一種基於智慧卡的人臉識別系統及其方法

2023-10-06 17:16:14 3

專利名稱：：一種基於智慧卡的人臉識別系統及其方法
技術領域：
：本發明涉及一種人臉識別系統及其方法，尤其涉及使用智慧卡進行人臉識別的系統。
背景技術：
：在當前的信息化時代，人際交互過程中的信息量越來越大，信息交互次數也越來越頻繁。人們在交互信息的過程中，身份認證是必不可少的步驟。眾所周知，個人身份一般可以通過其自身所持有的有效證件來加以證明，例如，居民身份證、社會保障卡、工作證等等。然而，由於偽造、冒用證件的犯罪活動日益猖獗，人們對證件的防偽要求越來越高，傳統的證件製造技術已經遠遠不能滿足社會發展的需要。而且，防偽要求的提高有時還伴隨著偽造技術的改進。近年來，隨著電子信息技術的發展，研製了多種電子證件以打擊證件的偽造行為。這裡，電子證件是集傳統的證件防偽技術、現代信息技術和加密技術於一體的新一代證件，如國際民航組織頒布的電子護照。在電子證件內部，智慧卡的使用是一個關鍵因素。例如，智慧卡具有很多的優越性，諸如防磁、防靜電、抗破壞性強，並且耐用、防偽性高、數據存儲的安全性高、數據存儲量大。然而，在諸如電子護照的應用中，由於智慧卡的有限計算資源和安全性方面的原因，人臉識別效果並不是非常理想。如何平衡影響人臉識別的多種因素，並將用於人臉識別的數據以簡潔的方式表現出來，這是人臉識別技術需要進一步改進的課題。
發明內容針對現有技術中人臉識別技術所存在的上述缺陷，本發明提供了一種基於智慧卡的人臉識別系統和識別方法。採用該人臉識別系統和方法，不僅智慧卡上的計算量和特徵模板的體積較少，而且識別率高，識別速度快。根據本發明的一個方面，提供了一種基於智慧卡的人臉識別方法，該方法包括獲取人臉數據，並將人臉數據傳送至上位機；上位機對人臉數據進行質量判斷，如果質量合格，則進入步驟b，如果質量不合格，則進入步驟a;步驟a:給出相應的姿態調整指令，並重新獲取人臉數據直到所獲取的人臉數據質量合格為止，然後進入步驟b;步驟b:對人臉數據的亮度信息進行估計，並基於與註冊樣本中的亮度信息進行比較的結果來判斷是否需要調整亮度；從無需調整亮度或亮度調整後的人臉數據中提取人臉特徵，並通過加密的方式傳輸至智慧卡；以及在智慧卡上將對應於人臉特徵的人臉模板數據與先前註冊的人臉數據進行比對，根據比對結果來確定是否通過身份驗證。優選地，智慧卡加載和運行Java程序。優選地，判斷人臉數據的質量合格或者不合格是基於人眼位置來判斷人臉是否有歪頭或者側臉行為，以及基於鼻孔位置的亮度值來判斷是否有仰頭或者低頭行為。優選地，對人臉圖像的質量判斷步驟還包括從人臉數據中獲取兩隻眼睛的具體位置，並根據眼睛的位置坐標來判斷人臉是否有歪頭或者側臉的行為發生，如果有，則人臉數據的質量不合格；如果沒有，從人臉數據中找到鼻尖位置，根據鼻尖位置來獲取兩隻鼻孔的位置，如果鼻孔位置的亮度值正常，則人臉數據的質量合格；如果鼻孔位置的亮度值不正常，則人臉數據的質量不合格。優選地，對於嵌入式的人臉應用，根據人臉上半部分中的眉毛和眼睛的特徵來確定眼睛的位置。更為具體地，眼睛的位置是人臉上半部分的兩個膚色深度下降中之一所對應的位置。優選地，根據已經找出的人眼位置，獲取所述人眼位置下方的圖像數據，再通過一階差分濾波器得到亮度值的高亮位置，基於人眼位置和鼻尖位置的幾何關係來確定鼻尖位置。並且，根據已經找出的鼻尖位置，獲得一矩形，該矩形以鼻尖位置為中心點、以鼻尖位置到兩眼中心位置之間的距離為長度以及以長度的二分之一作為寬度。優選地，如果人臉數據的亮度與註冊樣本中的亮度之間的差值小於註冊樣本亮度的5%，則不對人臉數據的亮度進行調整；如果人臉數據的亮度與註冊樣本中的亮度之間的差值大於註冊樣本亮度的5%，將人臉數據轉化為均值為零的圖像，根據直方圖的均衡化算法來調整各像素點的灰度值，然後，與上述亮度差值相加並根據直方圖均衡化算法來調整圖像的像素值，以得到調整後的人臉數據。優選地，確定是否通過身份驗證的步驟為如果投影矩陣生成的數值小於預定閾值，則身份驗證成功；如果投影矩陣生成的數值大於預定閾值，則身份驗證失敗。其中，投影矩陣是根據註冊者本身自有的特徵來構建的，以將原來的人臉向量投影到壓縮空間中。根據本發明的又一個方面，提供了一種基於智慧卡的人臉識別系統，包括人臉檢測模塊，用於從攝像頭中定位出人臉在圖像中的位置，並且將人臉的位置信息返回；數據安全通訊模塊，用於對上位機和智慧卡之間傳送的數據進行加密和解密；人臉圖像質量判斷模塊，用於判斷被捕獲的人臉數據質量是否達到系統的預定標準；人臉圖像亮度調整模塊，用於在人臉圖像質量達到預定標準後，判斷人臉圖像的亮度是否與註冊樣本的亮度類似，並根據比較結果來確定是否進行亮度調整；人臉特徵提取模塊，用於從無需調整亮度或亮度調整後的人臉圖像中獲得對應的人臉模板數據，並進行壓縮處理；以及人臉驗證模塊，用於在智慧卡上將對應於人臉特徵的人臉模板數據與先前註冊的人臉數據進行人臉比對，以驗證人臉數據是否屬於同一個人。優選地，智慧卡加載和運行Java程序。優選地，判斷人臉數據質量是否達到系統的預定標準是基於人眼位置來判斷人臉是否有歪頭或者側臉行為，以及基於鼻孔位置的亮度值來判斷是否有仰頭或者低頭行為。優選地，人臉圖像質量判斷模塊還包括人眼檢測模塊、鼻尖檢測模塊和鼻孔檢測模塊。其中，人眼檢測模塊用於確定被檢測的人臉圖像中人眼的位置。進一步，人眼的位置是人臉上半部分的兩個膚色深度下降中之一所對應的位置，並且人眼位置具有左右對稱的兩個點；其中，鼻尖檢測模塊用於確定被檢測的人臉圖像中鼻尖的位置。進一步，根據已經找出的人眼位置，獲取該人眼位置下方的人臉圖像，通過一階差分濾波器來獲得亮度值的高亮位置，並且利用人眼和鼻尖位置的幾何關係來確定鼻尖位置；其中，鼻孔檢測模塊用於確定被檢測的人臉圖像中鼻孔的位置，即，根據已經找出的鼻尖位置，獲得一矩形，該矩形以鼻尖為中心點，以鼻尖到兩眼中心位置為長度，並且寬度為長度的二分之一。此外，在該矩形內使用一階差分濾波器來獲得鼻孔位置，並且鼻孔位置左右對稱。優選地，人臉圖像亮度調整模塊還用於判斷如果人臉圖像的亮度與註冊樣本中的亮度之間的差值小於註冊樣本亮度的5%，則不對人臉圖像的亮度進行調整；如果人臉圖像的亮度與註冊樣本中的亮度之間的差值大於註冊樣本亮度的5%，將人臉圖像轉化為均值為零的圖像，根據直方圖的均衡化算法來調整各像素點的灰度值，然後，與上述亮度差值相加並根據直方圖均衡化算法來調整圖像的像素值，以得到調整後的人臉圖像。採用本發明的人臉識別系統和方法，因為在識別之前對所捕獲的圖像做了質量分析，排除了由於姿態偏差所帶來的識別效果降低，從而極大地提升了識別率。此外，在智慧卡上進行人臉圖像比對時，人臉圖像數據的寫入速度遠遠高於EEPROM中存儲的數據，同時讀取和運算速度也相對較快。讀者在參照附圖閱讀了本發明的具體實施方式以後，將會更清楚地了解本發明的各個方面。