CN110348326A - 基于身份证识别和多设备访问的家庭健康信息处理方法 - Google Patents

Abstract

本发明属于智能医疗信息处理技术领域，公开了一种基于身份证识别和多设备访问的家庭健康信息处理方法，获取身份证ID卡的图像，通过灰度化，二值化，图像降噪、图像增强和过滤对身份证ID图像进行图像预处理；对预处理后的图像进行字符分割，归一化处理和字符特征统计提取身份证ID字符特征；利用分类器对身份证ID卡上的不同信息进行分类识别；移动客户端与健康测试仪器连接，接收和解析医疗设备的健康数据，将数据存储到手机的本地数据库中，并以图形的方式显示用户的健康数据统计。本发明有效地划分ID卡的有用信息区域；利用分类器对ID卡上的不同信息进行分类识别，大大提高了字符识别的速度。

Description

基于身份证识别和多设备访问的家庭健康信息处理方法

技术领域

本发明属于智能医疗信息处理技术领域，尤其涉及一种基于身份证识别和多设备访问的家庭健康信息处理方法。

背景技术

目前，业内常用的现有技术是这样的：

随着社会的发展和老龄化社会的逐步到来，各种疾病威胁着人们的健康。同时，人们的健康意识的发展和跟上自身健康状况的习惯使得各种医疗器械的发展和推广迫在眉睫。如果您使用医疗设备附带的软件来了解和分析您的健康状况，不仅会使用户遇到麻烦，而且还无法将各种健康数据联系起来，从而为用户提供更加三维的健康分析。

随着科学技术的进步，社会经济的发展，人民生活水平不断提高。在日常生活中，他们也更注重自己的健康。与此同时，全球社会人口结构正在迅速进入老龄化阶段，对健康监测和检查的需求也越来越明显。在实际情况下很难满足大量人口的正常监测需求。仅通过现有医院的资源分配难以达到要求。因此，有必要建立一个简单有效的家庭健康监测系统。随着移动计算技术的发展，家庭卫生系统将逐步形成，有望满足人们日常体检和远程医疗的需求。家庭健康监测系统包括各种健康智能设备，如血压计，心电监护设备，血氧监测仪，环境温湿度传感器，照明调节器等。这些设备中的一些由可穿戴形式的用户携带，而其他设备在家庭环境中固定。虽然功能不同，但它们通常被认为是用于收集用户的生理数据或环境数据的传感器设备。收购完成后，这些设备将数据发送到家庭健康网络中的主机，主机将收集数据并进行分析。

现有的家庭卫生系统存在一些明显的缺陷。一方面，现有系统中的主机大多是PC机，系统中通常只有一台主机。用户可以通过该主机查看设备数据并获取远程服务。然后，随着智能设备的快速发展，智能手机和平板电脑的普及在家庭环境中大大增加。用户希望通过手机，平板电脑或其他便携式设备直接检查自己的血压，心电图和其他信息，而不是限制使用PC。这要求新的家庭健康系统包括PC，健康机顶盒，平板电脑，智能手机和其他主机，并支持血压计，血氧计和其他健康设备可以链接到Windows，Linux，Android和其他操作系统跨平台。另一方面，不同公司和组织采用的不同通信接口采用不同的通信接口。使用不同的通信协议，这使得现有系统更加封闭。一台设备只能在一个系统中使用。例如，使用公司的终端设备来测量用户肺活量的数据只能通过公司自己的通信接口传输。如果用户使用公司血压测量的设备，则需要使用另一组通信系统来传输数据。这无疑增加了设备使用的复杂性，增加了用户的使用成本。如果家庭健康系统可以包括运行多个操作系统的主机平台，并支持设备与不同平台之间的通信连接，并解决相关问题在不同系统之间关闭，不需要为不同的系统平台设计专用终端设备，这将大大节省成本，提高人们的生活和工作效率，为现实生活带来更多便利。

在该国，有许多专家和学者研究健康的家庭系统。邓宇通过分析现代城市居住人口，生活方式和系统设计等健康家庭系统的要素，提出了健康家庭系统的概念。实施了健康家庭系统的理论初步建设，模块建设和相关服务建设。并进一步阐明健康家庭系统的发展趋势和设计方向。孙磊研究了基于SSH框架技术的国家体质健康管理软件。将数据库技术与Java语言相结合，设计并实现了个人健康管理系统，以健康为观察点，在调查，评估和干预三个过程中提供全面，有效的工具和手段。邹胜宝等学者研究了老年人的生理参数采集系统和无线传输方式，分析了血氧饱和度和体温长期监测的意义，结合传感器技术和嵌入式技术，采用蓝牙无线传输技术和Android系统平台建立了老年人健康监测系统。系统平台可以收集老年人的血氧饱和度和体温信息，具有下降到检测的功能。系统设计采用便携式设计，传感器采用可穿戴型且更实用。在国外，Maeng DD，Khan N，Tomcavage J等人为老年人家庭远程医疗系统设计了基于社交网络的医疗服务框架(CDF)，将家庭远程医疗系统转变为老年人与家庭成员之间的关系。沟通和护理平台。该系统连接到现有的社交网站，例如Facebook，以鼓励老年人和年轻家庭成员之间的人际交流。家庭远程医疗系统被实现为个人移动设备上的应用。上述研究存在一定的不足，而不是数据收集的低效率或单次使用设备。

综上所述，现有技术存在的问题是：

(1)现有家庭系统中的主机大多是PC机，系统中通常只有一台主机，且限制只能使用PC机，无法使用手机等智能终端。

(2)另一方面，不同公司和组织采用的不同通信接口采用不同的通信接口。使用不同的通信协议，使得系统更加封闭。

(3)现有家庭健康系统无法与个人信息连接起来，同时现有身份识别方法识别精度不高。

解决上述技术问题的难度：

如何运用物联网的不同基带实现多设备、多地点的共享。

解决上述技术问题的意义：

根据用户信息管理，用户生理数据管理，用户生理数据收集和用户信息同步被分为四个模块。在用户管理模块中调用ID卡识别模块，并且在健康数据测量模块中由JNI调用IEEE11073通信插件。可以直观地向用户呈现健康数据，或者可以将信息同步到远程数据中心以进行进一步分析。

发明内容

针对现有技术存在的问题，本发明提供了一种基于身份证识别和多设备访问的家庭健康信息处理方法。

本发明是这样实现的，一种基于身份证识别和多设备访问的家庭健康信息处理方法，所述基于身份证识别和多设备访问的家庭健康信息处理方法包括：

步骤一，获取身份证ID卡的图像，并对获取到的图像进行比例调整、选择性裁剪、去除背景。

步骤二，通过灰度化，二值化，图像降噪，图像增强和过滤对身份证ID图像进行图像预处理，划分ID卡图像中的文本和肖像区域及有用信息区域。

步骤三，对预处理后的图像进行字符分割，对分割获得的字符图像进行归一化处理和字符特征统计从而提取身份证ID字符特征。

步骤四，使用统一网格特征，粗糙边缘特征和主特征描述字符图像，并使用CNN对字符图像进行分类。利用分类器对身份证ID卡上的不同信息进行分类识别，同时分别利用系统字体库、经过训练的字体库识别进行身份证ID识别。

步骤五，接收和解析医疗设备的健康数据，将数据存储到手机的本地数据库中，并以图形的方式显示用户的健康数据统计。同时，用户同步本地到远程中心的数据，进行跨设备应用。

进一步，步骤二获取身份证ID卡的图像对ID卡图像中，首先进行预处理和去噪，然后识别图像上的文本。使用字体库进行识别，再用训练过的字体库识别ID卡图像。

进一步，步骤三身份证识别包括：

1)身份证字符特征提取：在特征提取前需对字符分割后获得的字符图像进行归一化。分割后的字符大小为M*N，则重心的位置用下式表示：

在从上式获得图像的重心之后，将图像的重心转移到图像的中心以标准化字符图像的位置。

2)字符特征统计：采用不变矩统计、全局投影特征统计、背景特征统计。

3)身份证识别：进行数据采集，预处理，特征提取和选择，以及分类决策。

进一步，步骤1)实现图像尺寸的标准化方法采用通过图像的边框将图像放大或缩小到指定的比例。

或采用图像的分布方差，计算式为：

进一步，步骤2)使用统计决策方法进行分类和区分时，利用距离D和相似度R进行分类和识别，订单S的Minkowski距离：

当S＝1时，是绝对距离：

当s＝2时，获得欧几里德距离：

进一步，步骤3)分类决策中利用人工神经网络方法进行特征的提取和分类。

进一步，步骤五以图形的方式显示用户的健康数据统计中，

移动客户端接收健康测试仪器上传的血压数据，分析XML格式的数据后，获得收缩压，舒张压，平均压力，脉冲和测量时间的值，计算并比较血压，并在app测量界面中显示。

在主界面选择和云同步功能中，将下载最近的八个测量数据，或上传移动客户端收集的新数据。如果用户在主界面选择健康变化趋势的功能，将同步云中的数据并绘制趋势线图。

本发明的另一目的在于一种应用所述基于身份证识别和多设备访问的家庭健康信息处理方法的基于身份证识别和多设备访问的家庭健康信息处理系统，所述基于身份证识别和多设备访问的家庭健康信息处理系统包括：

