CN108734235A - 一种用于电子处方的身份识别方法及系统 - Google Patents
一种用于电子处方的身份识别方法及系统 Download PDFInfo
- Publication number
- CN108734235A CN108734235A CN201810299066.3A CN201810299066A CN108734235A CN 108734235 A CN108734235 A CN 108734235A CN 201810299066 A CN201810299066 A CN 201810299066A CN 108734235 A CN108734235 A CN 108734235A
- Authority
- CN
- China
- Prior art keywords
- card
- identity card
- image
- picture
- electronic prescription
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种用于电子处方的身份识别方法及系统,属于图像识别的技术领域,通过身份证采集单元拍摄身份证图片,并上传至服务器;通过人脸采集单元拍摄人脸图片,并上传至服务器;将服务器中的身份证图片传送至身份证识别单元,通过身份证识别方法对身份证图片中的身份证号码进行读取并上传至服务器,服务器根据身份证号码调取身份证信息;将身份证信息传送至人脸比对单元,同时,将身份证信息中的存储头像与采集的人脸图片比对,以判断是否开具电子处方单元;以达到在背景比较复杂的情形下,能够对各种不同分辨率的采集设备采集的图像进行识别以及身份证图像随意旋转后能够自动快速的提取身份证中各要素区域,并进行识别的目的。
Description
技术领域
本发明属于图像识别的技术领域,具体涉及一种用于电子处方的身份识别方法及系统。
背景技术
随着越来越多的行业,如通信行业、酒店、网吧等,需要身份证件信息进行采集和登记,以进行实名制。而护照、驾照等有效证件与第二代居民身份证同时并存,导致单纯的二代身份证读卡器,不能满足证件采集需求。
上述身份证特指二代身份证。传统的身份证信息管理方式是通过扫描输入身份证图片,从中提取身份证照片,同时手工输入个人信息和身份证编号。目前比较智能的方法是采用图像处理和识别技术,识别身份证图片中的个人信息和数学编号,并将识别结果输入管理系统与照片一起提交。因此,基于OCR技术的身份证识别成为各行各业不可或缺的核心技术。
身份证信息识别是属于模式识别中的文字识别问题,但不同于普通文字识别,其主要的问题是,身份证扫描图像中存在强烈的底纹和激光防伪标识造成的干扰,使得文字信息模糊难辨,那么如何将待识别的信息进行准确有效的定位与分割是实现信息自动识别的关键,身份证识别的目标是采用高效的算法将身份证各部分信息识别出来。
在专利CN201210350704.2一种多身份证扫描方法及装置中,提到了一种身份证扫描方法,通过扫描身份证正反面图像,同时将身份证正面图像与存储器中存储的身份证图像进行模板匹配,当匹配成功时,证明为身份证正面图像,此时将正反面图像拼接起来打印,并将身份证号码识别出来作为文件保存命名,此专利是利用专门的扫描设备进行的,所以针对同一用户同一扫描设备,可以在本地配置一个模板图像,这样匹配精度很高。但该方法对用户交互过程中对用户配合度要求高,需要用户高度配合,使得身份证在图像中要和预设的大小、角度基本无偏差,当用户用不同分辨率的摄像头采集的图像送去识别,或当采集的角度有偏差时,模板匹配的方法失效,并不适用于同时用不同采集设备采集的图像的处理。
在专利CN201510013020.7一种身份证数字识别方法中,提到了一种身份证数字识别方法,它是通过Haar+adoboost进行人脸检测,然后根据身份证图像中人脸和身份证号码的布局关系,进一步确定身份证号码、性别、出生日期、姓名、住址等的位置关系,进一步进行分割、切分识别的方法,该方法能处理大多数的身份证识别问题,但是由于身份证中存储的人脸图像本身分辨率就很低,简单的haar+adoboost可能会造成人脸检测失败的情况,进而造成后续步骤无法完成,即使人脸检测成功,但是此方法要求用户配合度高,需要用户拍摄的身份证图像正面朝上,当拍摄的身份证图像倒置,或旋转90度拍摄时,也有可能因为检测不到人脸,造成无法实施。
在专利CN201510954358.2识别身份证信息的方法和装置中,提到了一种根据身份证内容显示位置和显示比例框进行身份证号码定位的方法,进而根据布局确定其他位置。
在专利CN201610008974.3一种身份证识别方法中,提到了一种二值化、膨胀然后根据身份证特征筛选中各个文本框的方法,主要是根据各个文本快的区域特征,从连通区域中寻找符合身份证号码区域特征的连通区域作为身份证号码所在区域,并分割、识别。
专利CN201510954358.2与CN201610008974.3的基本思想相同,只是二值化的方法不同,但是这2者都是在采集的图像是身份证图像,而外围不包含干扰区域的假设下进行的,当采集的图像区域不仅包含身份证区域,且身份证的角度不确定时,这2种方法都无法提供有效的解决方法。
因此,亟需一种自适应的在图像中自动进行身份证裁剪,并进行身份证内容识别的方法。
发明内容