其中，圖1A示出了現有技術中常用的生物特徵識別技術多方面性能的比較示意圖1B示出了基於MRTD(MachineReadableTravelDocument:機可讀文檔搜索)系統的常用生物特徵識別技術的兼容性的對比框圖；圖2示出了採用人臉識別技術的硬體系統的工作原理示意圖；圖3示出了依據本發明的一個方面的人臉識別方法的流程示意圖；圖4示出了依據本發明的一個方面的人臉識別系統的結構框圖；以及圖5示出了圖4所示的人臉識別系統中人臉圖像質量判斷模塊的結構示意圖。具體實施例方式下面參照附圖，對本發明的具體實施方式作進一步的詳細描述。在下文中，本領域的普通技術人員應當理解，術語"人臉圖像"、"人臉數據"和"人臉圖像數據"表示相同的意思，也就是說，從模擬/數字攝像頭所捕獲的人臉圖像經過處理後，將對應於人臉圖像的人臉數據傳輸至上位機中進行後續的處理。類似地，"眼睛的位置"和"人眼位置"也表示相同的意思，而且本領域的普通技術人員應當理解，"人眼位置"和"鼻孔位置"是指左右對稱的兩個位置中的任意一個位置。首先，在展開具體描述之前，如前所述，本發明揭示了一種基於智慧卡的人臉識別系統，在該人臉識別系統中，將捕獲的人臉圖像所對應的人臉數據在卡上與先前註冊的人臉數據進行比對，通過設定適當的閾值來判斷驗證成功與失敗。那麼，針對智慧卡上的特徵比對，人臉圖像作為生物特徵的比對目標的兼容性如何呢？我們可以通過圖1A中的性能比較予以說明。圖1A示出了現有技術中常用的生物特徵識別技術多方面性能的比較示意圖。需要了解的是，生物特徵指人的個體發育和特定環境交互下所形成的一種長時間內穩定的生理特徵，它因人而異。由於生物特徵是個人身份的生物學基礎，所以採用生物特徵來識別個人身份，比通過有效證件和密碼來認證身份要安全得多。參照圖1A，示出了常用的幾種生物特徵在侵犯性(Intrusiveness)、精確性(Accuracy)、系統成本(Cost)和採集難度(Effort)等方面的性能比較。從圖中可以看出，從侵犯性、精確性、系統成本和採集難度上綜合考慮，人臉作為生物特徵來進行身份識別是最合適的。此外，圖1B示出了基於MRTD系統的常用生物特徵識別技術的兼容性的對比框圖，從圖中的直方圖可以清楚看出，人臉識別的兼容性最好，指紋識別和虹膜識別的兼容性次之，聲音、手型和籤名識別的兼容性相對較差。由此可知，將人臉作為智慧卡上比對的生物特徵模板，可以提高識別的準確率。圖2示出了採用人臉識別技術的硬體系統的工作原理示意圖。如圖2所示，該硬體系統包括攝像頭、上位機、讀卡機和語音系統等。其中，上位機是標準的臺式機；攝像頭可以是模擬攝像頭，也可以是數字攝像頭，並且應當保證採集的人臉圖像達到標準的100像素*80像素。首先，檢測系統攝像機的視場和色度是否正常，在當前系統攝像機的視野中進行人臉檢測，並鎖定系統認定的人臉矩形框，將該結果在上位機上復現出來。接著，將人臉識別數據送入智慧卡進行比對。最後，上位機接收到來自智慧卡的比對結果後，通過語音系統提出人臉識別是否通過認證。本領域的普通技術人員應當理解，包括人臉識別的所有生物特徵識別技術必須在智慧卡上實現兩個基本的功能，B卩，生物特徵的卡上註冊以及卡上比對。在下文中，我們首先簡要介紹一下人臉識別信息的註冊和比對。(1)註冊我們不妨將卡上程序命名為MOC。註冊是將用戶的生物特徵識別信息存儲在卡片上。這裡需要存儲的數據包括浮點類型的向量^^、few和浮點數^。我們在卡上用長度為58的SoftFloxt32類型數組x表示c7^,，用長度為58的SoftFloxt32類型數組q表示^，，用SoftFloxt32類型的數t表示^。其中，SoftFloxt32是在Java卡上實現的一種數據類型。