CN108256591A - 用于输出信息的方法和装置 - Google Patents
用于输出信息的方法和装置 Download PDFInfo
- Publication number
- CN108256591A CN108256591A CN201810159604.9A CN201810159604A CN108256591A CN 108256591 A CN108256591 A CN 108256591A CN 201810159604 A CN201810159604 A CN 201810159604A CN 108256591 A CN108256591 A CN 108256591A
- Authority
- CN
- China
- Prior art keywords
- certificate
- images
- recognized
- classification
- mentioned
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括:获取用户上传的待识别图像集合,其中,用户所关联的行业标识对应有类别标识组;对待识别图像集合中的各张待识别图像进行分析,确定各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像;若是,则确定各张待识别图像分别归属的证件类别组成的集合是否与证件类别组相同;若相同,则对待识别图像集合中的每张待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所对应的与用户相关的文本信息进行比对,生成比对结果,将比对结果输出至审核人员的审核端。该实施方式可以节约审核人员的审核时间以及提高审核效率。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于输出信息的方法和装置。
背景技术
证件资质审核是在经济交易活动中一个必不可少的步骤,用于确保交易双方资质是否符合要求,以便顺利完成后续的交易行为。随着终端设备的普及,证件材料往往通过终端设备进行上传,并由后端审核人员进行审核。
在现有的业务场景中,需要同时提交多种不同类型的资质证件进行审核。目前,用户通常对拍摄的证件图像进行人工分类后再进行上传。而审核人员通常对用户上传的证件图像进行人工审核。当审核多种类型的证件图像时,由于证件图像分类错误和/或证件图像缺失等原因,通常会致使审核人员花费较多的审核时间,审核效率比较低。
发明内容
本申请实施例提出了用于输出信息的方法和装置。
第一方面,本申请实施例提供了一种用于输出信息的方法,该方法包括:获取用户上传的待识别图像集合,其中,上述用户关联有行业标识,上述行业标识对应有证件类别组,证件类别关联有与上述用户相关的文本信息;对上述待识别图像集合中的各张待识别图像进行分析,确定上述各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像;响应于确定上述各张待识别图像是上述证件类别集合中的证件类别下的证件图像,进一步确定上述各张待识别图像分别归属的证件类别组成的集合是否与上述证件类别组相同;响应于确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组相同,对于上述待识别图像集合中的每张待识别图像,对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,生成比对结果,将上述比对结果输出至审核人员的审核端。
在一些实施例中,上述方法还包括:将上述字符信息输出至上述审核端。
在一些实施例中,在上述进一步确定上述各张待识别图像分别归属的证件类别组成的集合是否与上述证件类别组相同之前,上述方法还包括:为上述各张待识别图像分别设置对应的类别标签,将上述类别标签返回给上述用户,其中,每个类别标签用于指示所对应的待识别图像所归属的证件类别。
在一些实施例中,上述方法还包括:响应于确定上述各张待识别图像中存在不是上述证件类别集合中的证件类别下的证件图像的目标待识别图像,生成第一提示信息,将上述第一提示信息返回给上述用户,其中,上述第一提示信息用于提示上述目标待识别图像所归属的证件类别不能被识别。
在一些实施例中,上述方法还包括:响应于确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组不一致,生成第二提示信息,将上述第二提示信息返回给上述用户,其中,上述第二提示信息用于提示证件图像缺失。
在一些实施例中,上述对上述待识别图像集合中的各张待识别图像进行分析,确定上述各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像,包括:对于上述待识别图像集合中的每张待识别图像,执行以下识别步骤:将该待识别图像输入预先训练的证件识别模型,得到识别结果,其中,上述识别结果包括该待识别图像归属于上述证件类别集合中的每个证件类别的概率和不是证件图像的概率,上述证件识别模型用于表征待识别图像与识别结果之间的对应关系;确定该待识别图像不是证件图像的概率是否为上述识别结果中的最大概率;若是最大概率,则确定该待识别图像不是上述证件类别集合中的证件类别下的证件图像。
在一些实施例中,上述识别步骤还包括:若不是最大概率,则将该待识别图像确定为上述识别结果中的最大概率所对应的证件类别下的证件图像。
第二方面,本申请实施例提供了一种用于输出信息的装置,该装置包括:获取单元,配置用于获取用户上传的待识别图像集合,其中,上述用户关联有行业标识,上述行业标识对应有证件类别组,证件类别关联有与上述用户相关的文本信息;第一确定单元,配置用于对上述待识别图像集合中的各张待识别图像进行分析,确定上述各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像;第二确定单元,配置用于响应于确定上述各张待识别图像是上述证件类别集合中的证件类别下的证件图像,进一步确定上述各张待识别图像分别归属的证件类别组成的集合是否与上述证件类别组相同;输出单元,配置用于响应于确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组相同,对于上述待识别图像集合中的每张待识别图像,对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,生成比对结果,将上述比对结果输出至审核人员的审核端。
在一些实施例中,上述装置还包括:第一输出单元,配置用于将上述字符信息输出至上述审核端。
在一些实施例中,上述装置还包括:第二输出单元,配置用于为上述各张待识别图像分别设置对应的类别标签,将上述类别标签返回给上述用户,其中,每个类别标签用于指示所对应的待识别图像所归属的证件类别。
在一些实施例中,上述装置还包括:第三输出单元,配置用于响应于确定上述各张待识别图像中存在不是上述证件类别集合中的证件类别下的证件图像的目标待识别图像,生成第一提示信息,将上述第一提示信息返回给上述用户,其中,上述第一提示信息用于提示上述目标待识别图像所归属的证件类别不能被识别。
在一些实施例中,上述装置还包括:第四输出单元,配置用于响应于确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组不一致,生成第二提示信息,将上述第二提示信息返回给上述用户,其中,上述第二提示信息用于提示证件图像缺失。
在一些实施例中,上述第一确定单元包括:确定子单元,配置用于对于上述待识别图像集合中的每张待识别图像,执行以下识别步骤:将该待识别图像输入预先训练的证件识别模型,得到识别结果,其中,上述识别结果包括该待识别图像归属于上述证件类别集合中的每个证件类别的概率和不是证件图像的概率,上述证件识别模型用于表征待识别图像与识别结果之间的对应关系;确定该待识别图像不是证件图像的概率是否为上述识别结果中的最大概率;若是最大概率,则确定该待识别图像不是上述证件类别集合中的证件类别下的证件图像。
在一些实施例中,上述确定子单元还进一步配置用于:若不是最大概率,则将该待识别图像确定为上述识别结果中的最大概率所对应的证件类别下的证件图像。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,上述程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于输出信息的方法和装置,通过获取用户上传的待识别图像集合,而后对该待识别图像集合中的各张待识别图像进行分析,确定该各张该识别图像是否为预设的证件类别集合中的证件类别下的证件图像,以便在确定该各张该识别图像是证件类别集合中的证件类别下的证件图像时,进一步确定该各张待识别图像分别归属的证件类别组成的集合是否与该用户所关联的行业标识所对应的证件类别组相同。然后在确定该各张待识别图像分别归属的证件类别组成的集合与该证件类别组相同时,对待识别图像集合中的每张待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,以便生成比对结果,以及将该比对结果输出至审核人员的审核端。对待识别图像集合中的待识别图像进行以上审核操作,可以节约审核人员的审核时间,以及提高审核效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于输出信息的方法的一个实施例的流程图;
图3是根据本申请的用于输出信息的方法的一个应用场景的示意图;
图4是根据本申请的用于输出信息的方法的又一个实施例的流程图;
图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104、106,服务器105和审核端107。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络106用以在服务器105和审核端107之间提供通信链路的介质。网络104、106可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、即时通信工具、用于上传图片的应用等。
终端设备101、102、103可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器。例如,服务器105可以获取用户通过终端设备101、102、103上传的待识别图像集合,对该待识别图像集合进行分析等处理,将处理结果(例如生成的比对结果)输出至审核端107。
审核端107可以是提供各种服务的服务器,也可以是终端设备。当审核端107为终端设备时,该终端设备可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。另外,审核人员可以通过审核端107查看服务器105发送的上述处理结果,并基于上述处理结果进行相应的操作。
需要说明的是,本申请实施例所提供的用于输出信息的方法一般由服务器105执行,相应地,用于输出信息的装置一般设置于服务器105中。
需要指出的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络、服务器和审核端的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络、服务器和审核端。
继续参考图2,示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法的流程200,包括以下步骤:
步骤201,获取用户上传的待识别图像集合。
在本实施例中,用于输出信息的方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取用户通过其持有的终端设备(例如图1所示的终端设备101、102、103)上传的待识别图像集合。其中,该用户可以关联有行业标识。该行业标识可以是该用户所处的行业的行业名称或行业编号等。该行业标识可以对应有证件类别组。
需要说明的是,上述证件类别组可以包括上述行业标识所指示的行业所涉及的不同的资质证件所归属的证件类别。证件类别例如可以包括身份证、执业证(例如专利代理人执业证、医师执业证等)、营业执照、许可证、税务登记等等。这里,上述待识别图像集合例如可以包括上述用户自己的或所在单位的至少一个资质证件的图像。
另外,上述证件类别组中的证件类别可以关联有与上述用户相关的文本信息。例如,对于证件类别“身份证”,该证件类别所关联的文本信息例如可以包括上述用户的姓名、出生日期、住址和/或身份证号等。
步骤202,对待识别图像集合中的各张待识别图像进行分析,确定各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像。
在本实施例中,上述电子设备可以对上述待识别图像集合中的各张待识别图像进行分析,确定该各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像。其中,上述证件类别组中的证件类别包含在该证件类别集合中。
作为示例,上述电子设备本地可以预先存储有经训练后的卷积神经网络。其中,该卷积神经网络可以用于提取图像特征。而且,上述电子设备本地还可以存储有用于表征图像特征信息与证件类别(该证件类别包含在上述证件类别集合中)之间的对应关系的对应关系表。对于上述待识别图像集合中的每张待识别图像,上述电子设备可以先将该待识别图像输入该卷积神经网络,得到图像特征信息。而后,上述电子设备可以将所得的图像特征信息与该对应关系表中的图像特征信息进行匹配。若该对应关系表中存在与所得的图像特征信息相匹配的目标图像特征信息,则上述电子设备可以确定该待识别图像是上述证件类别集合中的证件类别(即该目标图像特征信息所对应的证件类别)下的证件图像。
需要说明的是,图像特征信息可以是用于对图像的特征进行表征的信息,图像的特征可以是图像的各种基本要素(例如颜色、线条、纹理等)。实践中,卷积神经网络(Convolutional Neural Network,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于图像处理有出色表现。因而,可以利用卷积神经网络进行图像特征信息的提取。
需要指出的是,上述卷积神经网络可以是利用机器学习方法和训练样本对现有的深度卷积神经网络(例如DenseBox、VGGNet、ResNet、SegNet等)进行有监督训练而得到的。
需要强调的是,通过对上述待识别图像集合中的待识别图像进行证件图像识别,可以避免人工分类时,将待识别图像分类至错误的证件类别。
在本实施例的一些可选的实现方式中,对于上述待识别图像集合中的每张待识别图像,上述电子设备可以执行以下识别步骤:
首先,上述电子设备可以将该待识别图像输入预先训练的证件识别模型,得到识别结果。其中,该识别结果可以包括该待识别图像归属于上述证件类别集合中的每个证件类别的概率和不是证件图像的概率。该证件识别模型可以用于表征待识别图像与识别结果之间的对应关系。
需要说明的是,证件识别模型可以是技术人员基于大量统计计算而预先制定的、用于表征待识别图像与识别结果之间的对应关系的对应关系表;也可以是利用机器学习方法和训练样本对现有的深度卷积神经网络(例如DenseBox、VGGNet、ResNet、SegNet等)进行有监督训练而得到的。
而后,上述电子设备可以确定该待识别图像不是证件图像的概率是否为识别结果中的最大概率。若是最大概率,则上述电子设备可以确定该待识别图像不是上述证件类别集合中的证件类别下的证件图像。若不是最大概率,则上述电子设备可以将该待识别图像确定为识别结果中的最大概率所对应的证件类别下的证件图像。
步骤203,响应于确定各张待识别图像是证件类别集合中的证件类别下的证件图像,进一步确定各张待识别图像分别归属的证件类别组成的集合是否与证件类别组相同。
在本实施例中,响应于上述电子设备确定上述各张待识别图像是上述证件类别集合中的证件类别下的证件图像,上述电子设备可以进一步确定上述各张待识别图像分别归属的证件类别组成的集合是否与上述证件类别组相同。
作为示例,上述电子设备可以先确定上述各张待识别图像分别归属的证件类别的数量是否与上述证件类别组内的证件类别的数量相同。若数量不相同,则上述电子设备可以确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组不相同。若数量相同,则上述电子设备可以进一步确定上述各张待识别图像分别归属的证件类别是否均包含在上述证件类别组内。若均包含在上述证件类别组内,则上述电子设备可以确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组相同;否则,上述电子设备可以确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组不相同。
需要说明的是,针对不同的行业,可能对证件图像的类别有不同的要求。因此,预先将行业标识与证件类别组相关联,在对证件图像进行文字识别之前,先确定用户上传的待识别图像集合中的待识别图像所归属的证件类别组成的集合是否与该用户所关联的行业标识所对应的证件类别组相同,可以避免将缺失某一类或多类证件图像的待识别图像集合发送给审核人员审核。这样可以减轻审核人员的工作压力,节约审核时间等。
步骤204,响应于确定各张待识别图像分别归属的证件类别组成的集合与证件类别组相同,对于待识别图像集合中的每张待识别图像,对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,生成比对结果,将比对结果输出至审核人员的审核端。
在本实施例中,响应于上述电子设备确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组相同,对于上述待识别图像集合中的每张待识别图像,上述电子设备可以对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的与上述用户相关的文本信息进行比对,生成比对结果。上述电子设备可以将比对结果输出至审核人员的审核端,例如输出至该审核端的显示屏上或指定文件内等。
需要说明的是,上述证件类别组中的每个证件类别可以预先关联有证件模板,该证件模板可以包括位置信息,该位置信息可以用于指示该证件类别下的证件图像中的区域。其中,该区域可以是矩形区域。该位置信息例如可以包括区域的左上顶点坐标、右下顶点坐标;还可以包括区域的左下顶点坐标、右上顶点坐标。当然,该位置信息在包括区域的顶点坐标的同时,还可以包括区域的高度值和/或宽度值。
需要指出的是,对于上述待识别图像集合中的每张待识别图像,该待识别图像中的指定区域可以是该待识别图像所归属的证件类别所关联的证件模板中的位置信息所指示的区域。
在本实施例中,上述电子设备可以利用现有的字符识别算法,例如OCR(OpticalCharacter Recognition,光学字符识别),来对待识别图像中的指定区域进行字符识别。需要说明的是,OCR识别是通过对图像进行扫描,使用字符识别方法将形状翻译成计算机文字的过程。OCR识别技术被广泛用于身份证件、发票等具有独特明显特征的证件识别中。
对于任意一张待识别图像,上述电子设备在对该待识别图像中的指定区域进行字符识别得到识别出的字符信息后,上述电子设备例如可以计算该字符信息与该待识别图像所归属的证件类别所关联的与上述用户相关的文本信息之间的相似度。若相似度达到指定相似度阈值(例如1),则上述电子设备例如可以生成用于指示信息匹配的比对结果。若相似度没有达到相似度阈值,则上述电子设备例如可以生成用于指示信息不匹配的比对结果,该比对结果例如可以包括该字符信息和该文本信息中的不匹配的信息。这里,相似度阈值的大小是可以根据实际需要进行调整的,本实施例不对此方面内容做任何限定。
需要说明的是,通过将比对结果输出至审核人员的审核端,可以辅助审核人员进行审核。若审核人员接收到用于指示信息匹配的比对结果,审核人员可以选择不对该比对结果所对应的待识别图像进行人工审核,可以节约审核时间。若审核人员接收到用于指示信息不匹配的比对结果,审核人员可以再对该比对结果所对应的待识别图像进行人工审核;若审核人员发现是识别流程的问题,则审核人员可以将正确的数据进行录入,并做审核通过处理;若非识别流程的问题,则审核人员可以通过审核端通知上述用户重新采集待识别图像。
继续参见图3,图3是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中,当需要对用户的资质证件进行审核时,如标号301所示,上述用户首先可以通过其持有的终端设备将待识别图像集合上传至所连接的服务器,其中,待识别图像集合可以包括待识别图像A,待识别图像A可以是上述用户拍摄的身份证图像。而后,如标号302所示,上述服务器可以对待识别图像A进行分析,确定待识别图像A是否为预设的证件类别集合B中的证件类别下的证件图像,其中,证件类别集合B可以包括证件类别“身份证”。之后,如标号303所示,响应于上述服务器确定待识别图像A是证件类别“身份证”下的证件图像,上述服务器可以将待识别图像A所归属的证件类别“身份证”与上述用户所关联的行业标识所对应的证件类别组C中的证件类别进行比较,以进一步确定待识别图像A所归属的证件类别是否与证件类别组C相同,其中,证件类别组C可以包括证件类别“身份证”,该证件类别预先关联有与上述用户相关的文本信息D。接着,如标号304所示,响应于上述服务器确定待识别图像A所归属的证件类别与证件类别组C相同,上述服务器可以对待识别图像A中的指定区域进行字符识别,将识别出的字符信息E与文本信息D进行比对。然后,如标号305所示,响应于上述服务器确定字符信息E与文本信息D相同,上述服务器可以生成用于指示字符信息E与文本信息D相匹配的比对结果。最后,如标号306所示,上述服务器可以将比对结果输出至审核人员的审核端,以供审核人员参考,辅助审核人员进行审核。
本申请的上述实施例提供的方法,通过获取用户上传的待识别图像集合,而后对该待识别图像集合中的各张待识别图像进行分析,确定该各张该识别图像是否为预设的证件类别集合中的证件类别下的证件图像,以便在确定该各张该识别图像是证件类别集合中的证件类别下的证件图像时,进一步确定该各张待识别图像分别归属的证件类别组成的集合是否与该用户所关联的行业标识所对应的证件类别组相同。然后在确定该各张待识别图像分别归属的证件类别组成的集合与该证件类别组相同时,对待识别图像集合中的每张待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,以便生成比对结果,以及将该比对结果输出至审核人员的审核端。对待识别图像集合中的待识别图像进行以上审核操作,可以节约审核人员的审核时间,以及提高审核效率。
进一步参考图4,其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400,包括以下步骤:
步骤401,获取用户上传的待识别图像集合。
在本实施例中,用于输出信息的方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式获取用户通过其持有的终端设备(例如图1所示的终端设备101、102、103)上传的待识别图像集合。其中,该用户可以关联有行业标识。该行业标识可以是该用户所处的行业的行业名称或行业编号等。该行业标识可以对应有证件类别组。
需要说明的是,上述证件类别组可以包括上述行业标识所指示的行业所涉及的不同的资质证件所归属的证件类别。上述待识别图像集合例如可以包括上述用户自己的或所在单位的至少一个资质证件的图像。另外,上述证件类别组中的证件类别可以关联有与上述用户相关的文本信息。例如,对于证件类别“身份证”,该证件类别所关联的文本信息例如可以包括上述用户的姓名、出生日期、住址和/或身份证号等。
步骤402,对待识别图像集合中的各张待识别图像进行分析,确定各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像。
在本实施例中,上述电子设备可以对上述待识别图像集合中的各张待识别图像进行分析,确定各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像。这里,针对步骤402的解释说明可参看图2所示实施例中的步骤202的相关说明,在此不再赘述。
需要说明的是,若上述电子设备确定上述各张待识别图像均为上述证件类别集合中的证件类别下的证件图像,则上述电子设备可以执行步骤404;否则,上述电子设备可以执行步骤403。
步骤403,响应于确定各张待识别图像中存在不是证件类别集合中的证件类别下的证件图像的目标待识别图像,生成第一提示信息,将第一提示信息返回给用户。
在本实施例中,响应于上述电子设备确定上述各张待识别图像中存在不是证件类别集合中的证件类别下的证件图像的目标待识别图像,上述电子设备可以生成第一提示信息,将第一提示信息返回给上述用户。其中,第一提示信息可以用于提示上述目标待识别图像所归属的证件类别不能被识别。这样,上述用户在接收到第一提示信息时,可以重新拍摄证件图像并上传至服务器以供审核。
步骤404,响应于确定各张待识别图像是证件类别集合中的证件类别下的证件图像,为各张待识别图像分别设置对应的类别标签,将类别标签返回给用户。
在本实施例中,响应于上述电子设备确定上述各张待识别图像均为上述证件类别集合中的证件类别下的证件图像,上述电子设备可以为上述各张待识别图像分别设置对应的类别标签,将类别标签返回给上述用户,以对上述用户进行类别提示。其中,每个类别标签可以用于指示所对应的待识别图像所归属的证件类别。而且,该类别标签可以包括所指示的证件类别的名称。这里,上述电子设备在执行完步骤404后,上述电子设备可以继续执行步骤405。
步骤405,确定各张待识别图像分别归属的证件类别组成的集合是否与证件类别组相同。
在本实施例中,上述电子设备在执行完步骤404后,上述电子设备可以将上述各张待识别图像分别归属的证件类别组成的集合与上述用户所关联的行业标识所对应的证件类别组进行比较,以确定该集合与该证件类别组是否相同。若相同,则上述电子设备可以执行步骤406;否则,上述电子设备可以执行步骤407。
步骤406,响应于确定各张待识别图像分别归属的证件类别组成的集合与证件类别组相同,对于待识别图像集合中的每张待识别图像,对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,生成比对结果,将字符信息和比对结果输出至审核人员的审核端。
在本实施例中,响应于上述电子设备确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组相同,对于上述待识别图像集合中的每张待识别图像,上述电子设备可以对该待识别图像中的指定区域进行字符识别,得到识别出的字符信息。上述电子设备可以将该字符信息与该待识别图像所归属的证件类别所关联的与上述用户相关的文本信息进行比对,生成比对结果。上述电子设备可以将该字符信息和该比对结果输出至审核人员的审核端。
步骤407,响应于确定各张待识别图像分别归属的证件类别组成的集合与证件类别组不一致,生成第二提示信息,将第二提示信息返回给用户。
在本实施例中,响应于上述电子设备确定上述各张待识别图像分别归属的证件类别组成的集合与证件类别组不一致,上述电子设备可以生成第二提示信息,将该第二提示信息返回给上述用户。其中,第二提示信息可以是用于提示证件图像缺失。这样,上述用户在接收到第二提示信息时,可以重新拍摄证件图像并上传至服务器以供审核。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于输出信息的方法的流程400突出了在确定各张待识别图像中存在目标待识别图像时生成第一提示信息并将第一提示信息返回给用户的步骤、在确定各张待识别图像是证件类别集合中的证件类别下的证件图像时为各张待识别图像分别设置对应的类别标签并将类别标签返回给用户的步骤、将字符信息和比对结果输出至审核人员的审核端的步骤,以及在确定各张待识别图像分别归属的证件类别组成的集合与证件类别组不一致时生成第二提示信息并将第二提示信息返回给用户的步骤。由此,本实施例描述的方案可以实现更全面的信息输出。而且可以有效地辅助审核人员进行审核,减轻审核人员的工作压力,节约审核时间,提高审核效率。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于输出信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于输出信息的装置500包括:获取单元501、第一确定单元502、第二确定单元503和输出单元504。其中,获取单元501配置用于获取用户上传的待识别图像集合,其中,上述用户可以关联有行业标识,上述行业标识可以对应有证件类别组,证件类别可以关联有与上述用户相关的文本信息;第一确定单元502配置用于对上述待识别图像集合中的各张待识别图像进行分析,确定上述各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像;第二确定单元503配置用于响应于确定上述各张待识别图像是上述证件类别集合中的证件类别下的证件图像,进一步确定上述各张待识别图像分别归属的证件类别组成的集合是否与上述证件类别组相同;输出单元504配置用于响应于确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组相同,对于上述待识别图像集合中的每张待识别图像,对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,生成比对结果,将上述比对结果输出至审核人员的审核端。
在本实施例中,用于输出信息的装置500中:获取单元501、第一确定单元502、第二确定单元503和输出单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:第一输出单元(图中未示出),配置用于将上述字符信息输出至上述审核端。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:第二输出单元(图中未示出),配置用于为上述各张待识别图像分别设置对应的类别标签,将上述类别标签返回给上述用户,其中,每个类别标签可以用于指示所对应的待识别图像所归属的证件类别。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:第三输出单元(图中未示出),配置用于响应于确定上述各张待识别图像中存在不是上述证件类别集合中的证件类别下的证件图像的目标待识别图像,生成第一提示信息,将上述第一提示信息返回给上述用户,其中,上述第一提示信息可以用于提示上述目标待识别图像所归属的证件类别不能被识别。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:第四输出单元(图中未示出),配置用于响应于确定上述各张待识别图像分别归属的证件类别组成的集合与上述证件类别组不一致,生成第二提示信息,将上述第二提示信息返回给上述用户,其中,上述第二提示信息可以用于提示证件图像缺失。
在本实施例的一些可选的实现方式中,上述第一确定单元502可以包括:确定子单元(图中未示出),配置用于对于上述待识别图像集合中的每张待识别图像,执行以下识别步骤:将该待识别图像输入预先训练的证件识别模型,得到识别结果,其中,上述识别结果包括该待识别图像归属于上述证件类别集合中的每个证件类别的概率和不是证件图像的概率,上述证件识别模型用于表征待识别图像与识别结果之间的对应关系;确定该待识别图像不是证件图像的概率是否为上述识别结果中的最大概率;若是最大概率,则确定该待识别图像不是上述证件类别集合中的证件类别下的证件图像。
在本实施例的一些可选的实现方式中,上述确定子单元还可以进一步配置用于:若不是最大概率,则将该待识别图像确定为上述识别结果中的最大概率所对应的证件类别下的证件图像。
本申请的上述实施例提供的装置,通过获取用户上传的待识别图像集合,而后对该待识别图像集合中的各张待识别图像进行分析,确定该各张该识别图像是否为预设的证件类别集合中的证件类别下的证件图像,以便在确定该各张该识别图像是证件类别集合中的证件类别下的证件图像时,进一步确定该各张待识别图像分别归属的证件类别组成的集合是否与该用户所关联的行业标识所对应的证件类别组相同。然后在确定该各张待识别图像分别归属的证件类别组成的集合与该证件类别组相同时,对待识别图像集合中的每张待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,以便生成比对结果,以及将该比对结果输出至审核人员的审核端。对待识别图像集合中的待识别图像进行以上审核操作,可以节约审核人员的审核时间,以及提高审核效率。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、第一确定单元、第二确定单元和输出单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取用户上传的待识别图像集合的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备包括:获取用户上传的待识别图像集合,其中,该用户可以关联有行业标识,该行业标识可以对应有证件类别组,证件类别可以关联有与该用户相关的文本信息;对待识别图像集合中的各张待识别图像进行分析,确定各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像;响应于确定各张待识别图像是证件类别集合中的证件类别下的证件图像,进一步确定各张待识别图像分别归属的证件类别组成的集合是否与上述证件类别组相同;响应于确定各张待识别图像分别归属的证件类别组成的集合与上述证件类别组相同,对于待识别图像集合中的每张待识别图像,对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,生成比对结果,将比对结果输出至审核人员的审核端。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (16)
1.一种用于输出信息的方法,包括:
获取用户上传的待识别图像集合,其中,所述用户关联有行业标识,所述行业标识对应有证件类别组,证件类别关联有与所述用户相关的文本信息;
对所述待识别图像集合中的各张待识别图像进行分析,确定所述各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像;
响应于确定所述各张待识别图像是所述证件类别集合中的证件类别下的证件图像,进一步确定所述各张待识别图像分别归属的证件类别组成的集合是否与所述证件类别组相同;
响应于确定所述各张待识别图像分别归属的证件类别组成的集合与所述证件类别组相同,对于所述待识别图像集合中的每张待识别图像,对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,生成比对结果,将所述比对结果输出至审核人员的审核端。
2.根据权利要求1所述的方法,其中,所述方法还包括:
将所述字符信息输出至所述审核端。
3.根据权利要求1所述的方法,其中,在所述进一步确定所述各张待识别图像分别归属的证件类别组成的集合是否与所述证件类别组相同之前,所述方法还包括:
为所述各张待识别图像分别设置对应的类别标签,将所述类别标签返回给所述用户,其中,每个类别标签用于指示所对应的待识别图像所归属的证件类别。
4.根据权利要求1所述的方法,其中,所述方法还包括:
响应于确定所述各张待识别图像中存在不是所述证件类别集合中的证件类别下的证件图像的目标待识别图像,生成第一提示信息,将所述第一提示信息返回给所述用户,其中,所述第一提示信息用于提示所述目标待识别图像所归属的证件类别不能被识别。
5.根据权利要求1-4之一所述的方法,其中,所述方法还包括:
响应于确定所述各张待识别图像分别归属的证件类别组成的集合与所述证件类别组不一致,生成第二提示信息,将所述第二提示信息返回给所述用户,其中,所述第二提示信息用于提示证件图像缺失。
6.根据权利要求1所述的方法,其中,所述对所述待识别图像集合中的各张待识别图像进行分析,确定所述各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像,包括:
对于所述待识别图像集合中的每张待识别图像,执行以下识别步骤:将该待识别图像输入预先训练的证件识别模型,得到识别结果,其中,所述识别结果包括该待识别图像归属于所述证件类别集合中的每个证件类别的概率和不是证件图像的概率,所述证件识别模型用于表征待识别图像与识别结果之间的对应关系;确定该待识别图像不是证件图像的概率是否为所述识别结果中的最大概率;若是最大概率,则确定该待识别图像不是所述证件类别集合中的证件类别下的证件图像。
7.根据权利要求6所述的方法,其中,所述识别步骤还包括:
若不是最大概率,则将该待识别图像确定为所述识别结果中的最大概率所对应的证件类别下的证件图像。
8.一种用于输出信息的装置,包括:
获取单元,配置用于获取用户上传的待识别图像集合,其中,所述用户关联有行业标识,所述行业标识对应有证件类别组,证件类别关联有与所述用户相关的文本信息;
第一确定单元,配置用于对所述待识别图像集合中的各张待识别图像进行分析,确定所述各张待识别图像是否为预设的证件类别集合中的证件类别下的证件图像;
第二确定单元,配置用于响应于确定所述各张待识别图像是所述证件类别集合中的证件类别下的证件图像,进一步确定所述各张待识别图像分别归属的证件类别组成的集合是否与所述证件类别组相同;
输出单元,配置用于响应于确定所述各张待识别图像分别归属的证件类别组成的集合与所述证件类别组相同,对于所述待识别图像集合中的每张待识别图像,对该待识别图像中的指定区域进行字符识别,将识别出的字符信息与该待识别图像所归属的证件类别所关联的文本信息进行比对,生成比对结果,将所述比对结果输出至审核人员的审核端。
9.根据权利要求8所述的装置,其中,所述装置还包括:
第一输出单元,配置用于将所述字符信息输出至所述审核端。
10.根据权利要求8所述的装置,其中,所述装置还包括:
第二输出单元,配置用于为所述各张待识别图像分别设置对应的类别标签,将所述类别标签返回给所述用户,其中,每个类别标签用于指示所对应的待识别图像所归属的证件类别。
11.根据权利要求8所述的装置,其中,所述装置还包括:
第三输出单元,配置用于响应于确定所述各张待识别图像中存在不是所述证件类别集合中的证件类别下的证件图像的目标待识别图像,生成第一提示信息,将所述第一提示信息返回给所述用户,其中,所述第一提示信息用于提示所述目标待识别图像所归属的证件类别不能被识别。
12.根据权利要求8-11之一所述的装置,其中,所述装置还包括:
第四输出单元,配置用于响应于确定所述各张待识别图像分别归属的证件类别组成的集合与所述证件类别组不一致,生成第二提示信息,将所述第二提示信息返回给所述用户,其中,所述第二提示信息用于提示证件图像缺失。
13.根据权利要求8所述的装置,其中,所述第一确定单元包括:
确定子单元,配置用于对于所述待识别图像集合中的每张待识别图像,执行以下识别步骤:将该待识别图像输入预先训练的证件识别模型,得到识别结果,其中,所述识别结果包括该待识别图像归属于所述证件类别集合中的每个证件类别的概率和不是证件图像的概率,所述证件识别模型用于表征待识别图像与识别结果之间的对应关系;确定该待识别图像不是证件图像的概率是否为所述识别结果中的最大概率;若是最大概率,则确定该待识别图像不是所述证件类别集合中的证件类别下的证件图像。
14.根据权利要求13所述的装置,其中,所述确定子单元还进一步配置用于:
若不是最大概率,则将该待识别图像确定为所述识别结果中的最大概率所对应的证件类别下的证件图像。
15.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810159604.9A CN108256591B (zh) | 2018-02-26 | 2018-02-26 | 用于输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810159604.9A CN108256591B (zh) | 2018-02-26 | 2018-02-26 | 用于输出信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256591A true CN108256591A (zh) | 2018-07-06 |
CN108256591B CN108256591B (zh) | 2021-11-26 |
Family
ID=62745518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810159604.9A Active CN108256591B (zh) | 2018-02-26 | 2018-02-26 | 用于输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256591B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101963A (zh) * | 2018-08-10 | 2018-12-28 | 深圳市碧海扬帆科技有限公司 | 证件图像自动正向的方法、图像处理装置和可读存储介质 |
CN109409421A (zh) * | 2018-10-09 | 2019-03-01 | 杭州诚道科技股份有限公司 | 基于卷积神经网络的机动车、驾驶人档案图像识别方法 |
CN109815976A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 一种证件信息识别方法、装置及设备 |
CN110349033A (zh) * | 2019-05-30 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 项目案件初审方法以及装置 |
CN110489747A (zh) * | 2019-07-31 | 2019-11-22 | 北京大米科技有限公司 | 一种图像处理方法、装置、存储介质及电子设备 |
CN110647881A (zh) * | 2019-09-19 | 2020-01-03 | 腾讯科技(深圳)有限公司 | 确定图像对应的卡片类型的方法、装置、设备及存储介质 |
CN111144416A (zh) * | 2019-12-25 | 2020-05-12 | 中国联合网络通信集团有限公司 | 信息处理方法和装置 |
CN111444908A (zh) * | 2020-03-25 | 2020-07-24 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、终端和存储介质 |
CN111914820A (zh) * | 2019-05-09 | 2020-11-10 | 百度在线网络技术(北京)有限公司 | 资质审核方法及装置 |
CN112906741A (zh) * | 2019-05-21 | 2021-06-04 | 北京嘀嘀无限科技发展有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN114005131A (zh) * | 2021-11-02 | 2022-02-01 | 京东科技信息技术有限公司 | 一种证件文字识别方法及装置 |
CN114429556A (zh) * | 2020-10-15 | 2022-05-03 | 中移动信息技术有限公司 | 一种图片稽核方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100218233A1 (en) * | 2009-02-23 | 2010-08-26 | Larry Hal Henderson | Techniques for credential auditing |
CN204576535U (zh) * | 2014-12-22 | 2015-08-19 | 深圳中兴网信科技有限公司 | 一种票据识别装置 |
CN105681316A (zh) * | 2016-02-02 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 身份验证方法和装置 |
EP3065433A1 (en) * | 2015-03-06 | 2016-09-07 | Apple Inc. | Communicating messages with intermittently available encryption credentials |
CN107133221A (zh) * | 2017-06-09 | 2017-09-05 | 北京京东尚科信息技术有限公司 | 信息审核方法、装置、计算机可读介质和电子设备 |
CN107292749A (zh) * | 2017-08-04 | 2017-10-24 | 平安科技(深圳)有限公司 | 车损证件照片的分类方法、系统及可读存储介质 |
CN107609536A (zh) * | 2017-09-29 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
-
2018
- 2018-02-26 CN CN201810159604.9A patent/CN108256591B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100218233A1 (en) * | 2009-02-23 | 2010-08-26 | Larry Hal Henderson | Techniques for credential auditing |
CN204576535U (zh) * | 2014-12-22 | 2015-08-19 | 深圳中兴网信科技有限公司 | 一种票据识别装置 |
EP3065433A1 (en) * | 2015-03-06 | 2016-09-07 | Apple Inc. | Communicating messages with intermittently available encryption credentials |
CN105681316A (zh) * | 2016-02-02 | 2016-06-15 | 腾讯科技(深圳)有限公司 | 身份验证方法和装置 |
CN107133221A (zh) * | 2017-06-09 | 2017-09-05 | 北京京东尚科信息技术有限公司 | 信息审核方法、装置、计算机可读介质和电子设备 |
CN107292749A (zh) * | 2017-08-04 | 2017-10-24 | 平安科技(深圳)有限公司 | 车损证件照片的分类方法、系统及可读存储介质 |
CN107609536A (zh) * | 2017-09-29 | 2018-01-19 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
Non-Patent Citations (2)
Title |
---|
ZHIWEN WANG等: "Title detection algorithm for OCR credentials image based on directional projection and divergence", 《 2010 3RD INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND INFORMATION TECHNOLOGY》 * |
彭浩: "出入境证件申请审批管理系统的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109101963A (zh) * | 2018-08-10 | 2018-12-28 | 深圳市碧海扬帆科技有限公司 | 证件图像自动正向的方法、图像处理装置和可读存储介质 |
CN109409421A (zh) * | 2018-10-09 | 2019-03-01 | 杭州诚道科技股份有限公司 | 基于卷积神经网络的机动车、驾驶人档案图像识别方法 |
CN109409421B (zh) * | 2018-10-09 | 2021-12-07 | 杭州诚道科技股份有限公司 | 基于卷积神经网络的机动车、驾驶人档案图像识别方法 |
CN109815976A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 一种证件信息识别方法、装置及设备 |
CN111914820A (zh) * | 2019-05-09 | 2020-11-10 | 百度在线网络技术(北京)有限公司 | 资质审核方法及装置 |
CN112906741A (zh) * | 2019-05-21 | 2021-06-04 | 北京嘀嘀无限科技发展有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN110349033A (zh) * | 2019-05-30 | 2019-10-18 | 阿里巴巴集团控股有限公司 | 项目案件初审方法以及装置 |
CN110489747A (zh) * | 2019-07-31 | 2019-11-22 | 北京大米科技有限公司 | 一种图像处理方法、装置、存储介质及电子设备 |
CN110647881A (zh) * | 2019-09-19 | 2020-01-03 | 腾讯科技(深圳)有限公司 | 确定图像对应的卡片类型的方法、装置、设备及存储介质 |
CN110647881B (zh) * | 2019-09-19 | 2023-09-05 | 腾讯科技(深圳)有限公司 | 确定图像对应的卡片类型的方法、装置、设备及存储介质 |
CN111144416A (zh) * | 2019-12-25 | 2020-05-12 | 中国联合网络通信集团有限公司 | 信息处理方法和装置 |
CN111444908A (zh) * | 2020-03-25 | 2020-07-24 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、终端和存储介质 |
CN111444908B (zh) * | 2020-03-25 | 2024-02-02 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、终端和存储介质 |
CN114429556A (zh) * | 2020-10-15 | 2022-05-03 | 中移动信息技术有限公司 | 一种图片稽核方法及装置 |
CN114005131A (zh) * | 2021-11-02 | 2022-02-01 | 京东科技信息技术有限公司 | 一种证件文字识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108256591B (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256591A (zh) | 用于输出信息的方法和装置 | |
CN108229485A (zh) | 用于测试用户界面的方法和装置 | |
CN108038469A (zh) | 用于检测人体的方法和装置 | |
CN108090162A (zh) | 基于人工智能的信息推送方法和装置 | |
CN108898185A (zh) | 用于生成图像识别模型的方法和装置 | |
CN108509915A (zh) | 人脸识别模型的生成方法和装置 | |
CN107168952A (zh) | 基于人工智能的信息生成方法和装置 | |
CN107609536A (zh) | 信息生成方法和装置 | |
CN108154196A (zh) | 用于输出图像的方法和装置 | |
CN108494778A (zh) | 身份认证方法和装置 | |
CN108595628A (zh) | 用于推送信息的方法和装置 | |
CN107590807A (zh) | 用于检测图像质量的方法和装置 | |
CN107251033A (zh) | 用于在在线教育中进行实时用户验证的系统和方法 | |
CN108171203A (zh) | 用于识别车辆的方法和装置 | |
CN107910060A (zh) | 用于生成信息的方法和装置 | |
CN108960110A (zh) | 用于生成信息的方法和装置 | |
CN107193974A (zh) | 基于人工智能的地域性信息确定方法和装置 | |
CN109543444A (zh) | 一种文件签署方法、装置、存储介质和服务器 | |
CN109299477A (zh) | 用于生成文本标题的方法和装置 | |
CN108509994A (zh) | 人物图像聚类方法和装置 | |
CN109359194A (zh) | 用于预测信息类别的方法和装置 | |
CN108959965A (zh) | 数据合规性审查方法和装置 | |
CN109214501A (zh) | 用于识别信息的方法和装置 | |
CN108335390A (zh) | 用于处理信息的方法和装置 | |
CN108446659A (zh) | 用于检测人脸图像的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |