CN109934215A - 一种身份证识别方法 - Google Patents
一种身份证识别方法 Download PDFInfo
- Publication number
- CN109934215A CN109934215A CN201910177549.0A CN201910177549A CN109934215A CN 109934215 A CN109934215 A CN 109934215A CN 201910177549 A CN201910177549 A CN 201910177549A CN 109934215 A CN109934215 A CN 109934215A
- Authority
- CN
- China
- Prior art keywords
- identity card
- interpolation
- component
- recognition method
- image
- 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
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理领域,提供一种身份证识别方法,包括以下步骤,获取待检测身份证图片、改进自适应彩色平面插值去模糊、主成元分析提取人脸、离散余弦变换去噪、最大类间差自适应阈值分割分割去身份证纹理、感兴趣区域提取来分离黑白证件照和黑白无照片证件、文本区域标记以及获取文本信息。实践证明本发明的实际识别效果很好准确率高,是一种不错的身份证识别方法。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种身份证识别方法。
背景技术
居民身份证,是用于证明持有人身份的一种法定证件,多由各国或地区政府发行予公民,并作为每个人重要的身份证明文件;国人必须持有,如若没有就被认为是黑户,或者间谍之类的;因此如何快速准确识别身份证上的信息十分必要。
随着科学技术的快速发展,各种先进设备应运而生,不乏有一些对身份证信息识别的方法和设备出现,如手机APP,PC客户端等;但是相关设备能够对身份证信息提取的效率和准确率普遍不高,多多少少都会出现这样或那样的问题。
发明内容
本发明的目的在于提供一种身份证识别方法,旨在解决身份证识别方法准确率普遍不高的现状。
本发明提供了一种身份证识别方法,包括以下步骤:
获取待检测身份证图片;
改进自适应彩色平面插值去模糊;
主成元分析提取人脸;
离散余弦变换去噪;
最大类间差自适应阈值分割分割去身份证纹理;
感兴趣区域提取来分离黑白证件照和黑白无照片证件;
文本区域标记;
获取文本信息。
本发明提供了一种身份证识别方法,包括提出了一种改进自适应彩色平面插值算法。
本发明涉及的改进自适应彩色平面插值算法,能够较好地消除图像模糊提高图像质量。
本发明涉及的改进自适应彩色平面插值算法,首先用拜耳色彩滤波阵列公式描述像素点区域,然后计算像素点的梯度并进行彩色平面第一次插值来提升图像内部像素点的清晰度,最后在第一次插值基础上计算此时像素点的梯度并进行彩色平面第二次插值能够提高图像边缘和内部部位清晰度。
本发明涉及的改进自适应彩色平面插值算法第二次插值的计算公式列举如下:
以像素点R(3,3)为例:
求该点G分量补偿:
计算水平方向插值:;
计算垂直方向插值:;
该点G分量补偿公式:
求该点B分量补偿:
计算水平方向和垂直方向插值:
该点B分量补偿公式:
其他点求取方法类似,以G’(3,4)为例:
同理可求该点R分量和B分量补偿:
本发明涉及采用主成元分析提取身份证中彩色人脸。
本发明涉及主成元分析提取身份证中彩色人脸的操作步骤如下:
读取改进自适应彩色平面插值算法补偿后的彩色图像;
RGB滤波器对读取的彩色图像滤波;
将RGB滤波后的彩色图像进行颜色空间变换到Ycbcr;
对颜色空间变换后的图像进行自动阈值分割;
对阈值分割后的黑白图像进行形态学处理;
对形态学处理后的图像进行连通区域,记录连通区域坐标,在原来改进自适应彩色平面插值算法补偿后的彩色图像进行标记;
根据连通区域坐标提取彩色图像中的彩色人脸。
本发明涉及采用最大类间差自适应阈值分割去除身份证纹理。
本发明涉及的通过最大类间差自适应阈值分割去除身份证纹理操作,通过将采集后经过改进自适应彩色平面插值补偿后的图像进行灰度化转化为灰度图,然后根据根据灰度图的灰度值分布,通过最大类间差自适应阈值分割方法获取最佳阈值并根据该阈值分割灰度图,去除身份证图像的纹理信息。
有益效果:本发明身份证识别方法,采用改进自适应彩色平面插值算法出模糊,又采用最大类间差自适应阈值分割去除身份证纹理操作,在此基础上再提取文字,极大程度上提高了身份证的识别效率以及准确率。
附图说明
图1是本发明实施例提供的一种身份证识别方法的流程示意图。
图2依次包含本发明实施例提供的一张获取待检测身份证样证图像和经改进自适应彩色平面插值去模糊化后生成的图像。
图3依次包含本发明实施例提供的去模糊化后的待检测身份证样证图像和RGB滤波器滤波后生成的图像。
图4依次包含本发明实施例提供的样证颜色空间转换的图像和样证经图像分割操作后的图像。
图5依次包含本发明实施例提供的样证经形态学处理后的图像和连通区域标记人脸的图像。
图6是本发明实施例提供的处理后提取出来的身份证样证的彩色头像。
图7依次包含本发明实施例提供的待检测身份证样证经改进自适应彩色平面插值去模糊化后再经过灰度化处理后生成的图像和RGB滤波器滤波后生成的图像。
图8依次包含本发明实施例提供的感兴趣区域提取的黑白身份证头像和黑白无照片身份证图像。
图9依次包含本发明实施例提供的感兴趣区域提取的黑白无照片身份证图像和获取所有文本后生成的图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是本发明实施例提供的一种身份证识别方法的流程示意图;
图1中步骤101,是对获取的待检测身份证图片(图2中201)进行改进自适应彩色平面插值去模糊,得到图2中的202。
本发明的改进自适应彩色平面插值去模糊,过程推导如下。
用拜耳色彩滤波阵列公式描述像素点区域:
计算像素点的梯度并进行彩色平面第一次插值:
取像素点R(3,3)为例:
计算水平方向插值:
计算垂直方向插值:
该像素点的G分量补偿:
该像素点的B分量补偿:
取G(3,4)为例:
同理可求,该点R分量补偿:
同理可求,该点B分量补偿:
计算像素点的梯度并进行彩色平面第二次插值:
以像素点R(3,3)为例:
求该点G分量补偿:
计算水平方向插值:;
计算垂直方向插值:;
该点G分量补偿公式:
求该点B分量补偿:
计算水平方向和垂直方向插值:
该点B分量补偿公式:
其他点求取方法类似,以G’(3,4)为例:
同理:
可求该点R分量和B分量补偿,如上式。
图1中步骤102,是主成元分析提取身份证中彩色人脸的操作步骤如下。
读取改进自适应彩色平面插值算法补偿后的彩色图像得到图3中301。
RGB滤波器对读取的彩色图像滤波得到图3中302。
将RGB滤波后的彩色图像进行颜色空间变换到Ycbcr得到图4中401。
对颜色空间变换后的图像进行自动阈值分割得到图4中402。
对阈值分割后的黑白图像进行形态学处理得到图5中501。
对形态学处理后的图像进行连通区域,记录连通区域坐标,在原来改进自适应彩色平面插值算法补偿后的彩色图像进行标记得到图5中502。
根据连通区域坐标提取彩色图像中的彩色人脸得到图6。
图1中步骤103,是采用离散余弦变换对步骤101产生的去模糊图像进行去噪。
图1中步骤104,是采用最大类间差自适应阈值分割,对步骤103后的图像(如图7中701)去纹理得到图7中702。
图1中步骤105,是采用感兴趣区域提取,获取步骤104分割后图像(如图7中702)中照片所在的坐标区域;然后指定提取该坐标区域内的黑白照片,并将该图像该坐标区域内的灰度值全部设置为255,此时便能够分离黑白头像(如图8中801)和黑白无照片证件(如图8中802)。
图1中步骤106是采用文本标记法标记步骤105产生黑白无照片内文本所在位置(如图9中901),并获取该位置区域的坐标范围;将该区域坐标范围内的内容全部提取即可获取原来待检测身份证的全部文字信息(如图9中902)。
Claims (5)
1.一种身份证识别方法,其特征在于,包括以下步骤:
获取待检测身份证图片;
改进自适应彩色平面插值去模糊;
主成元分析提取人脸;
离散余弦变换去噪;
最大类间差自适应阈值分割分割去身份证纹理;
感兴趣区域提取来分离黑白证件照和黑白无照片证件;
文本区域标记;
获取文本信息。
2.根据权利要求1所述的身份证识别方法,其特征在于,所述将获取待检测的身份证图片进行改进自适应彩色平面插值去模糊。
3.根据权利要求2所述的身份证识别方法,其特征在于,本发明中首次提出一种改进自适应彩色平面插值算法,包括以下步骤:
S1: 用拜耳色彩滤波阵列公式描述像素点区域:
S2: 计算像素点的梯度并进行彩色平面第一次插值:
取像素点R(3,3)为例:
计算水平方向插值:
计算垂直方向插值:
该像素点的G分量补偿:
该像素点的B分量补偿:
取G(3,4)为例:
同理可求,该点R分量补偿:
同理可求,该点B分量补偿:
S3: 计算此时像素点的梯度并进行彩色平面第二次插值:
取像素点R’(3,3)为例:
求该点G分量补偿:
计算水平方向插值:
计算垂直方向插值:
求该点B分量补偿:
计算水平方向和垂直方向插值:
取G’(3,4)为例:
同理:
可求该点R分量和B分量补偿,如上式所示。
4.根据权利要求3所述的身份证识别方法,其特征在于,最大类间差自适应阈值分割去除身份证纹理。
5.根据权利要求4所述的身份证识别方法,其特征在于,通过将采集后经过改进自适应彩色平面插值补偿后的图像进行灰度化转化为灰度图,然后根据根据灰度图的灰度值分布,通过最大类间差自适应阈值分割方法获取最佳阈值并根据该阈值分割灰度图,去除身份证图像上的纹理信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910177549.0A CN109934215B (zh) | 2019-03-09 | 2019-03-09 | 一种身份证识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910177549.0A CN109934215B (zh) | 2019-03-09 | 2019-03-09 | 一种身份证识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934215A true CN109934215A (zh) | 2019-06-25 |
CN109934215B CN109934215B (zh) | 2021-05-04 |
Family
ID=66986763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910177549.0A Active CN109934215B (zh) | 2019-03-09 | 2019-03-09 | 一种身份证识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934215B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882615A (zh) * | 2020-07-30 | 2020-11-03 | 珠海市新德汇信息技术有限公司 | 基于特征色块的卡片方向识别方法、装置及自助设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917629A (zh) * | 2010-08-10 | 2010-12-15 | 浙江大学 | 一种基于绿色分量和色差空间的Bayer格式颜色插值方法 |