更為詳細地，在MOC.install(MOC是Java卡中的一個類)中用關鍵字new申請x、b、t的存儲空間。這樣申請的存儲空間位於卡上的EEPROM中，即使在卡片掉電的時候，EEPROM中的數據也不會消失，從而可以保存用戶的生物特徵信息。此外，在MOC.process中設計實現命令APDU:SetX、SetQ和SetT分別用於設置x、q、t的數據。x和q各包含58個SoftFloxt32類型的引用，每個SoftFloxt32的數用4個byte表示，因此SetX和SetQ在數據域中共需要發送4x58=232個byte的數據，一個命令APDU最多可包含256個數據，因此x、q、t的設置各需一條命令APDU。(2)比對比對是將現場採集的生物特徵信息經過預處理，然後傳送到卡片上，並執行特徵卡上比對的過程。這裡，需要一個數組用於保存預處理後的特徵信息A^。對於每一次比對來講，；^,是不同的，因而也不需要在掉電的時候保存數據例如，智慧卡上的數據類型可以實例化為各種具體的數據類型，如boolean型、byte型和short型等等。在MOC.install中保存A8xl。同時在MOC.process中設計實現命令APDU:SetP，用於設置；58><1。最後在MOC.process中設計命令APDU:MATCH,用於進行卡上比對。在處理MATCH請求的方法中進行比對運算，即《—屍07-《)|，然後將計算結果與t比較，並給出最終的結果。以上描述了智慧卡上識別信息的註冊和比對的示意性說明。在下文中，我們將詳細描述本發明基於智慧卡的人臉識別方法及其系統。圖3示出了依據本發明的一個方面的人臉識別方法的流程示意圖。該方法包括步驟300，提取和傳送人臉數據。從系統攝像機的視野中進行人臉檢測，鎖定人臉矩形框，並將人臉數據傳輸到與讀卡機相連的上位機上；步驟302，人臉圖像質量判斷。上位機對人臉數據的質量做初步的分析判斷，如果圖像質量沒有達到標準，轉到步驟306;如果圖像質量達到標準，轉到步驟304;步驟304，對人臉圖像進行亮度調整。在圖像質量合格後，對採集的人臉圖像作出亮度估計，將估計結果與卡上註冊的特徵模板的亮度進行對比，如果亮度差別大於5%，進行亮度糾正；如果亮度差別小於5%，則不對亮度進行調整；步驟306，給出姿態調整建議。如果圖像質量不合格，根據判斷不合格的具體內容，對被測試人做出相應的姿態調整建議，並重新採集人臉數據；步驟308，提取人臉特徵。在完成步驟304後，提取人臉特徵；步驟310，加密並下載到智慧卡上。將步驟308中提取的人臉特徵通過公鑰系統進行加密操作，並將加密後的數據下載到智慧卡，通過註冊者本身自有的特徵來構建對應的投影矩陣，從而將原來的人臉向量投影到壓縮空間中，以壓縮原來的特徵向量的大小，由原來幾千維的特徵向量變為幾十維，此外，將用於識別的閾值內化在該特徵向量中；以及步驟312，人臉圖像對比。在智慧卡上進行相應的人臉圖像對比，並將對比產生的數值與對應的閾值作比較，如果小於閾值，則通過認證；如果大於閾值，則認證失敗並報警。其中，步驟300還包括從人臉圖像中獲取兩個眼睛的具體位置，並根據兩個眼睛的位置坐標來判斷人臉是否有歪頭或側臉的行為發生，如果發生，則轉到步驟306，如果沒有發生，則從人臉圖像中，找到鼻尖位置，並根據鼻尖位置獲取兩個鼻孔的位置，通過鼻孔位置的亮度值來判斷是否有仰頭行為發生，如果發生但亮度值正常，則判斷該人臉圖像的質量合格，如果發生但亮度值不在正常範圍內，則轉到步驟306。進一步來說，對於嵌入式的人臉應用，如果背景單純，可以根據人臉上半部分中的眉毛和眼睛的特徵來確定眼睛的位置，即，人臉上半部分存在有兩個膚色深度下降，第二個膚色深度下降就是人眼的位置，並且這個位置有左右對稱的兩個點，通過一個二階中值序列濾波器可以實現人眼的定位。進一步來說，根據已經找出的人眼位置，來獲取人眼位置以下的圖像數據，並通過一階差分濾波器來獲得亮度值中的高亮位置，同時，基於人眼和鼻尖位置的幾何關係來確認鼻尖位置的合理性；接下來，根據找出的鼻尖位置，來獲取以鼻尖為中心點、長度為鼻尖到兩眼中心位置、寬度為長度一半的矩形框，在該矩形框內使用一階差分濾波器來獲得對應的位置，並用兩個位置的左右對稱性來進行驗證。其中，步驟302中涉及的人臉圖像質量是指被捕獲的人臉圖像的頭部位置和臉部表情在人臉圖像中的狀態，這種狀態最好與人臉註冊時的狀態一致。一般地，在人臉註冊時，頭的姿勢要端正，表情中性。這裡，人臉圖像質量判斷就是基於此來判定人的眼睛、鼻尖和鼻孔的位置在人臉中的位置和相對的幾何關係。其中，對於步驟304中需要進行亮度調整的情形，首先將人臉圖像轉化成均值為0的圖像，然後根據直方圖的均衡化算法來調整各像素點的灰度值，在調整後，加上與特徵模板亮度的差值，最後，再根據直方圖均衡化算法來調整圖像的像素值。還需要說明的是，在智慧卡上進行人臉比對操作時，涉及到浮點數的運算。為此，本發明的人臉識別方法在滿足速度要求的前提下，特徵向量在傳輸至智慧卡之前已經被定點化(定點化算法可以參考IEEE-754標準)，並僅僅只用兩個字節來表徵這些數據。兼顧到閾值比對的精度要求，優選地可以將定點化的精度設置為0.01。以上，詳細地描述了本發明中使用智慧卡來實現人臉識別方法的示意性流程。圖4示出了依據本發明的一個方面的人臉識別系統的結構框圖。本領域的普通技術人員應當理解，圖4中的人臉識別系統實現圖3所示的人臉識別方法，然而，本發明的人臉識別系統並不局限於圖4中已經示出的結構，例如，它還可以包括圖4中沒有示出的其它結構。參照圖4，該人臉識別系統包括人臉檢測模塊400、數據安全通訊模塊402、人臉圖像質量判斷模塊404、人臉圖像亮度調整模塊406、人臉特徵提取模塊408以及人臉驗證模塊410。其中，人臉圖像質量判斷模塊404還包括人眼檢測模塊、鼻尖檢測模塊和鼻孔檢測模塊。以下對上述各模塊的實現功能逐一進行說明。人臉檢測模塊400，用於從模擬/數字攝像頭中，定位出人臉在圖像中的位置，並將位置信息返回。模擬/數字攝像頭與上位機相連。在採集人臉圖像之前，首先檢測系統攝像頭的視場和色度是否正常，然後在當前攝像頭的視野中進行人臉檢測，鎖定系統認定的人臉矩形框。數據安全通訊模塊402，用於對上位機和智慧卡之間傳送的數據進行加密和解密，保證人臉識別過程中數據的安全性。人臉圖像質量判斷模塊404，用於判斷被捕獲的人臉圖像質量是否達到系統預訂的標準。這主要通過人眼位置檢測、鼻尖位置檢測和鼻孔位置檢測以及它們的幾何關係來判斷。人臉圖像亮度調整模塊406，在人臉圖像質量合格後，判斷人臉圖像的亮度是否與特徵模板上類似，並根據比較結果來進行相應的調整。例如，當人臉圖像的亮度與相應的生物證照中的人臉亮度之間的差值小於原亮度值的5%，則無須做任何亮度調整。人臉特徵提取模塊408，用於從人臉圖像中獲得對應的人臉模板數據，並進行壓縮處理。優選地，通過生物證照註冊者本身自有的特徵來構建對應的投影矩陣，將原來的人臉向量投影到壓縮空間中，壓縮原來的特徵向量的大小。