健康数据测量模块，用于通过调用IEEE11073标准通信插件和各种健康设备来获取用户的生理数据以创建连接。

健康数据管理模块，用于统计分析用户健康数据，绘制数据图，让用户直接观察健康趋势。

健康数据同步模块，用于家庭健康系统客户端和远程数据中心通过网络连接，上传或下载健康数据。

用户管理模块，用于管理用户的个人信息，登陆时呼叫用户。若没有保存帐号密码，注册新用户，使用ID卡识别模块收集用户信息，同时或用于用户注册和修改个人信息。

本发明的另一目的在于一种实施所述基于身份证识别和多设备访问的家庭健康信息处理方法的终端。

综上所述，本发明的优点及积极效果为：

本发明为了更好地处理ID卡图像中的文本和肖像区域，执行图像预处理，包括灰度化，二值化，图像增强和过滤，以有效地划分ID卡的有用信息区域。

本发明在身份证字符识别方面，设计了图像预处理，字符分割，特征提取和字符识别等功能模块。在本文中，我们使用统一网格特征，粗糙边缘特征和猪特征来描述字符图像，并使用CNN对字符图像进行分类。鉴于身份证上携带信息的特点，我们设计了不同的人物识别方法。分类器对ID卡上的不同信息进行分类识别，大大提高了字符识别的速度。

本发明在Android平台下设计并实现客户端和服务器的开发。客户端程序通过JNI调用本文实现的IEEE11073标准的核心部分，接收和解析医疗设备的健康数据，将数据存储到手机的本地数据库中，并以图形的方式显示用户的健康数据统计。同时，用户可以同步本地到远程中心的数据，以更好地实现客户端系统的跨设备使用。

本发明能够有效地划分ID卡的有用信息区域。利用分类器对ID卡上的不同信息进行分类识别，大大提高了字符识别的速度。

本发明根据身份证识别收集用户信息，并培训身份证信息，可达到准确的识别目的。

本发明在用户管理模块中调用ID卡识别模块，并且在健康数据测量模块中由JNI调用IEEE11073通信插件。可以直观地向用户呈现健康数据，或者可以将信息同步到远程数据中心以进行进一步分析。

本发明提供的身份证识别方法对现有方法进行了改进，基本行为的识别准确性也得到了提高，同时提高了精度，降低了复杂度，识别准确性和资源利用率良好，可以实现身份证的识别。

附图说明

图1是本发明实施例提供的基于身份证识别和多设备访问的家庭健康信息处理方法流程图。

图2是本发明实施例提供的基于身份证识别和多设备访问的家庭健康信息处理系统(客户端系统)示意图。

图中：1、健康数据测量模块；2、健康数据管理模块；3、健康数据同步模块；4、用户管理模块。

图3是本发明实施例提供的客户端系统原理示意图。

图4是本发明实施例提供的模式识别系统示意图。

图5是本发明实施例提供的11073标准总体设计示意图。

图6是本发明实施例提供的边缘检测示意图。

图7是本发明实施例提供的不同方法识别结果的比较示意图。

图8是本发明实施例提供的识别结果示意图。

图9是本发明实施例提供的健康监测结果图表展现示意图。

图10是本发明实施例提供的历史血压变化趋势示意图。

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，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于身份证识别和多设备访问的家庭健康信息处理方法，下面结合附图对本发明作详细的描述。

如图1所示，本发明实施例提供的基于身份证识别和多设备访问的家庭健康信息处理方法包括：

S101，通过相机拍摄、手机相册或其他方式获取身份证ID卡的图像，并对获取到的图像进行比例调整、选择性裁剪、去除背景等操作。

S102，通过灰度化，二值化，图像降噪、图像增强和过滤对身份证ID图像进行图像预处理，划分ID卡图像中的文本和肖像区域及有用信息区域。

S103，对预处理后的图像进行字符分割，对分割获得的字符图像进行归一化处理和字符特征统计从而提取身份证ID字符特征。

S104，使用统一网格特征，粗糙边缘特征和主特征描述字符图像，并使用CNN对字符图像进行分类。利用分类器对身份证ID卡上的不同信息进行分类识别，同时分别利用系统字体库、经过训练的字体库识别进行身份证ID识别。

S105，移动客户端与健康测试仪器连接，接收和解析医疗设备的健康数据，将数据存储到手机的本地数据库中，并以图形的方式显示用户的健康数据统计。同时，用户可以同步本地到远程中心的数据，进行客户端系统的跨设备使用。