WO2014028245A2 (en) * | 2012-08-17 | 2014-02-20 | Evernote Corporation | Using surfaces with printed patterns for image and data processing |
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 |
-
2019
- 2019-03-09 CN CN201910177549.0A patent/CN109934215B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917629A (zh) * | 2010-08-10 | 2010-12-15 | 浙江大学 | 一种基于绿色分量和色差空间的Bayer格式颜色插值方法 |
WO2014028245A2 (en) * | 2012-08-17 | 2014-02-20 | Evernote Corporation | Using surfaces with printed patterns for image and data processing |
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 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111882615A (zh) * | 2020-07-30 | 2020-11-03 | 珠海市新德汇信息技术有限公司 | 基于特征色块的卡片方向识别方法、装置及自助设备 |
CN111882615B (zh) * | 2020-07-30 | 2024-03-12 | 珠海市新德汇信息技术有限公司 | 基于特征色块的卡片方向识别方法、装置及自助设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109934215B (zh) | 2021-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108146093B (zh) | 一种去除票据印章的方法 | |
CN104794479B (zh) | 基于局部笔画宽度变换的自然场景图片中文本检测方法 | |
WO2015066984A1 (zh) | 一种面向复杂背景的光学字符识别方法及装置 | |
CN109118471A (zh) | 一种适用于复杂环境下的打磨工件缺陷检测方法 | |
CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN108830857B (zh) | 一种自适应的汉字碑帖图像二值化分割方法 | |
CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
CN111079688A (zh) | 一种人脸识别中的基于红外图像的活体检测的方法 | |
CN102860814A (zh) | 一种oct合成眼底图视盘中心定位方法及设备 | |
CN109741273A (zh) | 一种手机拍照低质图像的自动处理与评分方法 | |
CN110929562A (zh) | 一种基于改进Hough变换的答题卡识别方法 | |
CN107977648B (zh) | 一种基于人脸识别的身份证清晰度的判别方法和系统 | |
CN111445402B (zh) | 一种图像去噪方法及装置 | |
CN112070741B (zh) | 一种基于图像显著性区域提取方法的大米垩白度检测系统 | |
CN109934215A (zh) | 一种身份证识别方法 | |
CN112200065B (zh) | 基于动作放大和自适应注意力区域选取的微表情分类方法 | |
CN106815814A (zh) | 一种应用于阅卷系统的图像污染处理方法 | |
Valliammal et al. | A hybrid method for enhancement of plant leaf recognition | |
CN109359652A (zh) | 一种从数码照片中快速自动提取矩形扫描件的方法 | |
CN111860079B (zh) | 活体图像检测方法、装置以及电子设备 | |
Fathy et al. | Benchmarking of pre-processing methods employed in facial image analysis | |
CN117197808A (zh) | 一种基于rgb通道分离的宫颈细胞图像细胞核分割方法 | |
CN111611940A (zh) | 一种基于大数据处理的快速视频人脸识别方法 | |
CN112396638A (zh) | 一种图像处理方法、终端和计算机可读存储介质 | |
CN115908399A (zh) | 一种基于改进视觉注意机制的磁片瑕疵检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |