CN106203415A - 一种基于数字图像处理的银行卡号自动识别装置 - Google Patents
一种基于数字图像处理的银行卡号自动识别装置 Download PDFInfo
- Publication number
- CN106203415A CN106203415A CN201610512289.4A CN201610512289A CN106203415A CN 106203415 A CN106203415 A CN 106203415A CN 201610512289 A CN201610512289 A CN 201610512289A CN 106203415 A CN106203415 A CN 106203415A
- Authority
- CN
- China
- Prior art keywords
- card
- card number
- bank
- region
- numeric area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Vascular Medicine (AREA)
- Character Input (AREA)
- Character Discrimination (AREA)
Abstract
一种基于数字图像处理的银行卡号自动识别装置,包括箱体、计算机、显示器。箱体内侧设有黑色吸光材料,箱体内部安置摄像头、LED背景光源,箱体外部开设带卡托的识别窗口,银行卡的卡面图像信息由摄像头拍照提取,摄像头通过数据线连接计算机并传输图像信息,处理后的卡号数据由与计算机连接的显示器显示输出。本发明一种基于数字图像处理的银行卡号自动识别装置,采用光学非接触式的银行卡号提取方式,比现有的基于磁条读取的银行卡号识别系统更为方便、耐用。其处理方式基于通用的计算软件,拥有智能识别银行卡号的优势。可应用在银行自动存取款、企业财务部卡号统计等社会金融方面。
Description
技术领域
本发明涉及数字图像处理技术领域,特别是一种基于数字图像处理的银行卡号自动识别装置。
背景技术
基于数字图像处理的字符识别技术以光学成像为基础,利用了数字图像处理软件的强大处理能力实现其识别功能。阿拉伯数字作为全球通用数字,在经济、生活等各个领域都扮演着重要角色。自动数字识别技术因此具有较高的实用性。现今,手写数字与印刷数字识别的理论方法推陈出新,主要用于票据面值识别、交通管理汽车牌照识别系统、公寓管理门牌号识别等日常生活方面。
银行卡与社会生活息息相关,将数字识别技术应用于银行卡号的识别具有较高实用性。然而由于我国银行卡种类繁多,卡面背景相当复杂,银行卡号识别远比单纯的数字识别困难。此方面已有的研究仅限于支付宝公司曾提出的复杂卡面背景信息提取的一些初步想法。
目前尚未有基于数字图像处理的银行卡号自动识别系统。现有较为成熟的银行卡号识别系统一般基于磁条读取,需要插入银行卡。在自动取款机上取款时,由于疏忽容易出现忘记取卡的情况,导致经济损失。另外,磁条的寿命有限,刷取一定的次数后,磁条会出现不同程度的磨损,导致银行卡失效。目前虽然存在OCR光学字符识别技术,但是其使用对象为单色背景与单色字体,其局限性为无法将卡号从复杂彩色背景中提取出来。
发明内容
为解决上述技术问题,本发明提供一种基于数字图像处理的银行卡号自动识别装置,采用光学非接触式的银行卡号提取方式,比现有的基于磁条读取的银行卡号识别系统更为方便、耐用。其处理方式基于通用的计算软件,拥有智能识别银行卡号的优势。可应用在银行自动存取款、企业财务部卡号统计等社会金融方面。
本发明所采用的技术方案是:
一种基于数字图像处理的银行卡号自动识别装置,包括箱体、计算机、显示器。箱体内侧设有黑色吸光材料,箱体内部安置摄像头、LED背景光源,箱体外部开设带卡托的识别窗口,银行卡的卡面图像信息由摄像头拍照提取,摄像头通过数据线连接计算机并传输图像信息,处理后的卡号数据由与计算机连接的显示器显示输出。
所述识别窗口设计分为三层,包括内窗、外窗和卡托,外窗为箱体前面开82×50×5毫米的孔,在开孔处用透明材料填补。
所述内窗为在识别窗口周围,设计2mm宽的白条,其它地方全部涂黑。
所述内窗大小为86×36×1毫米,其宽度刚好可以放置银行卡,高度只取银行卡的三分之二,厚度留出部分空间方便卡片进出。
所述摄像头为可调焦距的短距离摄像头。4个LED背景光源均匀安置在截面1/4中心处,LED背景光源3前放置透镜,将光源发出的光进行发散。
所述箱体内表面,除识别窗口周围的用于标识卡面区域位置的白条外,其余区域均为黑色。
