基于稀疏表示和深度学习的第二代身份证识别

• 作 者: 陈萍萍
• 出 处: 福州大学
• 发表日期: 2018年01期
• 关键词: 第二代身份证 跨年龄 稀疏表示 深度学习 图像配准

一代身份证作为频繁使用的有效证件,携带个人基本信息、身份证号码和人脸照片。本文身份证识别包括OCR字符识别和跨年龄人脸识别。由于提取的字符图像往往是断笔粘连模糊的低质量图像,人脸又受年龄影响,传统身份证识别精度和鲁棒性都不高。稀疏表示对特征选择不会很苛刻且对噪声有很好的鲁棒性,而深度学习有强大的特征提取能力、非线性表达能力和泛化能力,因此本文从稀疏表示和深度学习入手,分别提出基于稀疏表示的OCR身份证字符识别方法和基于深度学习的身份证跨年龄人脸识别方法。身份证的倾斜校正作为后续识别的基础。图像配准对两幅或多幅图像匹配校正,而SIFT具备光照不变性、旋转不变性和尺度不变性等优点,是当下公认最为稳定的特征匹配算法。因此,本文将首先对身份证基于SIFT图像配准校正。在身份证字符识别方面:由于稀疏表示中,对低质量严重的情况泛化性弱,而低质量字符可以看成是无遮挡字符与误差部分的结合,通过构建误差字典求解误差部分的稀疏系数可得到无遮挡字符。据此,本文提出一种对低质量鲁棒的稀疏表示身份证字符识别方法:首先提出一个自动切分法分别制作身份证标准字符库和低质量字符库,并生成对应的标准字符字典和低质量误差字典;然后,比对待识别身份证检测区与参照检测区的峰值信噪比,判断身份证字符图像质量;最后,根据字符图像质量类别求解相对应稀疏表示模型的稀疏系数,并残差分类得到字符识别结果。实验表明,本文身份证字符识别方法准确度比其他传统方法好。在身份证跨年龄人脸识别方面:跨年龄人脸识别不仅受年龄限制,还受表情、姿态等非受限条件的影响,使人脸在不同年龄段、不同环境下有丰富的类内差异性,难以提取鲁棒的年龄特征。跟传统人工特征提取算法比较,CNN网络能更好的表达特征间的相关性,FaceNet模型直接学习特征间的可分性并映射到欧式空间。据此,本文提出一种降低类内差异性的分年龄段人脸深度学习识别方法:首先对待识别人脸进行CNN网络年龄段估计;其次通过高斯模型判断年龄段估计的准确度;最后,若年龄段估计的准确度高,则对估计的年龄段与相邻两个年龄段的人脸库进行高斯加权的FaceNet模型人脸识别,否则,弃用不靠谱的年龄段估计,不分年龄段与整个人脸库识别。实验结果也表明本文跨年龄人脸识别方法能够提高精确度。