)兩個(gè)眼睛的位置坐標(biāo)來判斷人臉是否有歪頭或側(cè)臉的行為發(fā)生，如果發(fā)生，則轉(zhuǎn)到步驟306，如果沒有發(fā)生，則從人臉圖像中，找到鼻尖位置，并根據(jù)鼻尖位置獲取兩個(gè)鼻孔的位置，通過鼻孔位置的亮度值來判斷是否有仰頭行為發(fā)生，如果發(fā)生但亮度值正常，則判斷該人臉圖像的質(zhì)量合格，如果發(fā)生但亮度值不在正常范圍內(nèi)，則轉(zhuǎn)到步驟306。進(jìn)一步來說，對(duì)于嵌入式的人臉應(yīng)用，如果背景單純，可以根據(jù)人臉上半部分中的眉毛和眼睛的特征來確定眼睛的位置，即，人臉上半部分存在有兩個(gè)膚色深度下降，第二個(gè)膚色深度下降就是人眼的位置，并且這個(gè)位置有左右對(duì)稱的兩個(gè)點(diǎn)，通過一個(gè)二階中值序列濾波器可以實(shí)現(xiàn)人眼的定位。進(jìn)一步來說，根據(jù)已經(jīng)找出的人眼位置，來獲取人眼位置以下的圖像數(shù)據(jù)，并通過一階差分濾波器來獲得亮度值中的高亮位置，同時(shí)，基于人眼和鼻尖位置的幾何關(guān)系來確認(rèn)鼻尖位置的合理性；接下來，根據(jù)找出的鼻尖位置，來獲取以鼻尖為中心點(diǎn)、長(zhǎng)度為鼻尖到兩眼中心位置、寬度為長(zhǎng)度一半的矩形框，在該矩形框內(nèi)使用一階差分濾波器來獲得對(duì)應(yīng)的位置，并用兩個(gè)位置的左右對(duì)稱性來進(jìn)行驗(yàn)證。其中，步驟302中涉及的人臉圖像質(zhì)量是指被捕獲的人臉圖像的頭部位置和臉部表情在人臉圖像中的狀態(tài)，這種狀態(tài)最好與人臉注冊(cè)時(shí)的狀態(tài)一致。一般地，在人臉注冊(cè)時(shí)，頭的姿勢(shì)要端正，表情中性。這里，人臉圖像質(zhì)量判斷就是基于此來判定人的眼睛、鼻尖和鼻孔的位置在人臉中的位置和相對(duì)的幾何關(guān)系。其中，對(duì)于步驟304中需要進(jìn)行亮度調(diào)整的情形，首先將人臉圖像轉(zhuǎn)化成均值為0的圖像，然后根據(jù)直方圖的均衡化算法來調(diào)整各像素點(diǎn)的灰度值，在調(diào)整后，加上與特征模板亮度的差值，最后，再根據(jù)直方圖均衡化算法來調(diào)整圖像的像素值。還需要說明的是，在智能卡上進(jìn)行人臉比對(duì)操作時(shí)，涉及到浮點(diǎn)數(shù)的運(yùn)算。為此，本發(fā)明的人臉識(shí)別方法在滿足速度要求的前提下，特征向量在傳輸至智能卡之前已經(jīng)被定點(diǎn)化(定點(diǎn)化算法可以參考IEEE-754標(biāo)準(zhǔn))，并僅僅只用兩個(gè)字節(jié)來表征這些數(shù)據(jù)。兼顧到閾值比對(duì)的精度要求，優(yōu)選地可以將定點(diǎn)化的精度設(shè)置為0.01。以上，詳細(xì)地描述了本發(fā)明中使用智能卡來實(shí)現(xiàn)人臉識(shí)別方法的示意性流程。圖4示出了依據(jù)本發(fā)明的一個(gè)方面的人臉識(shí)別系統(tǒng)的結(jié)構(gòu)框圖。本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，圖4中的人臉識(shí)別系統(tǒng)實(shí)現(xiàn)圖3所示的人臉識(shí)別方法，然而，本發(fā)明的人臉識(shí)別系統(tǒng)并不局限于圖4中已經(jīng)示出的結(jié)構(gòu)，例如，它還可以包括圖4中沒有示出的其它結(jié)構(gòu)。