人像比对在移动终端操作系统上的应用方法

1.一种人像比对在移动终端操作系统上的应用方法，其特征在于，包括以下步骤：
步骤1：通过移动终端的摄像头获取目标人物的即时头像照片，当所述的即时头像照片的两眼的瞳孔中心点的距离为30～100像素并且所述的摄像头与目标人物的头部的拍摄垂直角度为0～20°时，视为该即时头像照片为符合要求的即时头像照片；
步骤2：提取上述的符合要求的即时头像照片中的人脸特征集群；
步骤3：提取目标人物的已有头像照片中的人脸特征集群；
步骤4：将即时头像照片中的人脸特征集群和已有头像照片中的人脸特征集群进行比对，计算相似度，并判断所述的相似度是否符合预设的第一阈值，若是，则提取和显示所述目标人物对应的身份信息；
所述的步骤2具体包括以下子步骤：
子步骤21：人脸定位，将人脸区域从所述的即时头像照片的背景中分离；
子步骤22：双眼定位，从子步骤21中获取的人脸区域中确定双眼瞳孔的位置；
子步骤23：影像校正，校正人脸区域的倾斜角度，并根据子步骤22中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；
子步骤24：影像预处理，对子步骤23中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；
子步骤25：提取人脸特征集群，对经子步骤24获取的人脸区域提取不少于一个的人脸特征值，所述的即时头像照片的人脸特征值的总和为即时头像照片的人脸特征集群。
2.根据权利要求1所述的人像比对在移动终端操作系统上的应用方法，其特征在于，所述的步骤1中，还包括：
子步骤11：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则通过移动终端上搭载的LED灯补光。
3.根据权利要求2所述的人像比对在移动终端操作系统上的应用方法，其特征在于，所述的步骤1中，还具体包括以下子步骤：
子步骤12：通过移动终端上的重力感应装置测量所述的摄像头与目标人物的头部的拍摄垂直角度，将所述的拍摄垂直角度数据显示在移动终端的显示屏幕上，并判断所述的拍摄垂直角度数据是否为0～20°，若是，则进行子步骤13，若否，则继续调整所述的拍摄垂直角度；
子步骤13：在移动终端的显示屏幕上的预设位置显示预设的单位像素标尺，并根据所述的单位像素标尺判断所述的即时头像照片的两眼的瞳孔中心点的距离是否为30～100像素，若是，则进行子步骤14，若否，则继续调整所述的两眼的瞳孔中心点的距离；
子步骤14：通过移动终端的摄像头拍摄目标人物的即时头像照片，并对拍摄的即时头像照片进行剪裁，去除多余的背景。
4.根据权利要求3所述的人像比对在移动终端操作系统上的应用方法，其特征在于，所述的步骤1中，所述的摄像头与目标人物的头部的拍摄水平角度为0～20°；所述的步骤1中，在子步骤12之前还包括以下子步骤：
子步骤15：通过移动终端上的重力感应装置测量所述的摄像头与目标人物的头部的拍摄水平角度，并将所述的拍摄水平角度数据显示在移动终端的显示屏幕上，并判断所述的拍摄水平角度数据是否为0～20°；若是，则进行子步骤12，若否，则继续调整所述的拍摄水平角度。
5.根据权利要求3所述的人像比对在移动终端操作系统上的应用方法，其特征在于，所述的子步骤14中，在剪裁后的即时头像照片中，所述的目标人物的人脸面积不少于所述的剪裁后的即时头像照片的面积的3/4。
6.根据权利要求1所述的人像比对在移动终端操作系统上的应用方法，其特征在于，所述的步骤3具体包括以下子步骤：
子步骤31：获取已有头像照片，通过与移动终端相连的身份证读卡器获取已有头像照片；
子步骤32：人脸定位，将人脸区域从所述的已有头像照片的背景中分离；
子步骤33：双眼定位，从子步骤32中获取的人脸区域中确定双眼瞳孔的位置；
子步骤34：影像校正，根据子步骤33中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；根据子步骤33中所确定的双眼瞳孔的位置的连线确定人脸区域的倾斜角度，根据所述的倾斜角度将所述的人脸区域校正至水平位置；
子步骤35：影像预处理，对子步骤34中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；
子步骤36：提取人脸特征集群，对经子步骤35获取的人脸区域提取不少于一个的人脸特征值，所述的已有头像照片的人脸特征值的总和为已有头像照片的人脸特征集群。
7.根据权利要求6所述的人像比对在移动终端操作系统上的应用方法，其特征在于，所述的步骤4具体包括以下子步骤：
子步骤41：比对人脸特征值，将即时头像照片的人脸特征集群中的人脸特征值和已有头像照片的人脸特征集群中对应的人脸特征值进行比对，判断相对应的人脸特征值的差值是否小于预设的第三阈值；
子步骤42：统计符合要求的人脸特征值数量，统计小于预设的第三阈值的人脸特征值的数量；
子步骤43：计算相似度，计算小于预设的第三阈值的人脸特征值的数量占所有人脸特征值的百分比，所述的百分比为相似度，判断所述的相似度是否大于预设的第一阈值，若是，则提取和输出所述目标人物对应的身份信息，若否，则输出比对失败的提示信息。
8.根据权利要求1所述的人像比对在移动终端操作系统上的应用方法，其特征在于，所述的步骤1包括以下子步骤：
子步骤110：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则通过移动终端上搭载的LED灯补光；
子步骤111：通过移动终端的摄像头获取目标人物的头像照片；并通过移动终端上的重力感应装置测量拍摄时摄像头与目标人物的头部的拍摄垂直角度；判断所述的拍摄垂直角度是否小于20°，若是，则进行子步骤112，若否，则提示图像获取失败的提示信息；
子步骤112：人脸定位，将人脸区域从子步骤111所述的即时头像照片的背景中分离；
子步骤113：双眼定位，从子步骤112中获取的人脸区域中确定双眼瞳孔的位置；
子步骤114：计算双眼瞳孔的中心的距离，根据子步骤113所确定的双眼瞳孔的位置计算双眼瞳孔的中心的距离，并判断所述的双眼瞳孔的中心的距离是否落在30～100像素范围内，若是，则进行步骤2，若否，则输出图像获取失败的提示信息；
所述的步骤2包括以下子步骤：
子步骤211：影像校正，校正人脸区域的倾斜角度，并根据子步骤114中所得到的双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；
子步骤212：影像预处理，对子步骤211中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；
子步骤213：提取人脸特征集群，对经子步骤212获取的人脸区域提取不少于一个的人脸特征值，所述的即时头像照片的人脸特征值的总和为头像照片的人脸特征集群。
9.根据权利要求1～8任一所述的人像比对在移动终端操作系统上的应用方法，其特征在于，所述的步骤4中若相似度不符合预设的第一阈值，则还包括步骤5和步骤6：
步骤5：将步骤2中得到人脸特征集群发送到外设的服务器中，所述的外设的服务器存储有多张人脸照片、多张人脸照片对应的人脸特征集群以及对应的人物信息，所述的外设的服务器用于根据移动终端所发送的人脸特征集群检测到符合第一预设阈值的相似度所对应的人脸照片，并将所述的符合第一预设阈值的相似度所对应的人脸照片、该人脸照片对应的人物信息发送到移动终端中；
步骤6：接收外设的服务器所发送的人脸照片以及该人脸照片对应的人物信息，并显示在移动终端的显示屏上。

人像比对在移动终端操作系统上的应用方法\n技术领域\n[0001] 本发明涉及人像比对检测领域，特别是适用于移动终端操作系统的人像比对应用方法。\n背景技术\n[0002] 人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体(一般特指人)本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音(语音)、体形等。这其中，只有人脸特征是最直观、最可靠、最准确的，利用人脸特征进行身份验证是最自然、最直接的手段。相比其它人体生物特征识别，人脸特征识别不需对象行为的配合就能方便有效地核查对象的身份，不易被察觉，因而具有优良的防伪、防欺诈、直接、友好、方便等特点。经过几十年的研究，人脸识别技术已广泛的应用在安防、门禁、考勤等领域。\n[0003] 人脸识别主要包括人脸的定位、图片预处理、人脸的特征点的识别、人脸的特征点的特征值的提取、特征值比对等，其中，人脸定位可以实现的方法很多，比如基于知识的方法(Knowledge-based)、特征不变量方法(Feature invariant)，其中较为经典的为adaboost方法、模板匹配的方法(Template matching)等。