CN106991421A - 一种身份证信息提取系统 - Google Patents

Abstract

本发明公开了一种身份证信息提取系统，包括如下步骤：S1：进入身份证信息提取系统，捕获身份证正面图像和身份证反面图像；S2：识别身份证正面图像和身份证反面图像；S3：对身份证正面图像和身份证反面图像进行行定位、去噪、二值化、单字分割，得到单个的身份证的有效文字信息；S4：对S3得到的单个的身份证的有效文字信息进行识别，并输出识别结果；S5：对输出结果进行校验；S6：退出身份证信息提取系统。本发明提供的一种身份证信息提取系统，可以解决现有技术中仅仅提取身份证正面信息以及由于旋转校正不准确和描述特征抗干扰能力差使识别率底的问题。

Description

一种身份证信息提取系统

技术领域

本发明涉及信息提取技术领域，尤其是一种身份证信息提取系统。

背景技术

随着我国经济的飞速发展，人员流动日益频繁，需要对外出旅游、住宿、务工等的流动人口进行监控和管理。身份证是我国18岁以上成年人的有效证件，记载了持有人的基本信息和一个唯一的身份证编号，目前，大多数情况下，都是采用登记的方法对身份证信息进行记录，如用表格方式手工填写，或由操作人员把有关内容键入计算机，输入相应的信息管理系统，这需要耗费大量的人力和物力，而且效率低，长达18位的身份证号码很有可能出现误输入，而且表格纸质方式更加不便于对信息的查询和管理。

身份证信息提取系统，在服务性行业、交通和公安系统有着很大的需求，它可以加速完成身份证编号及个人信息快速有效的输入，并通过相应的信息管理系统进行查询，验证等操作，同时还可以通过联网将信息上传到公安部，便于掌握流动人口的动向，进一步统计、查询和管理。这一切将有利于推动相关部门办公信息化和网络化。

在现有的身份证信息提取系统中，一般仅仅对身份证的正面信息进行了提取。而该身份证信息提取系统不仅对身份证的正面信息进行了提取还对身份证的反面信息进行了提取。在该该系统中，采用人脸验证的方法来识别身份证的正反两面，从而实现对身份证的正面信息和身份证的反面信息的提取。

身份证信息提取系统中，如何提取身份证描述特征是一个非常关键的步骤。常用的特征提取方法有基于重心、粗网格、投影、笔画穿越密度、文字轮廓等，但这些特征提取方法存在抗干扰能力差的特点，对畸变，位移变化不敏感。然而，该身份证信息提取系统中选用gabor特征作为提取身份证描述特征，能很好的解决常用特征提取方法的不足，提高了系统的识别率。

身份证信息提取系统中，预处理过程是一个相当重要的步骤，影响最终的识别效果，通常的预处理过程中最主要的过程是对身份证图像进行旋转校正，如果身份证图像旋转校正不准确，将影响着粗定位、精准定位和最终的识别结果。在该身份证信息提取系统中，通过对移动终端的摄像头进行框框标定，即在摄像头捕捉的每一帧图像在中心位置设定一个大小为560*380的红色框框，然后将身份证限定在红色框框的四周进行拍摄，选取红色框框位置的图像，即得到身份证正反面图像。该方案可以解决旋转校正不准确使识别率低的问题。

发明内容

有鉴于此，本发明的目的在于提供一种身份证信息提取系统，可以解决现有技术中仅仅提取身份证正面信息以及由于旋转校正不准确和描述特征抗干扰能力差使识别率底的问题。

本发明的技术方案为：一种身份证信息提取系统，包括如下步骤：

S1：进入身份证信息提取系统，捕获身份证正面图像和身份证反面图像；

S2：识别身份证正面图像和身份证反面图像；

S3：对身份证正面图像和身份证反面图像进行行定位、去噪、二值化、单字分割，得到单个的身份证的有效文字信息；

S4：对S3得到的单个的身份证的有效文字信息进行识别，并输出识别结果；

S5：对输出结果进行校验；

S6：退出身份证信息提取系统。

优选地，所述步骤S1的具体操作为：

S11：采用移动终端的摄像头捕获身份证正面图像和身份证反面图像，且对移动终端的摄像头进行框框标定，即在摄像头捕捉的每一帧图像在中心位置设定一个大小为560*380的红色框框；