为了解决现有技术存在的上述问题,本发明目的在于提供一种用于电子处方的身份识别方法及系统以达到在背景比较复杂的情形下,能够对各种不同分辨率的采集设备采集的图像进行识别以及身份证图像随意旋转后能够自动快速的提取身份证中各要素区域,并进行识别的目的。
本发明所采用的技术方案为:一种用于电子处方的身份识别方法,包括以下步骤:
(一)通过身份证采集单元拍摄身份证图片,并上传至服务器;通过人脸采集单元拍摄人脸图片,并上传至服务器;
(二)将服务器中的身份证图片传送至身份证识别单元,通过身份证识别方法对身份证图片中的身份证号码进行读取并上传至服务器,服务器根据身份证号码调取身份证信息;
(三)将身份证信息传送至人脸比对单元,同时,人脸比对单元从服务器中调取采集的人脸图片,将身份证信息中的存储头像与人脸图片比对并判断是否匹配,若判断结果为“是”,则开启电子处方单元;若判断结果为“否”,则返回步骤(一)。
进一步地,所述步骤(二)中的身份证识别方法包括以下步骤:
(a)身份证号码定位:基于边缘检测法定位身份证图片中各个矩形区域,并根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a1);
(a1)将身份证图片旋转90°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a2);
(a2)将身份证图片旋转180°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a3);
(a3)将身份证图片旋转270°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(一);
(b)身份证号码分割:对身份证图片进行图像分割后,得到身份证号码的区域图像,通过图像二值化方法对区域图像处理以得到身份证号码的二值化图像;
(c)身份证号码识别:采用开源ORC工具tesseract将二值化图像转换为纯文本并进行识别,根据校验算法对识别出的身份证号码进行校验。
进一步地,所述步骤(b)中图像二值化方法的具体步骤如下:
1)对区域图像进行图像增强,采用多尺度Retinex算法得到图像A;
2)使用OTSU二值化方法提取图像A中的黑色像素点,得到图像B;
3)使用标记法对图像B进行去噪,得到干扰少的字符二值化图像;
4)在字符二值化图像中精确裁剪出字符区域,以得到身份证号码的二值化图像。
进一步地,所述步骤(a)中身份证号码定位包括以下步骤:
(1)确定初始定位矩形;
(2)对定位矩形进行高斯模糊并灰度化,得到灰度图像;
(3)对灰度图像进行Sobel边缘检测;
(4)采用最大类间方差法对步骤(3)的灰度图像进行二值化分割,获取身份证号码所在的各个矩形区域;
(5)通过闭运算去除各个矩形区域中每个垂直边缘线之间的空白空格;
(6)通过floodFill算法填充空洞;
(7)去除小面积噪点,并通过cvFindContours算法提取各个矩形区域的轮廓;
(8)判断是否还存在轮廓,若判断结果为“是”,则返回至步骤(7);若判断结果为“否”,则进入后续步骤;
(9)针对步骤(8)中的每一个轮廓求其外接矩形;
(10)获取外接矩形的倾斜角度,并判断倾斜角度是否过大,若判断结果为“是”,则结束;若判断结果为“否”,则进入后续步骤;
(11)对外接矩形进行旋转,并保留倾角;
(12)判断外接矩形的长宽比是否满足身份证号码的宽高比设定条件,若判断结果为“是”,则进入后续步骤;若判断结果为“否”,则结束;
(13)根据步骤(11)的保留倾角对外接矩形的图像做倾斜校正;
(14)重复步骤(10)~(13)以对身份号码进行精确定位。
进一步地,所述步骤(1)中确定初始定位矩形的具体算法如下:
rect.x=0.3*W;
rect.y=0.65*H;
rect.width=0.65*W;
rect.height=0.25*H;
其中,rect为初始定位矩形,W为图像的宽度,H为图像的高度。
进一步地,所述步骤(13)中倾斜校正的具体算法如下:
根据得到的倾斜角度,进行旋转补偿,假设(x,y)为旋转前坐标,当图像倾斜角度为顺时针α度,则应对图像做逆时针α度的补偿,旋转补偿后的坐标(x1,y1),如公式(2-1)所示;同理,如果图像倾斜角度为顺时针-α度,则应对图像做顺时针α度的补偿,旋转补偿后的坐标(x1,y1),如公式(2-2)所示;
进一步地,所述步骤(14)中对身份号码进行精确定位的具体步骤如下:
A)通过OTSU算法进行阀值分割获取S1;
B)对S1进行闭运算获取S2;
C)对S2进行标记并去除小面积获取S3;
D)S1与S3进行与运算获取S4;
E)对S4去除小面积,通过投影法定位身份证号的左、右、上、下边界,以进行精确定位。
进一步地,所述步骤(a)中身份证号码定位还包括身份证外边框定位,所述身份证外边框定位包括以下步骤:
1)根据身份证号码的位置映射出整个身份证外边框的大致定位范围;
2)对身份证外边框进行精确定位;
3)将身份证外边框内的身份证图片缩放为统一大小,并上传至服务器。
进一步地,所述步骤2)中的具体步骤如下:
a)将定位范围内的图像通过RGB转HSV公式获取HSV空间,通过RGB转GRAY公式得到D1[i,j];
b)在HSV空间分离S通道出来得到D2[i,j];
c)二值化图像:
用i表示图像水平位置,j表示图像垂直位置,I[i,j]表示水平第i个,垂直第j个像素点的二值化值,二值化方法为:
其中,D1[i,j]表示水平第i个,垂直第j个像素点的灰度值,D2[i,j]表示
水平第i个,垂直第j个像素点的S值;
d)将二值化图像缩放为原来1/2大小;
e)填充空洞,去除面积小于100的小面积目标;
f)通过cvFindContours函数提取二值化图像中的轮廓;
g)通过cvHoughLines2函数在轮廓里提取直线;
h)计算直线斜率,保留直线斜率角度小于5度的直线,确定直线的最上、下、左、右边界,进而精确定位身份证外边框。
进一步地,所述步骤(三)中人脸比对单元采用face++人脸识别平台。
一种用于电子处方的身份识别系统,包括身份证采集单元、人脸采集单元、身份证识别单元、人脸比对单元、电子处方单元和服务器,所述身份证采集单元与身份证识别单元通信连接,身份证识别单元与服务器通信连接;所述服务器分别与人脸比对单元和人脸采集单元通信连接,人脸比对单元与电子处方单元通信连接。
本发明的有益效果为:
1.采用本发明提供的身份识别方法,对图像进行,可适应各种不同分辨率的采集设备所采集的图像,通过对灰度图像进行二值化分隔,可自动裁分待检测区域,以达到对身份号码进行精确定位;
2.通过对身份证图片中矩形区域的长宽比判断是否符合设定条件,可自动判断当前图像是否含有身份证图像,并通过图像二值化方法,再将其中的身份证号码区域裁剪出来,通过将身份证号码传送至服务器以对身份证信息进行自动识别;
3.本发明采用face++人脸识别平台进行人脸比对验证,其对身份证识别率高达99%,身份证每张识别速度<1s,同时对环境的适应性更强;
4.基于边缘检测法定位身份证图片位于各个方位的矩形区域,以支持90度、180度、270度自动旋转功能,通过旋转后对身份证图片中的身份证号码进行定位,相较于传统的身份证识别,不受身份证放置方位的限制;
5.通过身份证外边框定位方法,能够支持复杂背景(如将证件拿在手中)的裁边以获取身份证外边框,并将身份证外边框内的身份证图片缩放为统一大小,并上传至服务器;
6.通过倾斜校正的具体算法,以支持自动倾斜校正的功能,提高对身份证号码的识别率。
附图说明
图1是本发明提供的用于电子处方的身份识别方法中身份证识别的整体流程示意图;
图2是本发明提供的用于电子处方的身份识别方法中身份证图片真假的判断流程示意图;
图3是本发明提供的用于电子处方的身份识别方法中身份证号码定位的具体流程示意图;
图4是本发明提供的用于电子处方的身份识别方法中身份证正方位示意图;
图5是本发明提供的用于电子处方的身份识别方法中身份证旋转90°方位示意图;
图6是本发明提供的用于电子处方的身份识别方法中身份证旋转180°方位示意图;
图7是本发明提供的用于电子处方的身份识别方法中身份证旋转270°方位示意图;
图8是本发明提供的用于电子处方的身份识别系统的系统框图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步阐述。
如图1-图7所示,提供了一种用于电子处方的身份识别方法,包括以下步骤:
(一)通过身份证采集单元拍摄身份证图片,并上传至服务器,(通过手机摄像头或者市面上常用的摄像头拍摄身份证图片,拍摄的图片包含了背景信息,且如图5到图7所示,拍摄的图像有可能呈90度方位、180度方位、270度方位,或者在正常方位呈小角度的倾斜);通过人脸采集单元拍摄人脸图片,并上传至服务器,(通过手机摄像头或者市面上常用的摄像头拍摄含有人脸的图像,用于确定用户是否为本人);
(二)将服务器中的身份证图片传送至身份证识别单元,通过身份证识别方法对身份证图片中的身份证号码进行读取并上传至服务器,服务器根据身份证号码调取身份证信息,身份证信息中包括年龄、性别、身份证中存储头像以及既往病史等信息,同时,后续方便医生根据病人的性别、年龄、既往病史等开具电子处方;
(三)将身份证信息传送至人脸比对单元,同时,人脸比对单元从服务器中调取采集后存储的人脸图片,将身份证信息中的存储头像与人脸图片比对并判断是否匹配,若判断结果为“是”,则开启电子处方单元,坐诊医生通过电子处方单元给用户远程开具电子处方;若判断结果为“否”,则返回步骤(一),则不能够开具电子处方。
作为优选地,所述步骤(二)中的身份证识别方法包括以下步骤:
(a)身份证号码定位:基于边缘检测法定位身份证图片中各个矩形区域,边缘检测法的计算过程中参考开源的EasyPL车牌定位方法,在此基础上进行了改进,根据先验知识确定身份证号码在整体身份证中布局分布,在图像的左下部分进行边缘检测,去除干扰,达到自动裁分待检测区域的效果,并根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a1);
(a1)将身份证图片旋转90°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a2);
(a2)将身份证图片旋转180°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a3);
(a3)将身份证图片旋转270°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(一),即要求用户重新上传身份证图像;
对于上述的补充说明在于,能够对身份证图像进行90度、180度、270度自动旋转功能,假设身份证无论处于哪种方位,倾斜角度都不会有大的偏差,保持在10度以内。
(b)身份证号码分割:对身份证图片进行图像分割后,得到身份证号码的区域图像,通过图像二值化方法对区域图像处理以得到身份证号码的二值化图像;
(c)身份证号码识别:采用开源ORC工具tesseract将二值化图像转换为纯文本并进行识别,根据校验算法对识别出的身份证号码进行校验,以保证身份证号码识别的准确性。
作为优选地,所述步骤(b)中图像二值化方法的具体步骤如下:
1)对区域图像进行图像增强,采用多尺度Retinex算法得到图像A;
2)使用OTSU二值化方法提取图像A中的黑色像素点,得到图像B;
3)使用标记法对图像B进行去噪,得到干扰少的字符二值化图像;
4)在字符二值化图像中精确裁剪出字符区域,以得到身份证号码的二值化图像。
作为优选地,所述步骤(a)中身份证号码定位包括以下步骤:
(1)确定初始定位矩形;
(2)对定位矩形进行高斯模糊并灰度化,得到灰度图像;具体的,通过调用Opencv的GaussianBlur函数进行高斯模糊,blurSize为3,然后将彩色图像转换为灰度图像;
(3)对灰度图像进行Sobel边缘检测;
本实施例中以Sobel边缘算子和
为例进行说明,水平梯度Gx[i,j]和垂直梯度Gy[i,j]的计算方法为:
其中,I[i,j]表示窗口图像各像素点的灰度值,Sx[k,l]表示Sobel水平边缘算子第k行第l列的值,Sy[k,l]表示Sobel垂直边缘算子第k行第l列的值。
(4)采用最大类间方差法对步骤(3)的灰度图像进行二值化分割,获取身份证号码所在的各个矩形区域;
(5)通过闭运算去除各个矩形区域中每个垂直边缘线之间的空白空格;具体的,闭运算作就是对图像先膨胀,再腐蚀,闭运算的结果一般是可以将许多靠近的图块相连成为一个无突起的连通域;本实施例中做形态学运算的结构体宽是17,高是3。
(6)通过floodFill算法填充空洞;
(7)去除小面积噪点,去除面积小于20的小面积噪点,并通过cvFindContours算法提取各个矩形区域的轮廓;
(8)判断是否还存在轮廓,若判断结果为“是”,则返回至步骤(7);若判断结果为“否”,则进入后续步骤;
(9)针对步骤(8)中的每一个轮廓求其外接矩形;
(10)获取外接矩形的倾斜角度,并判断倾斜角度是否过大,若判断结果为“是”,则结束;若判断结果为“否”,则进入后续步骤;
(11)对外接矩形进行旋转,并保留倾角;
(12)判断外接矩形的长宽比是否满足身份证号码的宽高比设定条件,若判断结果为“是”,则进入后续步骤;若判断结果为“否”,则结束;此处,宽高比的设定为大于10,且小于20,即且其中,W表示宽度,H表示高度。
(13)根据步骤(11)的保留倾角对外接矩形的图像做倾斜校正,由于采用自动倾斜校正功能,能够进一步提高识别率;
(14)重复步骤(10)~(13)以对身份号码进行精确定位。
作为优选地,所述步骤(1)中确定初始定位矩形的具体算法如下:
rect.x=0.3*W;
rect.y=0.65*H;
rect.width=0.65*W;
rect.height=0.25*H;
其中,rect为初始定位矩形,W为图像的宽度,H为图像的高度。
作为优选地,所述步骤(13)中倾斜校正的具体算法如下:根据得到的倾斜角度,进行旋转补偿,假设(x,y)为旋转前坐标,当图像倾斜角度为顺时针α度,则应对图像做逆时针α度的补偿,旋转补偿后的坐标(x1,y1),如公式(2-1)所示;同理,如果图像倾斜角度为顺时针-α度,则应对图像做顺时针α度的补偿,旋转补偿后的坐标(x1,y1),如公式(2-2)所示;
作为优选地,所述步骤(14)中对身份号码进行精确定位的具体步骤如下:
A)通过OTSU算法进行阀值分割获取S1;
B)对S1进行闭运算获取S2;
C)对S2进行标记并去除小面积获取S3;
D)S1与S3进行与运算获取S4;
E)对S4去除小面积,通过投影法定位身份证号的左、右、上、下边界,以进行精确定位。
作为优选地,所述步骤(a)中身份证号码定位还包括身份证外边框定位,以实现对复杂背景(如将身份证拿在手中拍摄)裁边的功能,所述身份证外边框定位包括以下步骤:
1)根据身份证号码的位置映射出整个身份证外边框的大致定位范围;即根据身份证号码的位置,与身份证号分布的先验知识,确定身份证边界的搜索范围,身份证左上角的位置x'=x-0.3505*w/0.5257,y'=y-0.813*h/0.0518;
其中,x表示身份证号码的起点横坐标,y表示身份证号码的起点纵坐标,w表示身份证号码的宽度(即上述步骤(1)中的width),h表示身份证号码的高度(即上述步骤(1)中的height)。
2)对身份证外边框进行精确定位;
3)将身份证外边框内的身份证图片缩放为统一大小,并上传至服务器;具体的,将身份证图片缩放为890×560大小,其中890表示身份证的宽度,560表示为身份证的高度。
作为优选地,所述步骤2)中的具体步骤如下:
a)将定位范围内的图像通过RGB转HSV公式获取HSV空间,通过RGB转GRAY公式得到D1[i,j];
b)在HSV空间分离S通道出来得到D2[i,j];
c)二值化图像:
用i表示图像水平位置,j表示图像垂直位置,I[i,j]表示水平第i个,垂直第j个像素点的二值化值,二值化方法为:
其中,D1[i,j]表示水平第i个,垂直第j个像素点的灰度值,D2[i,j]表示
水平第i个,垂直第j个像素点的S值;
d)将二值化图像缩放为原来1/2大小;
e)填充空洞,去除面积小于100的小面积目标;
f)通过cvFindContours函数提取二值化图像中的轮廓;
g)通过cvHoughLines2函数在轮廓里提取直线;
h)计算直线斜率,保留直线斜率角度小于5度的直线,确定直线的最上、下、左、右边界,进而精确定位身份证外边框。
所述步骤(三)中人脸比对单元采用face++人脸识别平台,采用face++人脸识别平台对身份进行识别,其识别率高达99%,身份证每张识别速度<1s,同时对环境的适应性更强。
如图8所示,提供了一种用于电子处方的身份识别系统,包括身份证采集单元、人脸采集单元、身份证识别单元、人脸比对单元、电子处方单元和服务器,所述身份证采集单元与身份证识别单元通信连接,身份证识别单元与服务器通信连接;所述服务器分别与人脸比对单元和人脸采集单元通信连接,人脸比对单元与电子处方单元通信连接。
本发明不局限于上述可选实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是落入本发明权利要求界定范围内的技术方案,均落在本发明的保护范围之内。
Claims (11)
1.一种用于电子处方的身份识别方法,其特征在于,包括以下步骤:
(一)通过身份证采集单元拍摄身份证图片,并上传至服务器;通过人脸采集单元拍摄人脸图片,并上传至服务器;
(二)将服务器中的身份证图片传送至身份证识别单元,通过身份证识别方法对身份证图片中的身份证号码进行读取并上传至服务器,服务器根据身份证号码调取身份证信息;
(三)将身份证信息传送至人脸比对单元,同时,人脸比对单元从服务器中调取采集的人脸图片,将身份证信息中的存储头像与人脸图片比对并判断是否匹配,若判断结果为“是”,则开启电子处方单元;若判断结果为“否”,则返回步骤(一)。
2.根据权利要求1所述的用于电子处方的身份识别方法,其特征在于,所述步骤(二)中的身份证识别方法包括以下步骤:
(a)身份证号码定位:基于边缘检测法定位身份证图片中各个矩形区域,并根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a1);
(a1)将身份证图片旋转90°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a2);
(a2)将身份证图片旋转180°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(a3);
(a3)将身份证图片旋转270°,根据矩形区域的长宽比判断是否为身份证号码,若判断结果为“是”,则身份证图片真实并进入步骤(b);若判断结果为“否”,则身份证图片不真实并进入步骤(一);
(b)身份证号码分割:对身份证图片进行图像分割后,得到身份证号码的区域图像,通过图像二值化方法对区域图像处理以得到身份证号码的二值化图像;
(c)身份证号码识别:采用开源ORC工具tesseract将二值化图像转换为纯文本并进行识别,根据校验算法对识别出的身份证号码进行校验。
3.根据权利要求2所述的用于电子处方的身份识别方法,其特征在于,所述步骤(b)中图像二值化方法的具体步骤如下:
1)对区域图像进行图像增强,采用多尺度Retinex算法得到图像A;
2)使用OTSU二值化方法提取图像A中的黑色像素点,得到图像B;
3)使用标记法对图像B进行去噪,得到干扰少的字符二值化图像;
4)在字符二值化图像中精确裁剪出字符区域,以得到身份证号码的二值化图像。
4.根据权利要求2所述的用于电子处方的身份识别方法,其特征在于,所述步骤(a)中身份证号码定位包括以下步骤:
(1)确定初始定位矩形;
(2)对定位矩形进行高斯模糊并灰度化,得到灰度图像;
(3)对灰度图像进行Sobel边缘检测;
(4)采用最大类间方差法对步骤(3)的灰度图像进行二值化分割,获取身份证号码所在的各个矩形区域;
(5)通过闭运算去除各个矩形区域中每个垂直边缘线之间的空白空格;
(6)通过floodFill算法填充空洞;
(7)去除小面积噪点,并通过cvFindContours算法提取各个矩形区域的轮廓;
(8)判断是否还存在轮廓,若判断结果为“是”,则返回至步骤(7);若判断结果为“否”,则进入后续步骤;
(9)针对步骤(8)中的每一个轮廓求其外接矩形;
(10)获取外接矩形的倾斜角度,并判断倾斜角度是否过大,若判断结果为“是”,则结束;若判断结果为“否”,则进入后续步骤;
(11)对外接矩形进行旋转,并保留倾角;
(12)判断外接矩形的长宽比是否满足身份证号码的宽高比设定条件,若判断结果为“是”,则进入后续步骤;若判断结果为“否”,则结束;
(13)根据步骤(11)的保留倾角对外接矩形的图像做倾斜校正;
(14)重复步骤(10)~(13)以对身份号码进行精确定位。
5.根据权利要求4所述的用于电子处方的身份识别方法,其特征在于,所述步骤(1)中确定初始定位矩形的具体算法如下:
rect.x=0.3*W;
rect.y=0.65*H;
rect.width=0.65*W;
rect.height=0.25*H;
其中,rect为初始定位矩形,W为图像的宽度,H为图像的高度。
6.根据权利要求4所述的用于电子处方的身份识别方法,其特征在于,所述步骤(13)中倾斜校正的具体算法如下:
根据得到的倾斜角度,进行旋转补偿,假设(x,y)为旋转前坐标,当图像倾斜角度为顺时针α度,则应对图像做逆时针α度的补偿,旋转补偿后的坐标(x1,y1),如公式(2-1)所示;同理,如果图像倾斜角度为顺时针-α度,则应对图像做顺时针α度的补偿,旋转补偿后的坐标(x1,y1),如公式(2-2)所示;
7.根据权利要求4所述的用于电子处方的身份识别方法,其特征在于,所述步骤(14)中对身份号码进行精确定位的具体步骤如下:
A)通过OTSU算法进行阀值分割获取S1;
B)对S1进行闭运算获取S2;
C)对S2进行标记并去除小面积获取S3;
D)S1与S3进行与运算获取S4;
E)对S4去除小面积,通过投影法定位身份证号的左、右、上、下边界,以进行精确定位。
8.根据权利要求2所述的用于电子处方的身份识别方法,其特征在于,所述步骤(a)中身份证号码定位还包括身份证外边框定位,所述身份证外边框定位包括以下步骤:
1)根据身份证号码的位置映射出整个身份证外边框的大致定位范围;
2)对身份证外边框进行精确定位;
3)将身份证外边框内的身份证图片缩放为统一大小,并上传至服务器。
9.根据权利要求8所述的用于电子处方的身份识别方法,其特征在于,所述步骤2)中的具体步骤如下:
a)将定位范围内的图像通过RGB转HSV公式获取HSV空间,通过RGB转GRAY公式得到D1[i,j];
b)在HSV空间分离S通道出来得到D2[i,j];
c)二值化图像:
用i表示图像水平位置,j表示图像垂直位置,I[i,j]表示水平第i个,垂直第j个像素点的二值化值,二值化方法为:
其中,D1[i,j]表示水平第i个,垂直第j个像素点的灰度值,D2[i,j]表示水平第i个,垂直第j个像素点的S值;
d)将二值化图像缩放为原来1/2大小;
e)填充空洞,去除面积小于100的小面积目标;
f)通过cvFindContours函数提取二值化图像中的轮廓;
g)通过cvHoughLines2函数在轮廓里提取直线;
h)计算直线斜率,保留直线斜率角度小于5度的直线,确定直线的最上、下、左、右边界,进而精确定位身份证外边框。
10.根据权利要求1所述的用于电子处方的身份识别方法,其特征在于,所述步骤(三)中人脸比对单元采用face++人脸识别平台。
11.一种用于电子处方的身份识别系统,其特征在于,包括身份证采集单元、人脸采集单元、身份证识别单元、人脸比对单元、电子处方单元和服务器,所述身份证采集单元与身份证识别单元通信连接,身份证识别单元与服务器通信连接;所述服务器分别与人脸比对单元和人脸采集单元通信连接,人脸比对单元与电子处方单元通信连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810299066.3A CN108734235A (zh) | 2018-04-04 | 2018-04-04 | 一种用于电子处方的身份识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810299066.3A CN108734235A (zh) | 2018-04-04 | 2018-04-04 | 一种用于电子处方的身份识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108734235A true CN108734235A (zh) | 2018-11-02 |
Family
ID=63941320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810299066.3A Pending CN108734235A (zh) | 2018-04-04 | 2018-04-04 | 一种用于电子处方的身份识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734235A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223398A (zh) * | 2019-06-12 | 2019-09-10 | 浙江机电职业技术学院 | 一种地铁自动售检票系统及方法 |
CN110263889A (zh) * | 2019-06-24 | 2019-09-20 | 合肥盈川信息技术有限公司 | 一种特种行业网络监督管理系统 |
CN110600142A (zh) * | 2019-11-18 | 2019-12-20 | 四川骏逸富顿科技有限公司 | 一种用于电子处方的身份认证系统及其工作方法 |
CN110781890A (zh) * | 2019-10-25 | 2020-02-11 | 上海德启信息科技有限公司 | 身份证识别方法、装置、电子设备及可读取存储介质 |
CN111325182A (zh) * | 2020-03-19 | 2020-06-23 | 四川骏逸富顿科技有限公司 | 一种基于ocr的医保报销欺诈检测方法 |
CN111950554A (zh) * | 2020-08-17 | 2020-11-17 | 深圳市丰巢网络技术有限公司 | 一种身份证识别方法、装置、设备及存储介质 |
CN112215225A (zh) * | 2020-10-22 | 2021-01-12 | 北京通付盾人工智能技术有限公司 | 一种基于计算机视觉技术的kyc证件核验方法 |
CN112668516A (zh) * | 2020-12-31 | 2021-04-16 | 南京太司德智能电气有限公司 | 一种电力调度系统告警窗自动对点验收方法 |
CN113095329A (zh) * | 2021-04-02 | 2021-07-09 | 重庆至道医院管理股份有限公司 | 通过大数据平台分离医患体验异常图像数据的工作方法 |
GB2617836A (en) * | 2022-04-19 | 2023-10-25 | Sony Interactive Entertainment Inc | Image processing apparatus and method |
CN112668516B (zh) * | 2020-12-31 | 2024-06-04 | 南京太司德智能电气有限公司 | 一种电力调度系统告警窗自动对点验收方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521569A (zh) * | 2011-11-30 | 2012-06-27 | 康佳集团股份有限公司 | 一种智能手机身份证识别方法、系统及手机 |
CN104680130A (zh) * | 2015-01-09 | 2015-06-03 | 安徽清新互联信息科技有限公司 | 一种身份证汉字识别方法 |
CN104680161A (zh) * | 2015-01-09 | 2015-06-03 | 安徽清新互联信息科技有限公司 | 一种身份证数字识别方法 |
CN106682629A (zh) * | 2016-12-30 | 2017-05-17 | 佳都新太科技股份有限公司 | 一种复杂背景下身份证号识别算法 |
CN106778748A (zh) * | 2016-12-30 | 2017-05-31 | 江西憶源多媒体科技有限公司 | 基于人工神经网络的身份证快速识别方法及其装置 |
CN107358174A (zh) * | 2017-06-23 | 2017-11-17 | 浙江大学 | 一种基于图像处理的手持身份证认证系统 |
CN107622268A (zh) * | 2017-09-21 | 2018-01-23 | 电子科技大学 | 一种身份证字符分割的方法 |
CN107644222A (zh) * | 2016-07-22 | 2018-01-30 | 花生米浙江数据信息服务股份有限公司 | 一种身份证图像中信息定位方法 |
CN107808118A (zh) * | 2017-09-28 | 2018-03-16 | 平安科技(深圳)有限公司 | 身份识别方法、电子装置及计算机可读存储介质 |
CN107818308A (zh) * | 2017-10-31 | 2018-03-20 | 平安科技(深圳)有限公司 | 一种人脸识别智能比对方法、电子装置及计算机可读存储介质 |
-
2018
- 2018-04-04 CN CN201810299066.3A patent/CN108734235A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521569A (zh) * | 2011-11-30 | 2012-06-27 | 康佳集团股份有限公司 | 一种智能手机身份证识别方法、系统及手机 |
CN104680130A (zh) * | 2015-01-09 | 2015-06-03 | 安徽清新互联信息科技有限公司 | 一种身份证汉字识别方法 |
CN104680161A (zh) * | 2015-01-09 | 2015-06-03 | 安徽清新互联信息科技有限公司 | 一种身份证数字识别方法 |
CN107644222A (zh) * | 2016-07-22 | 2018-01-30 | 花生米浙江数据信息服务股份有限公司 | 一种身份证图像中信息定位方法 |
CN106682629A (zh) * | 2016-12-30 | 2017-05-17 | 佳都新太科技股份有限公司 | 一种复杂背景下身份证号识别算法 |
CN106778748A (zh) * | 2016-12-30 | 2017-05-31 | 江西憶源多媒体科技有限公司 | 基于人工神经网络的身份证快速识别方法及其装置 |
CN107358174A (zh) * | 2017-06-23 | 2017-11-17 | 浙江大学 | 一种基于图像处理的手持身份证认证系统 |
CN107622268A (zh) * | 2017-09-21 | 2018-01-23 | 电子科技大学 | 一种身份证字符分割的方法 |
CN107808118A (zh) * | 2017-09-28 | 2018-03-16 | 平安科技(深圳)有限公司 | 身份识别方法、电子装置及计算机可读存储介质 |
CN107818308A (zh) * | 2017-10-31 | 2018-03-20 | 平安科技(深圳)有限公司 | 一种人脸识别智能比对方法、电子装置及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
李政: ""基于图像匹配的身份证字符识别算法研究及软件设计"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223398A (zh) * | 2019-06-12 | 2019-09-10 | 浙江机电职业技术学院 | 一种地铁自动售检票系统及方法 |
CN110263889A (zh) * | 2019-06-24 | 2019-09-20 | 合肥盈川信息技术有限公司 | 一种特种行业网络监督管理系统 |
CN110781890A (zh) * | 2019-10-25 | 2020-02-11 | 上海德启信息科技有限公司 | 身份证识别方法、装置、电子设备及可读取存储介质 |
CN110600142A (zh) * | 2019-11-18 | 2019-12-20 | 四川骏逸富顿科技有限公司 | 一种用于电子处方的身份认证系统及其工作方法 |
CN111325182A (zh) * | 2020-03-19 | 2020-06-23 | 四川骏逸富顿科技有限公司 | 一种基于ocr的医保报销欺诈检测方法 |
CN111950554A (zh) * | 2020-08-17 | 2020-11-17 | 深圳市丰巢网络技术有限公司 | 一种身份证识别方法、装置、设备及存储介质 |
CN112215225A (zh) * | 2020-10-22 | 2021-01-12 | 北京通付盾人工智能技术有限公司 | 一种基于计算机视觉技术的kyc证件核验方法 |
CN112215225B (zh) * | 2020-10-22 | 2024-03-15 | 北京通付盾人工智能技术有限公司 | 一种基于计算机视觉技术的kyc证件核验方法 |
CN112668516A (zh) * | 2020-12-31 | 2021-04-16 | 南京太司德智能电气有限公司 | 一种电力调度系统告警窗自动对点验收方法 |
CN112668516B (zh) * | 2020-12-31 | 2024-06-04 | 南京太司德智能电气有限公司 | 一种电力调度系统告警窗自动对点验收方法 |
CN113095329A (zh) * | 2021-04-02 | 2021-07-09 | 重庆至道医院管理股份有限公司 | 通过大数据平台分离医患体验异常图像数据的工作方法 |
GB2617836A (en) * | 2022-04-19 | 2023-10-25 | Sony Interactive Entertainment Inc | Image processing apparatus and method |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734235A (zh) | 一种用于电子处方的身份识别方法及系统 | |
CN110598699B (zh) | 一种基于多光谱图像的防伪票据鉴伪系统和方法 | |
CN105956578B (zh) | 一种基于身份证件信息的人脸验证方法 | |
US20170220886A1 (en) | Method and system for reading and validating identity documents | |
CN106056751B (zh) | 冠字号码的识别方法及系统 | |
CN105740780B (zh) | 人脸活体检测的方法和装置 | |
CN108694393A (zh) | 一种基于深度卷积的证件图像文本区域提取方法 | |
WO2022121039A1 (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
CN106529414A (zh) | 一种通过图像比对实现结果认证的方法 | |
CN108229427A (zh) | 一种基于身份证件和人脸识别的身份安全验证方法及系统 | |
KR20170006355A (ko) | 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치 | |
CN106156684B (zh) | 一种二维码识别方法及装置 | |
WO2019061658A1 (zh) | 眼镜定位方法、装置及存储介质 | |
CN102324134A (zh) | 有价文件鉴别方法及其鉴别装置 | |
CN110008909A (zh) | 一种基于ai的实名制业务实时稽核系统 | |
CN106991421A (zh) | 一种身份证信息提取系统 | |
CN108319958A (zh) | 一种基于特征融合匹配的行驶证检测和识别方法 | |
CN109447067A (zh) | 一种票据方向检测矫正方法及自动检票系统 | |
CN106650623A (zh) | 一种基于人脸检测的出入境人证核实的方法 | |
CN109460722A (zh) | 一种车牌智能识别方法 | |
CN109359577A (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
CN109726681A (zh) | 一种基于机器学习识别与图像分割的盲道识别定位算法 | |
CN108021913A (zh) | 证件照片信息识别方法及装置 | |
CN114694161A (zh) | 一种特定版式证件的文本识别方法、设备及存储介质 | |
CN109087429A (zh) | 基于人脸识别技术的图书馆借书证人证一致性检验的方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181102 |