CN109543551A - 身份证鉴别处理方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请提出一种身份证鉴别处理方法、装置、计算机设备和存储介质，所述身份证鉴别处理方法包括：获取身份证信息，根据预设的鉴别条件，对所述身份证信息执行验证，当验证结果为假身份证件时，发送表征身份证件为假的提示信息。通过预设的鉴别条件分别验证身份证件的校验码和身份证件携带的特征信息，从而判断身份证件的真假，这不仅实现了对身份证件的真伪鉴别，减少人工鉴别带来的偏差，而且提高了身份证件真伪鉴别的识别效率。

Description

身份证鉴别处理方法、装置、计算机设备及存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种身份证鉴别处理方法、装置、计算机设备及存储介质。

背景技术

假身份证作为犯罪同行的“名片”，渗透在社会活动的各个领域，例如利用假身份证办理信用卡、银行卡等。

一般地，鉴别身份证真假很大程度依赖经验丰富的鉴别人员来执行这项工作，这不利于需要依赖身份证办理业务的行业。大量的身份证鉴别工作光靠人工一个个去鉴别身份证真假的方式，不仅鉴别效率低，而且人工鉴别容易存在偏差问题，导致假的身份证通过审核。可见，通过人工审核的方式对身份证辨别真伪不仅使身份证鉴别效率低，而且无法保证鉴别的准确性。

发明内容

基于此，有必要针对人工鉴别身份证的低效率和低准确率问题，提供一种身份证鉴别处理方法、装置、计算机设备和存储介质。

为解决上述技术问题，本申请提供一种身份证鉴别处理方法包括：

获取身份证信息；

根据预设的鉴别条件，对所述身份证信息执行验证；

当验证结果为假身份证件时，发送表征身份证件为假的提示信息。

可选地，所述身份证信息包括所述身份证件的文本信息和所述身份证件的图像信息。

可选地，所述身份证信息为所述文本信息时，所述获取身份证信息包括：

获取身份证件图像；

将所述身份证件图像执行预处理得到文本图像；

采用预设的文本识别算法识别所述文本图像中的所述文本信息。

可选地，所述身份证信息为所述文本信息时，所述根据预设的鉴别条件，对所述身份证信息执行验证包括：

将所述文本信息中的姓名转换成中文电报号码；

检测所述中文电报号码是否与所述文本信息中的数字串相同；计算所述文本信息中身份证件码的校验码；

若检测到所述中文电报号码与所述文本信息中的数字串相同和所述身份证件码显示的最后一位字符与所述校验码相同，则确认所述文本信息中的姓名和所述文本信息中身份证件码为真。

可选地，所述身份证信息为所述图像信息时，所述根据预设的鉴别条件，对所述身份证信息执行验证包括：

将所述图像信息中的油墨区域图像输入到预设的识别模型中，其中，所述识别模型是指已经训练至收敛的卷积神经网络模型；

在所述识别模型中输出分类结果；

比对所述分类结果是否与真身份证携带的特征信息相同；

当所述分类结果与真身份证携带的特征信息相同时，确认所述身份证信息为真。

可选地，所述身份证鉴别处理方法还包括：

若检测到所述身份证件码显示的最后一位字符与所述校验码不同，或者所述分类结果与真身份证携带的特征信息不同，则确认所述验证结果为假身份证件。

可选地，所述将所述身份证件图像输入到预设的识别模型中之前，所述身份证鉴别处理方法还包括：

获取携带训练标记的真身份证图像；

将所述真身份证图像输入到所述卷积神经网络模型中，并输出分类信息；

比对所述分类信息与分类判断信息是否一致；

当所述分类信息与所述分类判断信息不一致时，反复迭代所述卷积神经网络模型中的权值，直至所述分类信息与所述分类判断信息一致为止。

为解决上述技术问题，本申请还提供了一种身份证鉴别处理装置，所述身份证鉴别处理装置包括：

获取模块，用于获取身份证信息；

处理模块，用于根据预设的鉴别条件，对所述身份证信息执行验证；

执行模块，用于当验证结果为假身份证件时，发送表征身份证件为假的提示信息。

可选地，所述身份证信息包括所述身份证件的文本信息和所述身份证件的图像信息。

可选地，所述身份证信息为所述文本信息时，所述身份证鉴别处理装置还包括：

第一获取模块，用于获取身份证件图像；

预处理模块，用于将所述身份证件图像执行预处理得到文本图像；

识别模块，用于采用预设的文本识别算法识别所述文本图像中的所述文本信息。

可选地，所述身份证信息为所述文本信息时，所述身份证鉴别处理装置还包括：

转换模块，用于将所述文本信息中的姓名转换成中文电报号码；

检测模块，用于检测所述中文电报号码是否与所述文本信息中的数字串相同；计算模块，用于计算所述文本信息中身份证件码的校验码；

第一确认模块，用于若检测到所述中文电报号码与所述文本信息中的数字串相同和所述身份证件码显示的最后一位字符与所述校验码相同，则确认所述文本信息中的姓名和所述文本信息中身份证件码为真。

可选地，所述身份证信息为所述图像信息时，所述身份证鉴别处理装置还包括：

第一输入模块，用于将所述图像信息中的油墨区域图像输入到预设的识别模型中，其中，所述识别模型是指已经训练至收敛的卷积神经网络模型；

第一识别模块，用于在所述识别模型中输出分类结果；

第一比对模块，用于比对所述分类结果是否与真身份证携带的特征信息相同；

第二确认模块，用于当所述分类结果与真身份证携带的特征信息相同时，确认所述身份证信息为真。

可选地，所述身份证鉴别处理装置还包括：

第三确认模块，用于若检测到所述身份证件码显示的最后一位字符与所述校验码不同，或者所述分类结果与真身份证携带的特征信息不同，则确认所述验证结果为假身份证件。

可选地，所述身份证鉴别处理装置还包括：

第二获取模块，用于获取携带训练标记的真身份证图像；

第二输入模块，用于将所述真身份证图像输入到所述卷积神经网络模型中，并输出分类信息；

第二比对模块，用于比对所述分类信息与分类判断信息是否一致；

迭代模块，用于当所述分类信息与所述分类判断信息不一致时，反复迭代所述卷积神经网络模型中的权值，直至所述分类信息与所述分类判断信息一致为止。

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述身份证鉴别处理方法的步骤。

一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述身份证鉴别处理方法的步骤。

本申请的有益效果是：获取身份证信息，根据预设的鉴别条件，对所述身份证信息执行验证，当验证结果为假身份证件时，发送表征身份证件为假的提示信息。通过预设的鉴别条件分别验证身份证件的校验码和身份证件携带的特征信息，从而判断身份证件的真假，这不仅实现了对身份证件的真伪鉴别，减少人工鉴别带来的偏差，而且提高了身份证件真伪鉴别的识别效率。

本申请附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本申请的实践了解到。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中提供的身份证鉴别处理方法的基本流程示意图；

图2为一个实施例中提供的获取身份证信息的流程图；

图3为一个实施例中提供的校验身份证件的校验码的流程图；

图4为一个实施例中提供的验证身份证件的流程图；

图5为一个实施例中提供的训练识别模型的的流程图；

图6为本申请实施例中提供的身份证鉴别处理装置的基本结构框图；

图7为本申请实施例中提供的计算机设备基本结构框图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(Personal Communications Service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(Personal Digital Assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(Mobile Internet Device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。

本实施例中提及的用户的终端即为上述的终端。

具体地，请参阅图1，图1为本申请实施例中提供的身份证鉴别处理方法的基本流程示意图。

如图1所示，一种身份证鉴别处理方法包括如下步骤：

S100：获取身份证信息；

具体地，身份证信息可以但不限于身份证件的文本信息和身份证件的图像信息。其中，文本信息可以包括身份证件上的个人信息和数字编号，例如，身份证件号、用户姓名和用户住址等，图像信息为拍摄的身份证件图像的特征信息，例如，特征信息可以是身份证件上的花纹图案或者身份证件显示的颜色等。

获取身份证信息的文本信息的具体实现步骤包括获取身份证件图像；将获取的身份证图像执预处理得到文字区域图像；识别文字区域图像中的文字信息。

S200：根据预设的鉴别条件，对所述身份证信息执行验证；

具体地，预设的鉴别条件可以包括校验文本信息中的姓名、校验身份信息中的身份证号码以及校验图像信息中携带的特征信息。

需要说明的是，预设的鉴别条件不局限于上述的校验方式，具体可以根据身份证件的本质特征进行设计，使得验证身份证信息的方式更为准确。

S300：当验证结果为假身份证件时，发送表征身份证件为假的提示信息。

具体地，提示信息可以是向终端设备发送短信信息或者邮件信息等。

需要说明的是，提示表征假身份证件的方式可以是发送假证预警报告或者启动预警提示声音，以使检测身份证的管理人员能及时获悉假证情况。

通过获取身份证信息，根据预设的鉴别条件，对所述身份证信息执行验证，当验证结果为假身份证件时，发送表征身份证件为假的提示信息。通过预设的鉴别条件分别验证身份证件的校验码和身份证件携带的特征信息，从而判断身份证件的真假，这不仅实现了对身份证件的真伪鉴别，减少人工鉴别带来的偏差，而且提高了身份证件真伪鉴别的识别效率。

请参阅图2，图2为本申请实施例提供的获取身份证信息的流程图。

如图2所述，当身份证信息为文本信息时，步骤S100，即获取身份证信息的具体实现步骤如下：

S101：获取身份证件图像；

具体地，获取身份证件图像的方式可以通过摄像设备或者扫描设备对身份证件执行拍摄图像，以获取身份证件正反面的图像。

S102：将所述身份证件图像执行预处理得到文本图像；

具体地，对身份证件图像执行预处理包括降噪滤波和光照处理去除图像噪点；通过增强(可选)灰度拉伸得到灰度图像；经过二值化法，将灰度图像变成二值图像；由于行分割身份证件图像文本信息分布规则，每行有一定间隙，故采用水平投影法进行图像分割或者字符分割垂直投影，通过倾斜校正变换和水平投影法将二值图像分割得到文本图像。

S103：采用预设的文本识别算法识别所述文本图像中的所述文本信息。

具体地，预设的文本识别算法可以是模板匹配法或者神经网络算法，通过采用预设的文本识别算法，识别文本图像中的个人信息和数字编号，从而获取身份信息。其中，模板匹配法是对每个字符建立一个标准模板，进行图形匹配、笔画匹配、几何特征匹配；神经网络算法是一种模仿生物神经网络的结构和功能的数学模型或计算模型，能将文本图像中满足身份证件文本信息特征的分类结果进行输出，从而获取文本信息。

通过获取身份证件图像，并将身份证件图像执行预处理得到文本图像，采用预设的文本识别算法识别文本图像中的文本信息，从而提取到用于验证身份证件的文本信息，为验证身份证件的真伪提供证据材料。

请参阅图3，图3为本申请实施例提供的校验身份证件的校验码的流程图。

如图3所述，当身份证信息为文本信息时，步骤S200，即根据预设的鉴别条件，对所述身份证信息执行验证的具体实现步骤如下：

S201：根据预设的转换方式将所述文本信息中的姓名转换成中文电报号码；

具体地，预设的转换方式是将文本信息中的姓名根据中文汉字电报码对照表查询每个中文对应的数字或者字符，即将文本信息中的姓名转换成中文电报号码。

例如，以香港身份证件为例，由于位于香港身份证件标注姓名的下方位置是数字串，也就是中文电报号码，中文电报号码表征中文姓名。例如，姓名为李智能，在姓名下方的数字串也就是李智能的中文电报号码，即2621＝李，2535＝智，5174＝能。

