[發(fā)明專利]一種用戶在線認(rèn)證裝置

在審

• 申請?zhí)枺?/td>: 201810184043.8
• 申請日: 2018-03-07
• 公開（公告）號: CN108491705A
• 公開（公告）日: 2018-09-04
• 發(fā)明（設(shè)計）人: 韋玥
• 申請（專利權(quán)）人: 深圳市益鑫智能科技有限公司
• 主分類號: G06F21/32
• 分類號: G06F21/32;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種用戶在線認(rèn)證裝置，其特征在于，包括：

用戶注冊模塊，用于供用戶在線填寫信息，獲取用戶的人臉圖像，提取人臉特征數(shù)據(jù)，建立用戶人臉特征數(shù)據(jù)庫；

用戶認(rèn)證模塊，包括信息獲取單元、活體檢測單元、圖像處理單元，特征提取單元、對比單元、結(jié)果處理單元；

信息獲取單元，用于采集用戶人臉圖像；

活體檢測單元，用于確認(rèn)所述采集的用戶人臉圖像中的人臉是否為活體；

圖像處理單元，用于對所述采集的人臉圖像進(jìn)行預(yù)處理；

特征提取單元，用于對預(yù)處理后的人臉圖像進(jìn)行處理，提取人臉部特征數(shù)據(jù)；

對比單元，用于將提取的人臉特征數(shù)據(jù)和用戶人臉特征數(shù)據(jù)庫中的人臉特征數(shù)據(jù)進(jìn)行比對，輸出匹配的結(jié)果；

結(jié)果處理單元，用于根據(jù)比對的結(jié)果做出相應(yīng)的處理。

2.根據(jù)權(quán)利要求1所述的一種用戶在線認(rèn)證裝置，其特征在于，所述用戶注冊模塊根據(jù)用戶填寫的提交的身份證號碼通過公安內(nèi)網(wǎng)調(diào)取相應(yīng)的身份證照片，提取照片中的人臉特征數(shù)據(jù)，建立用戶人臉特征數(shù)據(jù)庫。

3.根據(jù)權(quán)利要求1所述的一種用戶在線認(rèn)證裝置，其特征在于，所述活體檢測單元包括人臉檢測子單元和活體判斷子單元，

人臉檢測子單元，用于檢測人臉以及器官定位；

活體判斷子單元，用于檢測人臉是否為活體。

4.根據(jù)權(quán)利要求3所述的一種用戶在線認(rèn)證裝置，其特征在于，

所述圖像處理單元用于對采集到的用戶人臉圖像進(jìn)行光照補償、灰度變換、直方圖均衡化、歸一化、幾何校正、濾波及校正處理；

所述特征提取單元用于提取處理后的人臉圖像中的人臉器官特征，所述人臉器官特征包括裸臉、眉毛、眼睛、嘴鼻特征。

5.根據(jù)權(quán)利要求3所述的一種用戶在線認(rèn)證裝置，其特征在于，所述人臉檢測子單元還包括：對圖像采集單元采集到的每一幀人臉圖像進(jìn)行濾波處理，獲取濾波后的人臉圖像，然后對所述濾波后的人臉圖像利用積分快速計算Haar-Like特征值，應(yīng)用到離線訓(xùn)練好的分類器中，判斷是否為人臉。

6.根據(jù)權(quán)利要求5所述的一種用戶在線認(rèn)證裝置，其特征在于，所述人臉檢測子單元還包括：在采用分類器判斷是否為人臉之前，通過彩色空間變換建立膚色模型，計算膚色似然值，運用膚色特征分析實現(xiàn)人臉初步檢測，獲取所述濾波后的人臉圖像中的人臉候選區(qū)域，然后對所述人臉候選區(qū)域利用積分快速計算Haar-Like特征值，應(yīng)用到離線訓(xùn)練好的分類器中，判斷是否為人臉；

其中，獲取圖像中的人臉候選區(qū)域具體包括：

(1)將獲取的濾波后的人臉圖像轉(zhuǎn)換到Y(jié)C_bC_r顏色空間，其中Y表示亮度，C_b和C_r分別表示藍(lán)色分量和紅色分量；

(2)通過預(yù)先對采集的膚色樣本進(jìn)行訓(xùn)練，建立高斯膚色模型，其中采用的擬合參數(shù)為：

C＝E[(x-m)(x-m)^T]

式中，m和C分別表示經(jīng)過統(tǒng)計分析得到的膚色均值和協(xié)方差矩陣，x表示每個像素點的顏色向量(C_b,C_r)^T，和分別表示膚色樣本在C_b-C_r空間中藍(lán)色分量和紅色分量的均值，E表示單位矩陣，C_bi和C_ri分別表示圖像中第i個像素點的藍(lán)色分量和紅色分量，N表示像素點的總數(shù)；

(3)計算濾波后的人臉圖像中所有像素點與膚色的相似度大小，即膚色的似然值大小，其中采用的膚色似然值計算函數(shù)為：

P(C_b,C_r)＝exp[-0.5(x-m)^TC^-1(x-m)]

其中，P(C_b,C_r)表示顏色似然值；

(4)計算得到似然值矩陣之后，再利用似然值矩陣中的最大值進(jìn)行歸一化處理，經(jīng)過二值化、形態(tài)學(xué)處理后，將膚色區(qū)域和背景分離，得到可能含有人臉的候選區(qū)域。

7.根據(jù)權(quán)利要求5所述的一種用戶在線認(rèn)證裝置，其特征在于，所述活體檢測單元還包括：分類器建立子單元；

所述分類器建立子單元用于根據(jù)所述用戶人臉數(shù)據(jù)庫訓(xùn)練所述分類器，具體包括：

獲取所述用戶人臉數(shù)據(jù)庫中的人臉圖像作為訓(xùn)練樣本(x₁,y₁),(x₂,y₂),…(x_i,y_i),…(x_n,y_n)，其中x_i表示第i個人臉訓(xùn)練樣本，y_i＝1時表示為人臉樣本，y_i＝0時表示為非人臉樣本，n表示訓(xùn)練樣本的總數(shù)，

其中采用的分類器模型為：

式中，a_t表示評價因子，h_t(x)表示簡單分類器，根據(jù)加權(quán)后的樣本數(shù)據(jù)訓(xùn)練h_t(x)和a_t，通過提高分類錯誤的樣本的權(quán)重，降低分類正確樣本的權(quán)重來調(diào)整樣本權(quán)重，其中T表示迭代訓(xùn)練次數(shù)，H(x)表示強分類器；

初始化階段：分別初始化人臉樣本和非人臉樣本的權(quán)重為和其中D_t(i)表示第t次迭代訓(xùn)練循環(huán)中第i個樣本的誤差權(quán)重，當(dāng)?shù)趇個樣本為人臉樣本時，當(dāng)?shù)趇個樣本為非人臉樣本時，其中l(wèi)和m分別表示人臉樣本和非人臉樣本的個數(shù)；

訓(xùn)練階段：對訓(xùn)練樣本的權(quán)重進(jìn)行歸一化處理，其中采用的歸一化函數(shù)為：

式中，q_t(i)表示第i個樣本的歸一化誤差權(quán)重；

對于每個訓(xùn)練樣本，獲取該訓(xùn)練樣本的Haar-Like矩形特征，并根據(jù)每個Haar-Like矩形特征j生成簡單分類器：

式中，θ_j表示設(shè)定的閾值，p_j表示偏置系數(shù)，p_j＝±1，控制不等式方向；其中閾值θ_j和偏置系數(shù)p_j的設(shè)定使得加權(quán)錯誤率函數(shù)ε_j＝∑q_t|h_j(x_i)-y_i|最小；

從生成的簡單分類器中選取具有最小錯誤率ε_t的簡單分類器h_t；

更新所有訓(xùn)練樣本的權(quán)重：

式中，e_t表示訓(xùn)練樣本在第t次訓(xùn)練中的分類結(jié)果，如果該訓(xùn)練樣本被正確分類，則e_t＝0，否則e_t＝1；

將訓(xùn)練階段的得到的具有最小錯誤率的簡單分類器組合成強分類器：

式中，h(x)表示由簡單分類器組成的強分類器，a_t表示評價因子，a_t＝ln(1/β_t)；

級聯(lián)分類器構(gòu)建階段：利用級聯(lián)的組織方式，將上述訓(xùn)練過程中獲得的各個強分類器串行連接成級聯(lián)分類器，獲取的人臉圖像依此通過級聯(lián)分類器中每一層強分類器的判定，若判定為人臉，則進(jìn)入下一層繼續(xù)判定，若判定為非人臉，則將獲取的人臉圖像標(biāo)記為非人臉，直到獲取的人臉圖像通過所述級聯(lián)分類器中每一層的判定，則標(biāo)記該獲取的人臉圖像為人臉；其中，從第N-u層起，第N-u層級聯(lián)分類器函數(shù)為：

式中，γ_N-u-1表示加權(quán)系數(shù)，表示該層結(jié)構(gòu)變化的大小；

則該層的級聯(lián)分類器為：

式中，θ_N-u表示第N-u層級聯(lián)分類器設(shè)定的分類閾值，θ_N-u＝min(f_N-u(xⁱ))(i＝1,…,m)

對被第N-u層級聯(lián)分類器拒絕的樣本采用二次分類器進(jìn)行二次判定，若樣本通過所述二次分類器，則進(jìn)入下一層的判定，其中采用的二次分類器為：

式中，H’_N-u(x)表示二次分類器，f’_N-u(x)表示二次判定函數(shù)，μ表示判定系數(shù)，δ表示樣本被前面所有層的級聯(lián)分類器拒絕的次數(shù)；

其中，N表示設(shè)定的級聯(lián)分類器的總層數(shù)，u＝U,U-1,…,0，U表示設(shè)定的級聯(lián)分類器中開始進(jìn)行二次判定的層數(shù)。