最後，人臉驗證模塊410，用於將來自攝像頭的人臉圖像與模板中的人臉圖像在智慧卡上進行人臉比對，以驗證人臉數據是否屬於同一個人。具體地，可以通過所創建的投影矩陣得到一個相似值，並與預定閾值進行比較，如果小於預定閾值，則認證通過；如果大於預定閾值，則認證失敗。在上述的人臉識別系統中，人臉圖像質量判斷模塊在判定人臉圖像質量是否合適時至關重要。因此，有必要對於人臉圖像質量判斷模塊中的各檢測模塊進行具體描述。圖5示出了圖4中人臉識別系統的人臉圖像質量判斷模塊的結構示意圖。參照圖5，人臉圖像質量判斷模塊404包括人眼檢測模塊4042、鼻尖檢測模塊4044和鼻孔檢測模塊4046。其中，人眼檢測模塊4042用於判斷被檢測的人臉圖像中人眼的具體位置。例如，在嵌入式應用中，假設背景單純，根據人臉上半部分中的眉毛和眼睛的特徵來確定眼睛的位置。這是因為人臉上半部分存在兩個膚色深度下降，而第二個深度下降所對應的就是人眼的位置，並且這個位置具有左右對稱的兩個點。優選地，通過一個二階中值序列濾波器來獲得人眼位置。鼻尖檢測模塊4044，用於判斷被檢測的人臉圖像中鼻尖的具體位置。更為詳細地，根據已經找出的人眼位置，獲取該人眼位置以下的圖像數據，通過一階差分濾波器來獲得亮度值的高亮位置，並且通過人眼和鼻尖位置的幾何關係來確定鼻尖位置的正確性。鼻孔檢測模塊4046，用於判斷被檢測的人臉圖像中鼻孔的具體位置。其中，根據已經找出的鼻尖位置，獲得一矩形。該矩形以鼻尖為中心點，以鼻尖到兩眼中心位置為長度，而寬度為長度的二分之一。在該矩形內使用一階差分濾波器來獲得鼻孔位置，並用這兩個位置的左右對稱性來加以驗證。為了更好地說明本發明的人臉識別系統和方法，下文中示意性地舉例說明了在智慧卡上進行人臉驗證時的運算精度和驗證時間。(1)人臉識別的運算精度仍然以XM2VTSDB為實驗資料庫，取前40個人進行訓練和測試，訓練時每人3幅圖像，測試時每人2幅圖像。首先在Matlab中通過訓練得到每個人的特徵向量x和q，以及PCA投影矩陣U。為了驗證智慧卡上比對運算的正確性，我們將每次運算的結果《傳到上位機，與Matlab的計算結果進行比較。具體過程如下用Matlab計算出所有測試者的特徵向量x、q，以及PCA投影矩陣U;取訓練樣本中的第m個人註冊，將第m個人的特徵向量x、q存於智慧卡上，並設置判決門限t(即，預定閾值)；取測試樣本中的第n個人比對，依次將該人的1幅測試圖像預處理，然後傳送至智慧卡上進行比對，得到結果《；與此同時，在Matlab中同樣對第n個人進行比對，得到結果《'；比較《'是否等於《，從而確定結果的精確性。如果兩者相等，則驗證精度高；如果兩者不相等，則驗證精度低。(2)人臉識別的驗證時間這裡，比對時間7^包括執行以下兩條命令的時間SET一P和MATCH，而不包括註冊所花費的時間(即執行SET一X、SET—Q和SETJT的時間)。因此，T。,。/=p+L她A°表1示出了基於人臉識別技術在智慧卡和上位機進行5次測試的測試結果。其中第1次比對試驗選用的是註冊者的另外一幅圖像，而第2次至第5次均選用的是非註冊者的圖像。表1tableseeoriginaldocumentpage15從表l中可以看出，對於同一次測試來說，卡上計算結果和卡下計算結果完全一致，這說明驗證精度是符合要求的。此外，我們還可以知曉，每次比對所花費的時間在7s至8s之間；第1次比對的結果要遠小於其他測試的比對結果。此外，本領域的普通技術人員應當理解，基於第1次的測試結果與其它四次測試結果之間的區別，選定了合適的閾值後，就能夠輕易區分哪些是註冊者的樣本，哪些是冒用者的樣本，例如設定閾值為0.5，當卡上的計算結果小於閾值時，人臉圖像數據驗證通過；當卡上的計算結果大於閾值時，人臉圖像數據驗證失敗。上文中，參照附圖描述了本發明的具體實施方式。但是，本領域中的普通技術人員能夠理解，在不偏離本發明的精神和範圍的情況下，還可以對本發明的具體實施方式作各種變更和替換。這些變更和替換都落在本發明權利要求書所限定的範圍內。權利要求1.一種基於智慧卡的人臉識別方法，其特徵在於，該方法包括獲取人臉數據，並將所述人臉數據傳送至上位機；所述上位機對所述人臉數據進行質量判斷，如果質量合格，則進入步驟b，如果質量不合格，則進入步驟a；步驟a給出相應的姿態調整指令，並重新獲取人臉數據直到所獲取的人臉數據的質量合格為止，然後進入步驟b；步驟b對所述人臉數據的亮度信息進行估計，並基於與註冊樣本中的亮度信息進行比較的結果來判斷是否需要調整亮度；從無需調整亮度或亮度調整後的人臉數據中提取人臉特徵，並通過加密的方式傳輸至所述智慧卡；以及在所述智慧卡上將對應於所述人臉特徵的人臉模板數據與先前註冊的人臉數據進行比對，根據比對結果來確定是否通過身份驗證。2.如權利要求1所述的方法，其特徵在於，所述智慧卡加載和運行Java程序。3.如權利要求1所述的方法，其特徵在於，判斷所述人臉數據的質量合格或者不合格是基於人眼位置來判斷人臉是否有歪頭或者側臉行為，以及基於鼻孔位置的亮度值來判斷是否有仰頭或者低頭行為。4.如權利要求1所述的方法，其特徵在於，對所述人臉數據的質量判斷步驟還包括從所述人臉數據中獲取兩隻眼睛的具體位置，並根據眼睛的位置坐標來判斷人臉是否有歪頭或者側臉的行為發生，如果有，則所述人臉數據的質量不合格；如果沒有，從所述人臉數據中找到鼻尖位置，根據鼻尖位置來獲取兩隻鼻孔的位置，如果鼻孔位置的亮度值正常，則所述人臉數據的質量合格；如果鼻孔位置的亮度值不正常，則所述人臉數據的質量不合格。5.如權利要求4所述的方法，其特徵在於，對於嵌入式的人臉應用，根據人臉上半部分中的眉毛和眼睛的特徵來確定眼睛的位置。6.如權利要求5所述的方法，其特徵在於，眼睛的位置是人臉上半部分的兩個膚色深度下降中之一所對應的位置。7.如權利要求4至6中任意一項所述的方法，其特徵在於，根據已經找出的人眼位置，獲取所述人眼位置下方的圖像數據，再通過一階差分濾波器得到亮度值的高亮位置，基於人眼位置和鼻尖位置的幾何關係來確定鼻尖位置。8.如權利要求7所述的方法，其特徵在於，根據已經找出的鼻尖位置，獲得一矩形，該矩形以鼻尖位置為中心點、以鼻尖位置到兩眼中心位置之間的距離為長度以及以長度的二分之一作為寬度。9.如權利要求1所述的方法，其特徵在於，如果所述人臉數據的亮度與註冊樣本中的亮度之間的差值小於註冊樣本亮度的5%，則不對人臉數據的亮度進行調整；如果所述人臉數據的亮度與註冊樣本中的亮度之間的差值大於註冊樣本亮度的5%，將人臉數據轉化為均值為零的圖像，根據直方圖的均衡化算法來調整各像素點的灰度值，然後，與上述亮度差值相加並根據直方圖均衡化算法來調整圖像的像素值，以得到調整後的人臉數據。10.如權利要求1所述的方法，其特徵在於，確定是否通過身份驗證的步驟為如果投影矩陣生成的數值小於預定閾值，則身份驗證成功；如果投影矩陣生成的數值大於預定閾值，則身份驗證失敗，其中，所述投影矩陣是根據註冊者本身自有的特徵來構建的，以將原來的人臉向量投影到壓縮空間中。11.一種基於智慧卡的人臉識別系統，其特徵在於，所述系統包括人臉檢測模塊，用於從攝像頭中定位出人臉在圖像中的位置，並且將人臉的位置信息返回；數據安全通訊模塊，用於對上位機和智慧卡之間傳送的數據進行加密和解密；人臉圖像質量判斷模塊，用於判斷被捕獲的人臉數據質量是否達到系統的預定標準；人臉圖像亮度調整模塊，用於在人臉數據質量達到預定標準後，判斷人臉數據的亮度是否與註冊樣本的亮度類似，並根據比較結果來確定是否進行亮度調整；人臉特徵提取模塊，用於從無需調整亮度或亮度調整後的人臉數據中獲得對應的人臉模板數據，並進行壓縮處理；以及人臉驗證模塊，用於在智慧卡上將對應於所述人臉特徵的人臉模板數據與先前註冊的人臉數據進行人臉比對，以驗證人臉數據是否屬於同一個人。12.如權利要求11所述的系統，其特徵在於，所述智慧卡加載和運行Java程序。13.如權利要求ll所述的系統，其特徵在於，判斷人臉數據質量是否達到系統的預定標準是基於人眼位置來判斷人臉是否有歪頭或者側臉行為，以及基於鼻孔位置的亮度值來判斷是否有仰頭或者低頭行為。14.如權利要求11所述的系統，其特徵在於，所述人臉圖像質量判斷模塊還包括人眼檢測模塊、鼻尖檢測模塊和鼻孔檢測模塊。15.如權利要求14所述的系統，其特徵在於，人眼檢測模塊用於確定被檢測的人臉數據中人眼的位置。16.如權利要求15所述的系統，其特徵在於，人眼的位置是人臉上半部分的兩個膚色深度下降中之一所對應的位置，並且人眼位置具有左右對稱的兩個點。17.如權利要求14所述的系統，其特徵在於，鼻尖檢測模塊用於確定被檢測的人臉數據中鼻尖的位置。18.如權利要求17所述的系統，其特徵在於，根據己經找出的人眼位置，獲取該人眼位置下方的人臉數據，通過一階差分濾波器來獲得亮度值的高亮位置，並且利用人眼和鼻尖位置的幾何關係來確定鼻尖位置。19.如權利要求18所述的系統，其特徵在於，鼻孔檢測模塊用於確定被檢測的人臉數據中鼻孔的位置，其中，根據已經找出的鼻尖位置，獲得一矩形，該矩形以鼻尖為中心點，以鼻尖到兩眼中心位置為長度，並且寬度為長度的二分之一。20.如權利要求19所述的系統，其特徵在於，在該矩形內使用一階差分濾波器來獲得鼻孔位置，並且鼻孔位置左右對稱。21.如權利要求11所述的系統，其特徵在於，人臉圖像亮度調整模塊還用於判斷如果所述人臉數據的亮度與註冊樣本中的亮度之間的差值小於註冊樣本亮度的5%，則不對人臉數據的亮度進行調整；如果所述人臉數據的亮度與註冊樣本中的亮度之間的差值大於註冊樣本亮度的5%，將人臉數據轉化為均值為零的圖像，根據直方圖的均衡化算法來調整各像素點的灰度值，然後，與上述亮度差值相加並根據直方圖均衡化算法來調整圖像的像素值，以得到調整後的人臉數據。全文摘要本發明揭示了一種基於智慧卡的人臉識別方法，包括獲取和傳送人臉數據；對人臉數據進行質量判斷；對質量合格的人臉數據進行亮度調整；提取人臉特徵，並通過加密的方式傳輸至智慧卡；以及進行人臉圖像比對，並確定是否通過身份驗證。本發明還揭示了一種人臉識別系統，包括人臉檢測模塊、數據安全通訊模塊、人臉圖像質量判斷模塊、人臉圖像亮度調整模塊、人臉特徵提取模塊以及人臉驗證模塊。採用本發明的系統和方法，排除了由於姿態偏差所帶來的識別效果降低，極大地提升了識別率。此外，在進行人臉圖像比對時，人臉圖像數據經過壓縮後的寫入速度，讀取和運算速度也較快，滿足各種實時的應用條件的需求。文檔編號G06K9/00GK101661557SQ20091019604公開日2010年3月3日申請日期2009年9月22日優先權日2009年9月22日發明者敖新宇,李勇平,強鮑申請人:中國科學院上海應用物理研究所