一种基于数字图像处理的银行卡号自动识别方法,包括以下步骤:
图像采集:将银行卡放入卡托,计算机控制箱体内部摄像头拍摄图片,图片由USB接线传输至电脑内部;
图像预处理:使卡面信息与背景噪声区分开,处理过程为彩色图像灰度化、反相、采用边缘提取去除背景、二值化、去除噪点;
字符定位:通过横向膨胀图像,使得区域连通;连通区域有两类:数字区域和非数字区域;
字符分割:对每个连通域内部进行字符分割,采用阈值法,高度超过区域一半的分割提取,反之则视为非字符噪声,这样可以去掉很多非字符噪声;
字符识别:方案一、模版匹配法:对分割得的字符与数字模版图大小归一化处理;采用像素点异或算法得到两者间的像素差值即匹配误差;预设一个匹配误差范围来判断该字符是否匹配数字模版值,进而判断其是否为数字、为哪一个数字;方案二、机器学习法:采用人工神经网络等机器学习算法,用大量银行卡号0~9单数字图片对网络进行训练后,可智能识别经过字符分割后的图片中的字符,进而判断其是否为数字、为哪一个数字;通过各个连通域进行字符识别,若连通域内所有字符均为数字,则判断为数字区域;反之为非数字区域。
卡号输出:步骤五得到的数字区域分为卡号数字区域和非卡号数字区域;根据我国银行卡特性,银行卡数字串基本都在同一行,也就是卡号数字区域的纵坐标一致;根据这个特征,有两个或以上纵坐标相同的数字区域为真正的银行卡号码区域;反之判断为非卡号数字区域;最后,根据数字区域横坐标进行先后排序并保存卡号信息,将保存的银行卡号数字串转成txt格式输出,并可在显示器显示。
通过以上步骤实现银行卡号的自动识别输出。
本发明提供的一种基于数字图像处理的银行卡号自动识别装置,与现有技术相比,有如下的有益效果:
1、本发明将应用对象放在我国所有银行卡上,具有普适性和实用性。提出了完整的一套识别方案与技术,识别率能达到应用要求。
2、本发明采用硬件装置与处理软件相结合的方法,解决了因图片拍摄效果不稳定导致的识别率低的问题。该装置结构简单,成本较低,但很大程度上解决了软件智能识别时的各种干扰,且整个过程人工操作非常简单,识别准确率较高。
3、本发明采用光学非接触式的提取信息方式,比现有的基于磁条读取的银行卡号识别系统更为方便、耐用。其处理方式基于通用的数字图像处理软件,拥有智能识别银行卡号的优势,可用在银行自动存取款等社会金融方面。
附图说明
图1是本发明装置的结构示意图。
图2是本发明的程序流程图。
其中:1-摄像头,2-通光孔,3-LED背景灯,4-白条,5-识别窗口、6-卡托,7-箱盖,8-线孔。
具体实施方式
一种基于数字图像处理的银行卡号自动识别装置,包括箱体、计算机、显示器,箱体内侧设有黑色吸光材料,箱体内部安置摄像头1、LED背景光源3,箱体外部开设带卡托6的识别窗口5,银行卡的卡面图像信息由摄像头1拍照提取,摄像头1通过数据线连接计算机并传输图像信息,处理后的卡号数据由与计算机连接的显示器显示输出。
所述识别窗口5设计分为三层,包括内窗、外窗和卡托6,外窗为箱体前面开82×50×5毫米的孔,我国银行卡通用尺寸为85.60×53.98×0.76毫米。外窗的尺寸可以保证银行卡卡面有用部分被完整拍摄且卡面覆盖窗口不透光。在开孔处用透明材料填补,防止卡片或灰尘从开孔处进入箱体。
所述内窗为在识别窗口5周围,设计2mm宽的白条4,其它地方全部涂黑。以便处理图像时方便定位出卡面区域。黑白背景框定后,拍摄出来的图片一定会有边缘,防止因卡面颜色渐变导致的计算机处理图像时边缘提取不准确,丢失卡面部分信息。
所述内窗大小为86×36×1毫米,其宽度刚好可以放置银行卡,高度只取银行卡的三分之二,厚度留出部分空间方便卡片进出。卡片从上方进入,利用重力作用落至预定位置后,由于卡托6作用卡片不再具有可移动性。此时可以进行图像摄取与卡面识别。识别完毕后,将卡片反方向向上移出即可。
所述摄像头1为可调焦距的短距离摄像头。可根据银行卡与摄像头的距离,固定焦距。4个LED背景光源3均匀安置在截面1/4中心处,LED背景光源3前放置透镜,将光源发出的光进行发散。
所述箱体内表面,除识别窗口5周围的用于标识卡面区域位置的白条4外,其余区域均为黑色。防止光线在箱体内部不断反射而引起的受光不均。
一种基于数字图像处理的银行卡卡面区域提取的方法,字符区域分数字区域与非数字区域,数字区域区分卡号数字区域与非卡号数字区域,卡号数字顺序输出。
一种基于数字图像处理的银行卡卡面区域提取的方法,包括以下步骤:
a)、将摄像头1捕捉到的彩色图片,转换到HSV空间,按其强度分量转为灰度图;