S12：将身份证正面和身份证反面分别放入红色框框区域的四周，进行拍照，然后分别选取身份证正面和身份证反面红色框框区域的图像，即捕获了身份证正面图像和身份证反面图像。

优选地，所述步骤S2的具体操作为：

S21：选取大量的人脸图像标定成正样本，选取大量的非人脸图像标定成负样本，并通过Haar特征构建级联分类器(adboost)来训练人脸图像模型；

S22：通过adboost模型检测来识别用户的身份证正面图像和身份证反面图像，即能检测到人脸的图像即为身份证正面图像，反之为身份证反面图像。

优选地，所述步骤S3的具体操作为：

S31：根据有效文字信息在身份证中的位置对有效信息进行粗定位；

S32：根据在有效文字信息行的边界所在行像素的灰度平均值比背景要小这一特性，对粗定位的文字信息进行精准定位，采用的公式为：

avg_h[i]＜avg_h[i-1]*coef且

avg_h[i+1]＜avg_h[i-1]*coef且

avg_h[i+2]＜avg_h[i-1]*coef

则i为精准定位区域的上边界，其中avg_h[i]为粗定位矩形块内第i行像素灰度的平均值，coef为比例系数，以防止将存在一定差异的背景行当成精准定位的边界，同理得到精准定位区域的下边界、左边界、右边界；

S33：采用高斯模板对3×3精准定位区域进行滤波，减弱背景信息的干扰及去除噪声；

S34：采用动态阈值对精准定位区域进行二值化，得到精准定位区域的二值图像，并对精准定位区域的二值图像进行单字分割，得到单个的有效文字信息。

优选地，所述步骤S4的具体操作为：

S41：以降维后的gabor为特征构建有效文字信息的支持向量机分类器(SVM)，采用的公式为：

x′＝x sinθ+y cosθ

y′＝x cosθ-y sinθ

其中，f指θ方向正弦波频率，σ_x′、σ_y′分别为x′、y′轴方向上高斯包络的空间常数，θ为gabor滤波的方向，θ取0°、45°、90°、135°；

S42：用SVM对单字分割得到单个的有效文字信息进行分类，并输出分类结果。

与现有技术相比，本本发明提供的一种身份证信息提取系统，具有如下有益效果：

(1)选用gabor特征作为提取身份证描述特征，能很好的解决对畸变，位移变化不敏感及抗干扰能力差的不足。

(2)采用人脸验证的方法来识别身份证的正反两面，能充分提取身份证的正面信息和身份证的反面信息。

(2)通过对移动终端的摄像头进行框框标定，可以解决旋转校正不准确使识别率低的问题。

附图说明

图1为本发明的方法流程图。

图2为本发明的gabor特征图。

图3为本发明的粗定位、精准定位、二值化、单字分割图。

具体实施方式

下面结合附图以及具体实施方式，对本发明做进一步说明。

如图1至图3所示，以手机银行业务办理的一种身份证信息提取系统为例，包括如下步骤：

S1：进入身份证信息提取系统，捕获身份证正面图像和身份证反面图像；

其中步骤S1的具体操作为：

S11：为了减少算法的复杂程度，加快处理速度，提高识别正确率，对移动终端的摄像头进行框框标定，即在摄像头捕捉的每一帧图像在中心位置设定一个大小为560*380的红色框框；

S12：在对身份证正面图像和身份证反面图像进行捕获时，将身份证正面和身份证反面分别放入红色框框区域的四周，进行拍照，然后分别选取身份证正面和身份证反面红色框框区域的图像，即得到了身份证正面图像和身份证反面图像。

