基于二代證機(jī)讀信息的人臉識(shí)別系統(tǒng)研究

吳悠

摘要：高效、準(zhǔn)確的身份識(shí)別技術(shù)可方便大眾進(jìn)行社會(huì)活動(dòng)，提升人民群眾的安全感與生活滿(mǎn)意度。通過(guò)分析研究基于身份證件信息的人臉識(shí)別技術(shù)，分別闡述了居民身份證閱讀機(jī)具的工作原理，當(dāng)前主要的人臉識(shí)別方法及其優(yōu)缺點(diǎn)，基于二代證機(jī)讀信息的人臉識(shí)別系統(tǒng)，并指出了當(dāng)前人臉識(shí)別的難點(diǎn)及未來(lái)研究方向。

關(guān)鍵詞：居民身份證閱讀機(jī)具；二代證；人臉識(shí)別

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）04-0048-03

隨著時(shí)代的發(fā)展，科技的進(jìn)步，準(zhǔn)確、快速的身份識(shí)別與認(rèn)證技術(shù)被廣泛應(yīng)用于火車(chē)站、機(jī)場(chǎng)、港口、銀行、大型活動(dòng)等重要場(chǎng)合。由于傳統(tǒng)的身份識(shí)別：身份證、門(mén)禁卡、二維碼、用戶(hù)名和密碼、駕駛執(zhí)照等證件，具有易偽造、易遺忘、易盜用等較大的局限性，越來(lái)越難滿(mǎn)足社會(huì)的需求，開(kāi)發(fā)尋找一種新型高效的身份識(shí)別技術(shù)的重要性已不言而喻。生物特征識(shí)別方法所依據(jù)的是個(gè)體特征的獨(dú)特性，當(dāng)某類(lèi)特征同時(shí)具備普遍性、可測(cè)性、可接受性、安全性、唯一性、持久性和識(shí)別性能七個(gè)方面的要求時(shí)便適宜作為人的身份識(shí)別。在眾多的身體特征：指紋、掌形、視網(wǎng)膜、虹膜、人體氣味、臉型、皮膚毛孔、手的血管紋理和DNA等；行為特征：簽名、語(yǔ)音、行走的步態(tài)、擊打鍵盤(pán)的力度等特征中，人臉識(shí)別因其具有易獲取、穩(wěn)定性高、直觀性好、方便、自然、友好、信息量大、更易被人接受等優(yōu)點(diǎn)，已成為當(dāng)今火熱的生物特征識(shí)別技術(shù)研究領(lǐng)域之一[1]。將傳統(tǒng)的身份識(shí)別技術(shù)與人臉識(shí)別相結(jié)合進(jìn)行身份識(shí)別可提高身份驗(yàn)證的安全性與可靠性。本文主要介紹了二代證閱讀機(jī)具的工作原理、人臉識(shí)別系統(tǒng)及二者的組合應(yīng)用。

1 居民身份證閱讀機(jī)具工作原理

第二代居民身份證（以下簡(jiǎn)稱(chēng)二代證）內(nèi)置集成電路芯片，本身不具磁性，不會(huì)被磁場(chǎng)改變結(jié)構(gòu)而消磁。居民身份證閱讀機(jī)具（以下簡(jiǎn)稱(chēng)閱讀機(jī)具）的工作原理是依靠閱讀機(jī)具的天線(xiàn)向居民身份證輻射13.56 Mhz的電磁波，激活二代證芯片，通過(guò)配置給二代證專(zhuān)用閱讀機(jī)具的安全控制模塊（SAM）與二代證進(jìn)行雙向認(rèn)證、讀取并解密所存儲(chǔ)的個(gè)人身份信息，進(jìn)行信息交換。閱讀機(jī)具的組成框圖如圖1所示[2]。

1.1 控制單元

控制單元是閱讀機(jī)具的“大腦”，主要由CPU及外圍電路組成，并與上位機(jī)軟件建立通訊，執(zhí)行其發(fā)來(lái)的各項(xiàng)命令。

1.2 安全控制模塊

閱讀機(jī)具內(nèi)置有門(mén)衛(wèi)式二代證安全控制模塊，在核驗(yàn)證件時(shí)，安全控制模塊與二代證進(jìn)行雙向認(rèn)證、讀取并解密二代證內(nèi)存儲(chǔ)的個(gè)人身份信息。因二代證內(nèi)的信息被分區(qū)存儲(chǔ)，由密碼技術(shù)實(shí)現(xiàn)訪(fǎng)問(wèn)控制，因此驗(yàn)證系統(tǒng)亦需不同的安全控制模塊，以分別控制讀取基本信息區(qū)和指紋信息區(qū)的信息。

1.3 射頻電路

射頻電路是讀取二代證信息的一個(gè)中間環(huán)節(jié)，主要流程如下：

（1）產(chǎn)生13.56 Mhz的發(fā)射信號(hào)，激活二代證并為其提供能量；

（2）對(duì)發(fā)射信號(hào)進(jìn)行調(diào)制并將其傳送給二代證；

（3）接收并解調(diào)來(lái)自二代證的反饋信號(hào)。

1.4 天線(xiàn)

天線(xiàn)是閱讀機(jī)具與二代證進(jìn)行信息交換的中間橋梁，由線(xiàn)圈、電容等組成的并聯(lián)諧振回路。一是為二代證提供足夠的能量和準(zhǔn)確的操作指令，并接收二代證的響應(yīng)信號(hào)，二是與放大電路匹配并確保其高效穩(wěn)定的工作[3]。

2 人臉識(shí)別系統(tǒng)

人臉識(shí)別技術(shù)是生物識(shí)別技術(shù)的代表之一，即通過(guò)計(jì)算機(jī)進(jìn)行人臉特征提取并進(jìn)行身份驗(yàn)證的一種技術(shù)[4]，具有操作簡(jiǎn)單、可跟蹤性強(qiáng)、隱蔽性好、準(zhǔn)確可靠、直觀等優(yōu)點(diǎn)。人臉識(shí)別技術(shù)亦是當(dāng)今研究火熱的人工智能領(lǐng)域的一個(gè)重要分支，涉及計(jì)算機(jī)視覺(jué)、模式識(shí)別、圖像處理、生理學(xué)、心理學(xué)等眾多學(xué)科的理論與方法，是一項(xiàng)極具挑戰(zhàn)性的研究領(lǐng)域。

2.1 技術(shù)流程

人臉識(shí)別技術(shù)主要包括以下四個(gè)過(guò)程。

（1）圖像采集與檢測(cè)。

圖像采集：采用攝像頭等設(shè)備進(jìn)行圖像采集或視頻圖像捕捉，是實(shí)現(xiàn)人臉識(shí)別的前提。

人臉檢測(cè)：利用高效的算法對(duì)采集到的圖像進(jìn)行特征檢測(cè)，找到人臉?biāo)诘奈恢茫⒂?jì)算其占圖像面積的比重，為預(yù)處理做準(zhǔn)備。

（2）圖像預(yù)處理。對(duì)檢測(cè)到人臉的圖像進(jìn)行預(yù)處理，包括光線(xiàn)補(bǔ)償、灰度變換、尺寸歸一化、噪聲過(guò)濾、幾何校正等。

（3）特征提取。采用基于知識(shí)的、代數(shù)特征或統(tǒng)計(jì)學(xué)習(xí)的方法獲取人臉的特征數(shù)據(jù)，特征提取是人臉識(shí)別技術(shù)的核心步驟，提取質(zhì)量的好壞將直接影響到識(shí)別的精度。

（4）人臉比對(duì)。比對(duì)模式可分一對(duì)一和一對(duì)多，一對(duì)一的典型模式即驗(yàn)證圖像中的特征與二代證中的證件照是否匹配；一對(duì)多即將圖像中的人臉特征與數(shù)據(jù)庫(kù)中的特征模板進(jìn)行比對(duì)，并輸出其相似程度的過(guò)程。

2.2 主要識(shí)別方法[5]

2.2.1 基于幾何特征的方法

每個(gè)人的五官各不相同，具有不同的形狀、大小及相對(duì)位置，通過(guò)對(duì)這些特征的提取比對(duì)即可識(shí)別出圖片中的人臉，基于幾何特征的識(shí)別算法被認(rèn)為是最具歷史的人臉識(shí)別算法，雖然直觀、簡(jiǎn)單、受光照的影響比較小，但其魯棒性較差，易受表情變化、特征點(diǎn)被遮擋等因素的影響，導(dǎo)致識(shí)別率嚴(yán)重降低。

2.2.2 基于主成分分析（PCA）的方法

PCA的實(shí)質(zhì)是一種基于K-L正交變換的識(shí)別算法。特征臉識(shí)別即采用PCA進(jìn)行降維，將原始圖像投影到特征空間，并將獲得的權(quán)值向量與庫(kù)中的權(quán)值向量進(jìn)行比對(duì)，以此判定人物身份的過(guò)程。特征臉識(shí)別方法具有簡(jiǎn)單、識(shí)別速度快等優(yōu)點(diǎn)，是較流行的識(shí)別算法之一；對(duì)訓(xùn)練集與測(cè)試集的相關(guān)性要求較高，易受光照強(qiáng)度、拍攝角度、面部表情等因素的影響。

在PCA的基礎(chǔ)之上，研究者們又提出基于“投影后類(lèi)內(nèi)方差最小，類(lèi)間方差最大”思想的線(xiàn)性判別分析（LDA），當(dāng)訓(xùn)練樣本數(shù)量足夠多的情況下其性能明顯優(yōu)于PCA；基于“通過(guò)線(xiàn)性變換得到相互獨(dú)立的一組基來(lái)描述樣本數(shù)據(jù)”的獨(dú)立成分分析（ICA），較PCA的計(jì)算更加復(fù)雜。

2.2.3 基于模板匹配的方法[4]

模板匹配是一種最基本、最簡(jiǎn)單的模式分類(lèi)方法，通過(guò)利用某一圖案在圖像中的位置進(jìn)行識(shí)別的過(guò)程，可分為靜態(tài)匹配與彈性匹配兩種。

（1）靜態(tài)匹配。靜態(tài)匹配即事先設(shè)計(jì)出一個(gè)人臉庫(kù)，將待識(shí)別的圖像與庫(kù)內(nèi)模板進(jìn)行相同的變換：尺度歸一、灰度處理，得到大小、光照和取向均相同的圖像，進(jìn)而進(jìn)行匹配識(shí)別的過(guò)程。存在靈活性差的問(wèn)題。

（2）彈性匹配。針對(duì)靜態(tài)匹配的不足，特提出了靈活性與魯棒性更強(qiáng)的彈性匹配。它是基于動(dòng)態(tài)鏈接結(jié)構(gòu)的一種算法，首先匹配待檢測(cè)人臉最相似的模型圖，再對(duì)相應(yīng)的節(jié)點(diǎn)位置進(jìn)行匹配，并最終生成變形圖的過(guò)程。存在對(duì)參數(shù)的初值依賴(lài)度高、圖片存儲(chǔ)量大、計(jì)算量大的不足。

2.2.4 基于貝葉斯（Bayes）的方法

基于貝葉斯方法的前提是假設(shè)樣本空間均滿(mǎn)足高斯分布[6]，針對(duì)不完整的樣本進(jìn)行概率估算，并利用貝葉斯公式對(duì)其進(jìn)行相應(yīng)的修正，最終依據(jù)相似程度進(jìn)行圖像識(shí)別的過(guò)程。研究表明，采用Gabor特征分類(lèi)器較采用圖像灰度特征分類(lèi)器有更好的識(shí)別效果[7-8]。

2.2.5 基于支持向量機(jī)（SVM）的方法[7]

支持向量機(jī)是一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理的統(tǒng)計(jì)學(xué)習(xí)理論，主要解決二分類(lèi)問(wèn)題，將低維數(shù)據(jù)映射到高維空間，并在高維空間給出最優(yōu)的分類(lèi)界限，將兩種數(shù)據(jù)最大間隔分開(kāi)。因?yàn)椴捎煤撕瘮?shù)進(jìn)行操作，所以具有較好的學(xué)習(xí)能力和泛化能力。該方法對(duì)小樣本空間的訓(xùn)練與識(shí)別效果表現(xiàn)良好，但在訓(xùn)練樣本時(shí)消耗的存儲(chǔ)空間較大。

因SVM主要解決二分類(lèi)的問(wèn)題，因此在實(shí)際應(yīng)用中需要采用以下兩種策略進(jìn)行應(yīng)對(duì)：一是one-against-all策略，即將所有目標(biāo)僅分為這一類(lèi)和非這一類(lèi)兩種；二是one-against-one策略，即將所有目標(biāo)分類(lèi)轉(zhuǎn)化成N個(gè)二分類(lèi)的問(wèn)題。

2.2.6 基于AdaBoost的方法[9]

AdaBoost是改進(jìn)后的Boosting算法，由Viola等人提出，是以迭代的形式，將針對(duì)同一個(gè)訓(xùn)練集訓(xùn)練出的弱分類(lèi)器進(jìn)行N次疊加，最終形成強(qiáng)分類(lèi)器的過(guò)程。依據(jù)每次分類(lèi)結(jié)果的準(zhǔn)確率對(duì)每個(gè)樣本的權(quán)值微調(diào)，并進(jìn)行再次訓(xùn)練，最終將所有分類(lèi)器進(jìn)行融合形成決策分類(lèi)器。在一定程度上可減少計(jì)算量，提高檢測(cè)速度。

2.2.7 基于隱馬爾可夫模型（HMV）的人臉識(shí)別[4]

人臉識(shí)別中主要是對(duì)人臉的整體進(jìn)行描述，不僅包括五官的特征，亦包括它們之間的相互聯(lián)系，隱馬爾可夫模型是解決這類(lèi)問(wèn)題的典型代表，由Samaria提出并應(yīng)用于人臉識(shí)別中。用一組特征數(shù)值將人臉圖像分為額頭、眼睛、鼻子、嘴巴和下巴五個(gè)主要特征區(qū)域，然后用矩形窗口從上到下進(jìn)行采樣，利用采樣區(qū)域的像素值來(lái)進(jìn)行人臉識(shí)別。

隱馬爾可夫模型具有較好的魯棒性，允許有適當(dāng)表情變化和頭部扭動(dòng)，對(duì)其變化不太敏感，但該方法在使用過(guò)程中需要較大的運(yùn)算量，實(shí)現(xiàn)難度較大。

2.2.8 基于人工神經(jīng)網(wǎng)絡(luò)（ANN）的方法[4]

人工神經(jīng)網(wǎng)絡(luò)是通過(guò)模仿生物神經(jīng)網(wǎng)絡(luò)行為特征而形成的一種運(yùn)算模型，通過(guò)內(nèi)部節(jié)點(diǎn)的相互作用進(jìn)行信息處理?；谏窠?jīng)網(wǎng)絡(luò)的人臉識(shí)別方法即利用神經(jīng)網(wǎng)絡(luò)所具有的學(xué)習(xí)能力與分類(lèi)能力，利用其對(duì)經(jīng)典模型的學(xué)習(xí)與訓(xùn)練，進(jìn)而對(duì)人臉特征進(jìn)行提取與識(shí)別的過(guò)程。流行的神經(jīng)網(wǎng)絡(luò)有：卷積神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、基于小波的神經(jīng)網(wǎng)絡(luò)、基于概率決策的神經(jīng)網(wǎng)絡(luò)等。

神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的學(xué)習(xí)能力，可通過(guò)對(duì)模型的反復(fù)學(xué)習(xí)提高識(shí)別隱含信息的能力，進(jìn)而提高人臉識(shí)別的準(zhǔn)確性，具有較好的魯棒性與適應(yīng)性。亦存在處理數(shù)據(jù)龐大、訓(xùn)練過(guò)程較慢的問(wèn)題。

2.2.9 基于三維人臉的方法

二維人臉識(shí)別實(shí)質(zhì)是將三維人臉進(jìn)行平面投影的結(jié)果，勢(shì)必會(huì)丟失一些特征，且易受光照、表情、姿態(tài)、遮擋物等因素的影響，嚴(yán)重降低了識(shí)別的精度。研究學(xué)者遂提出了具有信息含量大、抗干擾能力強(qiáng)的三維人臉識(shí)別技術(shù)，可大大的提高識(shí)別的準(zhǔn)確率。依據(jù)識(shí)別系統(tǒng)所采用特征的不同形式，可將其分為基于整體特征信息、基于局部特征信息、基于雙模態(tài)信息和基于特征信息融合的四大類(lèi)三維特征人臉識(shí)別系統(tǒng)。

2.2.10 基于紅外熱成像（TIS）與近紅外（NIR）的方法[10]