b)、对得到的灰度图,提取边缘,并填充,得到一张二值图,卡面对应的区域点值为1,反之为0;
c)、将此二值图与原灰度图反相后的图片点乘,得到新的卡面区域的灰度图,这样处理后卡面区域以外的图像被完全排除了。
通过以上步骤,可将卡面区域提取出来。
一种基于数字图像处理的银行卡卡面区域提取的方法,包括以下步骤:
1) 、将提取出的卡面区域进行二值化处理后,灰值膨胀,结构元素为一定长度的全1数组,区域仅会横向膨胀,排除了数字区域的上下噪点干扰;
2) 、横向膨胀后数字区域连通在一起,经过连通域提取处理后,所有字符区域全部提取出来了;
通过以上步骤,可以得到包含卡号的数字区域和以及不含卡号的非数字区域。
一种基于数字图像处理的银行卡卡面区域提取的方法,包括以下步骤:
d)、将获得的一组区域二值化后,分别再进行连通域提取,对区域再次分割。若区域内含一组字符,则将其分割为多个单体字符;
e)、将分割出的单个字符,与数字模板库进行异或操作;计算其与模板的相似度。根据其相似度判断其是否为数字;
f)、预设一个误差值衡量其相似度,判断该区域是否为数字区域;
通过以上步骤,可以将数字区域从无效区域中区分出来。
一种基于数字图像处理的银行卡卡面区域提取的方法,包括以下步骤:
a)、 卡号数字区域与非卡号数字区域区分原理是卡号区域纵坐标相同,且区域数量在两个或以上。有两个或以上纵坐标相同的数字区域为真正的银行卡号数字区域;反之判断为非卡号数字区域;
b)、 将筛选后的卡号数字区域的坐标信息以及识别结果,分别存至数组中,待用。
通过以上步骤,将卡号数字区域识别出来。
一种基于数字图像处理的银行卡卡面区域提取的方法,包括以下步骤:
a)、根据数组中的横坐标信息,将卡号区域按横坐标从左到右顺序排列;
b)、将排列好的卡号数字区域,根据数组取出对应顺序的卡号;
通过以上步骤,将各区域卡号重新组合,输出完整的卡号数字串。
实施例1:
一种基于数字图像处理的银行卡号自动识别方法,包括以下步骤:
一、将LED供电线从线孔引出,供电,LED灯发出的光线通过透镜后均匀照射到识别窗口5。
二、任取一张银行卡,插入箱体的卡槽,稳定后计算机确认取图。
三、箱体内部摄像头1拍摄图片,图片由USB接线传输至电脑内部。
四、利用数字图像处理软件读取图片进行预处理。处理过程为彩色图像灰度化、反相、去除背景、二值化、去除噪点。
五、通过横向膨胀图像,使得区域连通。连通区域有两类:数字区域和非数字区域。
六、字符分割:对每个连通域内部的字符进行分割。采用阈值法,高度超过区域一半的分割提取,反之则视为非字符噪声。
七、字符识别:采用模版匹配法来进行字符与数字识别。对分割得的字符与数字模版图大小归一化处理;采用像素点异或得像素差值即匹配误差;预设一个匹配误差范围来判断该字符是否匹配数字模版值,进而判断其是否为数字、为哪一个数字。通过各个连通域进行字符识别,若连通域内所有字符均为数字,则判断为数字区域;反之为非数字区域。
八、卡号输出:步骤七得到的数字区域分为卡号数字区域和非卡号数字区域。有两个或以上纵坐标相同的数字区域为真正的银行卡号数字区域;反之判断为非卡号数字区域。最后,根据卡号数字区域的横坐标对其进行先后排序并保存卡号信息。将保存的银行卡号数字串转成txt格式输出,并可在电脑屏显示。
实施例2:
一种基于数字图像处理的银行卡号自动识别方法,包括以下步骤:
一、将LED供电线从线孔引出,供电,LED灯发出的光线通过透镜后均匀照射到识别窗口5。
二、任取一张银行卡,插入箱体的卡槽,稳定后计算机确认取图。
三、箱体内部摄像机拍摄图片,图片由USB接线传输至电脑内部。
四、利用数字图像处理软件读取图片进行预处理。处理过程为彩色图像灰度化、反相、去除背景、二值化、去除噪点。
五、通过横向膨胀图像,使得区域连通。连通区域有两类:数字区域和非数字区域。
六、字符分割:对每个连通域内部的字符进行分割。采用阈值法,高度超过区域一半的分割提取,反之则视为非字符噪声。
七、字符识别:将分割好的字符图片用机器学习算法进行识别,并判断该字符是否为数字、为哪一个数字。通过各个连通域进行字符识别,若连通域内所有字符均为数字,则判断为数字区域;反之为非数字区域。
八、卡号输出:步骤七得到的数字区域分为卡号数字区域和非卡号数字区域。有两个或以上纵坐标相同的数字区域为真正的银行卡号数字区域;反之判断为非卡号数字区域。最后,根据卡号数字区域的横坐标对其进行先后排序并保存卡号信息。将保存的银行卡号数字串转成txt格式输出,并可在电脑屏显示。
Claims (10)
