CN109886360A - 一种基于深度学习的证件照分类识别及免冠检测方法及系统 - Google Patents
一种基于深度学习的证件照分类识别及免冠检测方法及系统 Download PDFInfo
- Publication number
- CN109886360A CN109886360A CN201910227933.7A CN201910227933A CN109886360A CN 109886360 A CN109886360 A CN 109886360A CN 201910227933 A CN201910227933 A CN 201910227933A CN 109886360 A CN109886360 A CN 109886360A
- Authority
- CN
- China
- Prior art keywords
- picture
- hat
- certificate photo
- deep learning
- model
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于深度学习的证件照分类识别及免冠检测方法及系统,属于人工智能AI图像分类技术领域。本发明的基于深度学习的证件照分类识别及免冠检测方法,对用户上传的图片,采用人脸检测模型检测图片中是否含有人脸,检测到人脸后通过免冠检测模型检测图片中是否含有帽子,然后通过深度神经网络分类模型判断图片为证件照或生活照。该发明的基于深度学习的证件照分类识别及免冠检测方法能够自动识别校验上传的图片,节约窗口人员审核时间,提升办理业务的体验,具有很好的推广应用价值。
Description
技术领域
本发明涉及人工智能AI图像分类技术领域,具体提供一种基于深度学习的证件照分类识别及免冠检测方法及系统。
背景技术
“互联网+政务服务”模式,能够让企业和群众办事更方便、更快捷、更有效率,是实现服务型政府的重要路径。随着“互联网+政务服务”体系的推进,政府办事流程、办事效率与服务水平进一步得到了优化,办事难、审批难、跑腿多、证明多等突出问题得到解决,为民众带来了实实在在的便捷。近年来,国家陆续出台了多项相关扶持人工智能发展的政策,人脸识别、文字识别、自然语言处理等人工智能技术逐渐商业化应用。人工智能技术应用到“互联网+政务服务”中,必将进一步促进政府政务服务水平及群众满意度的提升。
于是,利用人工智能技术结合互联网技术实现政务服务智能化与信息化,提高政务服务的流程效率与服务质量,让企业和群众少跑腿,对于转变政府职能,建设服务型政府具有重要意义。
发明内容
本发明的技术任务是针对上述存在的问题,提供一种能够自动识别校验上传的图片,节约窗口人员审核时间,提升办理业务的体验的基于深度学习的证件照分类识别及免冠检测方法。
本发明进一步的技术任务是提供一种基于深度学习的证件照分类识别及免冠检测系统。
为实现上述目的,本发明提供了如下技术方案:
一种基于深度学习的证件照分类识别及免冠检测方法,对用户上传的图片,采用人脸检测模型检测图片中是否含有人脸,检测到人脸后通过免冠检测模型检测图片中是否含有帽子,然后通过深度神经网络分类模型判断图片为证件照或生活照。
该基于深度学习的证件照分类识别及免冠检测方法通过基于深度学习的证件照分类识别及免冠检测系统实现。基于深度学习的证件照分类识别及免冠检测系统包括图片上传模块,用于对用户上传的图片。人脸检测模型模块,用于提取图片特征信息,检测图片中是否包含人脸。免冠检测模型模块,包括目标检测模型与免冠分类模型,所述目标检测模型模块用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标,所述免冠分类模型模块对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,进一步判断该区域是否存在帽子。深度神经网络分类模型模块,用于判断图片属于白底证件照、蓝底证件照、红底证件照还是生活照。
该基于深度学习的证件照分类识别及免冠检测方法自动识别用户上传的图片是否为白底证件照、蓝底证件照、红底证件照或生活照以及自动识别是否是免冠图片,有助于规范化用户上传的材料,节约窗口人员审核时间,提高窗口人员的工作效率,提升用户办事体验。
作为优选,该方法具体包括以下步骤:
S1、对用户上传的图片;
S2、人脸检测模型检测图片中是否含有人脸,若有执行步骤S3,否则执行步骤S5;
S3、通过免冠检测模型检测图片中是否含有帽子,继续执行步骤S4;
S4、通过深度神经网络分类模型检测判断照片为证件照或者生活照;
S5、结束。
作为优选,所述人脸检测模型由深度学习框架TensorFlow搭建而成,提取图片特征信息,检测图片中是否包含人脸。
首先采用人脸检测模型检测图片中是否包含人脸,若包含人脸则继续进行以下步骤,否则将判定该图片不是证件照,不再进行以下步骤。
作为优选,所述免冠检测模型由深度学习框架Keras搭建而成,包括目标检测模型与免冠分类模型。
作为优选,所述目标检测模型用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标。
作为优选,所述免冠分类模型对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,进一步判断该区域是否存在帽子。
实际应用中可以根据具体业务的要求来判断该图片是否符合规范,比如:群众办理的事项是否要求上传的图片必须是免冠证件照。
目标检测模型用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标。由于目标检测模型存在误判的可能性,会将图片中的非帽子区域误判成帽子区域,为了解决误判问题,免冠分类模型可以对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,判断该区域是否存在帽子。
作为优选,所述深度神经网络分类模型由深度学习框架Keras搭建而成,用于判断图片属于白底证件照、蓝底证件照、红底证件照还是生活照。
若通过深度神经网络分类模型判断照片不属于白底证件照、蓝底证件照、红底证件照,则可判断照片为生活照。
一种基于深度学习的证件照分类识别及免冠检测系统,该系统包括以下模块:
图片上传模块:用于对用户上传的图片;
人脸检测模型模块:用于检测图片中是否含有人脸;
免冠检测模型模块:用于检测图片中是否含有帽子;
深度神经网络分类模型模块:用于判断图片属于白底证件照、蓝底证件照、红底证件照还是生活照。
作为优选,所述人脸检测模型模块提取图片特征信息,检测图片中是否包含人脸;免冠检测模型模块包括目标检测模型与免冠分类模型,所述目标检测模型模块用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标,所述免冠分类模型模块对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,进一步判断该区域是否存在帽子。
与现有技术相比,本发明的基于深度学习的证件照分类识别及免冠检测方法具有以下突出的有益效果:所述基于深度学习的证件照分类识别及免冠检测方法采用了人脸检测模型、免冠检测模型和深度神经网络分类模型相结合的方式,自动识别用户上传的图片是否为白底证件照、蓝底证件照、红底证件照或生活照以及自动识别是否是免冠图片,有助于规范化用户上传的材料,节约窗口人员审核时间,提高窗口人员的工作效率,提升用户办事体验,具有良好的推广应用价值。
附图说明
图1是本发明所述基于深度学习的证件照分类识别及免冠检测方法的流程图。
具体实施方式
下面将结合附图和实施例,对本发明的基于深度学习的证件照分类识别及免冠检测方法及系统作进一步详细说明。
实施例
如图1所示,本发明的基于深度学习的证件照分类识别及免冠检测方法,对用户上传的图片,采用人脸检测模型检测图片中是否含有人脸,检测到人脸后通过免冠检测模型检测图片中是否含有帽子,然后通过深度神经网络分类模型判断图片为证件照或生活照。
基于深度学习的证件照分类识别及免冠检测方法该具体包括以下步骤:
S1、对用户上传的图片。
S2、人脸检测模型检测图片中是否含有人脸,若有执行步骤S3,否则执行步骤S5。
人脸检测模型由深度学习框架TensorFlow搭建而成,提取图片特征信息,检测图片中是否包含人脸。
首先采用人脸检测模型检测图片中是否包含人脸,若包含人脸则继续进行以下步骤,否则将判定该图片不是证件照,不再进行以下步骤。
S3、通过免冠检测模型检测图片中是否含有帽子,继续执行步骤S4。
免冠检测模型由深度学习框架Keras搭建而成,包括目标检测模型与免冠分类模型。
目标检测模型用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标。由于目标检测模型存在误判的可能性,会将图片中的非帽子区域误判成帽子区域,为了解决误判问题,免冠分类模型可以对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,判断该区域是否存在帽子。免冠分类模型对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,进一步判断该区域是否存在帽子。
实际应用中可以根据具体业务的要求来判断该图片是否符合规范,比如:群众办理的事项是否要求上传的图片必须是免冠证件照。
S4、通过深度神经网络分类模型检测判断照片为证件照或者生活照。
深度神经网络分类模型由深度学习框架Keras搭建而成,用于判断图片属于白底证件照、蓝底证件照、红底证件照还是生活照。
若通过深度神经网络分类模型判断照片不属于白底证件照、蓝底证件照、红底证件照,则可判断照片为生活照。
S5、结束。
该基于深度学习的证件照分类识别及免冠检测方法通过基于深度学习的证件照分类识别及免冠检测系统实现。基于深度学习的证件照分类识别及免冠检测系统包括图片上传模块,用于对用户上传的图片。人脸检测模型模块,用于提取图片特征信息,检测图片中是否包含人脸。免冠检测模型模块,包括目标检测模型与免冠分类模型,所述目标检测模型模块用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标,所述免冠分类模型模块对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,进一步判断该区域是否存在帽子。深度神经网络分类模型模块,用于判断图片属于白底证件照、蓝底证件照、红底证件照还是生活照。
本发明的基于深度学习的证件照分类识别及免冠检测系统,该系统包括以下模块:
图片上传模块:用于对用户上传的图片;
人脸检测模型模块:用于检测图片中是否含有人脸;
免冠检测模型模块:用于检测图片中是否含有帽子;
深度神经网络分类模型模块:用于判断图片属于白底证件照、蓝底证件照、红底证件照还是生活照。
人脸检测模型模块提取图片特征信息,检测图片中是否包含人脸;免冠检测模型模块包括目标检测模型与免冠分类模型,所述目标检测模型模块用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标,所述免冠分类模型模块对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,进一步判断该区域是否存在帽子。
该基于深度学习的证件照分类识别及免冠检测系统自动识别用户上传的图片是否为白底证件照、蓝底证件照、红底证件照或生活照以及自动识别是否是免冠图片,有助于规范化用户上传的材料,节约窗口人员审核时间,提高窗口人员的工作效率,提升用户办事体验。
以上所述的实施例,只是本发明较优选的具体实施方式,本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。
Claims (9)
1.一种基于深度学习的证件照分类识别及免冠检测方法,其特征在于:对用户上传的图片,采用人脸检测模型检测图片中是否含有人脸,检测到人脸后通过免冠检测模型检测图片中是否含有帽子,然后通过深度神经网络分类模型判断图片为证件照或生活照。
2.根据权利要求1所述的基于深度学习的证件照分类识别及免冠检测方法,其特征在于:该方法具体包括以下步骤:
S1、对用户上传的图片;
S2、人脸检测模型检测图片中是否含有人脸,若有执行步骤S3,否则执行步骤S5;
S3、通过免冠检测模型检测图片中是否含有帽子,继续执行步骤S4;
S4、通过深度神经网络分类模型检测判断照片为证件照或者生活照;
S5、结束。
3.根据权利要求2所述的基于深度学习的证件照分类识别及免冠检测方法,其特征在于:所述人脸检测模型由深度学习框架TensorFlow搭建而成,提取图片特征信息,检测图片中是否包含人脸。
4.根据权利要求3所述的基于深度学习的证件照分类识别及免冠检测方法,其特征在于:所述免冠检测模型由深度学习框架Keras搭建而成,包括目标检测模型与免冠分类模型。
5.根据权利要求4所述的基于深度学习的证件照分类识别及免冠检测方法,其特征在于:所述目标检测模型用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标。
6.根据权利要求5所述的基于深度学习的证件照分类识别及免冠检测方法,其特征在于:所述免冠分类模型对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,进一步判断该区域是否存在帽子。
7.根据权利要求6所述的基于深度学习的证件照分类识别及免冠检测方法,其特征在于:所述深度神经网络分类模型由深度学习框架Keras搭建而成,用于判断图片属于白底证件照、蓝底证件照、红底证件照还是生活照。
8.一种基于深度学习的证件照分类识别及免冠检测系统,其特征在于:该系统包括以下模块:
图片上传模块:用于对用户上传的图片;
人脸检测模型模块:用于检测图片中是否含有人脸;
免冠检测模型模块:用于检测图片中是否含有帽子;
深度神经网络分类模型模块:用于判断图片属于白底证件照、蓝底证件照、红底证件照还是生活照。
9.根据权利要求8所述的基于深度学习的证件照分类识别及免冠检测系统,其特征在于:所述人脸检测模型模块提取图片特征信息,检测图片中是否包含人脸;免冠检测模型模块包括目标检测模型与免冠分类模型,所述目标检测模型模块用于检测图片中潜在的帽子区域,推断出帽子在图片中的位置坐标,所述免冠分类模型模块对目标检测模型推断出的潜在帽子区域进行进一步的特征提取,进一步判断该区域是否存在帽子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227933.7A CN109886360A (zh) | 2019-03-25 | 2019-03-25 | 一种基于深度学习的证件照分类识别及免冠检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910227933.7A CN109886360A (zh) | 2019-03-25 | 2019-03-25 | 一种基于深度学习的证件照分类识别及免冠检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109886360A true CN109886360A (zh) | 2019-06-14 |
Family
ID=66933944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910227933.7A Pending CN109886360A (zh) | 2019-03-25 | 2019-03-25 | 一种基于深度学习的证件照分类识别及免冠检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109886360A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874577A (zh) * | 2019-11-15 | 2020-03-10 | 杭州东信北邮信息技术有限公司 | 一种基于深度学习的证件照的自动审核方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138954A (zh) * | 2015-07-12 | 2015-12-09 | 上海微桥电子科技有限公司 | 一种图像自动筛选查询识别系统 |
CN106210338A (zh) * | 2016-07-25 | 2016-12-07 | 乐视控股(北京)有限公司 | 证件照片的生成方法及装置 |
CN108052900A (zh) * | 2017-12-12 | 2018-05-18 | 成都睿码科技有限责任公司 | 一种通过监控视频自动判断着装规范的方法 |
CN108460356A (zh) * | 2018-03-13 | 2018-08-28 | 上海海事大学 | 一种基于监控系统的人脸图像自动处理系统 |
CN109117800A (zh) * | 2018-08-20 | 2019-01-01 | 钟祥博谦信息科技有限公司 | 基于卷积神经网络的人脸性别识别方法及系统 |
CN109165674A (zh) * | 2018-07-19 | 2019-01-08 | 南京富士通南大软件技术有限公司 | 一种基于多标签深度卷积网络的证件照分类方法 |
-
2019
- 2019-03-25 CN CN201910227933.7A patent/CN109886360A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105138954A (zh) * | 2015-07-12 | 2015-12-09 | 上海微桥电子科技有限公司 | 一种图像自动筛选查询识别系统 |
CN106210338A (zh) * | 2016-07-25 | 2016-12-07 | 乐视控股(北京)有限公司 | 证件照片的生成方法及装置 |
CN108052900A (zh) * | 2017-12-12 | 2018-05-18 | 成都睿码科技有限责任公司 | 一种通过监控视频自动判断着装规范的方法 |
CN108460356A (zh) * | 2018-03-13 | 2018-08-28 | 上海海事大学 | 一种基于监控系统的人脸图像自动处理系统 |
CN109165674A (zh) * | 2018-07-19 | 2019-01-08 | 南京富士通南大软件技术有限公司 | 一种基于多标签深度卷积网络的证件照分类方法 |
CN109117800A (zh) * | 2018-08-20 | 2019-01-01 | 钟祥博谦信息科技有限公司 | 基于卷积神经网络的人脸性别识别方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110874577A (zh) * | 2019-11-15 | 2020-03-10 | 杭州东信北邮信息技术有限公司 | 一种基于深度学习的证件照的自动审核方法 |
CN110874577B (zh) * | 2019-11-15 | 2022-04-15 | 杭州东信北邮信息技术有限公司 | 一种基于深度学习的证件照的自动审核方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390691B (zh) | 一种基于深度学习的矿石尺度测量方法及应用系统 | |
CN106845890B (zh) | 一种基于视频监控的仓储监控方法及装置 | |
WO2019000653A1 (zh) | 一种图像目标识别方法及装置 | |
CN111126136A (zh) | 一种基于图像识别的烟雾浓度量化方法 | |
CN111310850B (zh) | 车牌检测模型的构建方法及系统、车牌检测方法及系统 | |
US11335086B2 (en) | Methods and electronic devices for automated waste management | |
CN109064304A (zh) | 财务报销票据自动处理系统及方法 | |
CN110751079A (zh) | 物品检测方法、装置、系统和计算机可读存储介质 | |
CN105809178A (zh) | 一种基于人脸属性的人群分析方法及装置 | |
CN104166841A (zh) | 一种视频监控网络中指定行人或车辆的快速检测识别方法 | |
CN103735253A (zh) | 一种基于移动终端的中医舌象分析系统及方法 | |
CN113642474A (zh) | 一种基于yolov5的危险区域人员监控方法 | |
CN112488021A (zh) | 一种基于监控视频的垃圾投递违规行为检测方法及系统 | |
CN107818321A (zh) | 一种用于车辆年检的水印日期识别方法 | |
CN109086772A (zh) | 一种扭曲粘连字符图片验证码的识别方法及系统 | |
CN111339927A (zh) | 一种电力营业厅人员工作状态智能识别系统 | |
CN105678755A (zh) | 一种基于Adaboost算法的产品状态检测方法和系统 | |
CN110458200A (zh) | 一种基于机器学习的花朵种类识别方法 | |
CN109886360A (zh) | 一种基于深度学习的证件照分类识别及免冠检测方法及系统 | |
CN111126112A (zh) | 候选区域确定方法和装置 | |
CN113221667A (zh) | 一种基于深度学习的人脸口罩属性分类方法及系统 | |
CN203970354U (zh) | 一种基于移动终端的中医舌象分析系统 | |
WO2022262013A1 (zh) | 一种车辆状态信息采集监控方法及系统 | |
Cai et al. | OCR Service Platform Based on OpenCV | |
CN111581978A (zh) | 一种通过领域迁移和对抗学习的意图识别方法 |
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 |
Application publication date: 20190614 |
|
RJ01 | Rejection of invention patent application after publication |