戴金鋒，劉 志，姜暉暉，鄢致雯(.揚(yáng)中市人力資源和社會(huì)保障局，江蘇 鎮(zhèn)江00；.浙江工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，浙江 杭州00;.杭州市富陽(yáng)中學(xué)，浙江 杭州 499)

結(jié)合監(jiān)督下降優(yōu)化和顯著性的人像質(zhì)量檢測(cè)

戴金鋒1，劉 志2，姜暉暉2，鄢致雯3
(1.揚(yáng)中市人力資源和社會(huì)保障局，江蘇 鎮(zhèn)江212200；2.浙江工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，浙江 杭州310023;3.杭州市富陽(yáng)中學(xué)，浙江 杭州 311499)

針對(duì)已有社保人像采集系統(tǒng)缺少圖像內(nèi)容智能分析所導(dǎo)致的制卡失敗問(wèn)題，提出了人像質(zhì)量智能檢測(cè)算法.首先采用監(jiān)督下降優(yōu)化方法算法檢測(cè)出人臉特征點(diǎn)，然后根據(jù)社保人像標(biāo)準(zhǔn)進(jìn)行尺寸分析.最后采用顯著性方法進(jìn)行背景檢測(cè)，判斷背景是否合格.實(shí)驗(yàn)結(jié)果表明：該算法可以自動(dòng)檢測(cè)出質(zhì)量不合格照片，解決了上傳圖像質(zhì)量太差導(dǎo)致制卡失敗問(wèn)題.另外，結(jié)合JNI技術(shù)和MVC設(shè)計(jì)模式完成了該算法和社保業(yè)務(wù)系統(tǒng)的集成.

社保數(shù)據(jù)采集；人像質(zhì)量檢測(cè)；監(jiān)督下降優(yōu)化方法；顯著性分析

社會(huì)保障卡是參保單位和參保人員享有社會(huì)保障和公共就業(yè)服務(wù)權(quán)利的電子憑證.數(shù)據(jù)采集是社?？ㄖ瓶?、發(fā)卡的重要基礎(chǔ)和前提和基礎(chǔ)[1].近年來(lái)，各地社保部門通過(guò)大規(guī)模數(shù)據(jù)采集完成了絕大多數(shù)人員的信息采集[2].但是，對(duì)于部分沒(méi)有及時(shí)完成信息采集的人員，如何讓他們快速方便地完成信息采集并申領(lǐng)得到社會(huì)保障卡，是當(dāng)前社保部門便民工作中急需解決的一個(gè)問(wèn)題.

目前，各地社保部門都有核心業(yè)務(wù)網(wǎng)絡(luò)上報(bào)系統(tǒng)能夠支持用戶信息的錄入和照片上傳.徐慧瓊等提出在社保業(yè)務(wù)系統(tǒng)里采用了J2EE架構(gòu)，這種架構(gòu)提高了系統(tǒng)的可維護(hù)性和可擴(kuò)展性[3].薛成龍等在已有社保業(yè)務(wù)系統(tǒng)中增加了生物特征采集設(shè)備管理，可針對(duì)指紋采集設(shè)備進(jìn)行加密、設(shè)備更換，召回等基礎(chǔ)信息進(jìn)行維護(hù).從而能夠?qū)υO(shè)備進(jìn)行全程跟蹤服務(wù)[4].楊文等在BEA Tuxedo和Microsoft.NET技術(shù)平臺(tái)的基礎(chǔ)上設(shè)計(jì)社會(huì)保障信息系統(tǒng)并設(shè)置各網(wǎng)點(diǎn)前置系統(tǒng)，通過(guò)Web服務(wù)技術(shù)實(shí)現(xiàn)社?？ㄖ行南到y(tǒng)和各網(wǎng)點(diǎn)之間數(shù)據(jù)交換[5].陳園園等采用ETL技術(shù)，實(shí)現(xiàn)準(zhǔn)確、快速地?cái)?shù)據(jù)遷移,保證數(shù)據(jù)的正確性和完整性[6].黃曉梅等研究CORBA構(gòu)件技術(shù)在RSICP中的應(yīng)用，并建立基于CORBA構(gòu)件技術(shù)的可重構(gòu)的社保核心平臺(tái)(RSICP)，這種技術(shù)能夠?qū)﹄S社會(huì)保障制度不斷完善而變化的社保市場(chǎng)作出快速反應(yīng)[7].張平等依據(jù)現(xiàn)代軟件新技術(shù)理論，研究和分析聯(lián)網(wǎng)模式下的計(jì)算機(jī)輔助審計(jì)，將手工審計(jì)與計(jì)算機(jī)審計(jì)相結(jié)合，實(shí)現(xiàn)了在聯(lián)網(wǎng)模式下進(jìn)行審計(jì)[8].綜上所述，已有業(yè)務(wù)系統(tǒng)只是提供了數(shù)據(jù)傳輸?shù)木W(wǎng)絡(luò)接口，而無(wú)法對(duì)人像進(jìn)行質(zhì)量分析和檢測(cè).另外一方面，研究人員針對(duì)圖像質(zhì)量自動(dòng)分析和評(píng)價(jià)也提出了很多算法[9].因此，筆者結(jié)合人臉檢測(cè)和背景檢測(cè)技術(shù)，開發(fā)支持人像質(zhì)量檢測(cè)的社保數(shù)據(jù)零星采集在線系統(tǒng)實(shí)現(xiàn)，自動(dòng)判斷圖像是否滿足社保標(biāo)準(zhǔn).系統(tǒng)能夠大大提高社保數(shù)據(jù)零星效率，極大地方便了參保用戶.

