CN105139404A - 一种可检测拍摄质量的证照相机及拍摄质量检测方法 - Google Patents

Abstract

本发明公开了一种可检测拍摄质量的证照相机及拍摄质量检测方法，所述证照相机包括信息获取模块、质量检测模块、评分模块、质量总评分计算模块和拍摄建议模块；所述方法包括：获取证件照片的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息；根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测；对各项评分维度的质量检测结果进行评分，得到各项评分维度的得分值；根据各项评分维度的得分值，以及得分比重，计算证件照片的质量总评分；根据证件照片的质量总评分，给出专业的拍摄建议。本发明可以确保通过检测的证件照片都能符合证件照片相关标准要求。

Description

一种可检测拍摄质量的证照相机及拍摄质量检测方法

技术领域

本发明涉及一种可检测拍摄质量的证照相机及拍摄质量检测方法，属于证件照片拍摄及处理技术领域。

背景技术

证件照片是指如身份证、护照、香港通行证、澳门通行证、台湾通行证、出国签证、居住证、社保卡等法定证件制作使用的照片，都有其标准的要求，如：

第二代居民身份证数字相片技术标准：《GA461-2004居民身份证制证用数字相片技术要求》；

机动车驾驶证数字相片技术标准：《GA482-2012中华人民共和国机动车驾驶证件》；

出入境证件数字相片技术标准：《GA/T1180-2014出入境证件数字相片技术要求》。

这些标准要求的项目众多且细碎，人们一般难以对这些标准完全理解，执行起来更是十分困难，拍摄效果更是因人而异，照片质量参差不齐。然而，目前都只是由专业的人员对图片质量进行人工把关，市面上尚未有一款软件能够自动完成对这些照片的质量检测，因此，普通用户在智能终端上拍摄照片后却无从得知其所拍摄出来的照片是否符合证件照片的执行标准。

发明内容

本发明的目的是为了解决上述现有技术的缺陷，提供了一种可检测拍摄质量的证照相机，该证照相机通过获取拍摄后证件照片的信息，对各项评分维度进行逐项质量检测，确保通过检测的证件照片都能符合证件照片相关标准要求。

本发明的另一目的在于提供一种人像姿势检测方法。

本发明的目的可以通过采取如下技术方案达到：

一种可检测拍摄质量的证照相机，所述证照相机包括：

信息获取模块，用于根据拍摄成像的证件照片，获取文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息；

质量检测模块，用于根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测；其中，各项评分维度为根据政府公安行业标准制定的检测标准；

评分模块，用于根据各项评分维度的预设分值，对各项评分维度的质量检测结果进行评分，得到各项评分维度的得分值；

质量总评分计算模块，用于根据各项评分维度的得分值，以及得分比重，计算证件照片的质量总评分；

拍摄建议模块，用于根据证件照片的质量总评分，给出专业的拍摄建议。

进一步的，所述信息获取模块包括：

文件属性信息获取单元，用于获取证件照片的文件属性信息；其中，所述文件属性信息包括拍摄时间、彩色位数、文件后缀、文件容量和图像像素；

人像特征信息获取单元，用于获取证件照片的人像特征信息；其中，所述人像特征数据包括眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓、头顶和下巴特征数据；

背景信息获取单元，用于在背景未替换时，将证件照片转换为Lab色彩空间图像，对Lab色彩空间图像，读取前景区域的每个像素，建立前景色度的混合高斯模型；对背景区域的每个像素，获取背景色度的直方图，计算背景色度的直方图与前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P；或用于在背景替换成标准背景时，对证件照片采用边缘检测技术检测出人像轮廓，获取证件照片人像轮廓以外的背景信息；

亮度信息获取单元，用于获取证件照片的亮度直方图，对亮度直方图进行数据分析，计算亮度异常系数K₁和平均亮度偏移值DA；

色度信息获取单元，用于将证件照片转换为Lab色彩空间图像，统计每个像素在Lab色彩空间图像的a轴和b轴的色度平均值Da和Db，根据色度平均值Da和Db，计算色偏系数K₂；

清晰度信息获取单元，用于将证件照片转换为灰度图像，计算清晰度系数DR。

进一步的，所述质量检测模块包括：

拍摄时间检测单元，用于从文件属性信息中获取拍摄时间，判断是否在预设的近期时间内拍摄，若是，则判断是否为彩色照片，若是，则符合要求；

彩色位数检测单元，用于从文件属性信息中获取彩色位数，判断是否不低于24位，若是，则符合要求；

压缩品质检测单元，用于从文件属性信息中获取文件后缀，判断文件是否为压缩文件，当文件为压缩文件时，判断是否为JPEG压缩，若是，判断压缩品质是否符合相应证件照的要求；

文件容量检测单元，用于从文件属性信息中获取文件容量，判断文件容量是否大于相应证件照的预设值，若是，则符合要求；

图像像素检测单元，用于从文件属性信息中获取图像像素，判断图像像素是否符合相应证件照的要求；

背景检测单元，用于在背景未替换时，从背景信息中获取标准均方值P，判断标准均方值P是否大于预设均方值，若否，则符合要求；或用于在背景替换成标准背景时，判断获取的背景信息是否符合相应证件照的要求；

边框特征检测单元，用于采用边缘检测技术，检测证件照片四周是否有规则的边框特征，若无，则符合要求；

亮度检测单元，用于从亮度信息中获取亮度异常系数K₁和平均亮度偏移值DA，若亮度异常系数K₁小于1，则亮度正常，符合要求；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA大于0，则亮度过亮；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA小于0，则亮度过暗；

色度检测单元，用于从色度信息中获取色偏系数K₂、色度平均值Da和Db，若色偏系数K₂小于1，则色度正常，符合要求；若色偏系数K₂大于或等于1，在色度平均值Da大于0时，表示偏红，在色度平均值Da小于0时，表示偏绿，在色度平均值Db大于0时，表示偏黄，在色度平均值Db小于0时，表示偏蓝；

清晰度检测单元，用于从清晰度信息中获取清晰度系数DR，若清晰度系数DR大于预设清晰度系数值，则说明清晰，符合要求；

五官检测单元，用于从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，将获取的眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，与预设的标准特征进行比对，判断五官是否齐全，若是，则符合要求；

人脸轮廓检测单元，用于从人像特征信息中获取人脸轮廓特征数据，检测人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度，若差异度大于预设值，则发生畸变，若差异度小于或等于预设值，则符合要求；其中，所述人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度通过非重叠面积和重叠面积的比值计算；

人像姿态检测单元，用于从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓特征数据，判断人像姿态是否端正，若是，则符合要求；

头像大小及位置检测单元，用于从人像特征信息中获取眼睛、耳朵、头顶和下巴特征数据，对眼睛、耳朵、头顶和下巴特征数据进行关联性计算，得到头部宽像素、头部高像素、双眼距离像素、眼睛所在位置距上/下边缘距离像素以及头顶发迹距证件照片上边缘像素，将这些数据与相应证件照的参数进行比对，判断是否符合要求。

进一步的，所述人像姿态检测单元包括：

人脸状态检测子单元，用于根据获取的眼睛、鼻子、嘴巴和人脸轮廓特征数据，判断人脸是否端正，若是，则符合要求；

肩部状态检测子单元，用于根据获取的躯干轮廓特征数据，判断肩部是否齐平，若是，则符合要求；

眼睛睁开宽度检测子单元，用于根据获取的眼睛特征数据，计算眼睛中间睁开部分的宽度，若宽度大于预设值，则符合要求；

嘴巴闭合张开检测子单元，用于根据获取的嘴巴特征数据，采用边缘检测技术，判断嘴巴上下嘴唇中间是否为一条曲线，若是，则说明嘴巴闭合，符合要求，若否，则说明嘴巴张开；

免冠检测子单元，用于根据获取的人像轮廓特征数据，检测人像轮廓特征数据与预设的人像轮廓特征之间的差异度，若差异度小于预设值，且头部色彩无明显分割，则说明免冠，符合要求；