紅外熱成像識(shí)別是一種依據(jù)人臉皮膚組織的紅外輻射所形成的紅外圖像進(jìn)行人臉識(shí)別的技術(shù)。與基于可見(jiàn)光的人臉識(shí)別相比，具有受光照、表情、膚色、姿態(tài)等因素影響小的優(yōu)點(diǎn)，但紅外人臉圖像的細(xì)節(jié)和邊緣輪廓較模糊，對(duì)玻璃的敏感性高，易受環(huán)境溫度影響。

近紅外識(shí)別的圖像中僅有灰度信息，可保留更多的信息特征，更利于提高人臉識(shí)別的精度，且具有受光照、姿態(tài)、表情變化影響小，易穿透玻璃等材料，可輕松獲得被眼鏡遮擋的人臉信息。

3 基于二代證機(jī)讀信息的人臉識(shí)別（圖3）

在基于身份證件信息的人臉識(shí)別系統(tǒng)中的典型應(yīng)用是人證比對(duì)儀，通過(guò)讀取二代證機(jī)讀信息的同時(shí)進(jìn)行圖像采集，將采集到的人臉信息與閱讀機(jī)具讀取的證件照進(jìn)行一對(duì)一實(shí)時(shí)比對(duì)，并報(bào)告二者的匹配程度，并可通過(guò)設(shè)定相應(yīng)的閾值，提示告知可能存在人證不一致的情況。主要應(yīng)用于關(guān)卡、大型會(huì)議等重要場(chǎng)合的人證一致性核查。

4 結(jié)語(yǔ)

閱讀機(jī)具與人臉識(shí)別系統(tǒng)進(jìn)行有機(jī)結(jié)合，不僅可解決僅識(shí)別二代證的單一問(wèn)題，而且可有效進(jìn)行人證一致性的比對(duì)識(shí)別，大大提高身份識(shí)別準(zhǔn)確性，降低工作人員的勞動(dòng)強(qiáng)度、減少識(shí)別失誤率。

但是，人臉識(shí)別技術(shù)仍處于發(fā)展階段，存在人臉相似性、變異性、光照影響、姿態(tài)變化、年齡偏差、有效的訓(xùn)練樣本不足等技術(shù)問(wèn)題。且主要通過(guò)增大對(duì)復(fù)雜場(chǎng)景數(shù)據(jù)庫(kù)的學(xué)習(xí)來(lái)提高識(shí)別準(zhǔn)確度，并非數(shù)據(jù)規(guī)模越大越好，相反易造成計(jì)算復(fù)雜度增加、運(yùn)算緩慢、過(guò)擬合等問(wèn)題，目前還沒(méi)有一個(gè)算法可完全徹底地解決上述問(wèn)題。

隨著深度學(xué)習(xí)模型、異質(zhì)人臉識(shí)別、運(yùn)動(dòng)檢測(cè)算法、活體檢測(cè)技術(shù)、多種人臉識(shí)別算法融合的方法、全自動(dòng)人臉識(shí)別等模型、方法與技術(shù)的不斷提出與深入研究，基于身份證件信息的人臉識(shí)別必將更加準(zhǔn)確、高效。

參考文獻(xiàn)

[1]楊吉祥.二維及三維人臉識(shí)別方法研究[D].重慶大學(xué)，2013.

[2]吳思雄，張斌，屠黎娜.二代身份證閱讀機(jī)具設(shè)計(jì)及EMI措施[J].環(huán)境技術(shù)，2016，34（04）：34-37.

[3]陳龍.第二代身份證讀卡模塊開(kāi)發(fā)及應(yīng)用[D].蘇州大學(xué)，2007.

[4]董琳，趙懷勛.人臉識(shí)別技術(shù)的研究現(xiàn)狀與展望[J].安防科技，2011，（10）：22-26.

[5]施為.公安系統(tǒng)人臉識(shí)別算法的研究與實(shí)現(xiàn)[D].南京郵電大學(xué)，2013.

[6]曾岳.人臉識(shí)別方法的研究[D].西安電子科技大學(xué)，2011.

[7]馬寧.基于圖像的人臉識(shí)別中關(guān)鍵技術(shù)研究[D].吉林大學(xué)，2016.

[8]左騰.人臉識(shí)別技術(shù)綜述[J].軟件導(dǎo)刊，2017，16（02）：182-185.

[9]郭慶.基于視頻監(jiān)控的人臉識(shí)別研究[D].安徽大學(xué)，2014.

[10]曾夢(mèng)璐.近紅外人臉識(shí)別算法研究[D].陜西師范大學(xué)，2013.