图片预处理包括人脸的角度调整，对于垂直于照片平面区域的倾斜角度校正通常通过以下几种理论进行：1)基于Garbor小波变换的方法(文献1：Y.Li and X.Y.Lin,“Face hallucination with pose variation”in Pro.6th IEEE Int.Conf.Automatic Face and Gesture Recognition,\n2004，pp.723–728)；2)基于张量分解的方法(文献2：K.Jia and S.G.Gong,“Multi-modal tensor face for simultaneoussuper-resolution and recognition,”in Proc.IEEE Int.Conf.ComputerVision,2005,pp.1683-1690；文献3：K.Jia and S.G.Gong,“Generalized face super-resolution,”IEEETrans.ImageProcessing,vol.17,no.6,pp.873886,Jun.2008)；3)改进的点对应算法和线性物体类的原理构造正脸合成的方法(文献4：陈家大、赖剑煌、冯国灿，“一种人脸姿势判别与正脸合成的新方法”，计算机研究与发展，2006)，通过上述任一种方法即可达到对照片倾斜角度的调整；人脸特征点的识别和提取如中国专利申请CN201310746593.1中，提出了一种新的人脸特征值提取的算法。上述的技术发展使人脸识别技术发展迅速，应用前景广泛。\n[0004] 随着移动终端技术的发展，人脸识别技术也有向移动终端应用的趋势，但是现在面临的问题是，移动终端的计算能力不及PC、工业计算机等固定式计算机，移动终端的图像获取受操作者影响大，因此开发出一种易于操作、易于分辨的能够应用于移动终端操作系统的人像比对技术是非常有必要的。\n发明内容\n[0005] 本发明的目的是提供易于操作、易于分辨的人像比对在移动终端操作系统上的应用方法。\n[0006] 本发明提供的技术方案为：\n[0007] 一种人像比对在移动终端操作系统上的应用方法，包括以下步骤：步骤1：通过移动终端的摄像头获取目标人物的即时头像照片，当所述的即时头像照片的两眼的瞳孔中心点的距离为30～100像素并且所述的摄像头与目标人物的头部的拍摄垂直角度为0～20°时，视为该即时头像照片为符合要求的即时头像照片；需要说明的是，这里的0～20°不仅是正向为0～20°，反向也为0～20°，即围绕垂线夹角为40°的角度范围。优选地，上述的拍摄垂直角度为0～15°，两眼的瞳孔中心点的距离为55～90像素；步骤2：提取上述的符合要求的即时头像照片中的人脸特征集群；步骤3：提取目标人物的已有头像照片中的人脸特征集群；步骤4：将即时头像照片中的人脸特征集群和已有头像照片中的人脸特征集群进行比对，计算相似度，并判断所述的相似度是否符合预设的第一阈值，若是，则提取和显示所述目标人物对应的身份信息。\n[0008] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的步骤1中，还包括：子步骤11：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则通过移动终端上搭载的LED灯补光。\n[0009] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的步骤1中，还具体包括以下子步骤：子步骤12：通过移动终端上的重力感应装置测量所述的摄像头与目标人物的头部的拍摄垂直角度，将所述的拍摄垂直角度数据显示在移动终端的显示屏幕上，并判断所述的拍摄垂直角度数据是否为0～20°，若是，则进行子步骤13，若否，则继续调整所述的拍摄垂直角度；子步骤13：在移动终端的显示屏幕上的预设位置显示预设的单位像素标尺，并根据所述的单位像素标尺判断所述的即时头像照片的两眼的瞳孔中心点的距离是否为30～100像素，若是，则进行子步骤14，若否，则继续调整所述的两眼的瞳孔中心点的距离；子步骤14：通过移动终端的摄像头拍摄目标人物的即时头像照片，并对拍摄的即时头像照片进行剪裁，去除多余的背景。\n[0010] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的步骤1中，所述的摄像头与目标人物的头部的拍摄水平角度为0～20°；优选地，上述的拍摄水平角度为0～\n15°，所述的步骤1中，在子步骤12之前还包括以下子步骤：子步骤15：通过移动终端上的重力感应装置测量所述的摄像头与目标人物的头部的拍摄水平角度，并将所述的拍摄水平角度数据显示在移动终端的显示屏幕上，并判断所述的拍摄水平角度数据是否为0～20°；若是，则进行子步骤12，若否，则继续调整所述的拍摄水平角度。需要说明的是，这里的0～20°不仅是正向为0～20°，反向也为0～20°，即围绕水平线夹角为40°的角度范围。实施例中进一步优选范围与此相同。\n[0011] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的子步骤14中，在剪裁后的即时头像照片中，所述的目标人物的人脸面积不少于所述的剪裁后的即时头像照片的面积的3/4。\n[0012] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的步骤2具体包括以下子步骤：子步骤21：人脸定位，将人脸区域从所述的即时头像照片的背景中分离；子步骤22：双眼定位，从子步骤21中获取的人脸区域中确定双眼瞳孔的位置；子步骤23：影像校正，校正人脸区域的倾斜角度，并根据子步骤22中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；子步骤24：影像预处理，对子步骤23中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；子步骤25：提取人脸特征集群，对经子步骤24获取的人脸区域提取不少于一个的人脸特征值，所述的即时头像照片的人脸特征值的总和为即时头像照片的人脸特征集群。\n[0013] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的步骤3具体包括以下子步骤：子步骤31：获取已有头像照片，通过与移动终端相连的身份证读卡器获取已有头像照片；子步骤32：人脸定位，将人脸区域从所述的已有头像照片的背景中分离；子步骤\n33：双眼定位，从子步骤32中获取的人脸区域中确定双眼瞳孔的位置；子步骤34：影像校正，根据子步骤33中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；根据根据子步骤33中所确定的双眼瞳孔的位置的连线确定人脸区域的倾斜角度，根据所述的倾斜角度将所述的人脸区域校正至水平位置；子步骤35：影像预处理，对子步骤34中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；子步骤36：提取人脸特征集群，对经子步骤35获取的人脸区域提取不少于一个的人脸特征值，所述的已有头像照片的人脸特征值的总和为已有头像照片的人脸特征集群。\n[0014] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的步骤4具体包括以下子步骤：子步骤41：比对人脸特征值，将即时头像照片的人脸特征集群中的人脸特征值和已有头像照片的人脸特征集群中对应的人脸特征值进行比对，判断相对应的人脸特征值的差值是否小于预设的第三阈值；子步骤42：统计符合要求的人脸特征值数量，统计小于预设的第三阈值的人脸特征值的数量；子步骤43：计算相似度，计算小于预设的第三阈值的人脸特征值的数量占所有人脸特征值的百分比，所述的百分比为相似度，判断所述的相似度是否大于预设的第一阈值，若是，则提取和输出所述目标人物对应的身份信息，若否，则输出比对失败的提示信息。\n[0015] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的步骤1包括以下子步骤：\n[0016] 子步骤110：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则通过移动终端上搭载的LED灯补光；子步骤111：通过移动终端的摄像头获取目标人物的头像照片；并通过移动终端上的重力感应装置测量拍摄时摄像头与目标人物的头部的拍摄垂直角度；判断所述的拍摄垂直角度是否小于20°，需要说明的是，拍摄垂直角度小于20°的意思是与垂直面的垂线的夹角为正负方向的夹角为20°，其夹角范围合起来为\n40°。若是，则进行子步骤112，若否，则提示图像获取失败的提示信息；子步骤112：人脸定位，将人脸区域从子步骤111所述的即时头像照片的背景中分离；子步骤113：双眼定位，从子步骤112中获取的人脸区域中确定双眼瞳孔的位置；子步骤114：计算双眼瞳孔的中心的距离，根据子步骤113所确定的双眼瞳孔的位置计算双眼瞳孔的中心的距离，并判断所述的双眼瞳孔的中心的距离是否落在30～100像素范围内，若是，则进行步骤2，若否，则输出图像获取失败的提示信息；所述的步骤2包括以下子步骤：子步骤211：影像校正，校正人脸区域的倾斜角度，并根据子步骤114中所得到的双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；子步骤212：影像预处理，对子步骤211中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；子步骤213：提取人脸特征集群，对经子步骤212获取的人脸区域提取不少于一个的人脸特征值，所述的即时头像照片的人脸特征值的总和为头像照片的人脸特征集群。\n[0017] 在上述的人像比对在移动终端操作系统上的应用方法中，所述的步骤4中若相似度不符合预设的第一阈值，则还包括步骤5和步骤6：步骤5：将步骤2中得到人脸特征集群发送到外设的服务器中，所述的外设的服务器存储有多张人脸照片、多张人脸照片对应的人脸特征集群以及对应的人物信息，所述的外设的服务器用于根据移动终端所发送的人脸特征集群检测到符合第一预设阈值的相似度所对应的人脸照片，并将所述的符合第一预设阈值的相似度所对应的人脸照片、该人脸照片对应的人物信息发送到移动终端中；步骤6：接收外设的服务器所发送的人脸照片以及该人脸照片对应的人物信息，并显示在移动终端的显示屏上。\n[0018] 本发明通过设定特定的瞳距、拍摄角度以及拍摄光线，来获得符合要求的即时头像照片，并通过人像比对技术快速的得到处理结果，通过上述的处理可以有效的降低数据处理量，提高比对精度，降低比对的用时，特别适用于微型移动终端。\n[0019] 更进一步地，为了消除人为操作对上述设定数据的影响，本方案采用重力感应设备、以及设置单位像素标尺辅助用户获取合格的照片，提高了照片获取的成功率。\n[0020] 本发明可以用于安卓系统，IPHONE的IOS系统，微软的WP，Linux系统，普适于各种移动终端设备。\n附图说明\n[0021] 图1是本发明具体实施例1的流程方框图；\n[0022] 图2是本发明具体实施例1的步骤1的具体子步骤的流程方框图；\n[0023] 图3是本发明具体实施例1的步骤2的具体子步骤的流程方框图；\n[0024] 图4是本发明具体实施例1的步骤3的具体子步骤的流程方框图；\n[0025] 图5是本发明具体实施例1的步骤4的具体子步骤的流程方框图；\n[0026] 图6是本发明具体实施例2和3的流程方框图；\n[0027] 图7是本发明具体实施例3的步骤1的具体子步骤的流程方框图；\n[0028] 图8是本发明具体实施例3的步骤2的具体子步骤的流程方框图。\n具体实施方式\n[0029] 下面结合具体实施方式，对本发明的技术方案作进一步的详细说明，但不构成对本发明的任何限制。\n[0030] 本发明的核心构思之一在于，通过设定特定的瞳距、拍摄角度以及拍摄光线，来获得符合要求的照片，并通过人像比对技术快速的得到处理结果，通过上述的处理可以有效的降低数据处理量，提高比对精度，降低比对的用时，特别适用于微型移动终端。\n[0031] 具体实施例1：\n[0032] 如1图所示的一种人像比对在移动终端操作系统上的应用方法的流程方框图，具体包括以下步骤：\n[0033] 步骤1：通过移动终端的摄像头获取目标人物的即时头像照片，当所述的即时头像照片的两眼的瞳孔中心点的距离为55～90像素并且所述的摄像头与目标人物的头部的拍摄垂直角度为0～15°时，视为该即时头像照片为符合要求的即时头像照片；如图2所示，所述的通过移动终端的摄像头获取目标人物的头像照片的步骤可以具体包括以下子步骤：\n[0034] 子步骤11：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则通过移动终端上搭载的LED灯补光。\n[0035] 子步骤15：判断拍摄水平角度，通过移动终端上的重力感应装置测量所述的摄像头与目标人物的头部的拍摄水平角度，并将所述的拍摄水平角度数据显示在移动终端的显示屏幕上，并判断所述的拍摄水平角度数据是否为0～15°；若是，则进行子步骤12，若否，则继续调整所述的拍摄水平角度。\n[0036] 子步骤12：判断拍摄垂直角度，通过移动终端上的重力感应装置测量所述的摄像头与目标人物的头部的拍摄垂直角度，将所述的拍摄垂直角度数据显示在移动终端的显示屏幕上，并判断所述的拍摄垂直角度数据是否为0～15°，若是，则进行子步骤13，若否，则继续调整所述的拍摄垂直角度；\n[0037] 在实际应用中，拍摄水平角度数据和拍摄垂直角度数据显示在移动终端的屏幕的用户设定的位置，为了便于用户使用，移动终端可以设置自动提醒模块，当拍摄水平角度数据和拍摄垂直角度数据落入设置的角度范围内后，自动提醒模块发出声音、光亮或者震动的提醒，用户可以免于一直盯着上述数据，提高了拍摄的便捷性。\n[0038] 子步骤13：判断两眼的瞳孔中心点的距离，在移动终端的显示屏幕上的预设位置显示预设的单位像素标尺，并根据所述的单位像素标尺判断所述的即时头像照片的两眼的瞳孔中心点的距离是否为55～90像素，若是，则进行子步骤14，若否，则继续调整所述的两眼的瞳孔中心点的距离；\n[0039] 在实际中，单位像素标尺设定在显示屏幕上用户所希望的眼睛所显示的位置，一般为屏幕的上侧1/3处，为了便于用户识别，单位像素标尺可以设定为红色或者其他容易分辨的颜色，当照片拍摄后，单位像素标尺并不会留在照片上，单位像素标尺仅起着标示尺寸的作用。单位像素标尺的规格可以根据用户自由设定，如设为60、70、80、90像素等。\n[0040] 子步骤14：拍摄和剪裁即时头像照片，通过移动终端的摄像头拍摄目标人物的即时头像照片，并对拍摄的即时头像照片进行剪裁，去除多余的背景。在剪裁后的即时头像照片中，所述的目标人物的人脸面积不少于所述的剪裁后的即时头像照片的面积的3/4。具体的实现方法有许多现有技术，在本实施例中，为了降低处理量，根据通过单位像素标尺定位的两眼的瞳孔中心点的距离，确定人脸的大致位置，具体来说是根据人类双眼在脸部的位置确定一个通用的大概的人脸范围，然后根据该人脸范围确定哪些区域是背景，哪些区域是人像，需要说明的是，这种方法计算量小，可以显著降低后续步骤的计算量。当然也可以采用用户手工裁剪的方法来进行，对此本实施例不作过多限制。\n[0041] 需要着重说明的是：本实施例中步骤15～13并不是固定的一成不变的，在本方案中子步骤15、12、13可以以任何方式进行排序，然后逐一实行，最后进行子步骤14。\n[0042] 步骤2：提取上述的符合要求的即时头像照片中的人脸特征集；如图3所示，其具体包括以下子步骤：\n[0043] 子步骤21：人脸定位，将人脸区域从所述的即时头像照片的背景中分离；\n[0044] 子步骤22：双眼定位，从子步骤21中获取的人脸区域中确定双眼瞳孔的位置；采用上述的adaboost基于人脸特征的方法可以有效的确定双眼瞳孔的位置，在现有技术中，人脸特征点的定位已经开发出若干种方法，在此不一一详述，上述具体的方法并不仅仅限于adaboost基于人脸特征的方法。\n[0045] 在实际应用中，由于现有的移动终端的计算能力受制于体积、芯片发展程度的限制，其计算速度与固定式的计算机存在一定的差距，为了进一步提高本技术在移动终端中的运算速度，上述的人脸定位和双眼定位采用如下的方法：\n[0046] 1)利用设定阀值自动将人眼与人脸其它部分和背景分离或利用人眼灰度值进行眼睛定位；\n[0047] 2)通过对灰度图像进行垂直和水平灰度投影后，对人脸初步定；\n[0048] 3)用瞳孔大小的方框搜索人脸，落入框内的黑色像素个数达到最大时，框的位置即是眼睛位置。\n[0049] 子步骤23：影像校正，校正人脸区域的倾斜角度，并根据子步骤22中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；\n[0050] 在具体应用中，人脸区域的倾斜角度的校正包括两个方面，即照片平面区域的倾斜角度的校正和垂直于照片平面区域的倾斜角度的校正，对于照片平面区域的倾斜角度校正通过两眼通孔中心的连线倾斜角度的计算既可以获知需要校正的角度，人脸区域的像素主要根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值进行调整，比如拍照时获取的双眼瞳孔的距离为63像素，而预设的双眼瞳孔中心的距离为65像素，则移动终端的图片处理模块则根据上述像素的比例进行适当增大。上述角度和像素的调整都是微调，通过较小的计算量既可以得到本子步骤23所要求的处理结果。\n[0051] 子步骤24：影像预处理，对子步骤23中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；\n[0052] 子步骤25：提取人脸特征集群，对经子步骤24获取的人脸区域提取不少于一个的人脸特征值，所述的即时头像照片的人脸特征值的总和为头像照片的人脸特征集群。经过子步骤24的这些预处理后，同一用户的多个样本人脸在某些特征上才会具有一定的相似性，而不同样本人脸之间才会具有一定的差异，此时提取人脸特征值。人脸特征值在其他的文献资料中也被称为纹理特征、人脸特征点特征向量等，现有技术中已有多种，对此并不作过多限制。\n[0053] 步骤3：提取目标人物的已有头像照片中的人脸特征集群；如图4所示，步骤3具体包括以下子步骤：\n[0054] 子步骤31：获取已有头像照片，通过与移动终端相连的身份证读卡器获取已有头像照片；当然，在本实施例中从身份证获取已有头像照片只是一种具体的方式，在手机的本地存储中也可以存储一些关键人物的照片，比如对于警察来说，存储通缉犯的照片，对于监考老师来说，存储考场考生的照片等等。\n[0055] 子步骤32：人脸定位，将人脸区域从所述的已有头像照片的背景中分离；\n[0056] 子步骤33：双眼定位，从子步骤32中获取的人脸区域中确定双眼瞳孔的位置；\n[0057] 子步骤34：影像校正，根据子步骤33中所确定的双眼瞳孔的位置确定所述的双眼瞳孔中心的距离，并根据双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；根据根据子步骤33中所确定的双眼瞳孔的位置的连线确定人脸区域的倾斜角度，根据所述的倾斜角度将所述的人脸区域校正至水平位置；\n[0058] 子步骤35：影像预处理，对子步骤34中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；\n[0059] 子步骤36：提取人脸特征集群，对经子步骤35获取的人脸区域提取不少于一个的人脸特征值，所述的已有头像照片的人脸特征值的总和为已有头像照片的人脸特征集群。\n[0060] 其处理方法与步骤2中提取头像照片中的人脸特征集群的方法一致。\n[0061] 步骤4：将头像照片中的人脸特征集群和已有头像照片中的人脸特征集群进行比对，计算相似度，并判断所述的相似度是否符合预设的第一阈值，若是，则提取和显示所述目标人物对应的身份信息。该第一阈值可以根据用户的设置自由选择，如可以设置50％、\n80％、95％等多个不同的阈值，当高阈值匹配不成功时，用户可以降低阈值来提高匹配成功率，如图5所示，所述的步骤4具体包括以下子步骤：\n[0062] 子步骤41：比对人脸特征值，将即时头像照片的人脸特征集群中的人脸特征值和已有头像照片的人脸特征集群中对应的人脸特征值进行比对，判断相对应的人脸特征值的差值是否小于预设的第三阈值；\n[0063] 子步骤42：统计符合要求的人脸特征值数量，统计小于预设的第三阈值的人脸特征值的数量；\n[0064] 子步骤43：计算相似度，计算小于预设的第三阈值的人脸特征值的数量占所有人脸特征值的百分比，所述的百分比为相似度，判断所述的相似度是否大于预设的第一阈值，若是，则提取和输出所述目标人物对应的身份信息，若否，则输出比对失败的提示信息。该目标人物对应的身份信息可以从身份证读卡器所读取的数据中获取，也可以通过无线网络从公安机关的户籍信息统计的服务器中获取，也可以从移动终端的本地存储中获取，对此不一一详述。\n[0065] 本实施例通过用户采集的符合标准的图片，来降低图片分析的难度，可以显著的提高人像比对的成功率，降低处理时间和移动终端的处理负荷，极大的方便户籍管理人员、公安机关执勤民警、考场监控等相关领域人员的工作。\n[0066] 具体实施例2\n[0067] 本具体实施例2和实施例1相同，不同的地方在于子步骤43中若判断所述的百分比小于预设的第一阈值时，进行步骤5，具体如图6所示：\n[0068] 步骤5：将步骤2中得到人脸特征集群发送到外设的服务器中，所述的外设的服务器存储有多张人脸照片、多张人脸照片对应的人脸特征集群以及对应的人物信息，所述的外设的服务器用于根据移动终端所发送的人脸特征集群检测到符合第一预设阈值的相似度所对应的人脸照片，并将所述的符合第一预设阈值的相似度所对应的人脸照片、该人脸照片对应的人物信息发送到移动终端中；\n[0069] 在实际应用中，与人脸特征集群一起发送到外设的服务器的还有用户设置的筛选指标，该筛选指标包括性别、年龄范围、身高等可以标记目标人物特征的指标，服务器首先通过筛选指标筛选出符合的人选，然后再行人脸特征集群的比对，降低了数据处理时间，提高了分析效率。\n[0070] 步骤6：接收外设的服务器所发送的人脸照片以及该人脸照片对应的人物信息，并显示在移动终端的显示屏上。\n[0071] 本实施例中采用外设的服务器提高了人像比对的筛选范围，提高了比对的准确性。\n[0072] 具体实施例3：\n[0073] 如图6所示的本发明的另一种人像比对在移动终端操作系统上的应用方法的流程方框图，具体包括以下步骤：\n[0074] 步骤1：通过移动终端的摄像头获取目标人物的即时头像照片，当所述的即时头像照片的两眼的瞳孔中心点的距离为55～90像素并且所述的摄像头与目标人物的头部的拍摄垂直角度为0～20°时，视为该即时头像照片为符合要求的即时头像照片；所述的步骤1包括如图7所示的以下子步骤：\n[0075] 子步骤110：通过摄像头检测环境光线强度，当所述的环境光线强度小于预设的第二阈值时，则通过移动终端上搭载的LED灯补光。\n[0076] 子步骤111：通过移动终端的摄像头获取目标人物的头像照片；并通过移动终端上的重力感应装置测量拍摄时摄像头与目标人物的头部的拍摄垂直角度；判断所述的拍摄垂直角度是否小于15°，若是，则进行子步骤112，若否，则提示图像获取失败的提示信息；\n[0077] 子步骤112：人脸定位，将人脸区域从子步骤111所述的即时头像照片的背景中分离；\n[0078] 子步骤113：双眼定位，从子步骤112中获取的人脸区域中确定双眼瞳孔的位置；\n[0079] 在实际应用中，由于现有的移动终端的计算能力受制于体积、芯片发展程度的限制，其计算速度与固定式的计算机存在一定的差距，为了进一步提高本技术在移动终端中的运算速度，上述的人脸定位和双眼定位采用如下的方法：\n[0080] 1)利用设定阀值自动将人眼与人脸其它部分和背景分离或利用人眼灰度值进行眼睛定位；\n[0081] 2)通过对灰度图像进行垂直和水平灰度投影后，对人脸初步定；\n[0082] 3)用瞳孔大小的方框搜索人脸，落入框内的黑色像素个数达到最大时，框的位置即是眼睛位置。\n[0083] 子步骤114：计算双眼瞳孔的中心的距离，根据子步骤113所确定的双眼瞳孔的位置计算双眼瞳孔的中心的距离，并判断所述的双眼瞳孔的中心的距离是否落在55～90像素范围内，若是，则进行步骤2，若否，则输出图像获取失败的提示信息；\n[0084] 步骤2：提取上述的符合要求的即时头像照片中的人脸特征集；所述的步骤2包括如图8所示的以下子步骤：\n[0085] 子步骤211：影像校正，校正人脸区域的倾斜角度，并根据子步骤114中所得到的双眼瞳孔中心的距离与预设的双眼瞳孔中心的距离的比值，调整人脸区域的像素；\n[0086] 子步骤212：影像预处理，对子步骤211中校正过的人脸区域进行预处理，具体包括脸部的色彩、脸部光线均匀、脸部高光、亮度均值、灰度动态范围、过曝光比例、欠曝光比例、图像锐度、图像模糊度的处理；\n[0087] 子步骤213：提取人脸特征集群，对经子步骤212获取的人脸区域提取不少于一个的人脸特征值，所述的即时头像照片的人脸特征值的总和为头像照片的人脸特征集群。\n[0088] 步骤3：提取目标人物的已有头像照片中的人脸特征集群；与具体实施例1中的提取目标人物的已有头像照片中的人脸特征集群的方法一致。\n[0089] 步骤4：将头像照片中的人脸特征集群和已有头像照片中的人脸特征集群进行比对，计算相似度，并判断所述的相似度是否符合预设的第一阈值，若是，则提取和显示所述目标人物对应的身份信息，若否，则进行步骤5；\n[0090] 步骤5：将步骤2中得到人脸特征集群发送到外设的服务器中，所述的外设的服务器存储有多张人脸照片、多张人脸照片对应的人脸特征集群以及对应的人物信息，所述的外设的服务器用于根据移动终端所发送的人脸特征集群检测到符合第一预设阈值的相似度所对应的人脸照片，并将所述的符合第一预设阈值的相似度所对应的人脸照片、该人脸照片对应的人物信息发送到移动终端中；在实际应用中，与人脸特征集群一起发送到外设的服务器的还有用户设置的筛选指标，该筛选指标包括性别、年龄范围、身高等可以标记目标人物特征的指标，服务器首先通过筛选指标筛选出符合的人选，然后再行人脸特征集群的比对，降低了数据处理时间，提高了分析效率。\n[0091] 步骤6：接收外设的服务器所发送的人脸照片以及该人脸照片对应的人物信息，并显示在移动终端的显示屏上。\n[0092] 本具体实施例采用先测定拍摄角度和在必要的情况下补光，然后再进行人脸分离，并通过对双眼定位判断拍摄的照片是否符合标准。这也是本发明的一种选择方案，降低了人员操作的技术要求。\n[0093] 以上所述的仅为本发明的较佳实施例，凡在本发明的精神和原则范围内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。