S2：识别身份证正面图像和身份证反面图像；

其中步骤S2的具体操作为：

S21：由于身份证正面图像包含人脸信息，故选取大量的人脸图像，并将这些人脸图像标定成正样本，非人脸图像标定成负样本，并通过Haar特征构建级联分类器(adboost)来训练人脸图像模型；

S22：通过adboost模型检测是否含有人脸图像来区分用户的身份证正面图像和身份证反面图像，即能检测到人脸的图像即为身份证正面图像，反之为身份证反面图像。

S3：对身份证正面图像和身份证反面图像进行行定位、去噪、二值化、单字分割，得到单个的身份证的有效文字信息；

其中步骤S3的具体操作为：

S31：由于身份证中有效文字信息位置是固定的，因此可以根据有效文字信息在身份证中的位置对有效信息进行大致定位，即粗定位；比如若整幅身份证图像的宽和高都为1，原点在左上角，则身份证编号一般位于(0.4，0.85)为左上角，宽0.5，高0.15的矩形内；

S32：由于身份证的背景信息与有效文字信息存在明显的差异，主要表现在有效文字信息行的边界所在行像素的灰度平均值比背景要小，根据这一特性，对粗定位的文字信息进行精准定位，公式为：

avg_h[i]＜avg_h[i-1]*coef且

avg_h[i+1]＜avg_h[i-1]*coef且

avg_h[i+2]＜avg_h[i-1]*coef

则i为精准定位区域的上边界，其中avg_h[i]为粗定位矩形块内第i行像素灰度的平均值，coef为比例系数，其目的是为了防止将存在一定差异的背景行当成精准定位的边界。同理得到精准定位区域的下边界、左边界、右边界。

S33：采用的高斯模板对3×3精准定位区域进行滤波，减弱背景信息的干扰及去除噪声；

S34：采用动态阈值对精准定位区域进行二值化，得到精准定位区域的二值图像，并对精准定位区域的二值图像进行单字分割，得到单个的有效文字信息。

S4：对S3得到的单个的身份证的有效文字信息进行识别，并输出识别结果；

其中S41：以降维后的gabor为特征构建有效文字信息的支持向量机分类器(SVM)，由于汉字笔画包含横、竖、撇、捺，这些笔画相应的角度是0°、45°、90°、135°，因此，选用gabor滤波更形象的提取汉字的横、竖、撇、捺这四种纹理信息，同样gabor滤波对数字纹理信息提取也有较好的效果，公式为：

x′＝x sinθ+y cosθ

y′＝x cosθ-y sinθ

其中，f指θ方向正弦波频率，σ_x′、σ_y′分别为x′、y′轴方向上高斯包络的空间常数，θ为gabor滤波的方向，θ取0°、45°、90°、135°。由于gabor特征维数较高，故利用主成份分析(PCA)进行降为处理，然后以降维后的gabor为特征构建有效文字信息的支持向量机分类器(SVM)；

S42：用SVM对单字分割得到单个的有效文字信息进行分类，并输出分类结果。

S5：对输出结果进行校验。

S6：退出身份证信息提取系统。

本发明提供一种身份证信息提取系统，对移动终端的摄像头进行设定，以获取用户的身份证正面图像和反面图像，简单有效的解决旋转校正不准确使识别率低的问题。由于身份证正面图像包含人脸信息，因此通过用Haar特征构建级联分类器(adboost)来训练人脸图像模型，以区分用户的身份证正面图像和身份证反面图像，简单有效的解决仅对身份证正面信息提取的问题。分别对身份证正面图像和身份证反面图像进行相关处理，以获取身份证的有效文字信息。由于身份证图像中身份证信息位置是固定的，因此对身份证正面图像和身份证的反面图像中的有效信息进行行定位、去噪、二值化、单字分割，以获取单个的身份证的有效文字信息。最后，降维后的gabor为特征构建支持向量机分类器(SVM)对上述分割得到的单个身份证的有效文字信息进行分类，并输出分类结果，并对输出结果进行校正，该方案能很好的提高识别率。

上述的实施例仅为本发明的优选实施例，不能以此来限定本发明的权利范围，因此，依本发明申请专利范围所作的修改、等同变化、改进等，仍属本发明所涵盖的范围。

Claims (5)

1.一种身份证信息提取系统，其特征在于，包括如下步骤：

S1：进入身份证信息提取系统，捕获身份证正面图像和身份证反面图像；

S2：识别身份证正面图像和身份证反面图像；

S3：对身份证正面图像和身份证反面图像进行行定位、去噪、二值化、单字分割，得到单个的身份证的有效文字信息；

S4：对S3得到的单个的身份证的有效文字信息进行识别，并输出识别结果；

S5：对输出结果进行校验；

S6：退出身份证信息提取系统。

2.根据权利要求1所述的一种身份证信息提取系统，其特征在于，所述步骤S1的具体操作为：

S11：采用移动终端的摄像头捕获身份证正面图像和身份证反面图像，且对移动终端的摄像头进行框框标定，即在摄像头捕捉的每一帧图像在中心位置设定一个大小为560*380的红色框框；

S12：将身份证正面和身份证反面分别放入红色框框区域的四周，进行拍照，然后分别选取身份证正面和身份证反面红色框框区域的图像，即捕获了身份证正面图像和身份证反面图像。

3.根据权利要求1所述的一种身份证信息提取系统，其特征在于，所述步骤S2的具体操作为：

S21：选取大量的人脸图像标定成正样本，选取大量的非人脸图像标定成负样本，并通过Haar特征构建级联分类器(adboost)来训练人脸图像模型；

S22：通过adboost模型检测来识别用户的身份证正面图像和身份证反面图像，即能检测到人脸的图像即为身份证正面图像，反之为身份证反面图像。

4.根据权利要求1所述的一种身份证信息提取系统，其特征在于，所述步骤S3的具体操作为：

S31：根据有效文字信息在身份证中的位置对有效信息进行粗定位；

S32：根据在有效文字信息行的边界所在行像素的灰度平均值比背景要小这一特性，对粗定位的文字信息进行精准定位，采用的公式为：

avg_h[i]＜avg_h[i-1]*coef且

avg_h[i+1]＜avg_h[i-1]*coef且

avg_h[i+2]＜avg_h[i-1]*coef

则i为精准定位区域的上边界，其中avg_h[i]为粗定位矩形块内第i行像素灰度的平均值，coef为比例系数，以防止将存在一定差异的背景行当成精准定位的边界，同理得到精准定位区域的下边界、左边界、右边界；

S33：采用高斯模板对3×3精准定位区域进行滤波，减弱背景信息的干扰及去除噪声；

S34：采用动态阈值对精准定位区域进行二值化，得到精准定位区域的二值图像，并对精准定位区域的二值图像进行单字分割，得到单个的有效文字信息。

5.根据权利要求1所述的一种身份证信息提取系统，其特征在于，所述步骤S4的具体操作为：

S41：以降维后的gabor为特征构建有效文字信息的支持向量机分类器(SVM)，采用的公式为：

$G(x,y;f,\mathrm{\θ})=\exp \{\frac{-1}{2}\[\frac{x^{\′2}}{{\mathrm{\σ}}_{x^{\′2}}}+\frac{y^{\′2}}{{\mathrm{\σ}}_{y^{\′2}}}\]\}cos\left(2{\mathrm{\πfx}}^{\′}\right)$

x′＝xsinθ+ycosθ

y′＝xcosθ-ysinθ

其中，f指θ方向正弦波频率，σ_x′、σ_y′分别为x′、y′轴方向上高斯包络的空间常数，θ为gabor滤波的方向，θ取0°、45°、90°、135°；

S42：用SVM对单字分割得到单个的有效文字信息进行分类，并输出分类结果。