摘  要： 介紹了一種二代身份證識別驗證系統，該系統針對身份證照片樣本單一的問題，提出一種將二代身份證照片從單一樣本虛擬為多樣本的方法。該系統在在一定程度上減弱了人臉姿態的變化對識別率的影響，并在實際采集的數據庫中驗證了該方法的有效性。

　　關鍵詞： 虛擬樣本；二代身份證；人臉識別

0 引言

　　第二代身份證的使用越來越廣泛，身份證內的芯片存儲了個人信息和人臉照片，可以通過身份證讀取器獲得人的基本信息和人臉的圖像信息，因此身份證人臉識別在很多方面（比如體育賽事、養老金發放）有重要的應用價值。但與此同時，身份證人臉的識別也存在一定的問題，比如，通過身份證獲得的人臉圖像只有一張照片，樣本單一[1]，如果此時使用常規的算法進行人臉識別，則識別率會變得極其低，或者算法失效。針對這種情況，本文采用一種利用身份證人臉圖像虛擬出人臉不同姿勢下的圖像的方法[2]，設計了一種有效的身份證人臉認證系統。

1 系統總體設計方案

　　驗證系統總體架構如圖1所示，首先通過攝像頭和身份證獲取人臉圖像，然后對圖像進行處理得到特征值，最后通過求取特征值之間的相似度進行對比得到驗證結果。針對無法及時識別的人，可通過手動的方法更新本地數據庫[3]。系統運行界面如圖2所示。

　　由于環境及年齡跨度等因素的影響，相貌的變化會對人臉的識別造成干擾，導致無法快速地識別出持證人，因此本文建立一個本地數據庫，用于無法通過驗證的人的身份證及現場采集圖像的信息存儲，在下次驗證時，本地數據中有相應的身份證信息，就直接把現場采集的圖像與本地數據庫存儲的圖像進行比對。利用這種方法可以有效提高識別的效率和準確率。

2 系統關鍵技術研究

　　本文從處理身份證人臉圖像方面設計系統。首先采用人臉的多姿態虛擬樣本生成方法，通過處理身份證人臉的單樣本圖像，虛擬出多姿態圖像[4]；然后通過設計出的人臉模型來識別人臉。

　　2.1 圖像預處理

　　本文在XOY和XOZ坐標系下進行旋轉和俯仰的模擬，在模擬人臉的俯仰旋轉、側向旋轉以及組合旋轉姿態幾個方面進行樣本擴充。

　　（1）模擬人臉的側向轉頭。人臉的側向轉動可以看做人臉上所有點繞人臉的中心軸轉動，變化示意圖如圖3所示。

　　首先把人臉在XOZ內圖像近似看做一個圓，O為圓心即轉動中心，O′是人臉圖像上Y軸上的起點，人臉上的任一點N繞中心軸旋轉θ°后到達N′點，y、y′分別是旋轉前后N點在圖像上的位置，α為O′N與Y軸夾角，N轉動θ后到達N′，即角度∠NO′N′=θ；圓半徑為R/2，R為人臉照片Y方向的尺寸。

　　可以列出方程組：

　　定義新圖像P1。在網格點（x，y′）處的灰度值為原始圖像P在點（x，y）點的灰度值，由P做插值求出圖像在網格點{（x，y）x=1，…，n；y=1，…，m}上的值，則得到了人臉在YOZ平面內變化的模擬圖像。θ取正值時為模擬人臉向左側旋轉，取負值時為模擬人臉向右側旋轉。

　　（2）模擬人臉的俯仰變化。假設人臉在XOZ平面內是一個近似為圓的輪廓，抬頭和低頭旋轉的角度為θ，同理，用步驟（1）的原理求出新圖像的坐標：

　　R為圖像在X軸方向的尺寸，θ為頭部上下轉動的角度，θ的正負決定人臉的俯仰，此原理在一定程度上模擬人臉在現實中的俯仰變化。

　　（3）組合模擬，即模擬人臉傾斜和俯仰的姿態，這種立體變換可以更加全面地模擬復雜人臉的姿態。方法為：先對人臉進行一定角度的旋轉模擬變化，再進行一定角度的傾斜變化，就可以通過該種方法生成9張不同的人臉圖片，把生成的圖片做歸一化處理，變成80×80的照片。

　　2.2 特征值提取

　　特征值的提取是人臉識別中的關鍵一步，本文采用2DPCA[5]方法提取特征值。2DPCA能夠有效地降低圖像的維度，加快圖像的處理速度，最大限度地減少圖像處理的時間。具體過程是：對通過攝像頭采集的人臉圖像以及身份證照片生成的樣本圖像采用2DPCA方法，直接利用各個樣本人臉圖像的主元特征，從圖像矩陣出發，分別從水平和垂直方向提取特征值。2DPCA是比較經典的方法，具體步驟在此不再贅述，可以參閱參考文獻[5]。

　　2.3 識別

　　采用特征值比對的方式來識別圖像，具體過程是：把攝像頭采集圖像的特征值分別與由身份證生成圖像的特征值進行比對，計算最大相似概率[6]。

3 實驗結果

　　本系統選取了306名志愿者的二代身份證和現場采集的人臉圖像作為數據庫，隨機選取了其中的一部分作為測試集，剩余的作為訓練集，最終得到ROC曲線[7]如圖4所示。

　　從圖4可以看到，當系統的錯誤識別率為1.07%時，相對應的正確識別率為87.13%；錯誤識別率為5.35%時，正確的識別率為96.14%；錯誤識別率為10.3%時，正確的識別率為96.16%。由于實驗時并未對一些環境因素（比如光線、表情等）加以嚴格控制，因此這樣的結果還是比較滿意的[7]。

4 結論

　　本文基于二代身份證照片采用了虛擬人臉樣本的人臉識別系統，解決了身份證人臉樣本單一的問題，對身份證人臉的快速識別提供了新的思路，該方法在一定程度上減弱了人臉姿態的變化對識別率的影響，并取得了較好的識別效果。

　　參考文獻

　　[1] Tan Xiaoyang， Chen Songcan， Zhou Zhihua， et al. Face recognition from a single image per person：a survey[J]. Pattern Recogniton，2006，39（9）：1725-1745.

　　[2] 張生亮.單樣本多姿態人臉識別研究[J].計算機應用，2006，26（12）：2851-2853.

　　[3] 任小龍，蘇光大，相燕.使用第2代身份證的人臉識別身份認證系統[J].智能系統學報，2009，4（3）：213-217.

　　[4] Chen Songcan， Zhang Daoqiang， Zhou Zhihua. Enhanced（PC）2A for face recognition with one training image per person [J]. Pattern Recognition Letters， 2004，25（10）：1173-1181.

　　[5] Yang Jian， DAVID Z. Two-dimensional PCA： a new approach to appearance-based face representation and recognition[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2004， 26（1）： 131-137.

　　[6] ASHRAF A B， LUCEY S， CHEN T． Reinterpreting the application of Gabor filters as a manipulation of the margin in linear support vector machines[J]． IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，32（7）： 1335-1341．

　　[7] Shen Linlin， Bai Li． Mutual boost learning for selecting Gabor features for face recognition[J]． Pattern Recognition Letters，2006，27： 1758-1767．