摘 要： 介绍了一种二代身份证识别验证系统，该系统针对身份证照片样本单一的问题，提出一种将二代身份证照片从单一样本虚拟为多样本的方法。该系统在在一定程度上减弱了人脸姿态的变化对识别率的影响，并在实际采集的数据库中验证了该方法的有效性。

0 引言

第二代身份证的使用越来越广泛，身份证内的芯片存储了个人信息和人脸照片，可以通过身份证读取器获得人的基本信息和人脸的图像信息，因此身份证人脸识别在很多方面（比如体育赛事、养老金发放）有重要的应用价值。但与此同时，身份证人脸的识别也存在一定的问题，比如，通过身份证获得的人脸图像只有一张照片，样本单一[1]，如果此时使用常规的算法进行人脸识别，则识别率会变得极其低，或者算法失效。针对这种情况，本文采用一种利用身份证人脸图像虚拟出人脸不同姿势下的图像的方法[2]，设计了一种有效的身份证人脸认证系统。

1 系统总体设计方案

验证系统总体架构如图1所示，首先通过摄像头和身份证获取人脸图像，然后对图像进行处理得到特征值，最后通过求取特征值之间的相似度进行对比得到验证结果。针对无法及时识别的人，可通过手动的方法更新本地数据库[3]。系统运行界面如图2所示。

由于环境及年龄跨度等因素的影响，相貌的变化会对人脸的识别造成干扰，导致无法快速地识别出持证人，因此本文建立一个本地数据库，用于无法通过验证的人的身份证及现场采集图像的信息存储，在下次验证时，本地数据中有相应的身份证信息，就直接把现场采集的图像与本地数据库存储的图像进行比对。利用这种方法可以有效提高识别的效率和准确率。

2 系统关键技术研究

本文从处理身份证人脸图像方面设计系统。首先采用人脸的多姿态虚拟样本生成方法，通过处理身份证人脸的单样本图像，虚拟出多姿态图像[4]；然后通过设计出的人脸模型来识别人脸。

2.1 图像预处理

本文在XOY和XOZ坐标系下进行旋转和俯仰的模拟，在模拟人脸的俯仰旋转、侧向旋转以及组合旋转姿态几个方面进行样本扩充。

（1）模拟人脸的侧向转头。人脸的侧向转动可以看做人脸上所有点绕人脸的中心轴转动，变化示意图如图3所示。

首先把人脸在XOZ内图像近似看做一个圆，O为圆心即转动中心，O′是人脸图像上Y轴上的起点，人脸上的任一点N绕中心轴旋转θ°后到达N′点，y、y′分别是旋转前后N点在图像上的位置，α为O′N与Y轴夹角，N转动θ后到达N′，即角度∠NO′N′=θ；圆半径为R/2，R为人脸照片Y方向的尺寸。

可以列出方程组：

定义新图像P1。在网格点（x，y′）处的灰度值为原始图像P在点（x，y）点的灰度值，由P做插值求出图像在网格点{（x，y）x=1，…，n；y=1，…，m}上的值，则得到了人脸在YOZ平面内变化的模拟图像。θ取正值时为模拟人脸向左侧旋转，取负值时为模拟人脸向右侧旋转。

（2）模拟人脸的俯仰变化。假设人脸在XOZ平面内是一个近似为圆的轮廓，抬头和低头旋转的角度为θ，同理，用步骤（1）的原理求出新图像的坐标：

R为图像在X轴方向的尺寸，θ为头部上下转动的角度，θ的正负决定人脸的俯仰，此原理在一定程度上模拟人脸在现实中的俯仰变化。

（3）组合模拟，即模拟人脸倾斜和俯仰的姿态，这种立体变换可以更加全面地模拟复杂人脸的姿态。方法为：先对人脸进行一定角度的旋转模拟变化，再进行一定角度的倾斜变化，就可以通过该种方法生成9张不同的人脸图片，把生成的图片做归一化处理，变成80×80的照片。

2.2 特征值提取

特征值的提取是人脸识别中的关键一步，本文采用2DPCA[5]方法提取特征值。2DPCA能够有效地降低图像的维度，加快图像的处理速度，最大限度地减少图像处理的时间。具体过程是：对通过摄像头采集的人脸图像以及身份证照片生成的样本图像采用2DPCA方法，直接利用各个样本人脸图像的主元特征，从图像矩阵出发，分别从水平和垂直方向提取特征值。2DPCA是比较经典的方法，具体步骤在此不再赘述，可以参阅参考文献[5]。

2.3 识别

采用特征值比对的方式来识别图像，具体过程是：把摄像头采集图像的特征值分别与由身份证生成图像的特征值进行比对，计算最大相似概率[6]。

3 实验结果

本系统选取了306名志愿者的二代身份证和现场采集的人脸图像作为数据库，随机选取了其中的一部分作为测试集，剩余的作为训练集，最终得到ROC曲线[7]如图4所示。

从图4可以看到，当系统的错误识别率为1.07%时，相对应的正确识别率为87.13%；错误识别率为5.35%时，正确的识别率为96.14%；错误识别率为10.3%时，正确的识别率为96.16%。由于实验时并未对一些环境因素（比如光线、表情等）加以严格控制，因此这样的结果还是比较满意的[7]。

4 结论

本文基于二代身份证照片采用了虚拟人脸样本的人脸识别系统，解决了身份证人脸样本单一的问题，对身份证人脸的快速识别提供了新的思路，该方法在一定程度上减弱了人脸姿态的变化对识别率的影响，并取得了较好的识别效果。

参考文献

[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] 张生亮.单样本多姿态人脸识别研究[J].计算机应用，2006，26（12）：2851-2853.

[3] 任小龙，苏光大，相燕.使用第2代身份证的人脸识别身份认证系统[J].智能系统学报，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．