S202：检测所述中文电报号码是否与所述文本信息中的数字串相同；

具体地，根据预设的转换方式，将文本信息中的姓名转换成对应的中文电报号码，比对转换得到的中文电报号码与文本信息中的数字串是否相同。S203：计算所述文本信息中身份证件码的校验码；

具体地，香港身份证号码由三部分组成：一个英文字母、6个数字、括号以及0-9中的任一个数字，或者字母A。括号中的数字或字母A，是校验码，用于检验括号前面的号码的逻辑正确性。例如，香港身份证号为C668668(9)。

校验身份证号的方法包括：先把首位字母改为数字，即A为1，B为2，C为3...Z为26，再乘以8；然后把字母后面的6个数字依次乘以7、6、5、4、3、2；再将以上所有乘积相加的和，除以11，得到余数；如果整除，则括号中的校验码为0，如果余数为1，则校验码为A，如果余数为2～10，则用11减去这个余数的差作校验码。例如：香港身份证号码为P103265(1)，P在字母表中排行16，则以16代表，则计算校验码：16×8+1×7+0×6+3×5+2×4+6×3+5×2＝186；186÷11＝16......10；11－10＝1，即校验码为1。

S204：若检测到所述中文电报号码与所述文本信息中的数字串相同和所述身份证件码显示的最后一位字符与所述校验码相同，则确认所述文本信息中的姓名和所述文本信息中身份证件码为真。

具体地，若比对身份证件码显示的最后一位字符与计算得到的校验码相同，则说明身份证件的身份证件码通过验证，即确认文本信息中身份证件码为真。

由于真身份证件的姓名对应的中文电报码只有一个，故当检测到文本信息中姓名转换得到的中文电报号码与文本信息中的数字串相同时，则确认文本信息中的姓名为真。根据预设的转换方式将文本信息中的姓名转换成中文电报号码，检测中文电报号码是否与文本信息中的数字串相同，计算文本信息中身份证件码的校验码，若检测到所述中文电报号码与所述文本信息中的数字串相同和所述身份证件码显示的最后一位字符与所述校验码相同，则确认所述文本信息中的姓名和所述文本信息中身份证件码为真，通过对文本信息中的数字串和校验码进行双重验证，提高对验证身份证件真伪的准确性。

请参阅图4，图4为本申请实施例提供的验证身份证件的流程图。

如图4所述，当身份证信息为图像信息时，步骤S200，即根据预设的鉴别条件，对所述身份证信息执行验证的具体实现步骤如下：

S205：将所述图像信息中的油墨区域图像输入到预设的识别模型中，其中，所述识别模型是指已经训练至收敛的卷积神经网络模型；

具体地，香港身份证真卡具备两大特点：香港身份证真卡的三角型油墨在不同角度能呈现出不同的颜色，呈现出的颜色包括金色或者绿色；香港身份证真卡的左下角头像部位，在不同角度会动态呈现H、K字样。

获取包括不同角度的同一香港身份证卡的图像信息；将图像信息输入到已经训练至收敛的卷积神经网络模型中，其中，预设的识别模型是指不同类型的卷积神经网络模型，包括颜色识别神经网络模型和字样识别神经网络模型。

进一步地，颜色识别神经网络模型用于输出图像信息的颜色分类结果，例如，香港身份证件显示的标准颜色类别包括绿色和金色，也就是说该颜色识别网络模型输出绿色和金色的分类结果时，说明身份证件的图像信息中的颜色验证通过；字样识别神经网络模型用于输出图像信息的字样分类结果，若分类得到的结果显示为香港身份证件图像中呈现H和K的字样，说明身份证件的图像信息中的字样验证通过。

需要说明的是，获取油墨区域图像可以根据实际需要，按照油墨像素点的位置进行选取，例如，可以选取五十个油墨像素点的位置作为像素点位置，然后以每个像素点位置为中心生成随机框。随机框的大小可以根据预设的尺度进行确定的区域形状，可以是圆形、椭圆形、矩形等任意形状，作为一种优选的实施方式，随机框可以是矩形框。将油墨区域归一化为统一预设尺寸，例如可以归一化为80*80。

S206：在所述识别模型中输出分类结果；

在识别模型中对图像信息进行特征提取和分类，分类结果包括身份证件图像的颜色和字样。

S207：比对所述分类结果是否与真身份证携带的特征信息相同；

例如，香港身份证携带的特征信息包括身份证件呈现的颜色是金色和绿色以及显示H和K的字样。比较步骤S206的分类结果是否与真身份证携带的特征信息相同。

S208：当所述分类结果与真身份证携带的特征信息相同时，确认所述身份证信息为真。

具体地，当分类结果为H和K的字样时，也就是说与真身份证件携带的特征信息相同，故确认身份证件的图像信息为真。

通过将图像信息中的油墨区域图像输入到预设的识别模型中，在识别模型中输出分类结果，比对分类结果是否与真身份证携带的特征信息相同，若比对结果为相同，则确认图像信息为真，实现了对身份证件的进一步验证，从而提高了身份证件真伪验证的准确性。

进一步地，根据预设的鉴别条件，对身份证信息执行验证之后，身份证鉴别处理方法还包括：

若检测到所述身份证件码显示的最后一位字符与所述校验码不同，或者所述分类结果与真身份证携带的特征信息不同，则确认所述验证结果为假身份证件。

请参阅图5，图5为本申请实施例提供的训练识别模型的的流程图。

如图5所述，在执行步骤S205之前，所述身份证鉴别处理方法还包括：

S211：获取携带训练标记的真身份证图像；

具体地，由于香港身份证的放置角度的改变而变成金色或者绿色，故获取至少2两张不同倾斜角度的同一真身份证件图像作为待识别的真身份证图像，该真身份证图像携带训练标记标签，便于计算训练结果的准确率。

携带训练标记的真身份证图像提取的是身份证件图像的油墨区域、油墨区域中的像素点以及身份证件倾斜角度。

S212：将所述真身份证图像输入到所述卷积神经网络模型中，并输出分类信息；

分类信息可以是卷积神经网络模型根据输入的油墨区域而输出的激励数据。

将真身份证图像输入到卷积神经网络模型中，分别进入到第一通道和第二通道中，第一通道和第二通道分别对图像信息进行特征提取和分类，其中，第一通道的全连接层和第二通道的全连接层输出的数据即为分类参照信息。在未被训练至收敛之前，分类参照信息为离散性较大的数值，当被训练至收敛之后，分类参照信息为相对稳定的数据。

S213：比对所述分类信息与分类判断信息是否一致；

由于香港身份证件的油墨区域呈现金色和绿色，故当卷积神经网络模型为颜色识别神经网络模型时，分类判断信息即标准的颜色类别包括金色和绿色两个颜色的分类。

当卷积神经网络模型为字样识别神经网络模型，分类判断信息即标准的字样类别是H和K的字符特征，该字符特征作为字样识别神经网络输出分类结果的期望目标。

通过损失函数比对分类信息与分类判断信息是否一致，也就是计算分类信息与分类判断信息的预测误差。

S214：当所述分类信息与所述分类判断信息不一致时，反复迭代所述卷积神经网络模型中的权值，直至所述分类信息与所述分类判断信息一致为止。

具体地，当输出的分类信息与分类判断信息不一致时，例如，当输出的分类信息为颜色类别时，通过计算输出的颜色类别与标准的颜色类别的预测误差，并采用随机梯度下降法不断将预测误差降低到最小，从而训练出较优网络参数的颜色识别神经网络模型。其中，颜色识别神经网络模型并不仅限于卷积神经网络训练的分类器，还可以是传统的SVM分类器或者AdaBoost分类器等。当输出的分类信息为字样类别时，同样采用计算输出的字样类别与标准的字样类别的预测误差，并采用随机梯度下降法不断将预测误差降低到最小，从而训练出较优网络参数的字样识别神经网络模型。

通过获取携带训练标记的真身份证图像，将真身份证图像输入到卷积神经网络模型中，并输出分类信息，比对分类信息与分类判断信息是否一致，当分类信息与分类判断信息不一致时，反复迭代卷积神经网络模型中的权值，直至分类信息与分类判断信息一致为止，从而训练得到颜色识别神经网络模型和字样识别神经网络模型，提高身份证件真伪的验证效率。

为解决上述技术问题，本申请实施例还提供一种身份证鉴别处理装置。具体请参阅图6，图6为本申请实施例提供的身份证鉴别处理装置的基本结构框图。

如图6所示，一种身份证鉴别处理装置包括获取模块10、处理模块20、和执行模块30。其中，获取模块10，用于获取身份证信息；处理模块20，用于根据预设的鉴别条件，对身份证信息执行验证；执行模块30，用于当验证结果为假身份证件时，发送表征身份证件为假的提示信息。

可选地，身份证信息包括身份证件的文本信息和身份证件的图像信息。

可选地，身份证信息为文本信息时，身份证鉴别处理装置还包括第一获取模块、预处理模块和识别模块。其中，第一获取模块，用于获取身份证件图像；预处理模块，用于将身份证件图像执行预处理得到文本图像；识别模块，用于采用预设的文本识别算法识别文本图像中的文本信息。

可选地，身份证信息为文本信息时，身份证鉴别处理装置还包括转换模块、检测模块、计算模块和第一确认模块。其中，转换模块，用于将文本信息中的姓名转换成中文电报号码；检测模块，用于检测中文电报号码是否与文本信息中的数字串相同；计算模块，用于计算文本信息中身份证件码的校验码；第一确认模块，用于若检测到所述中文电报号码与所述文本信息中的数字串相同和所述身份证件码显示的最后一位字符与所述校验码相同，则确认所述文本信息中的姓名和所述文本信息中身份证件码为真。

可选地，身份证信息为图像信息时，身份证鉴别处理装置还包括第一输入模块、第一识别模块、第一比对模块和第二确认模块。其中，第一输入模块，用于将图像信息中的油墨区域图像输入到预设的识别模型中，其中，识别模型是指已经训练至收敛的卷积神经网络模型；第一识别模块，用于在识别模型中输出分类结果；第一比对模块，用于比对分类结果是否与真身份证携带的特征信息相同；第二确认模块，用于当所述分类结果与真身份证携带的特征信息相同时，确认所述身份证信息为真。

可选地，身份证鉴别处理装置还包括第三确认模块。第三确认模块，用于若检测到身份证件码显示的最后一位字符与校验码不同，或者分类结果与真身份证携带的特征信息不同，则确认验证结果为假身份证件。

可选地，身份证鉴别处理装置还包括第二获取模块、第二输入模块、第三比对模块和迭代模块。其中，第二获取模块用于获取携带训练标记的真身份证图像；第二输入模块，用于将真身份证图像输入到卷积神经网络模型中，并输出分类信息；第三比对模块，用于比对分类信息与分类判断信息是否一致；迭代模块，用于当分类信息与分类判断信息不一致时，反复迭代卷积神经网络模型中的权值，直至分类信息与分类判断信息一致为止。

关于上述实施例中身份证鉴别处理装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

为解决上述技术问题，本申请实施例提供一种计算机设备。具体请参阅图7，图7为本申请实施例提供的计算机设备基本结构框图。

如图7所示，该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种身份证鉴别处理方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种身份证鉴别处理方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在本实施例中，所述处理器用于执行图6中获取模块10、判断模块20、处理模块30和执行模块40的具体内容，而所述存储器存储有执行上述模块所需的程序代码和各类数据。所述网络接口用于向用户终端或服务器之间的数据传输。本实施例中的存储器存储有身份证鉴别处理方法中执行所有子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。

所述计算机设备通过用户在终端设备上扫描并拍摄身份证件不同角度的身份证件图像，进一步获取身份证件图像的文本信息和图像信息，将文本信息和图像信息分别对身份证件码、姓名、身份证件的颜色以及固定文字等执行验证，从而解决人工验证身份证件真伪的低效率和准确率不高问题。

本申请还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述身份证鉴别处理的处理方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种身份证鉴别处理方法，其特征在于，所述身份证鉴别处理方法包括：

获取身份证信息；

根据预设的鉴别条件，对所述身份证信息执行验证；

当验证结果为假身份证件时，发送表征身份证件为假的提示信息。

2.根据权利要求1所述的身份证鉴别处理方法，其特征在于，所述身份证信息包括所述身份证件的文本信息和所述身份证件的图像信息。

3.根据权利要求2所述的身份证鉴别处理方法，其特征在于，所述身份证信息为所述文本信息时，所述获取身份证信息包括：

获取身份证件图像；

将所述身份证件图像执行预处理得到文本图像；

采用预设的文本识别算法识别所述文本图像中的所述文本信息。

4.根据权利要求2所述的身份证鉴别处理方法，其特征在于，所述身份证信息为所述文本信息时，所述根据预设的鉴别条件，对所述身份证信息执行验证包括：

根据预设的转换方式将所述文本信息中的姓名转换成中文电报号码；

检测所述中文电报号码是否与所述文本信息中的数字串相同并计算所述文本信息中身份证件码的校验码；

若检测到所述中文电报号码与所述文本信息中的数字串相同和所述身份证件码显示的最后一位字符与所述校验码相同，则确认所述文本信息中的姓名和所述文本信息中身份证件码为真。

5.根据权利要求4所述的身份证鉴别处理方法，其特征在于，所述身份证信息为所述图像信息时，所述根据预设的鉴别条件，对所述身份证信息执行验证包括：

将所述图像信息中的油墨区域图像输入到预设的识别模型中，其中，所述识别模型是指已经训练至收敛的卷积神经网络模型；

在所述识别模型中输出分类结果；

比对所述分类结果是否与真身份证携带的特征信息相同；

当所述分类结果与真身份证携带的特征信息相同时，确认所述身份证信息为真。

6.根据权利要求5所述的身份证鉴别处理方法，其特征在于，所述根据预设的鉴别条件，对所述身份证信息执行验证之后，所述身份证鉴别处理方法还包括：

若检测到所述身份证件码显示的最后一位字符与所述校验码不同，或者所述分类结果与真身份证携带的特征信息不同，则确认所述验证结果为假身份证件。

7.根据权利要求5所述的身份证鉴别处理方法，其特征在于，所述将所述身份证件图像输入到预设的识别模型中之前，所述身份证鉴别处理方法还包括：

获取携带训练标记的真身份证图像；

将所述真身份证图像输入到所述卷积神经网络模型中，并输出分类信息；

比对所述分类信息与分类判断信息是否一致；

当所述分类信息与所述分类判断信息不一致时，反复迭代所述卷积神经网络模型中的权值，直至所述分类信息与所述分类判断信息一致为止。

8.一种身份证鉴别处理装置，其特征在于，所述身份证鉴别处理装置包括：

获取模块，用于获取身份证信息；

处理模块，用于根据预设的鉴别条件，对所述身份证信息执行验证；

执行模块，用于当验证结果为假身份证件时，发送表征身份证件为假的提示信息。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述身份证鉴别处理方法的步骤。

10.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述身份证鉴别处理方法的步骤。