红眼检测子单元，用于根据获取的眼睛特征数据，计算眼睛的色偏系数K₃和色度平均值Da1，若色偏系数K₃小于1，则眼睛色度正常，符合要求；若色偏系数K₃大于或等于1，且色度平均值Da1大于0时，则存在红眼；

妆彩检测子单元，用于根据获取的人脸轮廓、眼睛和嘴巴特征数据，检测脸部的色彩偏差值、眼脸部位的色彩偏差值、嘴巴部位的色彩偏差值，若其中之一的色彩偏差值大于预设的偏差值，则说明有浓妆；若三者的色彩偏差值均小于或等于预设的偏差值，则说明无浓妆，符合要求；

脸部检测子单元，用于获取脸部轮廓特征数据，检测脸部轮廓特征数据与预设的脸部轮廓特征之间的差异度，若差异度小于预设值，则头发不遮住脸部，符合要求。

进一步的，所述人脸状态检测子单元判断人脸是否端正，具体包括：

根据眼睛特征数据，生成两眼连线，计算两眼连线和证件照片水平方向的夹角，判断该夹角是否超出预设范围，若否，则说明正视摄像头；

根据眼睛、鼻子和嘴巴特征数据，获得两眼连线的中心点坐标，获得鼻子的中心坐标，获得嘴巴的中心坐标，对三个点做直线拟合得到直线LC，计算该直线LC和证件照片垂直方向的夹角，判断该夹角是否超出预设范围，若否，则说明头部垂直；

根据人脸轮廓特征数据，获得人脸区域垂直方向的中心线FLC，计算人脸区域垂直方向的中心线FLC和直线LC的距离DC，计算该距离DC和人脸区域宽度的比例，判断该比例是否超出预设范围，若否，则说明人脸水平居中；

当正视摄像头、头部垂直和人脸水平居中时，判断人脸端正，符合要求。

进一步的，所述肩部状态检测子单元判断肩部是否齐平，具体包括：

对躯干轮廓坐标数组，拟合为一个多边形，计算多边形的重心得到重心的坐标(X1，Y1)，计算X1和证件照片垂直重心线的距离Dweight，计算距离Dweight和证件照片宽度WF的比例，判断该比例是否超出预设范围；

对躯干轮廓坐标数组，采用最小外接矩形算法，得到一个最小矩形，计算矩形垂直重心线和证件照片垂直重心线的夹角，判断该夹角是否超出预设范围；

若距离Dweight和证件照片宽度WF的比例、矩形垂直重心线和证件照片垂直重心线的夹角都没有超出预设范围，则肩部齐平，符合要求。

本发明的另一目的可以通过采取如下技术方案达到：

一种拍摄质量检测方法，应用于证照相机中，所述方法包括：

所述证照相机根据拍摄成像的证件照片，获取文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息；

所述证照相机根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测；其中，各项评分维度为根据政府公安行业标准制定的检测标准；

所述证照相机根据各项评分维度的预设分值，对各项评分维度的质量检测结果进行评分，得到各项评分维度的得分值；

所述证照相机根据各项评分维度的得分值，以及得分比重，计算证件照片的质量总评分；

所述证照相机根据证件照片的质量总评分，给出专业的拍摄建议。

进一步的，所述证照相机根据拍摄成像的证件照片，获取文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，具体包括：

获取证件照片的文件属性信息；其中，所述文件属性信息包括拍摄时间、彩色位数、文件后缀、文件容量和图像像素；

获取证件照片的人像特征信息；其中，所述人像特征数据包括眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓、头顶和下巴特征数据；

在背景未替换时，将证件照片转换为Lab色彩空间图像，对Lab色彩空间图像，读取前景区域的每个像素，建立前景色度的混合高斯模型；对背景区域的每个像素，获取背景色度的直方图，计算背景色度的直方图与前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P；或在背景替换成标准背景时，对证件照片采用边缘检测技术检测出人像轮廓，获取证件照片人像轮廓以外的背景信息；

获取证件照片的亮度直方图，对亮度直方图进行数据分析，计算亮度异常系数K₁和平均亮度偏移值DA；

将证件照片转换为Lab色彩空间图像，统计每个像素在Lab色彩空间图像的a轴和b轴的色度平均值Da和Db，根据色度平均值Da和Db，计算色偏系数K₂；

将证件照片转换为灰度图像，计算清晰度系数DR。

进一步的，所述证照相机根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测，具体包括：

从文件属性信息中获取拍摄时间，判断是否在预设的近期时间内拍摄，若是，则判断是否为彩色照片，若是，则符合要求；

从文件属性信息中获取彩色位数，判断是否不低于24位，若是，则符合要求；

从文件属性信息中获取文件后缀，判断文件是否为压缩文件，当文件为压缩文件时，判断是否为JPEG压缩，若是，判断压缩品质是否符合相应证件照的要求；

从文件属性信息中获取文件容量，判断文件容量是否大于相应证件照的预设值，若是，则符合要求；

从文件属性信息中获取图像像素，判断图像像素是否符合相应证件照的要求；

在背景未替换时，从背景信息中获取标准均方值P，判断标准均方值P是否大于预设均方值，若否，则符合要求；或用于在背景替换成标准背景时，判断获取的背景信息是否符合相应证件照的要求；

采用边缘检测技术，检测证件照片四周是否有规则的边框特征，若无，则符合要求；

从亮度信息中获取亮度异常系数K₁和平均亮度偏移值DA，若亮度异常系数K₁小于1，则亮度正常，符合要求；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA大于0，则亮度过亮；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA小于0，则亮度过暗；

从色度信息中获取色偏系数K₂、色度平均值Da和Db，若色偏系数K₂小于1，则色度正常，符合要求；若色偏系数K₂大于或等于1，在色度平均值Da大于0时，表示偏红，在色度平均值Da小于0时，表示偏绿，在色度平均值Db大于0时，表示偏黄，在色度平均值Db小于0时，表示偏蓝；

从清晰度信息中获取清晰度系数DR，若清晰度系数DR大于预设清晰度系数值，则说明清晰，符合要求；

从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，将获取的眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，与预设的标准特征进行比对，判断五官是否齐全，若是，则符合要求；

从人像特征信息中获取人脸轮廓特征数据，检测人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度，若差异度大于预设值，则发生畸变，若差异度小于或等于预设值，则符合要求；其中，所述人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度通过非重叠面积和重叠面积的比值计算；

从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓特征数据，判断人像姿态是否端正，若是，则符合要求；

从人像特征信息中获取眼睛、耳朵、头顶和下巴特征数据，对眼睛、耳朵、头顶和下巴特征数据进行关联性计算，得到头部宽像素、头部高像素、双眼距离像素、眼睛所在位置距上/下边缘距离像素以及头顶发迹距证件照片上边缘像素，将这些数据与相应证件照的参数进行比对，判断是否符合要求。

进一步的，所述判断人像姿态是否端正，具体包括：

根据获取的眼睛、鼻子、嘴巴和人脸轮廓特征数据，判断人脸是否端正，若是，则符合要求；

根据获取的躯干轮廓特征数据，判断肩部是否齐平，若是，则符合要求；

根据获取的眼睛特征数据，计算眼睛中间睁开部分的宽度，若宽度大于预设值，则符合要求；

根据获取的嘴巴特征数据，采用边缘检测技术，判断嘴巴上下嘴唇中间是否为一条曲线，若是，则说明嘴巴闭合，符合要求，若否，则说明嘴巴张开；

根据获取的人像轮廓特征数据，检测人像轮廓特征数据与预设的人像轮廓特征之间的差异度，若差异度小于预设值，且头部色彩无明显分割，则说明免冠，符合要求；

根据获取的眼睛特征数据，计算眼睛的色偏系数K₃和色度平均值Da1，若色偏系数K₃小于1，则眼睛色度正常，符合要求；若色偏系数K₁大于或等于1，且色度平均值Da1大于0时，则存在红眼；

根据获取的人脸轮廓、眼睛和嘴巴特征数据，检测脸部的色彩偏差值、眼脸部位的色彩偏差值、嘴巴部位的色彩偏差值，若其中之一的色彩偏差值大于预设的偏差值，则说明有浓妆；若三者的色彩偏差值均小于或等于预设的偏差值，则说明无浓妆，符合要求；

获取脸部轮廓特征数据，检测脸部轮廓特征数据与预设的脸部轮廓特征之间的差异度，若差异度小于预设值，则头发不遮住脸部，符合要求。

进一步的，所述判断人脸是否端正，具体包括：

根据眼睛特征数据，生成两眼连线，计算两眼连线和证件照片水平方向的夹角，判断该夹角是否超出预设范围，若否，则说明正视摄像头；

根据眼睛、鼻子和嘴巴特征数据，获得两眼连线的中心点坐标，获得鼻子的中心坐标，获得嘴巴的中心坐标，对三个点做直线拟合得到直线LC，计算该直线LC和证件照片垂直方向的夹角，判断该夹角是否超出预设范围，若否，则说明头部垂直；

根据人脸轮廓特征数据，获得人脸区域垂直方向的中心线FLC，计算人脸区域垂直方向的中心线FLC和直线LC的距离DC，计算该距离DC和人脸区域宽度的比例，判断该比例是否超出预设范围，若否，则说明人脸水平居中；

当正视摄像头、头部垂直和人脸水平居中时，判断人脸端正，符合要求。

进一步的，所述判断肩部是否齐平，具体包括：

对躯干轮廓坐标数组，拟合为一个多边形，计算多边形的重心得到重心的坐标(X1，Y1)，计算X1和证件照片垂直重心线的距离Dweight，计算距离Dweight和证件照片宽度WF的比例，判断该比例是否超出预设范围；

对躯干轮廓坐标数组，采用最小外接矩形算法，得到一个最小矩形，计算矩形垂直重心线和证件照片垂直重心线的夹角，判断该夹角是否超出预设范围；

若距离Dweight和证件照片宽度WF的比例、矩形垂直重心线和证件照片垂直重心线的夹角都没有超出预设范围，则肩部齐平，符合要求。

本发明相对于现有技术具有如下的有益效果：

1、本发明的证照相机及方法根据政府公安行业标准制定了各项评分维度，并建立不同类型证件照的标准数据库，通过获取拍摄后证件照片的信息(如文件属性信息、人像特征信息、背景信息、亮度信息、色度信息、清晰度信息)，对各项评分维度进行逐项质量检测，确保通过检测的证件照片都能符合证件照片相关标准要求。

2、本发明的证照相机及方法制定的评分维度共有14项，分别是：是否为近期彩色照片、是否不低于24位RGB真彩色、是否为JPEG压缩技术且压缩品质是否符合要求、文件容量是否符合要求、成像图像高宽像素是否符合要求、背景颜色是否符合要求、照片四周是否无边框、图像是否清晰、五官是否可见、人脸轮廓是否无明显畸变、亮度是否均匀充足、图像是否无色差、姿态是否端正、头像大小及位置是否符合要求，可见实现了对拍摄后证件照片的全面检测，使证件照片的质量检测达到客观准确的要求。

3、本发明的证照相机及方法能自动检测拍摄成像后的证件照片的拍摄质量，通过打分和拍摄建议机制，让不满足要求的证件照片在源头处截断，节省了后续人工逐项检测的时间，提高检测效率。

附图说明

图1为本发明实施例1的证照相机功能模块图。

图2为本发明实施例1的人像姿态检测单元结构图。

图3为本发明实施例2的拍摄质量检测方法流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例1：

证照相机是安装在智能终端上的APP(Application，应用程序)，它可以有Android版本和iOS版本，负责拍摄出一幅符合证件制作使用的证照原图，证照原图是指由用户通过证照相机实时拍摄所得，按照证照标准裁剪图像有用区域，且色彩、亮度、背景、人物生物特征等图像信息未经任何处理的图像数据。

本实施例的证照相机针对的是已拍摄成像的证件照片，可以对证件照片进行质量检测，主要根据政府公安行业标准制定了各项评分维度，并建立不同类型证件照的标准数据库，将获取的证件照片数据信息与数据库的数据进行比对，逐项检测评估是否符合要求，并依据检测结果计算出质量总评分，当质量总评分的分值达不到预设值(如60分)时，则建议重新拍摄。

因此，本实施例的证照相机包括信息获取模块、质量检测模块、评分模块、质量总评分计算模块和拍摄建议模块，如图1所示；各个模块的具体功能如下：

所述信息获取模块，用于根据拍摄成像的证件照片，获取文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息；该信息获取模块包括：

文件属性信息获取单元，用于获取证件照片的文件属性信息；其中，所述文件属性信息包括拍摄时间、彩色位数、文件后缀、文件容量和图像像素；

人像特征信息获取单元，用于获取证件照片的人像特征信息；其中，所述人像特征数据包括眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓、头顶和下巴特征数据；人像特征信息的提取可以如下方式：

1)将证件照片转换为灰度图像；

2)对灰度图像进行上半身特征数据区域检测，当检测到上半身特征数据区域时，将该区域像素信息保存为上半身区域矩形数据结构，并对灰度图像设置上半身ROI区域，记为ROIB；

3)对ROIB进行人脸轮廓特征数据区域检测，当检测到人脸轮廓特征数据区域时，将该区域像素信息保存为人脸轮廓区域矩形数据结构，并对灰度图像设置人脸轮廓ROI区域，记为ROIF；

4)对ROIF的特定区域进行双眼特征数据区域检测，当检测到双眼特征数据区域时，将该区域像素信息保存为双眼区域矩形数据结构，并获取眼睛的坐标，以眼睛的Y轴最低点为新的ROI区域顶部，对人脸轮廓特征数据区域取眼睛以下的区域，设置为鼻子目标ROI区域，记为ROIN；

5)对ROIF进行双耳特征数据区域检测，当检测到双耳特征数据区域时，将该区域像素信息保存为双耳区域矩形数据结构；

6)对ROIN进行鼻子特征数据区域检测，当检测到鼻子特征数据区域时，将该区域像素信息保存为鼻子区域矩形数据结构，以鼻子区域矩形数据结构的底边作为新的ROI区域的顶边，对人脸轮廓特征数据区域取鼻子以下区域，设置为嘴巴目标ROI区域，记为ROIM；

7)对ROIM进行嘴巴特征数据区域检测，当检测到嘴巴特征数据区域时，将该区域像素信息保存为嘴巴区域矩形数据结构；

8)对ROIB的区域，裁去ROIF的区域，得到躯干轮廓特征数据区域ROIMB，将该区域像素信息保存为躯干轮廓区域矩形数据结构；

9)对ROIF进行边缘检测，得到头部轮廓区域范围内的信号突变边缘的线段，然后对该头部边缘线段结果进行头部凸包轮廓检测，将头部凸包轮廓检测获得的关键点的坐标存为头部轮廓数组；

10)对ROIMB进行边缘检测，得到躯干轮廓区域范围内的信号突变边缘的线段，然后对该躯干边缘线段结果进行躯干凸包轮廓检测，将躯干凸包轮廓检测获得的关键点的坐标存为躯干轮廓数组；

11)将头部轮廓数组和躯干轮廓数组合并在一起，形成人像轮廓数组。

通过上述人像特征的提取，即得到眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓特征数据，根据眼睛位置可以得到头顶特征数据，这部分在别的专利文件中有详细介绍，在此不再赘述，下巴的特征数据也是根据同样的原理获得的。

背景信息获取单元，用于在背景未替换时，将证件照片转换为Lab色彩空间图像，对Lab色彩空间图像，读取前景区域的每个像素，建立前景色度的混合高斯模型；对背景区域的每个像素，获取背景色度的直方图，计算背景色度的直方图与前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P；或用于在背景替换成标准背景时，对证件照片采用边缘检测技术检测出人像轮廓，获取证件照片人像轮廓以外的背景信息；

亮度信息获取单元，用于获取证件照片的亮度直方图，对亮度直方图进行数据分析，计算亮度异常系数K₁和平均亮度偏移值DA，具体包括：

1)从证件照片的图像矩阵中读出每个像素的亮度值(Y分量，Y(n))，统计每个亮度0～255的像素个数，128为中间值，得到证件照片的亮度直方图；

2)对亮度直方图进行数据分析，计算亮度综合值：

$SumDA=\underset{0\&le;row<rows}{\underset{0\&le;col<cols}{\&Sigma;}}\left(Y\right(col,row)-128)$

其中，常量128为亮度偏移值；col为证件照片的图像矩阵的列，cols为最大的列；row为证件照片的图像矩阵的行，rows为最大的行；Y(row，col)为证件照片的图像矩阵中某一点的亮度值；SumDA为每个像素相对128的亮度偏移总和；

3)对求得的亮度偏移总和对像素总数求平均，得到平均亮度偏移值，表示为DA：

DA＝SumDA/(cols*rows)

取平均亮度偏移值DA的绝对值，记得D₁：

D₁＝abs(DA)

4)亮度直方图为一个数组HIST[i]，下标为亮度值，范围为0到255，单元值为该亮度值的像素个数，得到：

$Mda={\&Sigma;}_{i=0}^{255}abs(i-128-DA)*HIST\&lsqb;i\&rsqb;$

其中，Mda为亮度直方图每个亮度等级的亮度偏移值总和；

5)对Mda取绝对值，并求平均值：

M₁＝abs(Mda)/(cols*rows)

6)根据M₁、D₁，求得亮度异常系数：

K₁＝D₁/M₁

其中，K₁为亮度异常系数。

色度信息获取单元，用于将证件照片转换为Lab色彩空间图像，统计每个像素在Lab色彩空间图像的a轴和b轴的色度平均值Da和Db，根据色度平均值Da和Db，计算色偏系数K₂，具体包括：

1)将证件照片转换为Lab色彩空间图像，采用下式统计每个像素在Lab色彩空间图像的a轴和b轴的色度平均值Da(红/绿色偏估计值)和Db(黄/蓝色偏估计值)：

$Da=\left(\underset{0\&le;row<rows}{\underset{0\&le;col<cols}{\&Sigma;}}\right(Vec3b(row,col)\&lsqb;1\&rsqb;-128\left)\right)/(cols*rows)$

$Db=\left(\underset{0\&le;row<rows}{\underset{0\&le;col<cols}{\&Sigma;}}\right(Vec3b(row,col)\&lsqb;2\&rsqb;-128\left)\right)/(cols*rows)$

其中，Vec3b(row，col)为读取一个像素的Lab色彩空间上的结构体，它的第一位是亮度值，第二位是Lab的a轴值，第三位是Lab的b轴值；col为Lab色彩空间图像矩阵的列，cols为最大的列；row为Lab色彩空间图像的行，rows为最大的行；常量128为亮度偏移值；

2)计算a轴和b轴平均值的方差值D₂：

$D_2=\sqrt{{\mathrm{Da}}^2+{\mathrm{Db}}^2}$

3)计算图像在a轴和b轴上的亮度直方图HIST_A和HIST_B，两组亮度直方图分别有256个统计值；

4)求a轴和b轴色差的平均值Ma和Mb：

$Ma={\&Sigma;}_{i=0}^{255}(abs(i-128-Da)*HIST\_A\&lsqb;i\&rsqb;)/cols*rows$

$Mb={\&Sigma;}_{i=0}^{255}(abs(i-128-Db)*HIST\_B\&lsqb;i\&rsqb;)/cols*rows$

5)求色偏总值M₂：

$M_2=\sqrt{{\mathrm{Ma}}^2+{\mathrm{Mb}}^2}$

6)根据方差值D₂和色偏总值M₂，求得色偏系数：

K₂＝D₂/M₂

其中，K₂为色偏系数。

清晰度信息获取单元，用于将证件照片转换为灰度图像，计算清晰度系数DR，具体包括：

1)将证件照片转换为灰度图像，清晰度计算是基于灰度的基础上实施计算，清晰度也可以表述为视觉锐度，是人对看到的图像锐利程度的感觉，经过大量的实验和研究分析，公认的概念是，视觉锐度由分辨率和物体边缘轮廓反差两个因素组成。视觉锐度是过渡的陡度(斜率)，等于输出亮度的变化除以位置的变化；

为了简化计算，采用计算水平相邻的两个像素的亮度过度斜率和垂直相邻的四个像素的亮度插值的平均值，作为评价清晰度的测量指标；

2)对于一个灰度图像，假设像素为以下矩阵：

ABX

CDX

XXX

相邻点为A、B、C和D；

3)以相邻四点在水平方向和垂直方向的亮度差为直角三角形的两条直角边，计算相邻四点在水平方向和垂直方向的亮度变化曲率：

$\mathrm{\&theta;}1=\sqrt{{(B-A)}^2+{(C-A)}^2}$

以及与A相邻两点的亮度差：

Δ1＝abs(B-A)+abs(C-A)

4)采用下式计算灰度图矩阵中每个点与它相邻点的亮度差异平均值：

$DR=\left({\&Sigma;}_{{}_{0\&le;row<rows}^{0\&le;col<cols}}\right(\mathrm{\&theta;}(row,col)+\mathrm{\&Delta;}(row,col)\left)\right)/(cols*rows)$

其中，θ(row，col)为相邻四点在水平方向和垂直方向的亮度变化曲率，Δ(row，col)为与某一点相邻两点的亮度差，col为灰度图矩阵的列，cols为最大的列；row为灰度图矩阵的行，rows为最大的行，DR为清晰度系数。

所述质量检测模块，用于根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测；其中，各项评分维度为根据政府公安行业标准制定的检测标准，包括14大项，各项评分维度的检测顺序可以由用户自行设置，分别是：1)是否为近期彩色照片；2)是否不低于24位RGB真彩色；3)是否为JPEG压缩技术，且压缩品质是否符合要求；4)文件容量是否符合要求；5)成像图像高宽像素是否符合要求；6)背景颜色是否符合要求；7)照片四周是否无边框；8)对焦是否准确，即图像是否清晰；9)人脸是否清晰、层次丰富，即五官是否可见；10)人脸轮廓是否无明显畸变；11)亮度是否均匀充足，脸部是否无阴影、亮斑；12)图像色彩是否均衡，皮肤是否呈现真实色调，即是否无色差；13)姿态是否端正；14)头像大小及位置是否符合要求；因此，该质量检测模块包括：

拍摄时间检测单元，用于从文件属性信息中获取拍摄时间，判断是否在预设的近期时间(一般设定为6个月，部分设定为3个月)内拍摄，若是，则判断是否为彩色照片，若是，则说明是近期彩色照片，符合要求；

彩色位数检测单元，用于从文件属性信息中获取彩色位数，判断是否不低于24位(即大于或等于24位)，若是，则符合要求；

压缩品质检测单元，用于从文件属性信息中获取文件后缀，判断文件是否为压缩文件，当文件为压缩文件时，判断是否为JPEG压缩，若是，判断压缩品质是否符合相应证件照的要求，例如：

【身份证/居住证/社保卡】压缩品质因子≥85；

【驾驶证】压缩品质因子≥85；

【出入境证】最大压缩倍数不超过25倍；

若满足上述标准，则证明压缩品质符合要求。

文件容量检测单元，用于从文件属性信息中获取文件容量，判断文件容量是否大于相应证件照的预设值，若是，则符合要求；不同证件照的要求如下：

【身份证/居住证/社保卡】照片文件容量＞30K；

【驾驶证】照片文件容量＞30K；

【出入境证】照片文件容量＞80K。

图像像素检测单元，用于从文件属性信息中获取图像像素，判断图像像素是否符合相应证件照的要求；如下为不同证件照的要求：

【身份证/居住证/社保卡】成像图像高宽＞441(高)×358(宽)像素(满足制证dpi350以上，满足打印尺寸＞26mm*32mm)；

【驾驶证】成像图像高宽＞378(高)×260(宽)像素(满足制证dpi300以上，满足打印尺寸＞32mm*22mm)；

【出入境证】成像图像高宽＞640像素(高)×480像素(宽)像素(满足472～640像素<高>×354～480像素<宽>，满足宽高比3：4，满足制证dpi300以上，满足打印尺寸＞33mm*48mm)。

背景检测单元，用于在背景未替换时，从背景信息中获取标准均方值P，判断标准均方值P是否大于预设均方值(一般设定为50)，若否，则前景和背景色彩重叠程度较低，符合要求；或用于在背景替换成标准背景时，判断获取的背景信息是否符合相应证件照的要求，例如：

【身份证/居住证/社保卡】白色背景

【驾驶证】白色背景

【出入境证】广东蓝色背景，其他地区白色背景，白色背景色调值和饱和度值为0，亮度值为240；淡蓝色色调值为135，饱和度值为240，亮度值不小于167；

边框特征检测单元，用于采用边缘检测技术，检测证件照片四周是否有规则的边框特征，若无，则符合要求；

亮度检测单元，用于从亮度信息中获取亮度异常系数K₁和平均亮度偏移值DA，若亮度异常系数K₁小于1，则亮度正常，符合要求；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA大于0，则亮度过亮；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA小于0，则亮度过暗；

色度检测单元，用于从色度信息中获取色偏系数K₂、色度平均值Da和Db，若色偏系数K₂小于1，则色度正常，说明图像色彩均衡、皮肤呈现真实色调，符合要求；若色偏系数K₂大于或等于1，在色度平均值Da大于0时，表示偏红，在色度平均值Da小于0时，表示偏绿，在色度平均值Db大于0时，表示偏黄，在色度平均值Db小于0时，表示偏蓝；

清晰度检测单元，用于从清晰度信息中获取清晰度系数DR，若清晰度系数DR大于预设清晰度系数值(一般设定为14)，则说明清晰，对焦准确，符合要求；

五官检测单元，用于从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，将获取的眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，与预设的标准特征进行比对，判断五官是否齐全，若是，则符合要求；

人脸轮廓检测单元，用于从人像特征信息中获取人脸轮廓特征数据，检测人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度，若差异度大于预设值，则发生畸变，若差异度小于或等于预设值，则符合要求；其中，所述人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度通过非重叠面积和重叠面积的比值计算；

人像姿态检测单元，用于从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓特征数据，判断人像姿态是否端正，若是，则符合要求；

头像大小及位置检测单元，用于从人像特征信息中获取眼睛、耳朵、头顶和下巴特征数据，对眼睛、耳朵、头顶和下巴特征数据进行关联性计算，得到头部宽像素、头部高像素、双眼距离像素、眼睛所在位置距上/下边缘距离像素以及头顶发迹距证件照片上边缘像素，将这些数据与相应证件照的参数进行比对，判断是否符合要求。

其中，各种不同的证件照有不同的标准，如下：

【身份证/居住证/社保卡】头部宽207±14像素；眼睛所在位置距离相片下边沿距离≮207像素；头顶发迹距相片上边沿7～21像素

【驾驶证】头部宽165～189像素(满足打印尺寸14mm～16mm)；头部高度为224～260像素之间(满足打印尺寸19mm～22mm)；头顶发迹距相片上边沿10～20像素

【出入境证】头部宽度189～283像素(满足打印尺寸16mm～22mm，dpi300以上)；头部高度为354～402像素之间(满足打印尺寸30mm～34mm，dpi300以上)；瞳孔距离为0.231倍宽～0.333倍宽的像素；成人眼睛所在位置距照片上边沿0.301倍高～0.500倍高的像素(满足打印尺寸14mm～22mm，dpi300以上)；儿童眼睛所在位置距照片上边沿0.301倍高～0.600倍高的像素(满足打印尺寸14mm～26mm，dpi300以上)；头顶发迹距相片上边沿0.025倍高～0.074倍高的像素。

如图2所示，上述人像姿态检测单元，具体包括：

人脸状态检测子单元，用于根据获取的眼睛、鼻子、嘴巴和人脸轮廓特征数据，判断人脸是否端正，若是，则符合要求；判断人脸是否端正，具体包括：

根据眼睛特征数据，生成两眼连线，计算两眼连线和证件照片水平方向的夹角，判断该夹角是否超出预设范围，若否，则说明正视摄像头；

根据眼睛、鼻子和嘴巴特征数据，获得两眼连线的中心点坐标，获得鼻子的中心坐标，获得嘴巴的中心坐标，对三个点做直线拟合得到直线LC，计算该直线LC和证件照片垂直方向的夹角，判断该夹角是否超出预设范围，若否，则说明头部垂直；

根据人脸轮廓特征数据，获得人脸区域垂直方向的中心线FLC，计算人脸区域垂直方向的中心线FLC和直线LC的距离DC，计算该距离DC和人脸区域宽度的比例，判断该比例是否超出预设范围，若否，则说明人脸水平居中；

当正视摄像头、头部垂直和人脸水平居中时，判断人脸端正，符合要求。

肩部状态检测子单元，用于根据获取的躯干轮廓特征数据，判断肩部是否齐平，若是，则符合要求；判断肩部是否齐平，具体包括：

对躯干轮廓坐标数组，拟合为一个多边形，计算多边形的重心得到重心的坐标(X1，Y1)，计算X1和证件照片垂直重心线的距离Dweight，计算距离Dweight和证件照片宽度WF的比例，判断该比例是否超出预设范围；

对躯干轮廓坐标数组，采用最小外接矩形算法，得到一个最小矩形，计算矩形垂直重心线和证件照片垂直重心线的夹角，判断该夹角是否超出预设范围；

若距离Dweight和证件照片宽度WF的比例、矩形垂直重心线和证件照片垂直重心线的夹角都没有超出预设范围，则肩部齐平，符合要求。

眼睛睁开宽度检测子单元，用于根据获取的眼睛特征数据，计算眼睛中间睁开部分的宽度，若宽度大于预设值，则符合要求。

嘴巴闭合张开检测子单元，用于根据获取的嘴巴特征数据，采用边缘检测技术，判断嘴巴上下嘴唇中间是否为一条曲线，若是，则说明嘴巴闭合，符合要求，若否，则说明嘴巴张开。

免冠检测子单元，用于根据获取的人像轮廓特征数据，检测人像轮廓特征数据与预设的人像轮廓特征之间的差异度，若差异度小于预设值，且头部色彩无明显分割，则说明免冠，符合要求。

红眼检测子单元，用于根据获取的眼睛特征数据，计算眼睛的色偏系数K₃和色度平均值Da1(参照上述色偏系数K₂和色度平均值Da的计算过程)，若色偏系数K₃小于1，则眼睛色度正常，符合要求；若色偏系数K₃大于或等于1，且色度平均值Da1大于0时，则存在红眼。

妆彩检测子单元，用于根据获取的人脸轮廓、眼睛和嘴巴特征数据，检测脸部的色彩偏差值、眼脸部位的色彩偏差值、嘴巴部位的色彩偏差值，若其中之一的色彩偏差值大于预设的偏差值，则说明有浓妆；若三者的色彩偏差值均小于或等于预设的偏差值，则说明无浓妆，符合要求；脸部的色彩偏差值、眼脸部位的色彩偏差值、嘴巴部位的色彩偏差值的计算，可参照上述色偏系数K₂的计算过程。

脸部检测子单元，用于获取脸部轮廓特征数据，检测脸部轮廓特征数据与预设的脸部轮廓特征之间的差异度，若差异度小于预设值，则头发不遮住脸部，符合要求。

所述评分模块，用于根据各项评分维度的预设分值，对各项评分维度的质量检测结果进行评分，得到各项评分维度的得分值；本实施例的各项评分维度的预设分值如下：

1)是否为近期彩色照片，符合时单项为5分，不符合时单项得分＝(-40)分；

2)是否不低于24位RGB真彩色，符合时单项为5分，不符合时单项得分＝(-40)分；

3)是否为JPEG压缩技术，且压缩品质是否符合要求，符合时单项为5分，不符合时单项得分＝(-40)分；

4)文件容量是否符合要求，图像文件大小≥证件类型最低值，单项为5分，图像文件大小＜证件类型最低值时单项得分＝(-40)分；

5)成像图像高宽像素是否符合要求，成像图像高≥证件类型最低像素，宽≥证件类型最低像素，单项为10分，成像图像高＜证件类型最低像素，宽＜证件类型最低像素时，单项得分＝(-40)分；

6)背景颜色是否符合要求，符合时单项为5分，不符合时单项得分＝(-40)分；

7)照片四周是否无边框，符合时单项为5分，不符合时单项得分＝(-40)分；

8)对焦是否准确，即图像是否清晰，符合时单项为5分，不符合时单项得分＝(-40)分；

9)人脸是否清晰、层次丰富，符合时单项为5分，不符合时单项得分＝(-40)分；

10)人脸轮廓是否无明显畸变，符合时单项为5分，不符合时单项得分＝(-40)分；

11)亮度是否均匀充足，脸部是否无阴影、亮斑，符合时单项为5分，不符合时单项得分＝(-40)分；

12)图像色彩是否均衡，皮肤是否呈现真实色调，符合时单项为5分，不符合时单项得分＝(-40)分；

13)姿态是否端正，所有检测符合得15分，不符合时单项得分＝(-40)分；

14)头像大小及位置是否符合要求，所有检测符合时得20分，不符合时单项得分＝(-40)分；

所述质量总评分计算模块，用于根据各项评分维度的得分值，以及得分比重，计算证件照片的质量总评分；当总评分值低于0分时，总评分都按0分来记录和显示。

所述拍摄建议模块，用于根据证件照片的质量总评分，给出专业的拍摄建议，例如：

1)90-100分：高级摄影师：您的拍摄效果很棒，可以进入下一步！

2)80--89分：中级摄影师：您的拍摄效果很好，可以进入下一步！

3)60-79分：初级摄影师：您的拍摄效果一般，再拍一张试试。

4)0-59分：摄影菜鸟：您的拍摄效果欠佳，建议重新拍摄。

实施例2：

如图3所示，本实施例提供了一种拍摄质量检测方法，该方法针对的是拍摄成像，但未替换背景的证件照片的拍摄质量检测，其应用于证照相机中，包括以下步骤：

S1、根据拍摄成像的证件照片，获取文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，具体包括：

S101、获取证件照片的文件属性信息；其中，所述文件属性信息包括拍摄时间、彩色位数、文件后缀、文件容量和图像像素；

S102、获取证件照片的人像特征信息；其中，所述人像特征数据包括眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓、头顶和下巴特征数据；

S103、将证件照片转换为Lab色彩空间图像，对Lab色彩空间图像，读取前景区域的每个像素，建立前景色度的混合高斯模型；对背景区域的每个像素，获取背景色度的直方图，计算背景色度的直方图与前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P；

S104、获取证件照片的亮度直方图，对亮度直方图进行数据分析，计算亮度异常系数K₁和平均亮度偏移值DA；

S105、将证件照片转换为Lab色彩空间图像，统计每个像素在Lab色彩空间图像的a轴和b轴的色度平均值Da和Db，根据色度平均值Da和Db，计算色偏系数K₂；

S106、将证件照片转换为灰度图像，计算清晰度系数DR；

S2、根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测，具体如下：

S201、从文件属性信息中获取拍摄时间，判断是否在预设的近期时间内拍摄，若是，则判断是否为彩色照片，若是，则符合要求；若不是在预设的近期时间内拍摄，或不是彩色照片时，则不符合要求；

S202、从文件属性信息中获取彩色位数，判断是否不低于24位，若是，则符合要求，若否，则不符合要求；

S203、从文件属性信息中获取文件后缀，判断文件是否为压缩文件，当文件为压缩文件时，判断是否为JPEG压缩，若是，判断压缩品质是否符合相应证件照的要求；

S204、从文件属性信息中获取文件容量，判断文件容量是否大于相应证件照的预设值，若是，则符合要求，若否，则不符合要求；

S205、从文件属性信息中获取图像像素，判断图像像素是否符合相应证件照的要求；

S206、从背景信息中获取标准均方值P，判断标准均方值P是否大于预设均方值，若否，则符合要求；若是，则不符合要求；

S207、采用边缘检测技术，检测证件照片四周是否有规则的边框特征，若无，则符合要求；若有，则不符合要求；

S208、从亮度信息中获取亮度异常系数K₁和平均亮度偏移值DA，若亮度异常系数K₁小于1，则亮度正常，符合要求；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA大于0，则亮度过亮；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA小于0，则亮度过暗；在亮度过亮或过暗时，均不符合要求；

S209、从色度信息中获取色偏系数K₂、色度平均值Da和Db，若色偏系数K₂小于1，则色度正常，符合要求；若色偏系数K₂大于或等于1，在色度平均值Da大于0时，表示偏红，在色度平均值Da小于0时，表示偏绿，在色度平均值Db大于0时，表示偏黄，在色度平均值Db小于0时，表示偏蓝；在偏红、偏绿、偏黄或偏蓝时，均不符合要求；

S210、从清晰度信息中获取清晰度系数DR，若清晰度系数DR大于预设清晰度系数值，则说明清晰，符合要求；若清晰度系数DR小于或等于预设清晰度系数值，则不符合要求；

S211、从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，将获取的眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，与预设的标准特征进行比对，判断五官是否齐全，若是，则符合要求，若否，则不符合要求；

S212、从人像特征信息中获取人脸轮廓特征数据，检测人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度，若差异度大于预设值，则发生畸变，不符合要求；若差异度小于或等于预设值，则符合要求；

S213、从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓特征数据，判断人像姿态是否端正，若是，则符合要求，若否，则不符合要求；

S214、从人像特征信息中获取眼睛、耳朵、头顶和下巴特征数据，对眼睛、耳朵、头顶和下巴特征数据进行关联性计算，得到头部宽像素、头部高像素、双眼距离像素、眼睛所在位置距上/下边缘距离像素以及头顶发迹距证件照片上边缘像素，将这些数据与相应证件照的参数进行比对，判断是否符合要求；

S3、根据各项评分维度的预设分值，对上述步骤S201～S214中各项评分维度的质量检测结果进行评分，得到各项评分维度的得分值；

S4、根据各项评分维度的得分值，以及得分比重，计算证件照片的质量总评分；

S5、根据证件照片的质量总评分，给出专业的拍摄建议。

实施例3：

本实施例的拍摄质量检测方法针对的是拍摄成像，且替换成标准背景的证件照片的拍摄质量检测，其与实施例2的区别之处在于：

S103、对证件照片采用边缘检测技术检测出人像轮廓，获取证件照片人像轮廓以外的背景信息；

S206、判断获取的背景信息是否符合相应证件照的要求。

综上所述，本发明的证照相机及方法根据政府公安行业标准制定了各项评分维度，并建立不同类型证件照的标准数据库，通过获取拍摄后证件照片的信息，对各项评分维度进行逐项质量检测，确保通过检测的证件照片都能符合证件照片相关标准要求。

以上所述，仅为本发明专利优选的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (12)

1.一种可检测拍摄质量的证照相机，其特征在于：所述证照相机包括：

信息获取模块，用于根据拍摄成像的证件照片，获取文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息；

质量检测模块，用于根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测；其中，各项评分维度为根据政府公安行业标准制定的检测标准；

评分模块，用于根据各项评分维度的预设分值，对各项评分维度的质量检测结果进行评分，得到各项评分维度的得分值；

质量总评分计算模块，用于根据各项评分维度的得分值，以及得分比重，计算证件照片的质量总评分；

拍摄建议模块，用于根据证件照片的质量总评分，给出专业的拍摄建议。

2.根据权利要求1所述的一种可检测拍摄质量的证照相机，其特征在于：所述信息获取模块包括：

文件属性信息获取单元，用于获取证件照片的文件属性信息；其中，所述文件属性信息包括拍摄时间、彩色位数、文件后缀、文件容量和图像像素；

人像特征信息获取单元，用于获取证件照片的人像特征信息；其中，所述人像特征数据包括眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓、头顶和下巴特征数据；

背景信息获取单元，用于在背景未替换时，将证件照片转换为Lab色彩空间图像，对Lab色彩空间图像，读取前景区域的每个像素，建立前景色度的混合高斯模型；对背景区域的每个像素，获取背景色度的直方图，计算背景色度的直方图与前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P；或用于在背景替换成标准背景时，对证件照片采用边缘检测技术检测出人像轮廓，获取证件照片人像轮廓以外的背景信息；

亮度信息获取单元，用于获取证件照片的亮度直方图，对亮度直方图进行数据分析，计算亮度异常系数K₁和平均亮度偏移值DA；

色度信息获取单元，用于将证件照片转换为Lab色彩空间图像，统计每个像素在Lab色彩空间图像的a轴和b轴的色度平均值Da和Db，根据色度平均值Da和Db，计算色偏系数K₂；

清晰度信息获取单元，用于将证件照片转换为灰度图像，计算清晰度系数DR。

3.根据权利要求2所述的一种可检测拍摄质量的证照相机，其特征在于：所述质量检测模块包括：

拍摄时间检测单元，用于从文件属性信息中获取拍摄时间，判断是否在预设的近期时间内拍摄，若是，则判断是否为彩色照片，若是，则符合要求；

彩色位数检测单元，用于从文件属性信息中获取彩色位数，判断是否不低于24位，若是，则符合要求；

压缩品质检测单元，用于从文件属性信息中获取文件后缀，判断文件是否为压缩文件，当文件为压缩文件时，判断是否为JPEG压缩，若是，判断压缩品质是否符合相应证件照的要求；

文件容量检测单元，用于从文件属性信息中获取文件容量，判断文件容量是否大于相应证件照的预设值，若是，则符合要求；

图像像素检测单元，用于从文件属性信息中获取图像像素，判断图像像素是否符合相应证件照的要求；

背景检测单元，用于在背景未替换时，从背景信息中获取标准均方值P，判断标准均方值P是否大于预设均方值，若否，则符合要求；或用于在背景替换成标准背景时，判断获取的背景信息是否符合相应证件照的要求；

边框特征检测单元，用于采用边缘检测技术，检测证件照片四周是否有规则的边框特征，若无，则符合要求；

亮度检测单元，用于从亮度信息中获取亮度异常系数K₁和平均亮度偏移值DA，若亮度异常系数K₁小于1，则亮度正常，符合要求；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA大于0，则亮度过亮；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA小于0，则亮度过暗；

色度检测单元，用于从色度信息中获取色偏系数K₂、色度平均值Da和Db，若色偏系数K₂小于1，则色度正常，符合要求；若色偏系数K₂大于或等于1，在色度平均值Da大于0时，表示偏红，在色度平均值Da小于0时，表示偏绿，在色度平均值Db大于0时，表示偏黄，在色度平均值Db小于0时，表示偏蓝；

清晰度检测单元，用于从清晰度信息中获取清晰度系数DR，若清晰度系数DR大于预设清晰度系数值，则说明清晰，符合要求；

五官检测单元，用于从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，将获取的眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，与预设的标准特征进行比对，判断五官是否齐全，若是，则符合要求；

人脸轮廓检测单元，用于从人像特征信息中获取人脸轮廓特征数据，检测人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度，若差异度大于预设值，则发生畸变，若差异度小于或等于预设值，则符合要求；其中，所述人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度通过非重叠面积和重叠面积的比值计算；

人像姿态检测单元，用于从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓特征数据，判断人像姿态是否端正，若是，则符合要求；

头像大小及位置检测单元，用于从人像特征信息中获取眼睛、耳朵、头顶和下巴特征数据，对眼睛、耳朵、头顶和下巴特征数据进行关联性计算，得到头部宽像素、头部高像素、双眼距离像素、眼睛所在位置距上/下边缘距离像素以及头顶发迹距证件照片上边缘像素，将这些数据与相应证件照的参数进行比对，判断是否符合要求。

4.根据权利要求3所述的一种可检测拍摄质量的证照相机，其特征在于：所述人像姿态检测单元包括：

人脸状态检测子单元，用于根据获取的眼睛、鼻子、嘴巴和人脸轮廓特征数据，判断人脸是否端正，若是，则符合要求；

肩部状态检测子单元，用于根据获取的躯干轮廓特征数据，判断肩部是否齐平，若是，则符合要求；

眼睛睁开宽度检测子单元，用于根据获取的眼睛特征数据，计算眼睛中间睁开部分的宽度，若宽度大于预设值，则符合要求；

嘴巴闭合张开检测子单元，用于根据获取的嘴巴特征数据，采用边缘检测技术，判断嘴巴上下嘴唇中间是否为一条曲线，若是，则说明嘴巴闭合，符合要求，若否，则说明嘴巴张开；

免冠检测子单元，用于根据获取的人像轮廓特征数据，检测人像轮廓特征数据与预设的人像轮廓特征之间的差异度，若差异度小于预设值，且头部色彩无明显分割，则说明免冠，符合要求；

红眼检测子单元，用于根据获取的眼睛特征数据，计算眼睛的色偏系数K₃和色度平均值Da1，若色偏系数K₃小于1，则眼睛色度正常，符合要求；若色偏系数K₃大于或等于1，且色度平均值Da1大于0时，则存在红眼；

妆彩检测子单元，用于根据获取的人脸轮廓、眼睛和嘴巴特征数据，检测脸部的色彩偏差值、眼脸部位的色彩偏差值、嘴巴部位的色彩偏差值，若其中之一的色彩偏差值大于预设的偏差值，则说明有浓妆；若三者的色彩偏差值均小于或等于预设的偏差值，则说明无浓妆，符合要求；

脸部检测子单元，用于获取脸部轮廓特征数据，检测脸部轮廓特征数据与预设的脸部轮廓特征之间的差异度，若差异度小于预设值，则头发不遮住脸部，符合要求。

5.根据权利要求4所述的一种可检测拍摄质量的证照相机，其特征在于：所述人脸状态检测子单元判断人脸是否端正，具体包括：

根据眼睛特征数据，生成两眼连线，计算两眼连线和证件照片水平方向的夹角，判断该夹角是否超出预设范围，若否，则说明正视摄像头；

根据眼睛、鼻子和嘴巴特征数据，获得两眼连线的中心点坐标，获得鼻子的中心坐标，获得嘴巴的中心坐标，对三个点做直线拟合得到直线LC，计算该直线LC和证件照片垂直方向的夹角，判断该夹角是否超出预设范围，若否，则说明头部垂直；

根据人脸轮廓特征数据，获得人脸区域垂直方向的中心线FLC，计算人脸区域垂直方向的中心线FLC和直线LC的距离DC，计算该距离DC和人脸区域宽度的比例，判断该比例是否超出预设范围，若否，则说明人脸水平居中；

当正视摄像头、头部垂直和人脸水平居中时，判断人脸端正，符合要求。

6.根据权利要求4所述的一种可检测拍摄质量的证照相机，其特征在于：所述肩部状态检测子单元判断肩部是否齐平，具体包括：

对躯干轮廓坐标数组，拟合为一个多边形，计算多边形的重心得到重心的坐标(X1，Y1)，计算X1和证件照片垂直重心线的距离Dweight，计算距离Dweight和证件照片宽度WF的比例，判断该比例是否超出预设范围；

对躯干轮廓坐标数组，采用最小外接矩形算法，得到一个最小矩形，计算矩形垂直重心线和证件照片垂直重心线的夹角，判断该夹角是否超出预设范围；

若距离Dweight和证件照片宽度WF的比例、矩形垂直重心线和证件照片垂直重心线的夹角都没有超出预设范围，则肩部齐平，符合要求。

7.一种拍摄质量检测方法，应用于证照相机中，其特征在于：所述方法包括：

所述证照相机根据拍摄成像的证件照片，获取文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息；

所述证照相机根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测；其中，各项评分维度为根据政府公安行业标准制定的检测标准；

所述证照相机根据各项评分维度的预设分值，对各项评分维度的质量检测结果进行评分，得到各项评分维度的得分值；

所述证照相机根据各项评分维度的得分值，以及得分比重，计算证件照片的质量总评分；

所述证照相机根据证件照片的质量总评分，给出专业的拍摄建议。

8.根据权利要求7所述的一种拍摄质量检测方法，其特征在于：所述证照相机根据拍摄成像的证件照片，获取文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，具体包括：

获取证件照片的文件属性信息；其中，所述文件属性信息包括拍摄时间、彩色位数、文件后缀、文件容量和图像像素；

获取证件照片的人像特征信息；其中，所述人像特征数据包括眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓、头顶和下巴特征数据；

在背景未替换时，将证件照片转换为Lab色彩空间图像，对Lab色彩空间图像，读取前景区域的每个像素，建立前景色度的混合高斯模型；对背景区域的每个像素，获取背景色度的直方图，计算背景色度的直方图与前景色度的混合高斯模型的重叠概率，对重叠概率取标准均方值P；或在背景替换成标准背景时，对证件照片采用边缘检测技术检测出人像轮廓，获取证件照片人像轮廓以外的背景信息；

获取证件照片的亮度直方图，对亮度直方图进行数据分析，计算亮度异常系数K₁和平均亮度偏移值DA；

将证件照片转换为Lab色彩空间图像，统计每个像素在Lab色彩空间图像的a轴和b轴的色度平均值Da和Db，根据色度平均值Da和Db，计算色偏系数K₂；

将证件照片转换为灰度图像，计算清晰度系数DR。

9.根据权利要求8所述的一种拍摄质量检测方法，其特征在于：所述证照相机根据获取的文件属性信息、人像特征信息、背景信息、亮度信息、色度信息和清晰度信息，对各项评分维度进行逐项质量检测，具体包括：

从文件属性信息中获取拍摄时间，判断是否在预设的近期时间内拍摄，若是，则判断是否为彩色照片，若是，则符合要求；

从文件属性信息中获取彩色位数，判断是否不低于24位，若是，则符合要求；

从文件属性信息中获取文件后缀，判断文件是否为压缩文件，当文件为压缩文件时，判断是否为JPEG压缩，若是，判断压缩品质是否符合相应证件照的要求；

从文件属性信息中获取文件容量，判断文件容量是否大于相应证件照的预设值，若是，则符合要求；

从文件属性信息中获取图像像素，判断图像像素是否符合相应证件照的要求；

在背景未替换时，从背景信息中获取标准均方值P，判断标准均方值P是否大于预设均方值，若否，则符合要求；或用于在背景替换成标准背景时，判断获取的背景信息是否符合相应证件照的要求；

采用边缘检测技术，检测证件照片四周是否有规则的边框特征，若无，则符合要求；

从亮度信息中获取亮度异常系数K₁和平均亮度偏移值DA，若亮度异常系数K₁小于1，则亮度正常，符合要求；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA大于0，则亮度过亮；若亮度异常系数K₁大于或等于1，且平均亮度偏移值DA小于0，则亮度过暗；

从色度信息中获取色偏系数K₂、色度平均值Da和Db，若色偏系数K₂小于1，则色度正常，符合要求；若色偏系数K₂大于或等于1，在色度平均值Da大于0时，表示偏红，在色度平均值Da小于0时，表示偏绿，在色度平均值Db大于0时，表示偏黄，在色度平均值Db小于0时，表示偏蓝；

从清晰度信息中获取清晰度系数DR，若清晰度系数DR大于预设清晰度系数值，则说明清晰，符合要求；

从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，将获取的眼睛、鼻子、耳朵、嘴巴、头顶和下巴特征数据，与预设的标准特征进行比对，判断五官是否齐全，若是，则符合要求；

从人像特征信息中获取人脸轮廓特征数据，检测人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度，若差异度大于预设值，则发生畸变，若差异度小于或等于预设值，则符合要求；其中，所述人脸轮廓特征数据与预设的人脸轮廓特征之间的差异度通过非重叠面积和重叠面积的比值计算；

从人像特征信息中获取眼睛、鼻子、耳朵、嘴巴、人脸轮廓、躯干轮廓、人像轮廓特征数据，判断人像姿态是否端正，若是，则符合要求；

从人像特征信息中获取眼睛、耳朵、头顶和下巴特征数据，对眼睛、耳朵、头顶和下巴特征数据进行关联性计算，得到头部宽像素、头部高像素、双眼距离像素、眼睛所在位置距上/下边缘距离像素以及头顶发迹距证件照片上边缘像素，将这些数据与相应证件照的参数进行比对，判断是否符合要求。

10.根据权利要求9所述的一种拍摄质量检测方法，其特征在于：所述判断人像姿态是否端正，具体包括：

根据获取的眼睛、鼻子、嘴巴和人脸轮廓特征数据，判断人脸是否端正，若是，则符合要求；

根据获取的躯干轮廓特征数据，判断肩部是否齐平，若是，则符合要求；

根据获取的眼睛特征数据，计算眼睛中间睁开部分的宽度，若宽度大于预设值，则符合要求；

根据获取的嘴巴特征数据，采用边缘检测技术，判断嘴巴上下嘴唇中间是否为一条曲线，若是，则说明嘴巴闭合，符合要求，若否，则说明嘴巴张开；

根据获取的人像轮廓特征数据，检测人像轮廓特征数据与预设的人像轮廓特征之间的差异度，若差异度小于预设值，且头部色彩无明显分割，则说明免冠，符合要求；

根据获取的眼睛特征数据，计算眼睛的色偏系数K₃和色度平均值Da1，若色偏系数K₃小于1，则眼睛色度正常，符合要求；若色偏系数K₁大于或等于1，且色度平均值Da1大于0时，则存在红眼；

根据获取的人脸轮廓、眼睛和嘴巴特征数据，检测脸部的色彩偏差值、眼脸部位的色彩偏差值、嘴巴部位的色彩偏差值，若其中之一的色彩偏差值大于预设的偏差值，则说明有浓妆；若三者的色彩偏差值均小于或等于预设的偏差值，则说明无浓妆，符合要求；

获取脸部轮廓特征数据，检测脸部轮廓特征数据与预设的脸部轮廓特征之间的差异度，若差异度小于预设值，则头发不遮住脸部，符合要求。

11.根据权利要求10所述的一种拍摄质量检测方法，其特征在于：所述判断人脸是否端正，具体包括：

根据眼睛特征数据，生成两眼连线，计算两眼连线和证件照片水平方向的夹角，判断该夹角是否超出预设范围，若否，则说明正视摄像头；

根据眼睛、鼻子和嘴巴特征数据，获得两眼连线的中心点坐标，获得鼻子的中心坐标，获得嘴巴的中心坐标，对三个点做直线拟合得到直线LC，计算该直线LC和证件照片垂直方向的夹角，判断该夹角是否超出预设范围，若否，则说明头部垂直；

根据人脸轮廓特征数据，获得人脸区域垂直方向的中心线FLC，计算人脸区域垂直方向的中心线FLC和直线LC的距离DC，计算该距离DC和人脸区域宽度的比例，判断该比例是否超出预设范围，若否，则说明人脸水平居中；

当正视摄像头、头部垂直和人脸水平居中时，判断人脸端正，符合要求。

12.根据权利要求10所述的一种拍摄质量检测方法，其特征在于：所述判断肩部是否齐平，具体包括：

对躯干轮廓坐标数组，拟合为一个多边形，计算多边形的重心得到重心的坐标(X1，Y1)，计算X1和证件照片垂直重心线的距离Dweight，计算距离Dweight和证件照片宽度WF的比例，判断该比例是否超出预设范围；

对躯干轮廓坐标数组，采用最小外接矩形算法，得到一个最小矩形，计算矩形垂直重心线和证件照片垂直重心线的夹角，判断该夹角是否超出预设范围；

若距离Dweight和证件照片宽度WF的比例、矩形垂直重心线和证件照片垂直重心线的夹角都没有超出预设范围，则肩部齐平，符合要求。