參照?qǐng)D4，該人臉識(shí)別系統(tǒng)包括人臉檢測(cè)模塊400、數(shù)據(jù)安全通訊模塊402、人臉圖像質(zhì)量判斷模塊404、人臉圖像亮度調(diào)整模塊406、人臉特征提取模塊408以及人臉驗(yàn)證模塊410。其中，人臉圖像質(zhì)量判斷模塊404還包括人眼檢測(cè)模塊、鼻尖檢測(cè)模塊和鼻孔檢測(cè)模塊。以下對(duì)上述各模塊的實(shí)現(xiàn)功能逐一進(jìn)行說明。人臉檢測(cè)模塊400，用于從模擬/數(shù)字?jǐn)z像頭中，定位出人臉在圖像中的位置，并將位置信息返回。模擬/數(shù)字?jǐn)z像頭與上位機(jī)相連。在采集人臉圖像之前，首先檢測(cè)系統(tǒng)攝像頭的視場(chǎng)和色度是否正常，然后在當(dāng)前攝像頭的視野中進(jìn)行人臉檢測(cè)，鎖定系統(tǒng)認(rèn)定的人臉矩形框。數(shù)據(jù)安全通訊模塊402，用于對(duì)上位機(jī)和智能卡之間傳送的數(shù)據(jù)進(jìn)行加密和解密，保證人臉識(shí)別過程中數(shù)據(jù)的安全性。人臉圖像質(zhì)量判斷模塊404，用于判斷被捕獲的人臉圖像質(zhì)量是否達(dá)到系統(tǒng)預(yù)訂的標(biāo)準(zhǔn)。這主要通過人眼位置檢測(cè)、鼻尖位置檢測(cè)和鼻孔位置檢測(cè)以及它們的幾何關(guān)系來判斷。人臉圖像亮度調(diào)整模塊406，在人臉圖像質(zhì)量合格后，判斷人臉圖像的亮度是否與特征模板上類似，并根據(jù)比較結(jié)果來進(jìn)行相應(yīng)的調(diào)整。例如，當(dāng)人臉圖像的亮度與相應(yīng)的生物證照中的人臉亮度之間的差值小于原亮度值的5%，則無須做任何亮度調(diào)整。人臉特征提取模塊408，用于從人臉圖像中獲得對(duì)應(yīng)的人臉模板數(shù)據(jù)，并進(jìn)行壓縮處理。優(yōu)選地，通過生物證照注冊(cè)者本身自有的特征來構(gòu)建對(duì)應(yīng)的投影矩陣，將原來的人臉向量投影到壓縮空間中，壓縮原來的特征向量的大小。最后，人臉驗(yàn)證模塊410，用于將來自攝像頭的人臉圖像與模板中的人臉圖像在智能卡上進(jìn)行人臉比對(duì)，以驗(yàn)證人臉數(shù)據(jù)是否屬于同一個(gè)人。具體地，可以通過所創(chuàng)建的投影矩陣得到一個(gè)相似值，并與預(yù)定閾值進(jìn)行比較，如果小于預(yù)定閾值，則認(rèn)證通過；如果大于預(yù)定閾值，則認(rèn)證失敗。在上述的人臉識(shí)別系統(tǒng)中，人臉圖像質(zhì)量判斷模塊在判定人臉圖像質(zhì)量是否合適時(shí)至關(guān)重要。因此，有必要對(duì)于人臉圖像質(zhì)量判斷模塊中的各檢測(cè)模塊進(jìn)行具體描述。圖5示出了圖4中人臉識(shí)別系統(tǒng)的人臉圖像質(zhì)量判斷模塊的結(jié)構(gòu)示意圖。參照?qǐng)D5，人臉圖像質(zhì)量判斷模塊404包括人眼檢測(cè)模塊4042、鼻尖檢測(cè)模塊4044和鼻孔檢測(cè)模塊4046。其中，人眼檢測(cè)模塊4042用于判斷被檢測(cè)的人臉圖像中人眼的具體位置。例如，在嵌入式應(yīng)用中，假設(shè)背景單純，根據(jù)人臉上半部分中的眉毛和眼睛的特征來確定眼睛的位置。這是因?yàn)槿四樕习氩糠执嬖趦蓚€(gè)膚色深度下降，而第二個(gè)深度下降所對(duì)應(yīng)的就是人眼的位置，并且這個(gè)位置具有左右對(duì)稱的兩個(gè)點(diǎn)。