步骤S10获取身份证ID卡的图像对ID卡图像中，首先进行预处理和去噪，然后识别图像上的文本。使用字体库进行识别，再用训练过的字体库识别ID卡图像。

步骤S103身份证识别包括：

1)身份证字符特征提取：在特征提取前需对字符分割后获得的字符图像进行归一化。分割后的字符大小为M*N，则重心的位置用下式表示：

在从上式获得图像的重心之后，将图像的重心转移到图像的中心以标准化字符图像的位置。

2)字符特征统计：采用不变矩统计、全局投影特征统计、背景特征统计。

3)身份证识别：进行数据采集，预处理，特征提取和选择，以及分类决策。

步骤1)实现图像尺寸的标准化方法采用通过图像的边框将图像放大或缩小到指定的比例。

或采用图像的分布方差，计算式为：

步骤2)使用统计决策方法进行分类和区分时，利用距离D和相似度R进行分类和识别，订单S的Minkowski距离：

当S＝1时，是绝对距离：

当s＝2时，获得欧几里德距离：

步骤3)分类决策中利用人工神经网络方法进行特征的提取和分类。

如图2-图3所示，本发明实施例提供的应用基于身份证识别和多设备访问的家庭健康信息处理系统包括：

健康数据测量模块1，用于通过调用IEEE11073标准通信插件和各种健康设备来获取用户的生理数据以创建连接。

健康数据管理模块2，用于统计分析用户健康数据，绘制数据图，让用户直接观察健康趋势。

健康数据同步模块3，用于家庭健康系统客户端和远程数据中心通过网络连接，上传或下载健康数据。

用户管理模块4，用于管理用户的个人信息，登陆时呼叫用户。若没有保存帐号密码，可注册新用户，使用ID卡识别模块收集用户信息，同时也可用于用户注册和修改个人信息。

下面结合具体实施例对本发明的技术方案作进一步描述。

实施例1

本发明实施例提供的基于身份证识别和多设备访问的家庭健康信息处理方法包括：

步骤一，身份证处理：

(1)身份证图像的预处理：为了相对于整个图像所在的区域检测目标文件，必须首先预处理图像。图像预处理是利用图像处理技术来获得当前工作所需的功能，从而抑制不需要的功能。减少图像噪声并提高图像质量，以便后续工作不会受到不必要的功能的干扰。典型的图像制备技术包括灰度，二值化，膨胀和腐蚀。图像处理将改善原始图像的质量或将其降低到下一次操作的最佳质量。处理的效果直接影响是否可以毫无问题地提取目标文件所在的区域。在本发明中身份证图像的预处理具体包括：

1)高斯模糊：高斯模糊，也称为高斯滤波，实质上是平滑数据的过程。这个过程使数据平滑，因为它可以去除噪声，因此它被广泛用于图像处理噪声的过程中。高斯模糊的计算是计算每个像素的加权平均值，并且具体地获得特定像素的高斯模糊的值。像素值本身和指定范围附近是在用高斯函数计算之后获得的权重矩阵下的加权平均的结果。高斯函数的公式如下：

以3*3矩阵为例，模糊半径为1，标准差为1.5的高斯模糊的具体计算如下：

第一步，应用高斯函数公式基于每个点的坐标来获得其权重。

第二步，将上面获得的权重矩阵归一化：将每个权重除以所有权值的总和。在此步骤之后，将获得新的权重矩阵，并且权重的总和为1。

第三步，原始图像和新的权重矩阵相应地相乘。

第四步，将在第三步中获得的新矩阵的所有像素值相加并重新平均，并且获得的值是在模糊半径为1的高斯模糊之后的中心点的值。

2)灰度处理：彩色图像的每个像素需要由R，G和B的三个颜色分量表示。例如，RGB(29,70,180)表示彩色像素。彩色像素需要3个组件来表示，也就是说，需要24位存储空间，因此彩色图像需要大的存储空间，而对于计算机来说，图片是三维矩阵，并且计算处理彩色图像的三维矩阵。数量非常复杂，是对效率的严峻考验。实际上，颜色的三个组成部分只是反应颜色匹配信息，它与图像形态特征无关，而提取的文档图像是使用文档图像的边缘信息，而不是需要颜色信息来协助。为了更方便的计算和存储，将彩色图像灰度化以用于后续计算。灰度的特定变化是根据规则将颜色像素点的三个分量归一化为相同的值。例如，如果像素点(29,70,180)使用最大规则变灰，则将其标准化为点(180,180,180)。这样，一个像素只需要一个值来表示，存储空间也从24位减少到8位，并且计算量也相应减少，这样后续使用边缘处理算法的sobel算子，canny运算符可以更快地处理照片。

通常有几种常见的灰度规则有：

2.1)组件方法：根据应用的客观需要，选择三个颜色分量中的任何一个的值作为灰度图像值：

Gray(i,j)＝R(i,j)/G(i,j)/B(i,j)。

2.2)最大化方法：该方法通过数值比较三个分量值，并使用最大值作为灰度图像的值：

2.3)平均法：平均颜色的三个分量的值以获得灰度图像的灰度值：

2.4)加权平均法：根据下式，通过三分量颜色的加权平均获得的灰度图像更自然，并且灰度图像更符合人类视觉感知：

3)图像降噪处理：实际上，用相机设备获得的图像肯定受到光的影响，并且图像在传输过程中经常受到外部环境噪声的影响。这种图像称为噪声图像。在对某些图像进行二值化处理的过程中，许多粒状未识别的对象出现在图像上。这些未识别的物体称为噪音。降低数字图像中的噪声的过程称为图像去噪。由于各种因素，ID卡图像中存在许多噪声，并且这些噪声将对ID卡识别造成一些干扰。过滤可有效消除图像中的噪音。在过滤图像之后，可以去除未知对象μ，并且可以保持原始二值化图像轮廓不变。过滤主均值滤波，中值滤波，维纳滤波和图像小波域滤波。均值滤波是一种滤波算法。它指的是为图像上的目标像素提供模板。此模板包含其周围的像素。模板的原理是形成目标像素周围8个像素的模板。删除目标像素本身，然后将原始像素值替换为模板中所有像素的平均值。

(2)边缘检测，包括：

i)Canny边缘检测：Canny算子是一个边缘优化算子，具有过滤，增强和检测功能。与其他边缘算子相比，Canny边缘算子对图像的特征提取进行噪声处理，有效抑制噪声，在抗干扰方面具有更多优势，边缘处理效果更加清晰；和Canny操作员可以准确地确定边缘的位置。通过测量信噪比和定位乘积，Canny算子可以快速准确地获得边缘提取图。Canny运算符在提取特征后平滑图像。以这样的方式提取阈值，使得得到的图像特征更连贯。在边缘特征提取之前，Canny算子对图像执行高斯平滑以清除图像特征，这有利于图像的特征提取。在将彩色图像处理成灰度图像之后，通过特征边缘匹配对两个灰度图像执行边缘特征提取。

为了评估边缘检测方法的有效性，Canny提出了三种边缘检测标准：

良好的检测性能。不会遗漏真实边缘，并且不会将非边缘点检测为边缘点，从而使输出信噪比最大化。

定位性能好。检测到的边缘点最接近实际边缘点位置。

独特性。单个边缘点只有一个响应。在上述三个标准的指导下，Canny提出了Canny边缘检测算法，如下：

a.选择高斯滤镜以平滑图像。

b.使用一阶偏导数的有限差分计算平滑图像的梯度。

c.梯度的非最大抑制，保持局部梯度最大值的像素和此时的最大梯度变异，以细化幅度图像中的脊带。

d.使用双阈值算法检测和连接边

使用Canny算子检测图像边缘的关键是选择合适的阈值和σ。合理的高和低阈值设置可以检测更多真实边缘并尽可能多地去除假边缘。如果将高阈值设置得太小，则检测到的边缘将混入大量噪声。如果设置太大，则会遗漏真实边缘。对于低阈值，如果设置太大，将导致灰度值变化很小的边缘。它也错过了。另外，合理的σ尺寸也很重要。σ越大，图像越平滑，这将导致图像细节消失，灰度突变将远离原始边缘位置，并且高斯滤波器长度将更长。相反，为了增加计算量，σ越小，图像平滑得越多，因此在检测的边缘混合了大量噪声。

Canny算子检测的结果更好，它可以减少检测中边缘的中断，这有利于获得更完整的边缘。在噪声的情况下，Canny算子可以有效地去除噪声，因此它被广泛用于与其他算法进行比较以评估其他算法的性能。

ii)罗伯茨运营商：Roberts算子通过计算要测量的点的对角线方向上的两个相邻像素之间的差来确定梯度值，因此Roberts也称为局部差分算子。该方法可以有效地确定边缘点。因此，Roberts也称为梯度交叉算子，Roberts算子使用2*2模板，区别在于：

iii)Sobel边缘检测算子：Sobel算子是另一种常见的一阶边缘检测算子，但与Roberts边缘检测算子不同，Sobel边缘检测算子使用3*3模板。Sobel算子以模板为核心，然后对要处理的图像中的每个像素进行卷积和计算。可以获得纵向亮度和横向亮度之间的差异。