1.一种基于数字图像处理的银行卡号自动识别装置,包括箱体、计算机、显示器,其特征在于:箱体内侧设有黑色吸光材料,箱体内部安置摄像头(1)、LED背景光源(3),箱体外部开设带卡托(6)的识别窗口(5),银行卡的卡面图像信息由摄像头(1)拍照提取,摄像头(1)通过数据线连接计算机并传输图像信息,处理后的卡号数据由与计算机连接的显示器显示输出。
2.根据权利要求1所述一种基于数字图像处理的银行卡号自动识别装置,其特征在于:所述识别窗口(5)设计分为三层,包括内窗、外窗和卡托(6),外窗为箱体前面开82×50×5毫米的孔,在开孔处用透明材料填补;所述内窗为在识别窗口(5)周围,设计2mm宽的白条,其它地方全部涂黑;所述内窗大小为86×36×1毫米,其宽度刚好可以放置银行卡,高度只取银行卡的三分之二,厚度留出部分空间方便卡片进出。
3.根据权利要求1所述一种基于数字图像处理的银行卡号自动识别装置,其特征在于:4个LED背景光源(3)均匀安置在截面1/4中心处,LED背景光源(3)前放置透镜,将光源发出的光进行发散;所述箱体内表面,除识别窗口(5)周围的用于标识卡面区域位置的白条(4)外,其余区域均为黑色。
4.一种基于数字图像处理的银行卡号自动识别方法,其特征在于包括以下步骤:
图像采集:将银行卡放入卡托(6),计算机控制箱体内部摄像头(1)拍摄图片,图片由USB接线传输至电脑内部;
图像预处理:使卡面信息与背景噪声区分开,处理过程为彩色图像灰度化、反相、采用边缘提取去除背景、二值化、去除噪点;
字符定位:通过横向膨胀图像,使得区域连通;连通区域有两类:数字区域和非数字区域;字符分割:对每个连通域内部进行字符分割,采用阈值法,高度超过区域一半的分割提取,反之则视为非字符噪声,这样可以去掉很多非字符噪声;
字符识别:方案一、模版匹配法:对分割得的字符与数字模版图大小归一化处理;采用像素点异或算法得到两者间的像素差值即匹配误差;预设一个匹配误差范围来判断该字符是否匹配数字模版值,进而判断其是否为数字、为哪一个数字;方案二、机器学习法:采用人工神经网络等机器学习算法,用大量银行卡号0~9单数字图片对网络进行训练后,可智能识别经过字符分割后的图片中的字符,进而判断其是否为数字、为哪一个数字;通过各个连通域进行字符识别,若连通域内所有字符均为数字,则判断为数字区域;反之为非数字区域;
卡号输出:步骤五得到的数字区域分为卡号数字区域和非卡号数字区域;根据我国银行卡特性,银行卡数字串基本都在同一行,也就是卡号数字区域的纵坐标一致;根据这个特征,有两个或以上纵坐标相同的数字区域为真正的银行卡号码区域;反之判断为非卡号数字区域;最后,根据数字区域横坐标进行先后排序并保存卡号信息,将保存的银行卡号数字串转成txt格式输出,并可在显示器显示;
通过以上步骤实现银行卡号的自动识别输出。
5.一种基于数字图像处理的银行卡卡面区域提取的方法,其特征在于:字符区域分数字区域与非数字区域,数字区域区分卡号数字区域与非卡号数字区域,卡号数字顺序输出。
6.一种基于数字图像处理的银行卡卡面区域提取的方法,其特征在于包括以下步骤:
、将摄像头(1)捕捉到的彩色图片,转换到HSV空间,按其强度分量转为灰度图;
、对得到的灰度图,提取边缘,并填充,得到一张二值图,卡面对应的区域点值为1,反之为0;
、将此二值图与原灰度图反相后的图片点乘,得到新的卡面区域的灰度图,这样处理后卡面区域以外的图像被完全排除了;
通过以上步骤,可将卡面区域提取出来。
7.一种基于数字图像处理的银行卡卡面区域提取的方法,其特征在于包括以下步骤:
1)、将提取出的卡面区域进行二值化处理后,灰值膨胀,结构元素为一定长度的全1数组,区域仅会横向膨胀,排除了数字区域的上下噪点干扰;
2)、横向膨胀后数字区域连通在一起,经过连通域提取处理后,所有字符区域全部提取出来了;
通过以上步骤,可以得到包含卡号的数字区域和以及不含卡号的非数字区域。
8.一种基于数字图像处理的银行卡卡面区域提取的方法,其特征在于包括以下步骤:
1、将获得的一组区域二值化后,分别再进行连通域提取,对区域再次分割;
若区域内含一组字符,则将其分割为多个单体字符;
2、将分割出的单个字符,与数字模板库进行异或操作;计算其与模板的相似度;
根据其相似度判断其是否为数字;
3、预设一个误差值衡量其相似度,判断该区域是否为数字区域;
通过以上步骤,可以将数字区域从无效区域中区分出来。
9.一种基于数字图像处理的银行卡卡面区域提取的方法,其特征在于包括以下步骤:
a)、卡号数字区域与非卡号数字区域区分原理是卡号区域纵坐标相同,且区域数量在两个或以上;
有两个或以上纵坐标相同的数字区域为真正的银行卡号数字区域;反之判断为非卡号数字区域;
b)、将筛选后的卡号数字区域的坐标信息以及识别结果,分别存至数组中,待用;通过以上步骤,将卡号数字区域识别出来。
10.一种基于数字图像处理的银行卡卡面区域提取的方法,其特征在于包括以下步骤:
1、根据数组中的横坐标信息,将卡号区域按横坐标从左到右顺序排列;
2、将排列好的卡号数字区域,根据数组取出对应顺序的卡号;
通过以上步骤,将各区域卡号重新组合,输出完整的卡号数字串。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610512289.4A CN106203415B (zh) | 2016-06-30 | 2016-06-30 | 一种基于数字图像处理的银行卡号自动识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610512289.4A CN106203415B (zh) | 2016-06-30 | 2016-06-30 | 一种基于数字图像处理的银行卡号自动识别装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106203415A true CN106203415A (zh) | 2016-12-07 |
CN106203415B CN106203415B (zh) | 2019-12-10 |
Family
ID=57462996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610512289.4A Active CN106203415B (zh) | 2016-06-30 | 2016-06-30 | 一种基于数字图像处理的银行卡号自动识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203415B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845545A (zh) * | 2017-01-20 | 2017-06-13 | 浙江省电力试验研究院技术服务中心 | 数字式电测仪表自动检定装置中的图像识别方法及装置 |
CN108734160A (zh) * | 2018-05-17 | 2018-11-02 | 重庆西信天元数据资讯有限公司 | 一种车架号识别系统 |
CN108764230A (zh) * | 2018-05-30 | 2018-11-06 | 上海建桥学院 | 一种基于卷积神经网络的银行卡号自动识别方法 |
CN109241962A (zh) * | 2018-08-30 | 2019-01-18 | 云南电网有限责任公司普洱供电局 | 一种字符识别方法及装置 |
CN109460767A (zh) * | 2018-10-23 | 2019-03-12 | 福州大学 | 基于规则的凸印银行卡卡号分割与识别方法 |
CN110276295A (zh) * | 2019-06-20 | 2019-09-24 | 上海眼控科技股份有限公司 | 车辆识别号码检测识别方法及设备 |
CN110766001A (zh) * | 2019-09-29 | 2020-02-07 | 河海大学常州校区 | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 |
CN110781892A (zh) * | 2019-09-12 | 2020-02-11 | 河海大学 | 一种基于深度学习的银行卡号识别方法 |
CN112328825A (zh) * | 2020-10-15 | 2021-02-05 | 苏州零泉科技有限公司 | 一种基于自然语言处理的图片构建方法 |
CN112395909A (zh) * | 2019-08-14 | 2021-02-23 | 华晨宝马汽车有限公司 | 字符识别系统和方法 |
CN112840383A (zh) * | 2018-10-24 | 2021-05-25 | 富士通先端科技株式会社 | 纸币检查装置、纸币检查方法及纸币检查程序 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510258A (zh) * | 2009-01-16 | 2009-08-19 | 北京中星微电子有限公司 | 一种证件验证方法、系统及一种证件验证终端 |
CN103093200A (zh) * | 2013-01-18 | 2013-05-08 | 金三立视频科技(深圳)有限公司 | 快速精准定位图像中车牌的算法 |
CN104966107A (zh) * | 2015-07-10 | 2015-10-07 | 安徽清新互联信息科技有限公司 | 一种基于机器学习的信用卡卡号识别方法 |
CN105488797A (zh) * | 2015-11-25 | 2016-04-13 | 安徽创世科技有限公司 | 一种hsv空间的车牌定位方法 |
CN105701488A (zh) * | 2016-01-01 | 2016-06-22 | 广州恒巨信息科技有限公司 | 一种身份证识别方法 |
CN105701476A (zh) * | 2016-02-04 | 2016-06-22 | 合肥泰禾光电科技股份有限公司 | 一种基于机器视觉的生产线产品自动化识别系统及方法 |
-
2016
- 2016-06-30 CN CN201610512289.4A patent/CN106203415B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510258A (zh) * | 2009-01-16 | 2009-08-19 | 北京中星微电子有限公司 | 一种证件验证方法、系统及一种证件验证终端 |
CN103093200A (zh) * | 2013-01-18 | 2013-05-08 | 金三立视频科技(深圳)有限公司 | 快速精准定位图像中车牌的算法 |
CN104966107A (zh) * | 2015-07-10 | 2015-10-07 | 安徽清新互联信息科技有限公司 | 一种基于机器学习的信用卡卡号识别方法 |
CN105488797A (zh) * | 2015-11-25 | 2016-04-13 | 安徽创世科技有限公司 | 一种hsv空间的车牌定位方法 |
CN105701488A (zh) * | 2016-01-01 | 2016-06-22 | 广州恒巨信息科技有限公司 | 一种身份证识别方法 |
CN105701476A (zh) * | 2016-02-04 | 2016-06-22 | 合肥泰禾光电科技股份有限公司 | 一种基于机器视觉的生产线产品自动化识别系统及方法 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845545A (zh) * | 2017-01-20 | 2017-06-13 | 浙江省电力试验研究院技术服务中心 | 数字式电测仪表自动检定装置中的图像识别方法及装置 |
CN108734160A (zh) * | 2018-05-17 | 2018-11-02 | 重庆西信天元数据资讯有限公司 | 一种车架号识别系统 |
CN108734160B (zh) * | 2018-05-17 | 2021-01-15 | 重庆西信天元数据资讯有限公司 | 一种车架号识别系统 |
CN108764230A (zh) * | 2018-05-30 | 2018-11-06 | 上海建桥学院 | 一种基于卷积神经网络的银行卡号自动识别方法 |
CN109241962A (zh) * | 2018-08-30 | 2019-01-18 | 云南电网有限责任公司普洱供电局 | 一种字符识别方法及装置 |
CN109460767A (zh) * | 2018-10-23 | 2019-03-12 | 福州大学 | 基于规则的凸印银行卡卡号分割与识别方法 |
CN112840383A (zh) * | 2018-10-24 | 2021-05-25 | 富士通先端科技株式会社 | 纸币检查装置、纸币检查方法及纸币检查程序 |
CN112840383B (zh) * | 2018-10-24 | 2024-03-08 | 富士通先端科技株式会社 | 纸币检查装置、纸币检查方法及纸币检查程序 |
CN110276295A (zh) * | 2019-06-20 | 2019-09-24 | 上海眼控科技股份有限公司 | 车辆识别号码检测识别方法及设备 |
CN112395909A (zh) * | 2019-08-14 | 2021-02-23 | 华晨宝马汽车有限公司 | 字符识别系统和方法 |
CN110781892A (zh) * | 2019-09-12 | 2020-02-11 | 河海大学 | 一种基于深度学习的银行卡号识别方法 |
CN110766001A (zh) * | 2019-09-29 | 2020-02-07 | 河海大学常州校区 | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 |
CN110766001B (zh) * | 2019-09-29 | 2023-05-23 | 河海大学常州校区 | 基于cnn和rnn的银行卡卡号定位与端到端识别方法 |
CN112328825A (zh) * | 2020-10-15 | 2021-02-05 | 苏州零泉科技有限公司 | 一种基于自然语言处理的图片构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106203415B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203415A (zh) | 一种基于数字图像处理的银行卡号自动识别装置 | |
US9396404B2 (en) | Robust industrial optical character recognition | |
CN101533474B (zh) | 基于视频图像的字符和图像识别系统和方法 | |
CN100481112C (zh) | 一种人脸识别系统与识别方法 | |
Khare et al. | A new histogram oriented moments descriptor for multi-oriented moving text detection in video | |
CN109961101A (zh) | 货架状态确定方法及装置、电子设备、存储介质 | |
CN105335732B (zh) | 基于分块及鉴别非负矩阵分解的有遮挡人脸识别方法 | |
CN101295359A (zh) | 图像处理程序及图像处理装置 | |
CN106408037A (zh) | 图像识别方法及装置 | |
CN103902962A (zh) | 一种遮挡或光源自适应人脸识别方法和装置 | |
CN102955930A (zh) | 一种利用物质自身物理特征识别的防伪方法和系统 | |
CN111784675A (zh) | 物品纹理信息处理的方法、装置、存储介质及电子设备 | |
CN111274883A (zh) | 基于多尺度hog特征和深层特征的合成素描人脸识别方法 | |
CN105225339A (zh) | 媒介识别装置和方法以及金融设备 | |
Wasnik et al. | Presentation attack detection for smartphone based fingerphoto recognition using second order local structures | |
Ghai et al. | Comparative analysis of multi-scale wavelet decomposition and k-means clustering based text extraction | |
CN104217503A (zh) | 自助终端的身份识别方法及对应的房产证明打印方法 | |
Khan et al. | Car Number Plate Recognition (CNPR) system using multiple template matching | |
Chakraborty et al. | Review of various image processing techniques for currency note authentication | |
CN108564020B (zh) | 基于全景3d图像的微手势识别方法 | |
CN109800758A (zh) | 一种极大值区域检测的自然场景文字检测方法 | |
Gomathy et al. | Face recognition based student detail collection using opencv | |
CN107368811B (zh) | 红外与非红外光照下基于lbp的人脸特征提取方法 | |
CN201111085Y (zh) | 人脸自动识别系统 | |
Priyadharshini et al. | Ai-Based Card-Less Atm Using Facial Recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |