CN110036390A - 文件图像质量评估 - Google Patents
文件图像质量评估 Download PDFInfo
- Publication number
- CN110036390A CN110036390A CN201780045993.6A CN201780045993A CN110036390A CN 110036390 A CN110036390 A CN 110036390A CN 201780045993 A CN201780045993 A CN 201780045993A CN 110036390 A CN110036390 A CN 110036390A
- Authority
- CN
- China
- Prior art keywords
- score
- image
- quality
- quality score
- file
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/416—Extracting the logical structure, e.g. chapters, sections or page numbers; Identifying elements of the document, e.g. authors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
公开了用于评估文件图像质量的方法、系统和装置,包括在计算机存储介质上编码的计算机程序。在一个方面,一种方法包括接收文件的一个或多个图像的动作。动作还包括检测具有与文件的预期形状类似的形状的对象。动作还包括确定反映第一图像的清晰度的聚焦得分。动作还包括确定反映对象对应于文件的可能性的边界拟合得分。动作还包括确定反映对象的形状与文件的预期形状之间的相关性的预期形状得分。动作还包括确定反映第一图像的质量的质量得分。动作还包括确定是否要对第一图像执行文件认证。
Description
相关申请的交叉引用
本发明要求2016年5月24日提交的美国申请号62/340,894的优先权,其通过引用并入本文中。
技术领域
本说明书涉及文件认证。
背景技术
身份证明(“ID”)文件在当今社会中发挥关键作用。ID文件的一个示例是ID卡。ID文件每天用于证实身份、验证年龄、访问安全区域、证明驾驶特权、兑现支票等等。航空旅客需要在办理登机手续、安全检查期间以及在登机前出示ID文件。此外,由于我们生活在不断发展的无现金社会中,所以ID文件被用于进行支付、访问自动柜员机(ATM)、借记账户、进行支付等。
发明内容
本申请的主题涉及自动文件认证(例如通过检查文件的视觉特性来确保文件是真实的)。在一些实现中,准确地认证文件取决于适当捕获的数字图像。可以在类似于平板扫描仪的平坦玻璃图像平面上扫描这些图像。这样做确保文件的正确聚焦、照明和缩放图像。
下面描述的系统能够将文件认证能力扩展到不受控制的捕获(例如从未校准的配置获取图像)。一个示例将是用手机拍摄驾驶执照的图像,并使用该图像来认证驾驶执照。
该系统能够量化文件的数字图像的“良好性”,以用于提供对图像的自动校正以及对文件进行认证两者的目的。这将使得移动电话能够被用于捕获文件的图像,并且在电话上评价那些图像的可用性,以在捕获期间提供反馈或者简单地接受或拒绝图像。
用于在执行文件认证之前评估捕获的文件的质量的方法包括以下动作。获取文件的一个或多个数字图像。利用为第一图像定义的文件的边界来检测矩形形状的文件。使用(i)文件信息的聚焦的清晰度,(ii)文件的边界的拟合的置信度,以及(iii)文件形状与文件的预期形状的偏差来量化第一图像的质量。如果其中量化第一图像的质量的动作中的任何度量或度量组合的质量低于阈值,则拒绝该图像并考虑其他图像。对于每个附加图像,质量使用上述三个特征(例如,(i)文件信息的聚焦的清晰度,(ii)文件的边界的拟合的置信度,以及(iii)文件形状与文件的预期形状的偏差)并使用来自第一图像的质量的先前量化的值或它们的某种组合,如果图像具有足够的质量,则保留该图像作为文件认证的候选。图像被发送到文件认证系统。如果没有图像高于最小阈值,则捕获过程失败。在一些实现中,被保留为文件认证的候选的图像是具有最高质量得分的图像。
在一些实现中,可以提供关于失败的用户反馈(例如失焦量度)。可以提供对捕获设备的反馈(例如聚焦相机)。质量度量的结果可以用于从单个图像中的多个形状候选中选择候选图像。得到的图像可以在文件认证之前进入预处理步骤,以校正相机的透视失真。
根据本申请中描述的主题的创新方面,用于评估文件图像质量的方法包括以下动作:接收文件的一个或多个图像;在一个或多个图像中的第一图像中检测具有与文件的预期形状类似的形状的对象;确定反映第一图像的清晰度的聚焦得分;确定反映对象对应于文件的可能性的边界拟合得分;确定反映对象的形状与文件的预期形状之间的相关性的预期形状得分;基于聚焦得分、边界拟合得分和预期形状得分来确定反映第一图像的质量的质量得分;确定质量得分是否满足质量得分阈值;以及基于确定质量得分是否满足质量得分阈值来确定是否要对第一图像执行文件认证。
这些和其他实现均可以可选地包括以下特征中的一个或多个。确定质量得分是否满足质量得分阈值的动作包括确定质量得分满足质量得分阈值。确定是否要对第一图像执行文件认证的动作包括基于确定质量得分满足质量得分阈值来确定要对第一图像执行文件认证。确定质量得分是否满足质量得分阈值的动作包括确定质量得分不满足质量得分阈值。确定是否要对第一图像执行文件认证的动作包括基于确定质量得分不满足质量得分阈值而确定不对第一图像执行文件认证。动作还包括响应于确定不对第一图像执行文件认证而确定一个或多个图像中的第二图像的质量得分。
动作还包括确定聚焦得分是否满足聚焦得分阈值。确定是否要对第一图像执行文件认证的动作还基于确定聚焦得分是否满足聚焦得分阈值。动作还包括确定边界拟合得分是否满足边界拟合得分阈值。确定是否要对第一图像执行文件认证的动作还基于确定边界拟合得分是否满足边界拟合得分阈值。动作还包括确定预期形状得分是否满足预期形状得分阈值。确定是否要对第一图像执行文件认证的动作还基于确定预期形状得分是否满足预期形状得分阈值。聚焦得分反映仅对象的清晰度。
文件是身份证明文件。文件的一个或多个图像是视频的帧。动作还包括为文件的一个或多个图像中的每个确定质量得分;以及确定第一图像的质量得分大于除第一图像之外的一个或多个图像中的每个的质量得分。确定第一图像的质量得分是否满足质量得分阈值的动作包括确定第一图像的质量得分满足质量得分阈值。确定是否要对第一图像执行文件认证的动作包括基于确定第一图像的质量得分满足质量得分阈值并且基于确定第一图像的质量得分大于除第一图像之外的一个或多个图像中的每个的质量得分来确定要对第一图像执行文件认证。确定质量得分是否满足质量得分阈值的动作包括确定质量得分不满足质量得分阈值。基于确定质量得分不满足质量得分阈值,动作还包括向用户提供用于改善文件的图像的质量的反馈。
该方面的其他实现包括对应的系统、装置和记录在计算机存储设备上的计算机程序,每个被配置为执行方法的操作。
本申请中描述的主题可以具有以下优点中的一个或多个。系统可以仅对具有足够质量的文件的图像执行文件认证。将文件认证限制为仅特定图像可以减少文件认证所需的计算资源,诸如处理能力和电池电量。
在附图和下面的描述中阐述了在本说明书中描述的主题的一个或多个实现的细节。主题的其他特征、方面和优点将根据说明书、附图和权利要求而变得明显。
附图说明
图1图示使用移动设备捕获身份证的图像的用户的示例。
图2图示用于评估文件的图像的质量的示例系统。
图3图示用于评估文件的图像的质量的示例过程。
图4图示具有图示推荐捕获区域的细线和突显检测到的名片的粗线的名片的来自膝上型计算机的示例视频捕获。
图5在上部图像中图示具有作为细线的示例线候选的名片的示例视频捕获,并且在下部图像中图示检测到并用于定位名片的边缘的示例诊断输出。
图6图示应用线性歪斜校正以制作标准形状名片(或驾驶执照卡)的示例输出矩形。
图7图示计算设备和移动计算设备的示例。
具体实施方式
图1图示了用户105使用移动设备120捕获身份证115的图像110的示例。简而言之,并且如下面更详细描述的,用户120尝试捕获足够质量的图像,使得应用或实体可以认证身份证115。为了认证身份证115,图像110应对焦,具有与身份证115的预期形状大致匹配的形状,并且具有足够清楚的边界。
在图1的示例系统100中,用户105可以使用移动设备120来执行应用或访问请求用户的身份证115的图像的网站。用户105可能无法将移动设备120与身份证115完美平行地保持足够长的时段。因此,捕获的图像110可能略微歪斜。
应用或网站可以呈现指令125以将移动设备120在身份证115之上保持平行且稳定。当用户105将移动设备120保持在身份证之上时,相机130可以捕获视频。移动设备120可以将视频提供给服务器。服务器可以逐帧分析视频。服务器可以标识具有身份证的图像的特定帧,其具有足够的质量以用于认证目的。服务器执行标识身份证115的图像的过程,该过程在下面将关于图2和3更详细地描述。
服务器标识视频的特定帧,并向移动设备120提供服务器捕获了足够质量的身份证115的图像的数据。移动设备120可以通过显示器130向用户105提供反馈。例如,移动设备120可以在显示器130上提供指示服务器标识了足够质量的身份证115的图像的文本。作为另一示例,移动设备120可以显示服务器标识了足够质量的身份证115的图像的图形指示符。图形项目可以是身份证115的图像周围的绿色边界。利用足够质量的身份证115的图像,服务器可以对图像执行文件认证或者将图像提供给另一服务器以用于文件认证。
图2图示了用于评估文件的图像的质量的示例系统200。简而言之,并且如下面更详细描述的,系统200处理文件205的图像。在处理文件205的图像时,系统200标识具有足够质量的图像以对文件205执行文件认证。系统200可以在一个或多个计算设备上实现。例如,系统200可以在移动电话上实现。作为另一示例,诸如视频捕获器210的系统200的部分可以在移动电话上实现,而其他部分可以在服务器上实现。
更详细地,并且如图2所示,视频捕获器210捕获文件205的视频。文件205可以是任何类型的文件。例如,文件205可以是身份证明文件(例如驾驶执照)、护照、合同或可能需要认证的任何其他类似类型的文件。当系统200从用户接收到输入时或者当系统200执行开始捕获视频的指令时,视频捕获器210可以开始捕获视频。
视频捕获器210可以将捕获的视频提供给帧分类器215。帧分类器215可以被配置为将捕获的视频划分为单独的帧。当帧分类器215接收视频时,帧分类器215可以连续地划分捕获的视频。在一些实现中,帧分类器215可以将视频剪辑划分为单独的帧。
帧分类器215将视频帧提供给形状检测器220。形状检测器220被配置为检测每个视频帧中的矩形状形状的边界。在一些实现中,形状检测器被配置为取决于文件205的预期形状来检测不同形状的边界。例如,预期形状可以是具有与信用卡或驾驶执照类似的比例的四边形状。预期形状可以是具有与护照类似的比例的四边形状。预期形状可以是圆形形状。形状检测器220可以检测像素之间的对比度差异以标识文件205的可能的边界。
形状检测器220将标识文件205的可能的边界的数据和对应的图像提供给聚焦记分器225、预期形状记分器230和边界拟合记分器235。聚焦记分器225被配置为计算反映图像的聚焦水平的聚焦得分。在一些实现中,聚焦记分器计算文件205的可能的边界内的图像的部分的聚焦得分。例如,对于文件205的清晰图像,聚焦得分可以是0.9。对于文件205的不太清晰的图像,聚焦得分可以是0.5。
预期形状记分器230可以被配置为计算文件205的可能的边界与文件205的预期形状相比的预期形状得分。例如,如果可能的边界具有在90度的两度以内的拐角和在预期比例的百分之五以内的长边与短边之比,则预期形状得分可以是0.9。如果可能的边界具有在90度的十度至十五度之间的拐角和在预期比例的百分之十五到百分之二十之间的长边与短边之比,则预期形状得分可以是0.5。在一些实现中,系统200可以从用户或另一计算设备接收指示预期文件的输入。然后,系统200可以检索文件的预期形状。例如,系统200可以接收指示预期文件是驾驶执照的输入。然后,系统可以检索驾驶执照的预期形状和比例。
边界拟合记分器235可以被配置为计算边界拟合得分,该边界拟合得分反映所标识的边界是文件205的实际边界的可能性。边界拟合得分可以基于沿着所标识的边界定位的像素之间的对比度。沿着所标识的边界的具有更高对比度的更多像素可以指示所标识的边界是文件的实际边界的更高置信度。例如,如果边界拟合记分器235确定所标识的边界可能是文件205的实际次序,则边界拟合得分可以是0.88。如果边界拟合记分器235确定所标识的边界不太可能是文件205的实际边界,则边界拟合得分可以是0.4。
聚焦记分器225、预期形状记分器230和边界拟合记分器235可以将它们相应的得分提供给图像质量记分器240。图像质量记分器240可以组合聚焦得分、预期形状得分和边界拟合得分以计算质量得分,该质量得分反映视频帧的整体质量,因为它与文件205的图像质量有关。在一些实现中,图像质量记分器240可以对聚焦得分、预期形状得分和边界拟合得分进行求和或平均。在一些实现中,图像质量记分器240可以通过不同地加权聚焦得分、预期形状得分和边界拟合得分来计算质量得分。例如,图像质量记分器240可以对预期形状得分加权为边界拟合得分和聚焦得分的两倍那么多。图像质量记分器240可以取决于预期文件不同地对每个得分进行加权。例如,对于合同而言,聚焦可能更为重要,而对于驾驶执照,预期形状可能更为重要。
图像质量记分器240将质量得分、聚焦得分、预期形状得分和边界拟合得分提供给质量得分比较器245。在一些实现中,质量得分比较器245将质量得分与来自阈值存储250的质量得分阈值进行比较。如果质量得分满足质量得分阈值,则质量得分比较器245将文件205的对应图像提供给认证模块。例如,如果质量得分是0.85而质量得分阈值是0.80,则质量得分比较器245可以将对应的图像提供给认证模块。如果质量得分不满足质量得分阈值,则质量得分比较器245继续比较从图像质量记分器240接收的附加质量得分。如果质量得分比较器245向认证模块提供文件的图像,则质量得分比较器245可以向视频捕获器210提供停止视频捕获的信号。
在一些实现中,质量得分比较器245可以将质量得分、聚焦得分、预期形状得分和边界拟合得分中的每个与相应阈值进行比较。如果每个得分满足其相应的阈值,则质量得分比较器245将文件205的图像提供给认证模块。如果得分之一不满足其相应的阈值,则质量得分比较器245可以继续比较来自图像质量记分器240的附加图像的得分。
在一些实现中,视频捕获器210可以捕获文件205的固定数目的图像帧。在这种情况下,系统200可以处理所有帧。质量得分比较器245可以向认证模块提供具有最高质量得分的图像。如果质量得分以及必要时聚焦得分、预期形状得分和边界拟合得分满足阈值存储250中的阈值,则质量得分比较245可以向认证模块仅提供具有最高质量得分的图像。如果图像中没有一个具有足够的质量得分,则质量得分比较器245可以提供指示用户应尝试捕获文件205的更好的图像的数据。
在一些实现中,质量得分比较器245可以向用户提供针对不满足其相应阈值的得分的反馈。例如,如果聚焦得分不满足聚焦得分阈值,则质量得分比较器245可以向用户提供尝试改善聚焦的反馈。如果预期形状得分和边界拟合得分都不满足它们相应的阈值,则质量得分比较器24可以向用户提供保持移动设备与文件平行并且将文件205放置在具有鲜明对比背景的表面上的反馈。
图3图示了用于评估文件的图像的质量的示例过程300。通常,过程300确定反映图像中捕获的文件的质量的质量得分。质量得分基于文件的聚焦、处理所标识的文件边界的置信度、以及文件的所标识的形状与文件的预期形状的偏差。过程300将被描述为由包括一个或多个计算机的计算机系统执行,例如,如图1所示的系统100或如图2所示的系统200。
系统接收了文件的一个或多个图像(310)。在一些实现中,文件是身份证明文件(例如驾驶执照、护照等)。在一些实现中,文件是合同或其他法律文件。在一些实现中,文件的图像是视频的帧。
系统在一个或多个图像的第一图像中检测具有与文件的预期形状类似的形状的对象(320)。在一些实现中,系统检测图像内的像素之间的对比度。其中相邻像素具有较大对比度的区域可以是更可能对应于文件的边缘的区域。
系统确定反映第一图像的清晰度的聚焦得分(330)。在一些实现中,聚焦得分仅反映被标识为对象的图像的部分的清晰度。
系统确定反映对象对应于文件的可能性的边界拟合得分(340)。边界拟合得分可以反映所标识的对象边界是文件边界的可能性。在一些实现中,如果沿着边界的像素之间的对比度大于图像的其他区域,则边界拟合得分可以指示所标识的对象边界是文件边界的较高可能性。
系统确定反映对象的形状与文件的预期形状之间的相关性的预期形状得分(350)。在一些实现中,如果文件的预期形状具有直角拐角并且对象的形状具有几乎直角拐角,则相关性得分可能较大。在一些实现中,如果文件的预期形状具有长边与短边之比并且对象的相同比例接近相同值,则相关性得分可能较大。
系统基于聚焦得分、边界拟合得分和预期形状得分来确定反映第一图像的质量的质量得分(360)。在一些实现中,系统对聚焦得分、边界拟合得分和预期形状得分进行求和或平均。在一些实现中,通过对聚焦得分、边界拟合得分和预期形状得分中的每个进行加权来确定质量得分。系统可以取决于文件的类型或设备的类型或两者来不同地对每个得分进行加权。设备的类型还可以使系统不同地对得分进行加权。例如,系统可以取决于用移动电话相机或网络摄像头捕获图像的系统来不同地对边界拟合得分进行加权。
系统确定质量得分是否满足质量得分阈值(370)。在一些实现中,系统确定聚焦得分是否满足聚焦得分阈值。在一些实现中,系统确定边界拟合得分是否满足边界拟合聚焦得分。在一些实现中,系统确定预期形状得分是否满足预期形状得分阈值。
系统基于确定质量得分是否满足质量得分阈值来确定是否要对第一图像执行文件认证(380)。在一些实现中,如果质量得分满足质量得分阈值,则系统对图像执行文件认证。在一些实现中,如果质量得分、边界拟合得分、预期形状得分和聚焦得分均满足它们相应的阈值,则系统对图像执行文件认证。在一些实现中,如果质量得分、边界拟合得分、预期形状得分和聚焦得分的任何组合均满足它们相应的阈值,则系统对图像执行文件认证。
在一些实现中,系统针对文件的一个或多个图像中的每个执行阶段310至380。在这种情况下,系统选择具有最高质量得分的图像用于文件认证。如果质量得分和任何其他得分满足它们相应的阈值,则系统可以仅选择具有最高质量得分的图像。在一些实现中,没有图像可以具有足够的质量。在这种情况下,系统可以不对任何图像执行文件认证。在一些实现中,如果系统处理图像超过特定时间段,则系统可以不对任何图像执行文件认证。例如,如果系统处理图像一分钟,则系统可以不对任何图像执行文件认证。在这种情况下,系统可以向用户提供尝试用于捕获文件的图像的不同配置的反馈。
在一些实现中,阈值可以是取决于设备的。例如,如果系统用移动相机电话捕获图像,则阈值可能与系统用网络摄像头捕获图像的情况下不同。
更详细地,本申请中描述的过程被设计为在视野中进行实时视频输入并检测驾驶执照卡。检测到的执照被从图像中分割出来,并与质量度量一起以请求的分辨率以标准矩形格式返回(return),以确定进一步处理的适合性。
该方法可以被定制用于高度为300像素的灰度景观帧缓冲器。任何其他格式图像将被转换为灰度并重新采样为300像素的最小图像尺寸。可以使用任何大小输入视频帧,但它应能够支持所期望的输出分辨率。如果它不能满足所期望的输出分辨率,则输出将被上采样,并且分辨率质量度量将示出低得分。
该方法可以预期卡被呈现到视频图像的中间,其中该区域的大约六分之一是背景边界。这可以在图4中看到,图4图示了样本视频捕获(例如来自膝上型计算机的并且是名片的)。垂直于图的边缘的线示出具有六分之一边界的推荐捕获区域,并且粗边界(例如临界(marginal)质量)突显检测到的卡。
捕获的每个视频帧被下采样,转换为灰度,并检测六分之一边界附近的边缘以找到线候选,如图5所示。四个边界中的每个的、可能对应于最准确边缘的两个边缘候选被用于构造矩形候选。这些矩形候选被按其形状进行记分以挑选出最可能的卡候选(例如纵横比(aspect ratio)为3.370至2.125的大卡)。
在一些实现中,由于方法是基于边缘的,当卡在打印中具有其他高对比度边缘时或者当卡对着相似颜色的背景时,可以执行附加处理以找到正确的线候选来构造矩形。如果无法检测到准确的线集合或准确的矩形,则捕获过程将继续到下一个视频帧。
最可能的矩形候选(例如此时的凸四边形)被选择,然后映射到矩形(例如3.370×2.125)并以请求的分辨率重新渲染为该形状。矩形拟合可以仅与卡粗略对齐,如图6所示。在一些实现中,动作包括以更高分辨率微调矩形的对齐。
动作包括针对质量分析矩形样本。计算的度量包括:聚焦、曝光、颜色饱和度和分辨率。在一些实现中,这些以0-100级(例如100指示最高得分)返回。这些质量得分以及矩形置信度得分被用作整体捕获得分。
在一次捕获完成后,软件可以在视频馈源上显示检测到的矩形,并对矩形进行颜色编码以反映捕获得分(例如,红色=差,黄色=临界,绿色=好)。
捕获方法继续并捕获另一帧,检测矩形并对结果进行记分。如果新捕获似乎比旧捕获更好,则保留新结果。如果它似乎更差,则方法继续捕获。如果在特定时间量(例如三秒)之后检测到似乎良好的捕获,则捕获完成。如果在特定时间量(例如三秒)之后未检测到似乎良好的捕获,则擦除先前可能的最佳结果并且开始另一捕获尝试。在指定数量的捕获尝试(例如值9秒)之后,该方法确定未成功完成捕获。
在一些实现中,如果在第一特定时间量(例如三秒)内检测到似乎良好的捕获,则可能有益的是存储该结果但进行另一次尝试(例如三秒尝试)以确定结果是否更好。在获取似乎良好质量图像之后,矩形输出可以用于进一步处理,诸如微调对齐、光学字符识别、驾驶执照状态检测、颜色(白平衡)校正、照明校正等。在一些实现中,诸如膝上型计算机的设备以每帧10毫秒的速率执行该方法,并且可以在移动设备上近乎实时地运行。
图7示出了可以用于实现本文描述的技术的计算设备700和移动计算设备750的示例。计算设备700旨在表示各种形式的数字计算机,诸如膝上型电脑、台式机、工作站、个人数字助理、服务器、刀片服务器、大型机和其他适当的计算机。移动计算设备750旨在表示各种形式的移动设备,诸如个人数字助理、蜂窝电话、智能电话和其他类似的计算设备。本文示出的组件、它们的连接和关系以及它们的功能旨在仅仅是示例,并不旨在限制。
计算设备700包括处理器702、存储器704、存储设备706、连接到存储器704和多个高速扩展端口710的高速接口708、以及连接到低速扩展端口714和存储设备706的低速接口712。处理器702、存储器704、存储设备706、高速接口708、高速扩展端口710和低速接口712中的每个使用各种总线互连,并且可以适当地安装在公共主板上或以其他方式安装。处理器702可以处理用于在计算设备700内执行的指令,包括存储在存储器704中或存储设备706上的在耦合到高速接口708的诸如显示器716的外部输入/输出设备上显示GUI的图形信息的指令。在其他实现中,可以适当地使用多个处理器和/或多个总线以及多个存储器和多个类型的存储器。此外,可以连接多个计算设备,其中每个设备提供必要操作的部分(例如,作为服务器库、一组刀片服务器、或多处理器系统)。
存储器704在计算设备700内存储信息。在一些实现中,存储器704是一个或多个易失性存储器单元。在一些实现中,存储器704是一个或多个非易失性存储器单元。存储器704还可以是另一种形式的计算机可读介质,诸如磁盘或光盘。
存储设备706能够为计算设备700提供大容量存储。在一些实现中,存储设备706可以是或包含计算机可读介质,诸如软盘设备、硬盘设备、光盘设备或磁带设备、闪速存储器或其他类似的固态存储器设备、或设备的阵列,包括存储区域网络或其他配置中的设备。指令可以存储在信息载体中。当由一个或多个处理设备(例如处理器702)执行时,指令执行一种或多种方法,诸如上面描述的那些方法。指令还可以由一个或多个存储设备存储,诸如计算机或机器可读介质(例如,存储器704、存储设备706、或处理器702上的存储器)。
高速接口708管理计算设备700的带宽密集型操作,而低速接口712管理较低带宽密集型操作。这种功能分配仅是示例。在一些实现中,高速接口708耦合到存储器704、显示器716(例如通过图形处理器或加速器),并且耦合到可以接受各种扩展卡的高速扩展端口710。在实现中,低速接口712耦合到存储设备706和低速扩展端口714。可以包括各种通信端口(例如,USB、蓝牙、以太网、无线以太网)的低速扩展端口714可以例如通过网络适配器耦合到一个或多个输入/输出设备,诸如键盘、指示设备、扫描仪、或者诸如交换机或路由器之类的联网设备。
计算设备700如图中所示可以以多种不同的形式实现。例如,它可以实现为标准服务器720,或者在一组这样的服务器中实现多次。另外,它可以在诸如膝上型计算机722的个人计算机中实现。它还可以实现为机架服务器系统724的部分。替代地,来自计算设备700的组件可以与诸如移动计算设备750的移动设备中的其他组件组合。每个这样的设备可以包含计算设备700和移动计算设备750中的一个或多个,并且整个系统可以由彼此通信的多个计算设备组成。
除其他组件之外,移动计算设备750包括处理器752、存储器764、诸如显示器754的输入/输出设备、通信接口766和收发器768。移动计算设备750还可以设有存储设备,诸如微驱动器或其他设备,以提供附加的存储。处理器752、存储器764、显示器754、通信接口766和收发器768中的每个使用各种总线互连,并且若干组件可以适当地安装在公共主板上或以其他方式安装。
处理器752可以执行移动计算设备750内的指令,包括存储在存储器764中的指令。处理器752可以实现为芯片的芯片组,其包括单独的和多个模拟和数字处理器。处理器752可以例如提供移动计算设备750的其他组件的协调,诸如用户接口的控制、由移动计算设备750的应用运行、以及由移动计算设备750的无线通信。
处理器752可以通过控制接口758和耦合到显示器754的显示接口756与用户通信。显示器754可以是例如TFT(薄膜晶体管液晶显示器)显示器或OLED(有机发光二极管)显示器或其他适当的显示技术。显示接口756可以包括用于驱动显示器754以向用户呈现图形和其他信息的适当电路。控制接口758可以从用户接收命令并将它们转换以提交给处理器752。另外,外部接口762可以提供与处理器752的通信,以便实现移动计算设备750与其他设备的近区域通信。外部接口762可以例如在一些实现中提供有线通信,或者在其他实现中提供无线通信,并且还可以使用多个接口。
存储器764存储移动计算设备750内的信息。存储器764可以实现为一个或多个计算机可读介质、一个或多个易失性存储器单元或一个或多个非易失性存储器单元中的一个或多个。还可以提供扩展存储器774并通过扩展接口772连接到移动计算设备750,扩展接口772可以包括例如SIMM(单列直插存储器模块)卡接口。扩展存储器774可以提供用于移动计算设备750的额外的存储空间,或者还可以存储用于移动计算设备750的应用或其他信息。具体地,扩展存储器774可以包括用于执行或补充上述过程的指令,并且还可以包括安全信息。因此,例如,扩展存储器774可以被提供为移动计算设备750的安全模块,并且可以用允许安全使用移动计算设备750的指令编程。另外,可以经由SIMM卡提供安全应用以及附加信息,诸如以不可被黑客攻击的方式将标识信息放置在SIMM卡上。
存储器可以如下所述包括例如闪速存储器和/或NVRAM存储器(非易失性随机存取存储器)。在一些实现中,指令存储在信息载体中。当由一个或多个处理设备(例如处理器752)执行时,指令执行一种或多种方法,诸如上面描述的那些方法。指令还可以由一个或多个存储设备存储,诸如一个或多个计算机或机器可读介质(例如,存储器764、扩展存储器774或处理器752上的存储器)。在一些实现中,可以例如通过收发器768或外部接口762在传播信号中接收指令。
移动计算设备750可以通过通信接口766无线通信,其可以在必要时包括数字信号处理电路。通信接口766可以提供各种模式或协议下的通信,除其他之外诸如GSM语音呼叫(全球移动通信系统)、SMS(短消息服务)、EMS(增强消息传送服务)或MMS消息传送(多媒体消息传送服务)、CDMA(码分多址)、TDMA(时分多址)、PDC(个人数字蜂窝)、WCDMA(宽带码分多址)、CDMA2000或GPRS(通用分组无线业务)。这种通信可以例如通过使用射频的收发器768进行。另外,可以进行短距离通信,诸如使用蓝牙、WiFi或其他这样的收发器。另外,GPS(全球定位系统)接收器模块770可以向移动计算设备750提供附加的导航和位置相关的无线数据,其可以由在移动计算设备750上运行的应用适当地使用。
移动计算设备750还可以使用音频编解码器760可听地通信,音频编解码器760可以从用户接收口头信息并将其转换为可用的数字信息。音频编解码器760同样可以为用户生成可听声音,诸如通过例如移动计算设备750的手持机中的扬声器。这样的声音可以包括来自语音电话呼叫的声音、可以包括记录的声音(例如语音消息、音乐文件等),并且还可以包括由在移动计算设备750上操作的应用所生成的声音。
移动计算设备750可以以多种不同的形式实现,如图中所示。例如,它可以被实现为蜂窝电话780。它还可以被实现为智能电话582、个人数字助理或其他类似移动设备的部分。
本文描述的系统和技术的各种实现可以以数字电子电路、集成电路、专门设计的ASIC(专用集成电路)、计算机硬件、固件、软件和/或其组合来实现。这些各种实现可以包括以在可编程系统上可执行和/或可解释的一个或多个计算机程序的实现,该可编程系统包括至少一个可编程处理器,其可以是专用的或通用的,其被耦合以从存储系统、至少一个输入设备和至少一个输出设备接收数据和指令以及向存储系统、至少一个输入设备和至少一个输出设备发送数据和指令。
这些计算机程序(也称为程序、软件、软件应用或代码)包括用于可编程处理器的机器指令,并且可以用高级过程和/或面向对象的编程语言和/或用汇编/机器语言来实现。如本文所使用的,术语“机器可读介质”和“计算机可读介质”是指用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、装置和/或设备(例如磁盘、光盘、存储器、可编程逻辑设备(PLD)),包括接收机器指令作为机器可读信号的机器可读介质。术语“机器可读信号”是指用于向可编程处理器提供机器指令和/或数据的任何信号。
为了提供与用户的交互,本文描述的系统和技术可以在具有用于向用户显示信息的显示设备(例如CRT(阴极射线管)或LCD(液晶显示器)监视器)以及用户可以通过其向计算机提供输入的键盘和指示设备(例如鼠标或轨迹球)的计算机上实现。其他种类的设备也可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的感官反馈(例如视觉反馈、听觉反馈或触觉反馈);并且可以以任何形式接收来自用户的输入,包括声学、言语或触觉输入。
本文描述的系统和技术可以在包括后端组件(例如作为数据服务器)或者包括中间件组件(例如应用服务器)或者包括前端组件(例如,具有用户可以通过其与本文描述的系统和技术的实现进行交互的图形用户界面或Web浏览器的客户端计算机)或者这样的后端组件、中间件组件或前端组件的任何组合的计算系统中实现。系统的组件可以通过数字数据通信的任何形式或介质(例如通信网络)来互连。通信网络的示例包括局域网(LAN)、广域网(WAN)和因特网。
计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离并且通常通过通信网络进行交互。客户端和服务器之间的关系是凭借在相应的计算机上运行的并且彼此具有客户端-服务器关系的计算机程序而产生的。
尽管上面已经详细描述了一些实现,但是其他修改也是可能的。例如,虽然客户端应用被描述为访问(一个或多个)委托,但是在其他实现中,(一个或多个)委托可以由一个或多个处理器实现的其他应用采用,诸如在一个或多个服务器上执行的应用。另外,图中描绘的逻辑流程不需要所示出的特定次序或顺序来实现期望的结果。另外,可以提供其他动作,或者动作可以从所描述的流程删除,并且其他组件可以添加到所描述的系统或者从所描述的系统移除。因此,其他实现在以下权利要求的范围内。
Claims (20)
1.一种计算机实现的方法,包括:
接收文件的一个或多个图像;
在一个或多个图像中的第一图像中检测具有与文件的预期形状类似的形状的对象;
确定反映第一图像的清晰度的聚焦得分;
确定反映对象对应于文件的可能性的边界拟合得分;
确定反映对象的形状与文件的预期形状之间的相关性的预期形状得分;
基于聚焦得分、边界拟合得分和预期形状得分来确定反映第一图像的质量的质量得分;
确定质量得分是否满足质量得分阈值;和
基于确定质量得分是否满足质量得分阈值来确定是否要对第一图像执行文件认证。
2.根据权利要求1所述的方法,其中:
确定质量得分是否满足质量得分阈值包括确定质量得分满足质量得分阈值,并且
确定是否要对第一图像执行文件认证包括基于确定质量得分满足质量得分阈值来确定要对第一图像执行文件认证。
3.根据权利要求1所述的方法,其中:
确定质量得分是否满足质量得分阈值包括确定质量得分不满足质量得分阈值,并且
确定是否要对第一图像执行文件认证包括基于确定质量得分不满足质量得分阈值来确定不对第一图像执行文件认证。
4.根据权利要求3所述的方法,包括:
响应于确定不对第一图像执行文件认证而确定一个或多个图像中的第二图像的质量得分。
5.根据权利要求1所述的方法,包括:
确定聚焦得分是否满足聚焦得分阈值,
其中,确定是否要对第一图像执行文件认证还基于确定聚焦得分是否满足聚焦得分阈值。
6.根据权利要求1所述的方法,包括:
确定边界拟合得分是否满足边界拟合得分阈值,
其中,确定是否要对第一图像执行文件认证还基于确定边界拟合得分是否满足边界拟合得分阈值。
7.根据权利要求1所述的方法,包括:
确定预期形状得分是否满足预期形状得分阈值,
其中,确定是否要对第一图像执行文件认证还基于确定预期形状得分是否满足预期形状得分阈值。
8.根据权利要求1所述的方法,其中,所述聚焦得分反映仅对象的清晰度。
9.根据权利要求1所述的方法,其中,所述文件是身份证明文件。
10.根据权利要求1所述的方法,其中,所述文件的一个或多个图像是视频的帧。
11.根据权利要求1所述的方法,包括:
针对文件的一个或多个图像中的每个,确定质量得分;和
确定第一图像的质量得分大于除第一图像之外的一个或多个图像中的每个的质量得分,
其中,确定第一图像的质量得分是否满足质量得分阈值包括确定第一图像的质量得分满足质量得分阈值,并且
其中,确定是否要对第一图像执行文件认证包括:基于确定第一图像的质量得分满足质量得分阈值并且基于确定第一图像的质量得分大于除第一图像之外的一个或多个图像中的每个的质量得分来确定要对第一图像执行文件认证。
12.根据权利要求1所述的方法,其中:
确定质量得分是否满足质量得分阈值包括确定质量得分不满足质量得分阈值,
基于确定质量得分不满足质量得分阈值,所述方法还包括向用户提供用于改善文件的图像的质量的反馈。
13.一种系统,包括:
一个或多个计算机;以及
存储指令的一个或多个存储设备,所述指令在由一个或多个计算机执行时可操作以使一个或多个计算机执行包括以下操作的操作:
接收文件的一个或多个图像;
在一个或多个图像中的第一图像中检测具有与文件的预期形状类似的形状的对象;
确定反映第一图像的清晰度的聚焦得分;
确定反映对象对应于文件的可能性的边界拟合得分;
确定反映对象的形状与文件的预期形状之间的相关性的预期形状得分;
基于聚焦得分、边界拟合得分和预期形状得分来确定反映第一图像的质量的质量得分;
确定质量得分是否满足质量得分阈值;和
基于确定质量得分是否满足质量得分阈值来确定是否要对第一图像执行文件认证。
14.根据权利要求13所述的系统,其中:
确定质量得分是否满足质量得分阈值包括确定质量得分满足质量得分阈值,并且
确定是否要对第一图像执行文件认证包括基于确定质量得分满足质量得分阈值来确定要对第一图像执行文件认证。
15.根据权利要求13所述的系统,其中:
确定质量得分是否满足质量得分阈值包括确定质量得分不满足质量得分阈值,并且
确定是否要对第一图像执行文件认证包括基于确定质量得分不满足质量得分阈值来确定不对第一图像执行文件认证。
16.根据权利要求13所述的系统,其中所述操作还包括:
确定聚焦得分是否满足聚焦得分阈值,
其中,确定是否要对第一图像执行文件认证还基于确定聚焦得分是否满足聚焦得分阈值。
17.根据权利要求13所述的系统,其中所述操作还包括:
确定边界拟合得分是否满足边界拟合得分阈值,
其中,确定是否要对第一图像执行文件认证还基于确定边界拟合得分是否满足边界拟合得分阈值。
18.根据权利要求13所述的系统,其中所述操作还包括:
确定预期形状得分是否满足预期形状得分阈值,
其中,确定是否要对第一图像执行文件认证还基于确定预期形状得分是否满足预期形状得分阈值。
19.根据权利要求13所述的系统,其中所述操作还包括:
针对文件的一个或多个图像中的每个,确定质量得分;和
确定第一图像的质量得分大于除第一图像之外的一个或多个图像中的每个的质量得分,
其中,确定第一图像的质量得分是否满足质量得分阈值包括确定第一图像的质量得分满足质量得分阈值,并且
其中,确定是否要对第一图像执行文件认证包括:基于确定第一图像的质量得分满足质量得分阈值并且基于确定第一图像的质量得分大于除第一图像之外的一个或多个图像中的每个的质量得分来确定要对第一图像执行文件认证。
20.一种存储软件的非暂时性计算机可读介质,包括可由一个或多个计算机执行的指令,所述指令在这样的执行时使一个或多个计算机执行包括以下操作的操作:
接收文件的一个或多个图像;
在一个或多个图像中的第一图像中检测具有与文件的预期形状类似的形状的对象;
确定反映第一图像的清晰度的聚焦得分;
确定反映对象对应于文件的可能性的边界拟合得分;
确定反映对象的形状与文件的预期形状之间的相关性的预期形状得分;
基于聚焦得分、边界拟合得分和预期形状得分来确定反映第一图像的质量的质量得分;
确定质量得分是否满足质量得分阈值;和
基于确定质量得分是否满足质量得分阈值来确定是否要对第一图像执行文件认证。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662340894P | 2016-05-24 | 2016-05-24 | |
US62/340894 | 2016-05-24 | ||
PCT/US2017/034339 WO2017205547A1 (en) | 2016-05-24 | 2017-05-24 | Document image quality assessment |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110036390A true CN110036390A (zh) | 2019-07-19 |
Family
ID=60411864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780045993.6A Pending CN110036390A (zh) | 2016-05-24 | 2017-05-24 | 文件图像质量评估 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10417490B2 (zh) |
EP (1) | EP3465540A4 (zh) |
JP (1) | JP2019519844A (zh) |
KR (1) | KR20190039673A (zh) |
CN (1) | CN110036390A (zh) |
AU (1) | AU2017270079A1 (zh) |
CA (1) | CA3024995A1 (zh) |
WO (1) | WO2017205547A1 (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9443298B2 (en) | 2012-03-02 | 2016-09-13 | Authentect, Inc. | Digital fingerprinting object authentication and anti-counterfeiting system |
US10621594B2 (en) | 2016-02-19 | 2020-04-14 | Alitheon, Inc. | Multi-level authentication |
EP3236401A1 (en) | 2016-04-18 | 2017-10-25 | Alitheon, Inc. | Authentication-triggered processes |
US10740767B2 (en) | 2016-06-28 | 2020-08-11 | Alitheon, Inc. | Centralized databases storing digital fingerprints of objects for collaborative authentication |
US10915612B2 (en) | 2016-07-05 | 2021-02-09 | Alitheon, Inc. | Authenticated production |
US10902540B2 (en) | 2016-08-12 | 2021-01-26 | Alitheon, Inc. | Event-driven authentication of physical objects |
US10839528B2 (en) | 2016-08-19 | 2020-11-17 | Alitheon, Inc. | Authentication-based tracking |
CN110326000B (zh) * | 2017-02-17 | 2023-11-24 | 可口可乐公司 | 基于终端用户输入的字符识别模型和递归训练的系统和方法 |
CN107944339B (zh) * | 2017-10-20 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 一种证件验证、身份验证方法和装置 |
US20200367060A1 (en) * | 2017-12-11 | 2020-11-19 | Telefonaktiebolanget LM Ericsson (putl) | Methods and apparatus for validating messages in a wireless communications network |
EP3514715A1 (en) | 2018-01-22 | 2019-07-24 | Alitheon, Inc. | Secure digital fingerprint key object database |
KR102406432B1 (ko) * | 2018-08-13 | 2022-06-08 | 베이징 센스타임 테크놀로지 디벨롭먼트 컴퍼니 리미티드 | 신원 인증 방법 및 장치, 전자 기기 및 저장 매체 |
US10963670B2 (en) | 2019-02-06 | 2021-03-30 | Alitheon, Inc. | Object change detection and measurement using digital fingerprints |
EP3734506A1 (en) * | 2019-05-02 | 2020-11-04 | Alitheon, Inc. | Automated authentication region localization and capture |
EP3736717A1 (en) | 2019-05-10 | 2020-11-11 | Alitheon, Inc. | Loop chain digital fingerprint method and system |
US11238146B2 (en) | 2019-10-17 | 2022-02-01 | Alitheon, Inc. | Securing composite objects using digital fingerprints |
EP3859603A1 (en) | 2020-01-28 | 2021-08-04 | Alitheon, Inc. | Depth-based digital fingerprinting |
EP3885982A3 (en) | 2020-03-23 | 2021-12-22 | Alitheon, Inc. | Hand biometrics system and method using digital fingerprints |
US11568683B2 (en) | 2020-03-23 | 2023-01-31 | Alitheon, Inc. | Facial biometrics system and method using digital fingerprints |
US11948377B2 (en) | 2020-04-06 | 2024-04-02 | Alitheon, Inc. | Local encoding of intrinsic authentication data |
US11663849B1 (en) | 2020-04-23 | 2023-05-30 | Alitheon, Inc. | Transform pyramiding for fingerprint matching system and method |
EP3916631A1 (en) | 2020-05-28 | 2021-12-01 | Alitheon, Inc. | Irreversible digital fingerprints for preserving object security |
US11700123B2 (en) | 2020-06-17 | 2023-07-11 | Alitheon, Inc. | Asset-backed digital security tokens |
JP7212207B1 (ja) * | 2021-07-28 | 2023-01-24 | 楽天グループ株式会社 | 画像処理システム、画像処理方法、及びプログラム |
WO2023153324A1 (ja) * | 2022-02-08 | 2023-08-17 | 日本電気株式会社 | 証跡管理装置、証跡管理システム、証跡管理方法及び記録媒体 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130287265A1 (en) * | 2008-01-18 | 2013-10-31 | Mitek Systems | Systems and methods for mobile image capture and content processing of driver's licenses |
CN103577801A (zh) * | 2012-08-10 | 2014-02-12 | 眼验有限责任公司 | 用于生物特征验证的质量度量的方法和系统 |
CN105120167A (zh) * | 2015-08-31 | 2015-12-02 | 广州市幸福网络技术有限公司 | 一种证照相机及证照拍摄方法 |
CN105518704A (zh) * | 2013-05-03 | 2016-04-20 | 柯法克斯公司 | 检测和分类使用移动设备采集的视频中对象的系统和方法 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0723247B1 (en) | 1995-01-17 | 1998-07-29 | Eastman Kodak Company | Document image assessment system and method |
US6272245B1 (en) * | 1998-01-23 | 2001-08-07 | Seiko Epson Corporation | Apparatus and method for pattern recognition |
US7031515B2 (en) | 2002-07-19 | 2006-04-18 | Kabushiki Kaisha Toshiba | Image processing apparatus and image processing method |
KR100548611B1 (ko) | 2003-08-07 | 2006-01-31 | 삼성전기주식회사 | 영상 처리에 있어서의 에지 강조를 위한 장치 및 방법 |
US7376258B2 (en) * | 2004-04-30 | 2008-05-20 | Unisys Corporation | Image quality assurance system and methodologies in a post-image capture document processing environment |
US9769354B2 (en) * | 2005-03-24 | 2017-09-19 | Kofax, Inc. | Systems and methods of processing scanned data |
US7920714B2 (en) | 2006-07-31 | 2011-04-05 | Canadian Bank Note Company, Limited | Method and apparatus for comparing document features using texture analysis |
US8842886B2 (en) * | 2006-08-15 | 2014-09-23 | Avery Glasser | Adaptive tuning of biometric engines |
TWI363565B (en) | 2007-06-15 | 2012-05-01 | Mstar Semiconductor Inc | Method and apparatus for image processing |
US7983452B2 (en) * | 2007-08-20 | 2011-07-19 | International Business Machines Corporation | Using a surface based computing device for verification of an identification document |
US7995857B2 (en) | 2007-09-03 | 2011-08-09 | Himax Technologies Limited | Method and apparatus utilizing step-wise gain control for image processing |
US8540158B2 (en) * | 2007-12-12 | 2013-09-24 | Yiwu Lei | Document verification using dynamic document identification framework |
US8577118B2 (en) * | 2008-01-18 | 2013-11-05 | Mitek Systems | Systems for mobile image capture and remittance processing |
US8983170B2 (en) * | 2008-01-18 | 2015-03-17 | Mitek Systems, Inc. | Systems and methods for developing and verifying image processing standards for mobile deposit |
US8290279B2 (en) | 2008-02-25 | 2012-10-16 | WaniB | Method, a system, and a computer program product for processing images |
JP4973542B2 (ja) | 2008-02-26 | 2012-07-11 | 富士通株式会社 | 画素補間装置及び画素補間方法 |
KR101060488B1 (ko) | 2008-04-21 | 2011-08-30 | 주식회사 코아로직 | 최적 영상 선택 방법 및 장치 |
TWI362629B (en) | 2008-06-26 | 2012-04-21 | Chunghwa Picture Tubes Ltd | Image process method and apparatus |
JP4807406B2 (ja) | 2008-12-16 | 2011-11-02 | ブラザー工業株式会社 | 画像読取装置 |
US8358827B2 (en) * | 2010-02-23 | 2013-01-22 | Rdm Corporation | Optical waveform generation and use based on print characteristics for MICR data of paper documents |
US9208393B2 (en) * | 2010-05-12 | 2015-12-08 | Mitek Systems, Inc. | Mobile image quality assurance in mobile document image processing applications |
US9129340B1 (en) * | 2010-06-08 | 2015-09-08 | United Services Automobile Association (Usaa) | Apparatuses, methods and systems for remote deposit capture with enhanced image detection |
US8655162B2 (en) * | 2012-03-30 | 2014-02-18 | Hewlett-Packard Development Company, L.P. | Lens position based on focus scores of objects |
JP2014230176A (ja) | 2013-05-23 | 2014-12-08 | ソニー株式会社 | 画像信号処理装置、画像信号処理方法、撮像装置および画像表示方法 |
US9247136B2 (en) * | 2013-08-21 | 2016-01-26 | Xerox Corporation | Automatic mobile photo capture using video analysis |
US9426151B2 (en) * | 2013-11-01 | 2016-08-23 | Ncluud Corporation | Determining identity of individuals using authenticators |
US9396235B1 (en) * | 2013-12-13 | 2016-07-19 | Google Inc. | Search ranking based on natural language query patterns |
US9177223B2 (en) | 2014-01-14 | 2015-11-03 | Welch Allyn, Inc. | Edge detection in images |
US20150206169A1 (en) * | 2014-01-17 | 2015-07-23 | Google Inc. | Systems and methods for extracting and generating images for display content |
US10140517B2 (en) * | 2014-08-06 | 2018-11-27 | Dropbox, Inc. | Event-based image classification and scoring |
US9373054B2 (en) * | 2014-09-02 | 2016-06-21 | Kodak Alaris Inc. | Method for selecting frames from video sequences based on incremental improvement |
US9298981B1 (en) * | 2014-10-08 | 2016-03-29 | Xerox Corporation | Categorizer assisted capture of customer documents using a mobile device |
US9760788B2 (en) * | 2014-10-30 | 2017-09-12 | Kofax, Inc. | Mobile document detection and orientation based on reference object characteristics |
US10083218B1 (en) * | 2017-06-30 | 2018-09-25 | Konica Minolta Laboratory U.S.A., Inc. | Repairing tables |
-
2017
- 2017-05-24 JP JP2018561723A patent/JP2019519844A/ja not_active Withdrawn
- 2017-05-24 CN CN201780045993.6A patent/CN110036390A/zh active Pending
- 2017-05-24 US US15/604,413 patent/US10417490B2/en not_active Expired - Fee Related
- 2017-05-24 EP EP17803534.1A patent/EP3465540A4/en not_active Withdrawn
- 2017-05-24 AU AU2017270079A patent/AU2017270079A1/en not_active Abandoned
- 2017-05-24 CA CA3024995A patent/CA3024995A1/en not_active Abandoned
- 2017-05-24 WO PCT/US2017/034339 patent/WO2017205547A1/en unknown
- 2017-05-24 KR KR1020187036824A patent/KR20190039673A/ko unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130287265A1 (en) * | 2008-01-18 | 2013-10-31 | Mitek Systems | Systems and methods for mobile image capture and content processing of driver's licenses |
CN103577801A (zh) * | 2012-08-10 | 2014-02-12 | 眼验有限责任公司 | 用于生物特征验证的质量度量的方法和系统 |
CN105518704A (zh) * | 2013-05-03 | 2016-04-20 | 柯法克斯公司 | 检测和分类使用移动设备采集的视频中对象的系统和方法 |
CN105120167A (zh) * | 2015-08-31 | 2015-12-02 | 广州市幸福网络技术有限公司 | 一种证照相机及证照拍摄方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3465540A4 (en) | 2019-06-05 |
KR20190039673A (ko) | 2019-04-15 |
WO2017205547A1 (en) | 2017-11-30 |
CA3024995A1 (en) | 2017-11-30 |
AU2017270079A1 (en) | 2018-12-13 |
EP3465540A1 (en) | 2019-04-10 |
JP2019519844A (ja) | 2019-07-11 |
US20170344824A1 (en) | 2017-11-30 |
US10417490B2 (en) | 2019-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110036390A (zh) | 文件图像质量评估 | |
US11676285B1 (en) | System, computing device, and method for document detection | |
US20220027613A1 (en) | Systems and methods for assessing standards for mobile image quality | |
US10878401B2 (en) | Systems and methods for mobile image capture and processing of documents | |
US10366309B2 (en) | Image quality assessment and improvement for performing optical character recognition | |
TWI492166B (zh) | 行動影像擷取和處理的系統和方法 | |
CN105095842B (zh) | 一种单据的信息识别的方法和装置 | |
JP2023502202A (ja) | 偽造物理的文書の検出のための、データベース、データ構造、およびデータ処理システム | |
US11367310B2 (en) | Method and apparatus for identity verification, electronic device, computer program, and storage medium | |
US10657421B2 (en) | Shape detection | |
CN110288755A (zh) | 基于文本识别的发票检验方法、服务器及存储介质 | |
CN111126098B (zh) | 证件图像采集方法、装置、设备及存储介质 | |
CN110008664A (zh) | 认证信息采集、开户方法、装置及电子设备 | |
US20210264583A1 (en) | Detecting identification tampering using ultra-violet imaging | |
CN113379713B (zh) | 证件图像的检测方法及其装置 | |
US20230132261A1 (en) | Unified framework for analysis and recognition of identity documents | |
US11900755B1 (en) | System, computing device, and method for document detection and deposit processing | |
US11436853B1 (en) | Document authentication | |
US20230316795A1 (en) | Auto-Document Detection & Capture | |
Zhang et al. | OCRdroid: A Framework to Digitize Text on Smart Phones |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190719 |
|
WD01 | Invention patent application deemed withdrawn after publication |