[发明专利]一种人证比对方法

权利要求书

1.一种人证比对方法，其特征在于包括如下步骤：

使用收集的A张身份证图像数据与公开人脸数据集CASIA-Webface，采用生成对抗网络生成与CASIA-Webface中人脸图像相应的不同年龄段身份证图像，采用稀疏变异字典学习方法生成与A张身份证图像相应的人脸图像；

将CASIA-Webface、生成的与CASIA-Webface中人脸图像相应的不同年龄段身份证图像、A张身份证图像、由A张身份证图像生成的人脸图像作为训练数据，输入到人脸识别网络中进行训练；

在人证比对过程中，将身份证图像及摄像头采集到的人脸图像分别输入到训练好的人脸识别模型中，提取特征，计算特征间的余弦相似度，将相似度高于某一阈值T判断为同一个人，反之，判断为不同人；

所述采用生成对抗网络生成与公开人脸数据集CASIA-Webface中人脸图像相应的不同年龄阶段身份证图像包括如下步骤:

步骤1：对公开人脸数据集CASIA-Webface及A张身份证图像进行预处理，将图像尺寸大小变换为W×H，对A张身份证图像进行标记标签，根据年龄将其分为少年、青年、中年，标签分别为1、2、3；

步骤2：生成对抗网络由3个模块组成，分别为生成对抗网络中的生成器G_i，i＝1,2,3、生成对抗网络的判别器D及预训练好的人脸识别模型R，其中，G₁表示生成少年身份证图像，G₂表示生成青年身份证图像，G₃表示生成中年身份证图像；

步骤3：对步骤2中生成对抗网络的生成器G_i，i＝1,2,3、生成对抗网络的判别器D进行权重初始化；

步骤4：分别训练生成器G₁与判别器D、生成器G₂与判别器D、生成器G₃与判别器D，固定生成器G_i的权重，训练判别器D，其中，生成器G_i的输入为CASIA-Webface人脸图像z，输出为生成的身份证图像G_i(z)，其年龄标签为i，判别器D的输入为生成的身份证图像G_i(z)及标签为i的身份证图像x_i，该判别器采用多任务卷积神经网络结构，进行年龄判别任务及是否为生成图像判别任务，其损失函数为固定判别器D及预训练好的人脸识别模型R权重，训练生成器G_i，其损失函数为其中，人脸识别模型R输入为CASIA-Webface人脸图像z及生成的青年身份证图像G_i(z)；交替训练判别器D和生成器G_i直至模型无法提升；

步骤5：将生成器G₁、G₂、G₃及判别器D进行联合训练，固定步骤4中训练好的生成器G₁、G₂、G₃的权重，将CASIA-Webface人脸图像z分别输入到生成器G₁、G₂、G₃中，得到生成的与CASIA-Webface人脸图像z相应的少年身份证图像G₁(z)、青年身份证图像G₂(z)、中年身份证图像G₃(z)，将其与真实的身份证图像x输入到判断器D中，进行年龄判别任务及是否为生成图像判别任务，其损失函数为L_D；固定判别器D及预训练好的人脸识别模型R权重，训练生成器G₁、G₂、G₃，其损失函数为L_G，其中，人脸识别模型R输入为CASIA-Webface人脸图像z及生成的身份证图像G₁(z)、G₂(z)、G₃(z)；交替训练判别器D和生成器G₁、G₂、G₃，直至模型无法提升；

步骤6：将CASIA-Webface每张人脸图像输入到训练好的生成对抗网络中生成与该人脸图像相应的3张不同年龄段身份证图像，即少年身份证图像、青年身份证图像、中年身份证图像；

所述采用稀疏变异字典学习方法生成与A张身份证图像相应的人脸图像，其中，稀疏变异字典学习(sparse variation dictionary learning，SVDL)通过将图库字典和外部字典相结合来学习外部泛型变异字典，SVDL利用外部数据的类间变化特征，从外部数据到图库数据学习具有投影矩阵的紧凑字典，将图库图像Y、图库字典Y^G和外部变异字典Y^D划分为X块，对于每个局部区域Y_i，可以分别用图库字典和外部变异字典表示：

Y_i＝Y^Gx_iG+Y^Dx_iD+R

其中，G表示图库字典，D表示外部变异字典数据集，x_iG表示图库字典G上的编码向量，x_iD表示外部变异字典D上的编码向量，R表示残差；

固定残差R，将CASIA-Webface数据集分成N个部分，输入A张身份证图像，采用稀疏变异字典学习方法，可以生成A×N张人脸图像；固定变异字典，改变残差R，有M种残差，输入A张身份证图像，采用稀疏变异字典学习方法，则可以生成A×M张人脸图像,通过稀疏变异字典学习方法可生成与每张身份证图像相应的(N+M)张人脸图像。