1 社保照片質(zhì)量檢測(cè)算法

對(duì)于社保照片零星采集系統(tǒng)，主要包括質(zhì)量檢測(cè)和應(yīng)用系統(tǒng)實(shí)現(xiàn).對(duì)于質(zhì)量檢測(cè)，主要采用了監(jiān)督下降優(yōu)化和圖分割算法.在系統(tǒng)實(shí)現(xiàn)上，采用了MVC設(shè)計(jì)模式，方便應(yīng)用系統(tǒng)的擴(kuò)展.

1.1 人像尺寸檢測(cè)

人像尺寸檢測(cè)首先采用監(jiān)督下降優(yōu)化方法檢測(cè)得到，然后根據(jù)社保標(biāo)準(zhǔn)進(jìn)行尺寸合格性判斷.目前，特征點(diǎn)檢測(cè)有很多方法，并且被廣泛應(yīng)用于人臉圖像的相關(guān)領(lǐng)域，包括人臉識(shí)別[10]，姿態(tài)估計(jì)[11]等.人像質(zhì)量檢測(cè)算法采用監(jiān)督下降優(yōu)化算法對(duì)人臉特征點(diǎn)進(jìn)行定位[12].該算法首先通過(guò)一系列已經(jīng)標(biāo)定的圖像進(jìn)行特征學(xué)習(xí)，從而能夠構(gòu)造模型用于特征點(diǎn)檢測(cè).在完成學(xué)習(xí)和訓(xùn)練以后，對(duì)于輸入采集到的圖像根據(jù)訓(xùn)練模型定位臉部關(guān)鍵特征點(diǎn).

給定訓(xùn)練圖像集合Rm×1，對(duì)其中一幅圖像d∈Rm×1，其中d(x)∈Rp×1為用來(lái)索引圖像的p個(gè)特征點(diǎn)，x為p個(gè)特征點(diǎn).h(d(x))∈Rp×1表示SIFT(Scale-invariant feature transform)特征向量.在訓(xùn)練階段，因?yàn)閜個(gè)特征點(diǎn)是已知的，是由人工準(zhǔn)確標(biāo)定，將其設(shè)為x*，然后計(jì)算訓(xùn)練集特征點(diǎn)的平均值，記為x0，作為初始值[12]，如圖1所示.

圖1 真實(shí)特征點(diǎn)值與訓(xùn)練集特征點(diǎn)平均值Fig.1 The average of the real feature point value and training set feature points

這樣，通過(guò)對(duì)Δx求解就可以得到人臉的對(duì)齊結(jié)果，其計(jì)算式為

(1)

式中Φ*=h(d(x*))為手動(dòng)標(biāo)記特征點(diǎn)的SIFT特征，因此式(1)可以轉(zhuǎn)化為

(2)

根據(jù)牛頓迭代法，上述最優(yōu)解需要對(duì)式(2)中的Δx求導(dǎo)，令一階導(dǎo)數(shù)f′(x0+Δx)=0，可得

(3)

(4)

(5)

Δx1=MΦ0+b0

(6)

這樣就可以通過(guò)監(jiān)督下降優(yōu)化方法(Supervise decline optimization, SDM)調(diào)整下降方向{Mk}和偏差{bk}，即

xk=xk-1+Mk-1Φk-1+bk-1

(7)

使得訓(xùn)練圖片集過(guò)程中xk將收斂到x*.所以，監(jiān)督下降優(yōu)化方法在迭代更新參數(shù)Mk和bk時(shí)，采用計(jì)算式為

(8)

圖2 關(guān)鍵特征點(diǎn)位置Fig.2 The location of key feature points

因此，通過(guò)訓(xùn)練好的模型可以得到人臉特征點(diǎn)集合FS={fs1,fs2,fs3,fs4,fs5}，分別代表左眼中心點(diǎn)位置、右眼中心點(diǎn)位置、左側(cè)輪廓點(diǎn)位置、右側(cè)輪廓點(diǎn)位置和頂部位置.從而可以得到當(dāng)前照片尺寸參數(shù).對(duì)于輸入圖像的寬度和高度分別為w和h.可以根據(jù)制卡照片標(biāo)準(zhǔn)(圖3)對(duì)用戶上傳的照片進(jìn)行尺寸分析，分析出照片尺寸是否滿足規(guī)范.

圖3 照片標(biāo)準(zhǔn)Fig.3 Photo standard

1.2 背景顏色檢測(cè)

對(duì)于社保照片，另外一個(gè)問(wèn)題是如何檢測(cè)背景顏色.因?yàn)樯绫Ｕ掌蠹儼妆尘埃駝t無(wú)法完成制卡.背景檢測(cè)主要采用全局對(duì)比度顯著性區(qū)域檢測(cè)算法[13].該方法是由Cheng提出的，能分離背景環(huán)境和大范圍的目標(biāo).并且，該方法可以結(jié)合區(qū)域?qū)Ρ榷群涂臻g關(guān)系，該算法的主要思想是先劃分圖像為不同的區(qū)域，再對(duì)不同區(qū)域的顏色進(jìn)行對(duì)比度計(jì)算，然后通過(guò)上面計(jì)算的空間關(guān)系和對(duì)比度結(jié)果得到圖像的顯著性值.具體步驟如下：

首先，通過(guò)圖的貪心聚類分割算法[1]分割圖像，得到不同區(qū)域，記為r={r1,r2,…,rn}.再通過(guò)圖像的顏色直方圖特征對(duì)每個(gè)區(qū)域計(jì)算區(qū)域的直方圖對(duì)比度w(ri)，可得

(9)

式中D(pi,pj)為區(qū)域ri上的像素pi與像素pj在LAB顏色空間上的距離度量.

然后，利用圖像的空間信息與區(qū)域之間的顏色對(duì)比度來(lái)定義圖像上的顯著性，定義為

(10)

(11)

Φsaliency=-logS(p)

(12)

式中：Ds(rk,ri)為空間距離，是通過(guò)計(jì)算區(qū)域rk與ri的重心的歐式距離得到的；Dr(rk,ri)為兩個(gè)區(qū)域的顏色距離度量；c1,i為在區(qū)域r1上像素i的顏色值；f(c1,i)為c1,i在區(qū)域中出現(xiàn)的概率；σ2為空間權(quán)重強(qiáng)度，控制空間信息的影響；Φsaliency是將像素點(diǎn)的顯著性進(jìn)行歸一化處理.這樣，通過(guò)得到的每塊區(qū)域的顯著性結(jié)果就可以得到整幅圖像的背景分割結(jié)果.效果見圖4，可以發(fā)現(xiàn)背景顏色在右側(cè)圖像中呈現(xiàn)白色.因此，通過(guò)統(tǒng)計(jì)背景像素點(diǎn)的顏色值就可以得到當(dāng)前顏色是否符合標(biāo)準(zhǔn).

圖4 背景顏色檢測(cè)Fig.4 The detection of background color

2 實(shí)驗(yàn)分析和應(yīng)用

為了驗(yàn)證本算法的有效性，對(duì)本算法進(jìn)行檢測(cè)性能分析.另外，在已有核心算法基礎(chǔ)上，把本算法集成到社保數(shù)據(jù)采集系統(tǒng)中，進(jìn)行應(yīng)用開發(fā).為了保證監(jiān)督訓(xùn)練算法的通用性，本算法采用LFW(Faceinthewild)進(jìn)行特征點(diǎn)檢測(cè)訓(xùn)練，總共有12萬(wàn)張已經(jīng)標(biāo)注的照片，然后用訓(xùn)練后的模型進(jìn)行質(zhì)量分析和檢測(cè).

2.1 質(zhì)量檢測(cè)性能分析

測(cè)試圖片為5萬(wàn)張，這些照片已經(jīng)通過(guò)社保人員進(jìn)行手工篩選分為兩部分：其中正常照片49 550張，不符合制卡標(biāo)準(zhǔn)的照片450張.成功檢測(cè)出423張不合格照片，檢出率為94%.部分檢測(cè)出來(lái)的不合格照片如圖5所示.目前，沒(méi)有成功檢出的照片主要是人像亮度、明暗度不符合要求的照片，這也是后續(xù)需要進(jìn)一步研究的問(wèn)題.

圖5 部分檢測(cè)出來(lái)的照片和不合格原因Fig.5 Parts of the detected image and the unqualified reason

2.2 在金保工程中的應(yīng)用

對(duì)于上述算法，和社保數(shù)據(jù)采集系統(tǒng)進(jìn)行集成.整個(gè)系統(tǒng)采用MVC(Modelviewcontroller)設(shè)計(jì)模式.使用MVC可以降低整個(gè)程序耦合性，提高獨(dú)立性，提高可維護(hù)性.整個(gè)系統(tǒng)主要包括平臺(tái)服務(wù)層、應(yīng)用組件層和平臺(tái)應(yīng)用層.如圖6所示.

圖6 社保數(shù)據(jù)零星采集系統(tǒng)架構(gòu)圖Fig.6 The architecture diagram of social security data scattered collection

圖6中：1) 平臺(tái)服務(wù)層主要提供版本管理、數(shù)據(jù)接口、消息服務(wù)和引擎服務(wù)等整個(gè)系統(tǒng)的基礎(chǔ)性能；2) 應(yīng)用組件層主要包括質(zhì)量檢測(cè)核心模塊、人臉檢和背景替換等核心技術(shù)；3) 平臺(tái)應(yīng)用層主要是開放給用戶的各種操作界面和功能模塊，提供客戶端和服務(wù)器端版本.數(shù)據(jù)庫(kù)管理系統(tǒng)采用Oracle，從而支持海量人像照片的存儲(chǔ).數(shù)據(jù)庫(kù)操作采用DAO實(shí)現(xiàn).DAO層是使用了hibernate連接數(shù)據(jù)庫(kù)、操作數(shù)據(jù)庫(kù).

核心算法采用JNI(Javanativeinterface[14])技術(shù)實(shí)現(xiàn)，實(shí)現(xiàn)Java語(yǔ)言和其他語(yǔ)言寫的代碼交互[14].系統(tǒng)首先采用C++生成動(dòng)態(tài)鏈接庫(kù).然后通過(guò)JNI技術(shù)調(diào)用動(dòng)態(tài)鏈接庫(kù)完成質(zhì)量檢測(cè).系統(tǒng)運(yùn)行結(jié)果如圖7所示.

圖7 社保數(shù)據(jù)零星采集系統(tǒng)運(yùn)行截圖Fig.7 The screenshot of the run of social security data scattered collection

3 結(jié) 論

針對(duì)已有社保系統(tǒng)無(wú)法對(duì)上傳照片質(zhì)量進(jìn)行智能分析問(wèn)題，提出了基于人臉特征點(diǎn)檢測(cè)和圖像穩(wěn)定性的人像質(zhì)量檢測(cè)算法，該算法可根據(jù)社保質(zhì)量標(biāo)準(zhǔn)對(duì)照片合格性進(jìn)行判斷.另外一方面，在已有網(wǎng)絡(luò)開發(fā)技術(shù)基礎(chǔ)上開發(fā)了支持人像質(zhì)量檢測(cè)的社保數(shù)據(jù)采集系統(tǒng).系統(tǒng)解決了用戶上傳照片的質(zhì)量評(píng)判標(biāo)準(zhǔn)問(wèn)題，極大地方便了用戶和社保單位，提高了工作效率.目前，現(xiàn)有社保數(shù)據(jù)采集系統(tǒng)都只是局限在數(shù)據(jù)采集和管理，無(wú)法支持在線認(rèn)證功能.近年來(lái)，隨著深度學(xué)習(xí)技術(shù)的飛速發(fā)展，通過(guò)人臉識(shí)別技術(shù)實(shí)現(xiàn)社保業(yè)務(wù)系統(tǒng)的身份認(rèn)證已經(jīng)成為可能.因此，在后續(xù)工作中，需要重點(diǎn)研究人臉識(shí)別和活體檢測(cè)技術(shù)，對(duì)現(xiàn)有社保業(yè)務(wù)系統(tǒng)進(jìn)一步升級(jí)和智能化，從而使業(yè)務(wù)系統(tǒng)支持在線認(rèn)證，使社保用戶在家就完成社保認(rèn)證，方便用戶操作.

[1] 殷生勇.筑牢社保信息安全“防火墻”[J].中國(guó)人力資源社會(huì)保障，2010(8)：36-37.

[2] 趙錫銘.金保工程建設(shè)情況和下一步構(gòu)想[J].電子政務(wù)，2008(Z1)：21-22.

[3] 徐慧瓊.基于J2EE標(biāo)準(zhǔn)的社保統(tǒng)一征繳MIS的設(shè)計(jì)[J].機(jī)械工程與自動(dòng)化，2012(4)：47-48.

[4] 薛成龍.面向社保業(yè)務(wù)的信息采集與認(rèn)證系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].哈爾濱：哈爾濱工業(yè)大學(xué),2013.

[5] 楊文.基于Tuxedo和.NET架構(gòu)的社會(huì)保障信息系統(tǒng)關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué),2006.

[6] 陳園園,陶飛.社保信息系統(tǒng)中數(shù)據(jù)遷移的實(shí)現(xiàn)[J].蘇州市職業(yè)大學(xué)學(xué)報(bào),2011,22(2):27-30.

[7] 黃曉梅.構(gòu)件技術(shù)在可重構(gòu)的社保系統(tǒng)核心平臺(tái)中的研究與應(yīng)用[D].南京：南京航空航天大學(xué),2004.

[8] 張平.社保聯(lián)網(wǎng)審計(jì)系統(tǒng)中關(guān)鍵技術(shù)的研究[D].哈爾濱：哈爾濱工程大學(xué),2006.

[9] 張劍華,張自然,汪曉妍,等.基于結(jié)構(gòu)顯著性的醫(yī)學(xué)圖像質(zhì)量評(píng)價(jià)[J].浙江工業(yè)大學(xué)學(xué)報(bào),2015,43(6):636-641.

[10] 于愛華,白煌,孫斌斌,等.基于優(yōu)化投影矩陣的人臉識(shí)別技術(shù)研究[J].浙江工業(yè)大學(xué)學(xué)報(bào),2016,44(4):392-398..

[11] 張美玉,侯向輝,任煒彬,等.基于非線性最小乘的人臉姿態(tài)估計(jì)算法[J].浙江工業(yè)大學(xué)學(xué)報(bào),2016,44(1):34-38.

[12]XIONGX,DEITF.Superviseddescentmethodanditsapplicationstofacealignment[C]//ComputerVisionandPatternRecognition.LosAlamitos:IEEEComputerSocietyPress,2013:532-539.

[13]CHENGM,MITRANJ,HUANGX,etal.Globalcontrastbasedsalientregiondetection[J].IEEEtransactionsonpatternanalysis&machineintelligence,2015,37(3):409-416.

[14]DEVEGOWDAA,PALANIAPPANS,VERMAA.TrackingspecificJavanativeinterfaceinvocationsofsystemandlibrarycalls[J].Medicalphysics,2015,38(6):3608.

(責(zé)任編輯：陳石平)

Portrait image quality assessment algorithm combined with supervised descent optimization and saliency

DAI Jinfeng1, LIU Zhi2, JIANG Huihui2, YAN Zhiwen3
(1.Yangzhong Bureau of human resources and social security, Zhenjiang 212200, China;2.College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China;3.Fuyang High school, Hangzhou 311499, China)

Focusing on the problem that because of lacking of image quality assessment, the social security portrait collection system can not get standardized portrait image to make the cards, an image quality assessment algorithm is proposed in this paper. Firstly, the supervised descent optimization algorithm is used to detect face feature points. Secondly, the standard of social security portrait is used to analyze the image size based on detected feature points. Finally, the saliency method is used to detect the image background in order to judge whether the background is qualified or not. Experiment results show the proposed algorithm can automatically detect the unqualified portrait images. It can solve the problem that the uploaded images cannot be used to make cards due to unqualified images. In addition, the JNI technology and MVC design pattern are used to develop the social security data acquisition system.

social security data collection; portrait quality assessment; supervised descent optimization algorithm; saliency analysis

2016-09-26

浙江省自然科學(xué)基金資助項(xiàng)目(LY16F020033)

戴金鋒(1966—)，男，江蘇揚(yáng)中人，高級(jí)工程師，主要從事社保業(yè)務(wù)系統(tǒng)分析與設(shè)計(jì)，E-mail: 19531661@qq.com.

TP391

A

1006-4303(2017)02-0179-05