Sobel算子的特点是它可以有效地消除待处理图像的噪声，并准确定位每个边缘点的边缘方向。虽然Sobel算子可以更好地找到边缘方向，但Sobel算子在定位边缘方面的效果并不理想。这主要是因为当Sobel算子定位边缘时，它可以通过计算得到4个单个像素点。相邻像素的加权差异用于找到边缘的极值点作为边缘。因此，在应用或实验中，当测试结果的准确性不严格时，可以考虑操作者。

iv)记录操作员：Log运算符也称为Laplasse Gauss算法。其原理是将高斯滤波器与拉普拉斯算子结合起来。主要原因是二阶导数对噪声更敏感。两个变量函数f(x，y)的Laplasse变换定义为：

高斯过滤功能是：

Log运算符使用两种过滤方法来处理图像，即Gauss过滤器和pull Blass运算符。

Log运算符使用两种过滤方法来处理图像，即Gauss过滤器和pull Blass运算符。这两种滤波方法分别应用于低通滤波和高通滤波，并在滤波后进行图像边缘检测。

日志过滤器是：

与其他边缘检测算子相比，Log边缘检测算子的优点是模板可以提前计算，因此在计算时，可以直接调用计算模板对图像进行卷积。

步骤二，身份证识别：

(1)身份证字符特征提取：

(1.1)字符归一化：图像提取不直接应用于特征提取，因为从预处理图像中提取的图像质量直接导致身份证的身份差异的风险。图像大小，特征分布等将影响图像特征提取。因此，在特征提取之前需要对字符分割后获得的字符图像进行归一化。

假设分割后的字符大小为M*N，则重心的位置可以用下式表示：

在从上式获得图像的重心之后，然后将图像的重心转移到图像的中心以标准化字符图像的位置。

有两种方法可以实现图像尺寸的标准化：一种是通过图像的边框将图像放大或缩小到指定的比例。该方法操作简单，计算量相对较小。另一种方法是考虑图像的分布特征。一种相对简单的方法是图像的分布方差。可以通过下式计算图像的分布方差：

(1.2)字符特征统计：字符图像的全局特征本质上是将字符图像作为普通图像处理，字符只是具有某些特征的对象。因此，字符图像的全局特征提取方法类似于一般图像特征提取方法。字符图像的全局特征提取方法主要如下：

不变矩(矩量特征)：不变矩是光学图像处理中物体检测和识别的重要方法。图像的中心矩和原点可以区分成像平面中目标投影的几何信息，但投影表面的几何形状不具有比例，旋转或仿射不变性。

全局投影特征：图像分别投影到几个参考方向，并且只有垂直于参考方向的笔划被投影到参考方向。与基于结构特征的笔划提取方法相比，该方法简单快速。全局投影特征可以在一定程度上反映整个汉字的复杂性，笔画的主要方向以及笔画之间可能的联系。

背景特征：身份证的背景部分，汉字的图像和笔画也可以作为汉字和图像的全局特征。通常选择位于图像的两条对角线上的空白点(非笔划点)来计算角色每个方向上的笔划密度，作为图像的全局背景特征。

(2)身份证识别：

(2.1)模式识别理论：字符识别技术属于模式识别的范畴，也是一个非常重要的应用领域。简而言之，模式识别是对给定对象的类别的识别。它是信号处理和人工智能的重要分支。计算机用于描述和分类物理量及其变化过程。它们通常用于处理，分类和识别图像，文字，照片和声音等信息。在日常生活和工作中，离不开模式识别，例如承认，歧视和歧视。通常，通过观察特定的单个对象作为模式来调用在空间和空间上分布的信息，并且参考模式的类别或与模式类相同的类别的一般模式。模式识别系统由4部分组成：数据采集，预处理，特征提取和选择，以及分类决策。它的基本功能是确定系统必须处理的类别，如图4所示。

(2.2)模式识别方法和分类:

模式识别技术可以归纳为两类：基于决策理论的统计模式识别和基于形式语言的句法模式识别。在许多情况下，它们可以互补。如果模式的结构信息不重要，识别问题主要是分类，而不是描述，那么统计方法就足够了。如果模式的结构信息非常丰富，并且识别问题需要分类和描述，则需要语法方法。

(2.3)统计决策是一个相对成熟，有更多方法的理论方面。其主要思想是基于各种后验概率和概率密度函数对决策进行分类，并最小化决策的错误率。然而，该方法存在缺点，即在复杂环境中提取图案特征非常困难，难以准确反映图案的结构特征。当使用统计决策方法进行分类和区分时，常用的标准是距离D和相似度R，它是分类和识别的基础。例如，订单S的Minkowski距离：

当S＝1时，它是绝对距离：

当s＝2时，获得欧几里德距离：

(2.4)人工神经网络方法:人工神经网络是由大量简单基本单元和神经元组成的非线性动态系统。每个神经元的结构和功能相对简单，但由它们组成的系统可能非常复杂。它具有人脑的一些特征，可用于关联，识别和决策。神经网络是一种“模型独立”机器。它显示了没有导师学习条件的分类器的性能，它具有训练的特点，使输出接近类型空间中的任何目标，特别是当训练集的维度小于要解决的问题的维度时。在模式识别中，通常存在噪声干扰或输入模式的部分丢失，而神经网络将信息分布存储在链路的全系数中，使得网络具有高度容错性和鲁棒性。此功能也是成功解决模式识别问题的原因之一。此外，神经网络的自组织和自适应学习功能在识别问题方面表现出很大的优势。该方法的显着特点是训练后的神经网络可以并行完成模式特征的提取和分类。

下面结合实验对本发明作进一步描述。

(1)IEEE 11073标准核心部分的设计：

IEEE11073标准由许多模型组成，包括通信模型，域信息模型和服务模型。本发明重点介绍了IEEE11073标准最优交换协议中三个关键模型的设计与实现。协议中的管理员和代理对应于终端设备(诸如移动电话终端，计算机等)和医疗设备(诸如温度设备，血脂设备等)。IEEE11073标准的总体设计如图5所示。

(2)客户端设计：

健康家庭系统服务器主要负责用户登录，用户注册，生理数据测量，生理数据上传，生理数据查询，生理数据管理。基于以上功能，客户服务终端可分为以下模块：健康数据测量模块，反数据管理模块，用户管理模块和健康数据同步模块四部分。客户端软件的划分如图3所示。

1)健康数据测量模块：模块通过调用IEEE11073标准通信插件和各种健康设备来获取用户的生理数据以创建连接。

2)健康数据管理模块：统计分析用户健康数据，绘制数据图，让用户直接观察健康趋势。

3)健康数据同步模块：家庭健康系统客户端和远程数据中心通过网络连接，上传或下载健康数据。

4)用户管理模块：管理用户的个人信息，登陆时呼叫用户，如果没有保存帐号密码，可以注册新用户，使用ID卡识别模块收集用户信息，用户也可以注册和修改他们自己的信息。

下面结合身份证图像预处理和识别分析对本发明作进一步描述。

1)身份证的图像处理：

为了更直观地理解本发明提出的边缘检测算法，进行了两组实验：第一组是在没有噪声的情况下试验算法，第二组是试验噪声情况下的算法。增加噪声的方法是同时增加5％的高斯噪声和2％的椒盐噪声。实验结果如图6所示。

由于拉普拉斯算子具有良好的定位性能，因此可以通过与Sobel算子相乘来增加实边像素的梯度，同时减弱其他像素的梯度。因此，基于梯度乘法的边缘检测算法将具有比基于一阶导数的边缘检测更好的精度，并且该算法提取的边缘通常优于基于一阶导数的边缘检测。基于导数的边缘检测结果更精细，更完整。与基于二阶导数的边缘检测算法相比，该算法在抗噪声方面具有明显的优势。

2)身份证图像识别与分析：

表1不同方法识别结果的比较

本发明使用的算法和比较算法的识别结果如表1和图7所示。随机森林是由多个决策树随机建立的森林，每个决策树之间没有相关性。对于可以通过单个决策树解决的识别问题，它无疑会在不改善结果的情况下造成严重的资源浪费。因此，该实验的设计对于智能手机环境中的资源开销更为合理。总之，与现有的方法和应用相比，该方法得到了改进，基本行为的识别准确性也得到了提高。总之，该方法提高了精度，降低了复杂度，达到了预期目的，证明了该方法的有效性。识别准确性和资源利用率良好，可以实现身份证的识别。

3)系统主要功能的实现：

用户可以选择保存在手机上的照片，也可以使用手机上的相机拍照。拍摄后，可以自动进入照片剪辑界面。在这里，可以选择不同的比例来定制，剪出身份证框架外的背景，剪下身份证上的照片，并选择剪裁。首先，系统对ID卡图像进行预处理和去噪，然后识别图像上的文本。首先使用系统的字体库来识别它，然后用训练过的字体库识别它，结果如图8所示。

移动客户端与健康测试仪器连接后，接收上传的血压数据。在分析XML格式的数据后，获得收缩压，舒张压，平均压力，脉冲和测量时间的值。计算并比较血压，并在app测量界面中显示，如图9所示。

在主界面选择和云同步功能中，将下载最近的八个测量数据，或上传移动客户端收集的新数据。如果用户在主界面选择健康变化趋势的功能，它将同步云中的数据并绘制趋势线图，例如，选择历史血压趋势图，并显示如图10所示的结果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于身份证识别和多设备访问的家庭健康信息处理方法，其特征在于，所述基于身份证识别和多设备访问的家庭健康信息处理方法包括：

步骤一，获取身份证ID卡的图像，并对获取到的图像进行比例调整、选择性裁剪、去除背景；

步骤二，通过灰度化，二值化，图像降噪，图像增强和过滤对身份证ID图像进行图像预处理，划分ID卡图像中的文本和肖像区域及有用信息区域；

步骤三，对预处理后的图像进行字符分割，对分割获得的字符图像进行归一化处理和字符特征统计从而提取身份证ID字符特征；

步骤四，使用统一网格特征，粗糙边缘特征和主特征描述字符图像，并使用CNN对字符图像进行分类；利用分类器对身份证ID卡上的不同信息进行分类识别，同时分别利用系统字体库、经过训练的字体库识别进行身份证ID识别；

步骤五，接收和解析医疗设备的健康数据，将数据存储到手机的本地数据库中，并以图形的方式显示用户的健康数据统计；同时，用户同步本地到远程中心的数据，进行跨设备应用。

2.如权利要求1所述的基于身份证识别和多设备访问的家庭健康信息处理方法，其特征在于，步骤二获取身份证ID卡的图像对ID卡图像中，首先进行预处理和去噪，然后识别图像上的文本；使用字体库进行识别，再用训练过的字体库识别ID卡图像。

3.如权利要求1所述的基于身份证识别和多设备访问的家庭健康信息处理方法，其特征在于，步骤三身份证识别包括：

1)身份证字符特征提取：在特征提取前需对字符分割后获得的字符图像进行归一化；分割后的字符大小为M*N，则重心的位置用下式表示：

在从上式获得图像的重心之后，将图像的重心转移到图像的中心以标准化字符图像的位置；

2)字符特征统计：采用不变矩统计、全局投影特征统计、背景特征统计；

3)身份证识别：进行数据采集，预处理，特征提取和选择，以及分类决策。

4.如权利要求3所述的基于身份证识别和多设备访问的家庭健康信息处理方法，其特征在于，步骤1)实现图像尺寸的标准化方法采用通过图像的边框将图像放大或缩小到指定的比例；

或采用图像的分布方差，计算式为：

5.如权利要求3所述的基于身份证识别和多设备访问的家庭健康信息处理方法，其特征在于，步骤2)使用统计决策方法进行分类和区分时，利用距离D和相似度R进行分类和识别，订单S的Minkowski距离：

当S＝1时，是绝对距离：

当s＝2时，获得欧几里德距离：

6.如权利要求3所述的基于身份证识别和多设备访问的家庭健康信息处理方法，其特征在于，步骤3)分类决策中利用人工神经网络方法进行特征的提取和分类。

7.如权利要求1所述的基于身份证识别和多设备访问的家庭健康信息处理方法，其特征在于，步骤五以图形的方式显示用户的健康数据统计中，

移动客户端接收健康测试仪器上传的血压数据，分析XML格式的数据后，获得收缩压，舒张压，平均压力，脉冲和测量时间的值，计算并比较血压，并在app测量界面中显示；

在主界面选择和云同步功能中，将下载最近的八个测量数据，或上传移动客户端收集的新数据；如果用户在主界面选择健康变化趋势的功能，将同步云中的数据并绘制趋势线图。

8.一种应用如权利要求1所述基于身份证识别和多设备访问的家庭健康信息处理方法的基于身份证识别和多设备访问的家庭健康信息处理系统，其特征在于，所述基于身份证识别和多设备访问的家庭健康信息处理系统包括：

健康数据测量模块，用于通过调用IEEE11073标准通信插件和各种健康设备来获取用户的生理数据以创建连接；

健康数据管理模块，用于统计分析用户健康数据，绘制数据图，让用户直接观察健康趋势；

健康数据同步模块，用于家庭健康系统客户端和远程数据中心通过网络连接，上传或下载健康数据；

用户管理模块，用于管理用户的个人信息，登陆时呼叫用户；若没有保存帐号密码，注册新用户，使用ID卡识别模块收集用户信息，同时或用于用户注册和修改个人信息。

9.一种实施权利要求1所述基于身份证识别和多设备访问的家庭健康信息处理方法的终端。