文档介绍：基于人脸识别的身份识别系统
王浩孙福明
辽宁工业大学电子与信息工程学院
X
关注成功!
加关注后您将方便地在我的关注中得到本文献的被引频次变化的通知!
新浪微博
腾讯微博
人人网
开心网
豆瓣网
网易微博
摘    要:
, , N算法提高其分辨率, , 该系统可以准确判断客户身份与其出示身份证的一致性。
关键词:
人脸识别; 深度学习; 分辨率;
作者简介:王浩(1990—) , 男(满族) , 硕士生, 主要研究工作是图像处理;
作者简介:孙福明(1972-) , 男, 博士, 教授, 主要研究工作是图像处理、目标跟踪。
收稿日期:2017-07-29
基金:辽宁省高等学校优秀人才支持计划资助(LR2015030)
Received: 2017-07-29
人脸识别技术作为生物特征识别领域中一种基于生理特征的识别, 其利用计算机提取人脸特征, 并根据这些特征进行身份验证的一种技术。人脸识别技术是一种难以冒充并且性价比高的生物特征识别技术[1]。相较于其他生物特征, 如指纹识别、虹膜识别、视网膜识别, 它具有非接触, 不需要对象特意配合等特点。由于人脸识别技术具有以上优点, 因此它在很多方面具有广泛应用, 如档案管理系统、安全验证系统, 在新兴领域也有应用, 如刷脸支付, 特别的结合大数据技术, 可以帮助刑侦部门破获很多刑事案件。因此在未来发展中, 人脸识别具有广泛的发展前景。
针对上述应用, 目前已有一些基于人脸识别的身份验证系统被提出。陈史政[2]提出一种基于LBP特征的人脸识别技术。朱秀娟[3]提出一种特征提取采用小波变换, 分类器使用支持向量机的人脸识别系统。以上系统均通过人工提取特征的方法, 在人脸特征提取量方面会有不足。为克服上述缺点, 本系统采用深度学习方法提取特征, N算法提高其分辨率。
1 系统的设计
一个典型的人脸识别系统主要由两个部分组成, 人脸检测和人脸识别。对于人脸的生物特征, 其在总体结构上具有相似性, 因此可以通过人脸检测算法把人脸从复杂背景图像中提取出来, 为后续识别人脸的局部结构差异性提供基础。传统的人脸检测算法主要利用它的结构特征与肤色特征进行检测。随着计算机运算能力的提高, 为神经网络算法的大规模应用提供了条件, 相较于传统方法其在实时性与准确性上都得到较大提升。获得分离的人脸图像后, 对不清晰的图像进行超分辨率重建, 最终利用实时采集人脸与身份证人脸图像进行比对, 得出其是否为同一人, 具体流程如图1所示。
图1 系统流程图  下载原图
2 基于深度学习的超分辨率重建技术
超分辨率重建是指利用低质量、低分辨率图像产生高质量、高分辨率图像。具体应用在高清电视, 人脸识别, 医疗图像, 卫星图像等领域。卷积神经网络由于其局部感知、参数共享等特有的性质, 使它的卷积层在提取边缘信息和细节特征时具有独特的优势。随着Re LU激励函数的引入, 使其网络具备稀疏性[4], 仿照稀