证件照身份核验平台主要目标是为了在证件照数据库中快速找出目标人员。证件照身份核验平台应用广泛,可应用于公安、司法和刑侦,信息安全、以及企业、住宅安全和管理等领域,因此关于证件照身份核验平台的研究与设计很有意义。本文致力于证件照身份核验平台的研究与开发。本文运用机器视觉中的方法,主要完成了两部分内容,一个部分是身份核验平台算法的研究开发,其中主要的是人脸检测算法和特征提取算法的研究开发,着重是特征提取算法的开发。另一部分是实现身份核验平台的框架设计,本文利用MFC和Opencv来完成这个设计。本文研究目的是让整个身份核验系统具有一定的鲁棒性,包括头部姿势,表情,年龄的鲁棒性。因为使用身份核验平台时,证件照拍摄时间一般会与使用时间存在时间差,为了实现上述目标,需要在算法设计中的每一环节都通过实验和理论分析来选择良好处理方法。下面简要介绍本文的主要工作:一、本文提出将视觉注意机制结合到SIFT算法中对关键区域进行特征提取,获得特征向量,即设计了一种基于SIFT算法的关键区域特征提取方法。目前应用机器视觉技术研究,大都研究光照变化、姿态变化,表情变化等带来的影响,而没有考虑到年龄变化带来的重要影响。证件照采集的照片可能是在好几年前,在这期间,人的脸部会发生一定程度的变化,会对身份核验造成很大的影响,为了有效改善了这一问题,本文利用视觉注意机制对SIFT特征提取算法进行改进。主要做法是,首先模拟视觉注意机制中只获得部分关键信息的特点,提取出人脸图片的关键区域(分别为左眼,右眼,鼻子,嘴巴区域),然后每个区域提取SIFT特征,最后模拟视觉注意机制中对各区域的优先级不同,给每个区域提取的SIFT特征向量赋予适当的权值,通过设计一种融合算法,综合各区域的情况作出判断。实验证明,本文所设计的特征提取算法对年龄有一定的鲁棒性,并且在运行速度上也有较大提高。二、在脸部检测中,本文收集与优选了大量的人脸数据库,利用OpenCV训练出新的Adaboost分类器,该分类器对头部姿态和表情具有一定的鲁棒性。本文主要收集并整理了美国国防部FERET人脸数据库,中科院的CAS-PEAL-R1人脸数据库,MORPH数据库,JAFFE数据库四个样本数据库中大量的具有表情变化和姿态变化,近8000余张人脸照片用于训练,生成了新的分类器,用于脸部检测。三、本文利用MFC库和OpenCV实现了证件照身份核验平台的框架设计。