優(yōu)選地，通過一個(gè)二階中值序列濾波器來獲得人眼位置。鼻尖檢測(cè)模塊4044，用于判斷被檢測(cè)的人臉圖像中鼻尖的具體位置。更為詳細(xì)地，根據(jù)已經(jīng)找出的人眼位置，獲取該人眼位置以下的圖像數(shù)據(jù)，通過一階差分濾波器來獲得亮度值的高亮位置，并且通過人眼和鼻尖位置的幾何關(guān)系來確定鼻尖位置的正確性。鼻孔檢測(cè)模塊4046，用于判斷被檢測(cè)的人臉圖像中鼻孔的具體位置。其中，根據(jù)已經(jīng)找出的鼻尖位置，獲得一矩形。該矩形以鼻尖為中心點(diǎn)，以鼻尖到兩眼中心位置為長(zhǎng)度，而寬度為長(zhǎng)度的二分之一。在該矩形內(nèi)使用一階差分濾波器來獲得鼻孔位置，并用這兩個(gè)位置的左右對(duì)稱性來加以驗(yàn)證。為了更好地說明本發(fā)明的人臉識(shí)別系統(tǒng)和方法，下文中示意性地舉例說明了在智能卡上進(jìn)行人臉驗(yàn)證時(shí)的運(yùn)算精度和驗(yàn)證時(shí)間。(1)人臉識(shí)別的運(yùn)算精度仍然以XM2VTSDB為實(shí)驗(yàn)數(shù)據(jù)庫，取前40個(gè)人進(jìn)行訓(xùn)練和測(cè)試，訓(xùn)練時(shí)每人3幅圖像，測(cè)試時(shí)每人2幅圖像。首先在Matlab中通過訓(xùn)練得到每個(gè)人的特征向量x和q，以及PCA投影矩陣U。為了驗(yàn)證智能卡上比對(duì)運(yùn)算的正確性，我們將每次運(yùn)算的結(jié)果《傳到上位機(jī)，與Matlab的計(jì)算結(jié)果進(jìn)行比較。具體過程如下用Matlab計(jì)算出所有測(cè)試者的特征向量x、q，以及PCA投影矩陣U;取訓(xùn)練樣本中的第m個(gè)人注冊(cè)，將第m個(gè)人的特征向量x、q存于智能卡上，并設(shè)置判決門限t(即，預(yù)定閾值)；取測(cè)試樣本中的第n個(gè)人比對(duì)，依次將該人的1幅測(cè)試圖像預(yù)處理，然后傳送至智能卡上進(jìn)行比對(duì)，得到結(jié)果《；與此同時(shí)，在Matlab中同樣對(duì)第n個(gè)人進(jìn)行比對(duì)，得到結(jié)果《'；比較《'是否等于《，從而確定結(jié)果的精確性。如果兩者相等，則驗(yàn)證精度高；如果兩者不相等，則驗(yàn)證精度低。(2)人臉識(shí)別的驗(yàn)證時(shí)間這里，比對(duì)時(shí)間7^包括執(zhí)行以下兩條命令的時(shí)間SET一P和MATCH，而不包括注冊(cè)所花費(fèi)的時(shí)間(即執(zhí)行SET一X、SET—Q和SETJT的時(shí)間)。因此，T。,。/=p+L她A°表1示出了基于人臉識(shí)別技術(shù)在智能卡和上位機(jī)進(jìn)行5次測(cè)試的測(cè)試結(jié)果。其中第1次比對(duì)試驗(yàn)選用的是注冊(cè)者的另外一幅圖像，而第2次至第5次均選用的是非注冊(cè)者的圖像。表1<table>tableseeoriginaldocumentpage15</column></row><table>從表l中可以看出，對(duì)于同一次測(cè)試來說，卡上計(jì)算結(jié)果和卡下計(jì)算結(jié)果完全一致，這說明驗(yàn)證精度是符合要求的。此外，我們還可以知曉，每次比對(duì)所花費(fèi)的時(shí)間在7s至8s之間；第1次比對(duì)的結(jié)果要遠(yuǎn)小于其他測(cè)試的比對(duì)結(jié)果。此外，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，基于第1次的測(cè)試結(jié)果與其它四次測(cè)試結(jié)果之間的區(qū)別，選定了合適的閾值后，就能夠輕易區(qū)分哪些是注冊(cè)者的樣本，哪些是冒用者的樣本，例如設(shè)定閾值為0.5，當(dāng)卡上的計(jì)算結(jié)果小于閾值時(shí)，人臉圖像數(shù)據(jù)驗(yàn)證通過；當(dāng)卡上的計(jì)算結(jié)果大于閾值時(shí)，人臉圖像數(shù)據(jù)驗(yàn)證失敗。上文中，參照附圖描述了本發(fā)明的具體實(shí)施方式。但是，本領(lǐng)域中的普通技術(shù)人員能夠理解，在不偏離本發(fā)明的精神和范圍的情況下，還可以對(duì)本發(fā)明的具體實(shí)施方式作各種變更和替換。這些變更和替換都落在本發(fā)明權(quán)利要求書所限定的范圍內(nèi)。權(quán)利要求1.一種基于智能卡的人臉識(shí)別方法，其特征在于，該方法包括獲取人臉數(shù)據(jù)，并將所述人臉數(shù)據(jù)傳送至上位機(jī)；所述上位機(jī)對(duì)所述人臉數(shù)據(jù)進(jìn)行質(zhì)量判斷，如果質(zhì)量合格，則進(jìn)入步驟b，如果質(zhì)量不合格，則進(jìn)入步驟a；步驟a給出相應(yīng)的姿態(tài)調(diào)整指令，并重新獲取人臉數(shù)據(jù)直到所獲取的人臉數(shù)據(jù)的質(zhì)量合格為止，然后進(jìn)入步驟b；步驟b對(duì)所述人臉數(shù)據(jù)的亮度信息進(jìn)行估計(jì)，并基于與注冊(cè)樣本中的亮度信息進(jìn)行比較的結(jié)果來判斷是否需要調(diào)整亮度；從無需調(diào)整亮度或亮度調(diào)整后的人臉數(shù)據(jù)中提取人臉特征，并通過加密的方式傳輸至所述智能卡；以及在所述智能卡上將對(duì)應(yīng)于所述人臉特征的人臉模板數(shù)據(jù)與先前注冊(cè)的人臉數(shù)據(jù)進(jìn)行比對(duì)，根據(jù)比對(duì)結(jié)果來確定是否通過身份驗(yàn)證。2.如權(quán)利要求1所述的方法，其特征在于，所述智能卡加載和運(yùn)行Java程序。3.如權(quán)利要求1所述的方法，其特征在于，判斷所述人臉數(shù)據(jù)的質(zhì)量合格或者不合格是基于人眼位置來判斷人臉是否有歪頭或者側(cè)臉行為，以及基于鼻孔位置的亮度值來判斷是否有仰頭或者低頭行為。4.如權(quán)利要求1所述的方法，其特征在于，對(duì)所述人臉數(shù)據(jù)的質(zhì)量判斷步驟還包括從所述人臉數(shù)據(jù)中獲取兩只眼睛的具體位置，并根據(jù)眼睛的位置坐標(biāo)來判斷人臉是否有歪頭或者側(cè)臉的行為發(fā)生，如果有，則所述人臉數(shù)據(jù)的質(zhì)量不合格；如果沒有，從所述人臉數(shù)據(jù)中找到鼻尖位置，根據(jù)鼻尖位置來獲取兩只鼻孔的位置，如果鼻孔位置的亮度值正常，則所述人臉數(shù)據(jù)的質(zhì)量合格；如果鼻孔位置的亮度值不正常，則所述人臉數(shù)據(jù)的質(zhì)量不合格。5.如權(quán)利要求4所述的方法，其特征在于，對(duì)于嵌入式的人臉應(yīng)用，根據(jù)人臉上半部分中的眉毛和眼睛的特征來確定眼睛的位置。6.如權(quán)利要求5所述的方法，其特征在于，眼睛的位置是人臉上半部分的兩個(gè)膚色深度下降中之一所對(duì)應(yīng)的位置。7.如權(quán)利要求4至6中任意一項(xiàng)所述的方法，其特征在于，根據(jù)已經(jīng)找出的人眼位置，獲取所述人眼位置下方的圖像數(shù)據(jù)，再通過一階差分濾波器得到亮度值的高亮位置，基于人眼位置和鼻尖位置的幾何關(guān)系來確定鼻尖位置。8.如權(quán)利要求7所述的方法，其特征在于，根據(jù)已經(jīng)找出的鼻尖位置，獲得一矩形，該矩形以鼻尖位置為中心點(diǎn)、以鼻尖位置到兩眼中心位置之間的距離為長(zhǎng)度以及以長(zhǎng)度的二分之一作為寬度。9.如權(quán)利要求1所述的方法，其特征在于，如果所述人臉數(shù)據(jù)的亮度與注冊(cè)樣本中的亮度之間的差值小于注冊(cè)樣本亮度的5%，則不對(duì)人臉數(shù)據(jù)的亮度進(jìn)行調(diào)整；如果所述人臉數(shù)據(jù)的亮度與注冊(cè)樣本中的亮度之間的差值大于注冊(cè)樣本亮度的5%，將人臉數(shù)據(jù)轉(zhuǎn)化為均值為零的圖像，根據(jù)直方圖的均衡化算法來調(diào)整各像素點(diǎn)的灰度值，然后，與上述亮度差值相加并根據(jù)直方圖均衡化算法來調(diào)整圖像的像素值，以得到調(diào)整后的人臉數(shù)據(jù)。10.如權(quán)利要求1所述的方法，其特征在于，確定是否通過身份驗(yàn)證的步驟為如果投影矩陣生成的數(shù)值小于預(yù)定閾值，則身份驗(yàn)證成功；如果投影矩陣生成的數(shù)值大于預(yù)定閾值，則身份驗(yàn)證失敗，其中，所述投影矩陣是根據(jù)注冊(cè)者本身自有的特征來構(gòu)建的，以將原來的人臉向量投影到壓縮空間中。11.一種基于智能卡的人臉識(shí)別系統(tǒng)，其特征在于，所述系統(tǒng)包括人臉檢測(cè)模塊，用于從攝像頭中定位出人臉在圖像中的位置，并且將人臉的位置信息返回；數(shù)據(jù)安全通訊模塊，用于對(duì)上位機(jī)和智能卡之間傳送的數(shù)據(jù)進(jìn)行加密和解密；人臉圖像質(zhì)量判斷模塊，用于判斷被捕獲的人臉數(shù)據(jù)質(zhì)量是否達(dá)到系統(tǒng)的預(yù)定標(biāo)準(zhǔn)；人臉圖像亮度調(diào)整模塊，用于在人臉數(shù)據(jù)質(zhì)量達(dá)到預(yù)定標(biāo)準(zhǔn)后，判斷人臉數(shù)據(jù)的亮度是否與注冊(cè)樣本的亮度類似，并根據(jù)比較結(jié)果來確定是否進(jìn)行亮度調(diào)整；人臉特征提取模塊，用于從無需調(diào)整亮度或亮度調(diào)整后的人臉數(shù)據(jù)中獲得對(duì)應(yīng)的人臉模板數(shù)據(jù)，并進(jìn)行壓縮處理；以及人臉驗(yàn)證模塊，用于在智能卡上將對(duì)應(yīng)于所述人臉特征的人臉模板數(shù)據(jù)與先前注冊(cè)的人臉數(shù)據(jù)進(jìn)行人臉比對(duì)，以驗(yàn)證人臉數(shù)據(jù)是否屬于同一個(gè)人。12.如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述智能卡加載和運(yùn)行Java程序。13.如權(quán)利要求ll所述的系統(tǒng)，其特征在于，判斷人臉數(shù)據(jù)質(zhì)量是否達(dá)到系統(tǒng)的預(yù)定標(biāo)準(zhǔn)是基于人眼位置來判斷人臉是否有歪頭或者側(cè)臉行為，以及基于鼻孔位置的亮度值來判斷是否有仰頭或者低頭行為。14.如權(quán)利要求11所述的系統(tǒng)，其特征在于，所述人臉圖像質(zhì)量判斷模塊還包括人眼檢測(cè)模塊、鼻尖檢測(cè)模塊和鼻孔檢測(cè)模塊。15.如權(quán)利要求14所述的系統(tǒng)，其特征在于，人眼檢測(cè)模塊用于確定被檢測(cè)的人臉數(shù)據(jù)中人眼的位置。16.如權(quán)利要求15所述的系統(tǒng)，其特征在于，人眼的位置是人臉上半部分的兩個(gè)膚色深度下降中之一所對(duì)應(yīng)的位置，并且人眼位置具有左右對(duì)稱的兩個(gè)點(diǎn)。17.如權(quán)利要求14所述的系統(tǒng)，其特征在于，鼻尖檢測(cè)模塊用于確定被檢測(cè)的人臉數(shù)據(jù)中鼻尖的位置。18.如權(quán)利要求17所述的系統(tǒng)，其特征在于，根據(jù)己經(jīng)找出的人眼位置，獲取該人眼位置下方的人臉數(shù)據(jù)，通過一階差分濾波器來獲得亮度值的高亮位置，并且利用人眼和鼻尖位置的幾何關(guān)系來確定鼻尖位置。19.如權(quán)利要求18所述的系統(tǒng)，其特征在于，鼻孔檢測(cè)模塊用于確定被檢測(cè)的人臉數(shù)據(jù)中鼻孔的位置，其中，根據(jù)已經(jīng)找出的鼻尖位置，獲得一矩形，該矩形以鼻尖為中心點(diǎn)，以鼻尖到兩眼中心位置為長(zhǎng)度，并且寬度為長(zhǎng)度的二分之一。20.如權(quán)利要求19所述的系統(tǒng)，其特征在于，在該矩形內(nèi)使用一階差分濾波器來獲得鼻孔位置，并且鼻孔位置左右對(duì)稱。21.如權(quán)利要求11所述的系統(tǒng)，其特征在于，人臉圖像亮度調(diào)整模塊還用于判斷如果所述人臉數(shù)據(jù)的亮度與注冊(cè)樣本中的亮度之間的差值小于注冊(cè)樣本亮度的5%，則不對(duì)人臉數(shù)據(jù)的亮度進(jìn)行調(diào)整；如果所述人臉數(shù)據(jù)的亮度與注冊(cè)樣本中的亮度之間的差值大于注冊(cè)樣本亮度的5%，將人臉數(shù)據(jù)轉(zhuǎn)化為均值為零的圖像，根據(jù)直方圖的均衡化算法來調(diào)整各像素點(diǎn)的灰度值，然后，與上述亮度差值相加并根據(jù)直方圖均衡化算法來調(diào)整圖像的像素值，以得到調(diào)整后的人臉數(shù)據(jù)。全文摘要本發(fā)明揭示了一種基于智能卡的人臉識(shí)別方法，包括獲取和傳送人臉數(shù)據(jù)；對(duì)人臉數(shù)據(jù)進(jìn)行質(zhì)量判斷；對(duì)質(zhì)量合格的人臉數(shù)據(jù)進(jìn)行亮度調(diào)整；提取人臉特征，并通過加密的方式傳輸至智能卡；以及進(jìn)行人臉圖像比對(duì)，并確定是否通過身份驗(yàn)證。本發(fā)明還揭示了一種人臉識(shí)別系統(tǒng)，包括人臉檢測(cè)模塊、數(shù)據(jù)安全通訊模塊、人臉圖像質(zhì)量判斷模塊、人臉圖像亮度調(diào)整模塊、人臉特征提取模塊以及人臉驗(yàn)證模塊。采用本發(fā)明的系統(tǒng)和方法，排除了由于姿態(tài)偏差所帶來的識(shí)別效果降低，極大地提升了識(shí)別率。此外，在進(jìn)行人臉圖像比對(duì)時(shí)，人臉圖像數(shù)據(jù)經(jīng)過壓縮后的寫入速度，讀取和運(yùn)算速度也較快，滿足各種實(shí)時(shí)的應(yīng)用條件的需求。文檔編號(hào)G06K9/00GK101661557SQ20091019604公開日2010年3月3日申請(qǐng)日期2009年9月22日優(yōu)先權(quán)日2009年9月22日發(fā)明者敖新宇,李勇平,強(qiáng)鮑申請(qǐng)人:中國科學(xué)院上海應(yīng)用物理研究所