CN110689010B - 一种证件识别方法及装置 - Google Patents

一种证件识别方法及装置 Download PDF

Info

Publication number
CN110689010B
CN110689010B CN201910927886.7A CN201910927886A CN110689010B CN 110689010 B CN110689010 B CN 110689010B CN 201910927886 A CN201910927886 A CN 201910927886A CN 110689010 B CN110689010 B CN 110689010B
Authority
CN
China
Prior art keywords
certificate
determining
target
image data
field
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.)
Active
Application number
CN201910927886.7A
Other languages
English (en)
Other versions
CN110689010A (zh
Inventor
徐崴
陈继东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN201910927886.7A priority Critical patent/CN110689010B/zh
Publication of CN110689010A publication Critical patent/CN110689010A/zh
Priority to PCT/CN2020/098482 priority patent/WO2021057138A1/zh
Application granted granted Critical
Publication of CN110689010B publication Critical patent/CN110689010B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • 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
    • G06V30/10—Character recognition
    • G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
    • G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
    • G06V30/274—Syntactic or semantic context, e.g. balancing
    • 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
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Character Input (AREA)
  • Processing Or Creating Images (AREA)
  • Document Processing Apparatus (AREA)

Abstract

本说明书一个或多个实施例提供了一种证件识别方法及装置，其中，该方法包括：首先，获取待识别的目标证件对应的证件版面模版，基于该证件版面模版确定目标证件的证件版面信息，来实现目标证件中文字区域的初步圈定，然后，再利用预设文字行检测方法并结合初步圈定出的文字区域，确定目标证件中各证件字段的实际位置信息，来实现目标证件中文字区域的精准定位。

Description

一种证件识别方法及装置
技术领域
本文件涉及图像处理技术领域，尤其涉及一种证件识别方法及装置。
背景技术
目前，随着文字信息识别技术的快速发展，以及随着对目标证件中的文字信息进行识别的需求逐渐增强，因此，将文字信息识别技术应用到对证件图片中的文字信息进行识别的过程中，例如，针对互联网金融领域，利用文字信息识别技术对用户提供的证件图片进行信息识别，以便根据证件信息识别结果，对用户身份的真实性进行核验，具体的，利用预设的文字信息识别技术定位目标证件中包含的各证件字段的实际位置信息，进而提取出各证件字段的具体文字内容。
当前，对于固定版式的证件而言，由于各证件字段的位置比较固定，在相应的位置处即可提取出所需的证件信息。然而，对于非固定版式的证件而言，由于各证件字段的位置具有随机性、不固定性，还可能存在排版漂移的情况，因此，采用现有的针对固定版式设计的证件识别方法已无法准确地进行定位并识别，不能满足针对非固定板式证件的识别需求。
由此可知，需要提供一种定位准确度高且效率高的针对非固定板式证件的证件识别方法。
发明内容
本说明书一个或多个实施例的目的是提供一种证件识别方法及装置，通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
本说明书一个或多个实施例提供了一种证件识别方法，包括：
获取与待识别的目标证件的类型对应的证件版面模版；
基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
本说明书一个或多个实施例提供了一种证件识别装置，包括：
证件模版获取模块，用于获取与待识别的目标证件的类型对应的证件版面模版；
第一位置确定模块，用于基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
第二位置确定模块，用于利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
本说明书一个或多个实施例提供了一种证件识别设备，包括：
处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取与待识别的目标证件的类型对应的证件版面模版；
基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下方法：
获取与待识别的目标证件的类型对应的证件版面模版；
基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
本说明书一个或多个实施例中的证件识别方法及装置，首先，获取待识别的目标证件对应的证件版面模版，基于该证件版面模版确定目标证件的证件版面信息，来实现目标证件中文字区域的初步圈定，然后，再利用预设文字行检测方法并结合初步圈定出的文字区域，确定目标证件中各证件字段的实际位置信息，来实现目标证件中文字区域的精准定位。本说明书一个或多个实施例实现了通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书一个或多个中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的证件识别方法的第一种流程示意图；
图2为本说明书一个或多个实施例提供的证件识别方法的第二种流程示意图；
图3为本说明书一个或多个实施例提供的证件识别方法的第三种流程示意图；
图4为本说明书一个或多个实施例提供的证件识别方法的第四种流程示意图；
图5为本说明书一个或多个实施例提供的证件识别方法的第五种流程示意图；
图6为本说明书一个或多个实施例提供的证件识别方法的第六种流程示意图；
图7为本说明书一个或多个实施例提供的证件识别方法中基于锚点矩阵绘制候选框的实现原理示意图；
图8为本说明书一个或多个实施例提供的证件识别装置的模块组成示意图；
图9为本说明书一个或多个实施例提供的证件识别设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一个或多个一部分实施例，而不是全部的实施例。基于本说明书一个或多个中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本本文件的保护范围。
本说明书一个或多个实施例提供了一种证件识别方法及装置，通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
图1为本说明书一个或多个实施例提供的证件识别方法的第一种流程示意图，图1中的方法能够由服务器或台式电脑等终端设备执行，如图1所示，该方法至少包括以下步骤：
S102，获取与待识别的目标证件的类型对应的证件版面模版；其中，该目标证件可以是非固定板式证件，例如，菲律宾TIN证件；又如，学生证；其中，对于菲律宾TIN证件而言，同一字段在不同的菲律宾TIN证件中会有浮动，也可称为不严格排版证件；
具体的，如果预设的证件模版库中已存与目标证件的类型对应的证件版面模版，则直接调用该证件版面模版即可；如果预设的证件模版库中不存在与目标证件的类型对应的证件版面模版，即预先未针对该类型的证件生成证件版面模版，则先生成与目标证件的类型对应的证件版面模版，并将该证件版面模版存入证件模版库中，这样后续在针对已有类型的证件进行识别过程中，直接从证件模版库中调用相应的证件版面模版即可；
S104，基于获取到的证件版面模版，确定目标证件的证件版面信息，其中，该证件版面信息包括：各证件字段的预估位置信息；
具体的，由于针对每个类型的证件生成证件版面模板的过程中，先对证件图像进行预设的图像预处理，再通过对预处理后的证件图像中各文字行区域的坐标信息和语义类别中至少一项进行标定，根据标定结果得到证件版面模版，因此，基于证件版面模版中包含的各文字行区域的坐标信息，即可确定目标证件中各证件字段的预估位置信息(即理论位置信息)，但考虑到针对非固定版式证件可能存在局部排版漂移的现象，从而导致实际位置信息与理论位置信息存在一定偏差，接下来，需要进行证件字段的精准位置定位，即确定各证件字段的实际位置信息；
S106，利用预设文字行检测方法并基于各证件字段的预估位置信息，确定各证件字段的实际位置信息；其中，该预设文字行检测方法可以是FasterR-CNN和SSD文字行检测方法；
具体的，由于先基于与目标证件的类型对应的证件版面模版进行证件字段所在位置的初步圈定，因此，在证件字段的精准位置定位时，只需对初步圈定得到的各证件字段的预估位置的附近区域进行文字行检测即可，无需对整个证件的全版面进行逐行检测。
其中，针对基于证件版面模版进行证件字段所在位置的初步圈定的过程，采用全局模版进行粗定位，具有对局部干扰比较鲁棒的优点，并且，可以直接获取各字段的语义类别信息，无需做全版面的语义分析；同时，针对基于初步圈定结果进行证件字段的精准位置定位的过程，能够鲁棒地解决局部排版飘移问题。
本说明书一个或多个实施例中，通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
其中，为了提高证件识别效率，可以预先针对各种类型的证件生成相应的证件版面模版，还可以当接收到新类型的证件识别请求时，实时生成相应的证件版面模版，无论是预先还是实时生成的证件版面模版均存入预设的证件模版库中，这样后续在针对已有类型的证件进行识别过程中，直接从证件模版库中调用相应的证件版面模版即可，基于此，如图2所示，在上述S102，获取与待识别的目标证件的类型对应的证件版面模版之前，还包括：
S108，获取新增类型证件的证件图像数据；其中，该新增类型证件是指证件模版库中不存在相应的证件版面模版的证件类型的证件；
具体的，由于在针对目标证件中各证件字段所在位置的初步圈定过程，需要借助相应的证件版面模版来确定目标证件的证件版面信息，因此，需要针对每个新增类型证件生成相应的证件版面模版；
S110，确定新增类型证件的证件图像数据中各文字行区域的标定信息，其中，该标定信息包括：坐标信息和/或语义类别信息；该坐标信息可以包括：每个文字行区域中指定点的坐标，例如，左上角坐标(x1，y1)和左上角坐标(x2，y2)，该语义类别信息可以包括：用户姓名、出生日期、发证日期、证件有效期等等；
具体的，在对证件中文字行区域进行标定的过程中，可以只标定坐标信息，也可以坐标信息和语义类别信息同时进行标定，这样在证件字段的精准位置定位过程中，直接获取各证件字段的语义类别信息，无需对针对证件字段的OCR识别结果做语义分析，进而无需针对每种类型的证件单独开发语义分析算法，降低了证件成本，并且避免了因语义分析过程产生的错误信息；
S112，根据确定出的各文字行区域的标定信息，生成新增类型证件的证件版面模版；
具体的，在针对新增类型证件生成相应的证件版面模版后，将该证件版面模版存入证件模版库中，以及存储证件类型与证件模版之间的对应关系，以便后在证件识别过程中，先根据该对应关系，确定与目标证件的类型对应的证件版面模版的标识信息，再根据该标识信息，从证件模版库中调用相应的证件版面模版。
具体的，针对新增类型证件的获取过程，基于此，如图3所示，上述S108，获取新增类型证件的证件图像数据，具体包括：
S1081，在检测到证件上传请求后，利用预设的证件类型识别算法，确定该证件上传请求中携带的证件图像数据对应的证件类型；其中，该证件类型识别算法可以直接采用现有的类型识别算法，例如，采用预先利用机器学习方法基于样本数据训练好的多分类模型；
具体的，上述新增类型的证件可以是线下选取的样本证件，对应的，该证件上传请求可以是模版库维护终端发送的，此时证件上传请求所携带的证件图像为样本证件的图像数据；其中，考虑到现实中证件类型众多，可能无法预先针对所有类型的证件均生成相应的证件版面模板，因此，上述新增类型的证件也可以是用户线上请求识别的目标证件，对应的，该证件上传请求也可以是用户终端发送的，此时证件上传请求所携带的证件图像为待识别的目标证件的图像数据；
具体的，由于只需针对新增类型的证件生成相应的证件版面模版，因此，在接收到证件上传请求后，需要先确定请求上传的证件的类型，进而确定该类型是否为新类型；其中，若证件模版库中已有该类型对应的证件版面模版，则确定该类型为已有类型(即系统已知的证件类型)，若证件模版库中不存在该类型对应的证件版面模版，则确定该类型为新类型(即系统未知的证件类型)；
S1082，判断预先构建的证件模版库中是否存在与确定出的证件类型对应的证件版面模版；
具体的，判断预先建立的证件类型与证件模版的对应关系是否包含确定出的证件类型，若不包含，则确定预先构建的证件模版库中不存在与确定出的证件类型对应的证件版面模版；
若不存在，则执行S1083，将检测到的证件上传请求中携带的证件图像数据确定为新增类型证件的证件图像数据；并继续执行上述S110的步骤，以便基于针对该新增类型证件生成相应的证件版面模版；
若存在，则继续执行上述步骤S102，即说明检测到的证件上传请求对应的证件的类型为已有类型，后续针对该类型的目标证件进行识别时，可以直接从证件模版库中调用。
具体的，针对证件中文字行区域的标定过程，基于此，在图3基础上，增加标定信息的具体确定过程，如图4所示，上述S110，确定新增类型证件的证件图像数据中各文字行区域的标定信息，具体包括：
S1101，对新增类型证件的证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，该图像预处理包括：证件版式标注、证件角点标记、证件姿态校正、证件尺寸归一化、指定坐标点定位中至少一项；
其中，考虑到不同类型的证件的大小和版式存在一定差异，以及证件的摆放姿态也可能存在一定差异，为了确保后续标定信息的准确度，需要先对新增类型证件的证件图像数据进行图像预处理，再基于预处理后的证件图像数据进行文字行区域的标定；
具体的，上述证件版式标注可以包括：标注证件是横版证件(高<宽)还是竖版证件(高>宽)；
上述证件角点标记可以包括：标记证件的至少两个角点，例如，左上角、左下角、右上角和右下角；
上述证件姿态校正可以包括：利用预设的图形变换算法将证件姿态调整到证件的四个边变成水平方向或者垂直方向；
上述证件尺寸归一化正可以包括：将证件的高和宽边分别拉到固定的尺寸，例如，横版证件拉到高＝768像素、宽＝1024像素；竖版证件拉到高＝1024像素，宽＝768像素；
上述指定坐标点定位可以包括：将证件的左上角定位到坐标点(0,0)的位置，将证件的右下角定位到坐标点(1023，767)、或者(767,1023)的位置；
S1102，接收用户针对预处理后的证件图像数据中各证件字段的标记操作，其中，该标记操作包括：坐标信息标记操作和/或语义类别标记操作；
具体的，可以采用自动或半自动方式对证件图像数据中的文字行区域进行标定，针对采用半自动的标注方式，通过向用户展示提示信息来指导用户对证件图像数据中的各文字行区域进行标记操作输入；
具体的，系统提供矩形框绘制工具，以供用户在预处理后的证件图像数据上，依次框出证件中包含的各文字行区域，并针对每个文字行区域，根据该文字行区域对应的矩形框的角点坐标，确定该文字行区域对应的坐标信息，例如，左上角坐标(x1，y1)和左上角坐标(x2，y2)；以及针对每个文字行区域，根据用户为该文字行区域对应的矩形框指定的语义信息，确定该文字行区域的语义类别信息，该语义类别信息可以包括：用户姓名、出生日期、发证日期、证件有效期等等；
S1103，根据接收到的各证件字段的标记操作，确定新增类型证件的证件图像数据中各文字行区域的标定信息；
具体的，每个文字行区域对应于一个证件字段，该证件字段可以是用户姓名、出生日期、发证日期、证件有效期等等。
其中，如果目标证件为已有类型证件，则说明证件模版库中已存有相应的证件版面模版，如果目标证件为新增类型证件，则需要实时生成相应的证件版面模版并存入证件模版库中；也就是说，无论是预先还是实时针对新增类型证件生成的证件版面模版均存入预设的证件模版库中，这样在针对目标证件的进行识别过程中，直接从证件模版库中调用相应的证件版面模版即可，基于此，上述S102，获取与待识别的目标证件的类型对应的证件版面模版，具体包括：
步骤一，根据预先建立的证件类型与证件模版的对应关系，确定与待识别的目标证件的类型对应的证件版面模版的目标标识；
具体的，上述对应关系包括：证件类型的标识信息与证件版面模版的标识信息之间的映射关系，例如，证件类型的标识信息为aaaa，对应的证件版面模版的标识信息为1111；其中，对于学生证而言，不同学校的学生证版面有所不同，因此，证件类型的标识信息包括：学生证的标识和学校的标识；
步骤二，在预先构建的证件模版库中，查找具有上述目标标识的证件版面模版；
具体的，在确定出目标证件的类型对应的证件版面模版的目标标识，即可从证件模版库中调用相应的证件版面模版。
其中，在获取到目标证件对应的证件版面模版之后，先执行目标证件中文字行位置初步圈定的过程，具体的，针对目标证件的版面信息的确定过程，即针对目标证件中各证件字段所在位置的初步圈定过程，基于此，上述S104，基于获取到的证件版面模版，确定目标证件的证件版面信息，具体包括：
步骤一，对目标证件的证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，该图像预处理包括：证件角点定位、证件姿态校正、证件尺寸归一化中至少一项；其中，该证件角点定位可以是采用SSD等通用定位算法来实现的；
具体的，考虑到用户上传的证件图像数据可能不太规范，为了提高后续目标证件中文字行位置初步圈定的准确度，需要先对目标证件的证件图像数据进行图像预处理，再基于预处理后的证件图像数据进行目标证件中文字行位置初步圈定；
并且，又考虑到目标证件中文字行位置初步圈定的过程是基于预先生成的证件版面模板进行的，因此，需要将目标证件的证件图像数据的大小、姿态和角点定位与证件版面模板的生成过程所定义的一致，从而确保预处理后的证件图像数据与证件版面模版的基准标记点一一对应；
步骤一，基于获取到的证件版面模版，确定目标证件的预处理后的证件图像数据中各证件字段的预估位置信息；
具体的，基于证件版面模版中包含的各文字行区域的坐标信息，即可确定目标证件中各证件字段的预估位置信息(即理论位置信息)，并且，基于证件版面模版中包含的各文字行区域的语义类别信息，即可确定目标证件中各证件字段的语义类别，例如，哪个证件字段表示用户姓名，哪个证件字段表示出生日期。
其中，在执行目标证件中文字行位置初步圈定的过程之后，再结合该文字行位置初步圈定结果执行目标证件中文字行的精准位置定位，具体的，针对基于目标证件的版面信息确定各证件字段的实际位置信息的过程，即针对目标证件中各证件字段的精准位置定位过程，基于此，如图5所示，上述S106，利用预设文字行检测方法并基于各证件字段的预估位置信息，确定各证件字段的实际位置信息，具体包括：
S1061，利用基于锚点的文字行检测方法并基于各证件字段的预估位置信息，确定各证件字段的实际位置信息；
具体的，采用基于锚点的文字行检测方法进行目标证件中文字行的精准位置定位，在此过程中，由于在先已基于证件版面模版进行文字行初步圈定，从而可以区分出证件图像数据中的文字区域和非文字区域，利用滑动窗口遍历文字区域以及该文字区域周边预设范围即可，无需对证件图像数据中所有区域均进行遍历，这样能够提高目标证件中文字行的精准位置的定位效率。
具体的，针对利用基于锚点的文字行检测方法进行目标证件中文字行的精准位置定位的过程，具体的，如图6所示，上述S1061，利用基于锚点的文字行检测方法并基于各证件字段的预估位置信息，确定各证件字段的实际位置信息，具体包括：
S10611，确定针对目标证件得到的预处理后的证件图像数据对应的锚点矩阵，其中，该锚点矩阵中两两相邻锚点之间的距离相等；
具体的，按照预设步长间隔在整个预处理后的证件图像数据中标注多个锚点，该多个锚点组合的矩阵记为锚点矩阵；并且，该锚点矩阵中每个锚点对应与一个坐标点，例如，序号为ij的锚点对应的坐标为(xij，yij)；其中，该预设步长间隔的大小可以根据实际需求进行设定；
S10612，针对每个证件字段，根据该证件字段的预估位置信息，在上述锚点矩阵中确定该证件字段所包含的文字锚点；
具体的，针对每个证件字段，根据该证件字段的预估位置信息可以在锚点矩阵中确定出一个矩形框，该矩形框的左上角坐标(x1，y1)和左上角坐标(x2，y2)，因此，可知该矩形框中包含的多个文字锚点以及各文字锚点的坐标信息；
S10613，针对每个证件字段，在以该证件字段所包含的各文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框；
具体的，在针对每个证件字段确定出其包含的多个文字锚点后，再针对每个文字锚点，以该文字锚点为中心，绘制预设数量个不同尺度和不同长宽比的候选框，再对候选框进行扫描，以确定出目标候选框，该目标候选框记为证件字段的实际所在位置，其中，为了防止将包含两个以上证件字段的候选框确定为目标候选框，该目标候选框中包含的文字集中度大于预设阈值；
S10614，根据针对每个证件字段确定出的目标候选框的坐标信息，确定该证件字段的实际位置信息。
具体的，在基于锚点进行证件字段的精准定位时，无需遍历锚点矩阵中的所有锚点，只需遍历初步圈定出的文字行区域内包含的锚点即可，省去了遍历非文字行区域的锚点的过程，提高了目标证件中文字行的精准位置的定位效率。
在具体实施时，针对基于锚点矩阵的候选框的绘制过程，如图7所示，给出了证件识别方法中基于锚点矩阵绘制候选框的实现原理示意图，具体为：
(1)按照预设步长间隔在整个预处理后的证件图像数据中标注多个锚点，该多个锚点组合的矩阵记为锚点矩阵；
其中，该锚点矩阵中每个锚点对应与一个坐标点，例如，序号为ij的锚点对应的坐标为(xij，yij)，即在锚点矩阵中位于第i行第j列的锚点；
(2)若确定出的文字锚点有A、B，则分别以文字锚点A、B为中心，绘制预设数量个不同尺度和不同长宽比的候选框，其中，文字锚点A对应的候选框为A1、A2、A3，文字锚点B对应的候选框为B1、B2、B3。
进一步的，考虑到文字锚点可能位于证件字段的中心位置，也可能位于证件字段的边缘位置，那么，针对位于边缘位置的文字锚点，以该文字锚点为中心绘制得到的候选框与证件字段所在区域重合度比较小，且包含的文字比较少，这样的候选框可以直接忽略，因此，为了进一步减少精准定位过程的文字行检测耗时，基于此，上述S10613，针对每个证件字段，在以该证件字段所包含的各文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框，具体包括：
步骤一，针对每个证件字段，在以该证件字段所包含的各文字锚点为中心的多个候选框中，选取与该证件字段的重合度排序靠前的预设数量的候选框；
具体的，针对每个证件字段，在绘制得到该证件字段对应的多个候选框后，先确定各候选框与证件字段对应的矩形框的重合度，再按照重合度由大到小的顺序对候选框进行排序，在多个候选框中，根据排序结果选取预设数量的候选框，后续仅对选取的候选框进行扫描；其中，在基于重合度进行候选框选取时，是以证件字段为单位进行的；
步骤二，针对每个证件字段，在针对该证件字段所选取的候选框中，确定包含文字最多且面积最小的目标候选框。
本说明书一个或多个实施例中，针对结合文字行位置初步圈定结果执行目标证件中文字行的精准位置定位的过程，不仅无需遍历锚点矩阵中的所有锚点，只需遍历初步圈定出的文字行区域内包含的锚点即可，省去了遍历非文字行区域的锚点的过程；并且，还无需遍历以文字锚点为中心绘制的所有候选框，只需遍历与文字区域重合度排序靠前的预设数量的候选框即可，这样又进一步提高了目标证件中文字行的精准位置的定位效率。
本说明书一个或多个实施例中的证件识别方法，首先，获取待识别的目标证件对应的证件版面模版，基于该证件版面模版确定目标证件的证件版面信息，来实现目标证件中文字区域的初步圈定，然后，再利用预设文字行检测方法并结合初步圈定出的文字区域，确定目标证件中各证件字段的实际位置信息，来实现目标证件中文字区域的精准定位。本说明书一个或多个实施例实现了通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
对应上述图1至图7描述的证件识别方法，基于相同的技术构思，本说明书一个或多个实施例还提供了一种证件识别装置，图8为本说明书一个或多个实施例提供的证件识别装置的模块组成示意图，该装置用于执行图1至图7描述的证件识别方法，如图8所示，该装置包括：
证件模版获取模块801，用于获取与待识别的目标证件的类型对应的证件版面模版；
第一位置确定模块802，用于基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
第二位置确定模块803，用于利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
本说明书一个或多个实施例中，通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
可选地，所述装置还包括：
证件图像获取模块，用于获取新增类型证件的证件图像数据；
标定信息确定模块，用于确定所述证件图像数据中各文字行区域的标定信息，其中，所述标定信息包括：坐标信息和/或语义类别信息；
证件模版生成模块，用于根据各所述文字行区域的所述标定信息，生成所述新增类型证件的证件版面模版。
可选地，所述证件图像获取模块，具体用于：
在检测到证件上传请求后，利用预设的证件类型识别算法，确定所述证件上传请求中携带的证件图像数据对应的证件类型；
判断预先构建的证件模版库中是否存在与所述证件类型对应的证件版面模版；
若不存在，则将所述证件上传请求中携带的证件图像数据确定为新增类型证件的证件图像数据。
可选地，所述标定信息确定模块，具体用于：
对所述新增类型证件的所述证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件版式标注、证件角点标记、证件姿态校正、证件尺寸归一化、指定坐标点定位中至少一项；
接收用户针对所述预处理后的证件图像数据中各证件字段的标记操作，其中，所述标记操作包括：坐标信息标记操作和/或语义类别标记操作；
根据各所述证件字段的所述标记操作，确定所述证件图像数据中各文字行区域的标定信息。
可选地，所述证件模版获取模块801，具体用于：
根据预先建立的证件类型与证件模版的对应关系，确定与待识别的目标证件的类型对应的证件版面模版的目标标识；
在预先构建的证件模版库中，查找具有所述目标标识的证件版面模版。
可选地，所述第一位置确定模块802，具体用于：
对所述目标证件的证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件角点定位、证件姿态校正、证件尺寸归一化中至少一项；
基于所述证件版面模版，确定所述预处理后的证件图像数据中各证件字段的预估位置信息。
可选地，所述第二位置确定模块803，具体用于：
利用基于锚点的文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
可选地，所述第二位置确定模块803，进一步具体用于：
确定针对所述目标证件得到的预处理后的证件图像数据对应的锚点矩阵，其中，所述锚点矩阵中两两相邻锚点之间的距离相等；
针对每个所述证件字段，根据该证件字段的所述预估位置信息，在所述锚点矩阵中确定该证件字段所包含的文字锚点；
在以各所述文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框；
根据所述目标候选框的坐标信息，确定所述证件字段的实际位置信息。
可选地，所述第二位置确定模块803，更进一步具体用于：
在以各所述文字锚点为中心的多个候选框中，选取与所述证件字段的重合度排序靠前的预设数量的候选框；
在选取的所述候选框中，确定包含文字最多且面积最小的目标候选框。
本说明书一个或多个实施例中的证件识别装置，首先，获取待识别的目标证件对应的证件版面模版，基于该证件版面模版确定目标证件的证件版面信息，来实现目标证件中文字区域的初步圈定，然后，再利用预设文字行检测方法并结合初步圈定出的文字区域，确定目标证件中各证件字段的实际位置信息，来实现目标证件中文字区域的精准定位。本说明书一个或多个实施例实现了通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
需要说明的是，本说明书中关于证件识别装置的实施例与本说明书中关于证件识别方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的证件识别方法的实施，重复之处不再赘述。
进一步地，对应上述图1至图7所示的方法，基于相同的技术构思，本说明书一个或多个实施例还提供了一种证件识别设备，该设备用于执行上述的证件识别方法，如图9所示。
证件识别设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器901和存储器902，存储器902中可以存储有一个或一个以上存储应用程序或数据。其中，存储器902可以是短暂存储或持久存储。存储在存储器902的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对证件识别设备中的一系列计算机可执行指令。更进一步地，处理器901可以设置为与存储器902通信，在证件识别设备上执行存储器902中的一系列计算机可执行指令。证件识别设备还可以包括一个或一个以上电源903，一个或一个以上有线或无线网络接口904，一个或一个以上输入输出接口905，一个或一个以上键盘906等。
在一个具体的实施例中，证件识别设备包括有存储器，以及一个或一个以上的程序，其中一个或者一个以上程序存储于存储器中，且一个或者一个以上程序可以包括一个或一个以上模块，且每个模块可以包括对证件识别设备中的一系列计算机可执行指令，且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令：
获取与待识别的目标证件的类型对应的证件版面模版；
基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
本说明书一个或多个实施例中，通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
可选地，计算机可执行指令在被执行时，在获取与待识别的目标证件的类型对应的证件版面模版之前，还包括：
获取新增类型证件的证件图像数据；
确定所述证件图像数据中各文字行区域的标定信息，其中，所述标定信息包括：坐标信息和/或语义类别信息；
根据各所述文字行区域的所述标定信息，生成所述新增类型证件的证件版面模版。
可选地，计算机可执行指令在被执行时，所述获取新增类型证件的证件图像数据，包括：
在检测到证件上传请求后，利用预设的证件类型识别算法，确定所述证件上传请求中携带的证件图像数据对应的证件类型；
判断预先构建的证件模版库中是否存在与所述证件类型对应的证件版面模版；
若不存在，则将所述证件上传请求中携带的证件图像数据确定为新增类型证件的证件图像数据。
可选地，计算机可执行指令在被执行时，所述确定所述证件图像数据中各文字行区域的标定信息，包括：
对所述新增类型证件的所述证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件版式标注、证件角点标记、证件姿态校正、证件尺寸归一化、指定坐标点定位中至少一项；
接收用户针对所述预处理后的证件图像数据中各证件字段的标记操作，其中，所述标记操作包括：坐标信息标记操作和/或语义类别标记操作；
根据各所述证件字段的所述标记操作，确定所述证件图像数据中各文字行区域的标定信息。
可选地，计算机可执行指令在被执行时，所述获取与待识别的目标证件的类型对应的证件版面模版，包括：
根据预先建立的证件类型与证件模版的对应关系，确定与待识别的目标证件的类型对应的证件版面模版的目标标识；
在预先构建的证件模版库中，查找具有所述目标标识的证件版面模版。
可选地，计算机可执行指令在被执行时，所述基于所述证件版面模版，确定所述目标证件的证件版面信息，包括：
对所述目标证件的证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件角点定位、证件姿态校正、证件尺寸归一化中至少一项；
基于所述证件版面模版，确定所述预处理后的证件图像数据中各证件字段的预估位置信息。
可选地，计算机可执行指令在被执行时，所述利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息，包括：
利用基于锚点的文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
可选地，计算机可执行指令在被执行时，所述利用基于锚点的文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息，包括：
确定针对所述目标证件得到的预处理后的证件图像数据对应的锚点矩阵，其中，所述锚点矩阵中两两相邻锚点之间的距离相等；
针对每个所述证件字段，根据该证件字段的所述预估位置信息，在所述锚点矩阵中确定该证件字段所包含的文字锚点；
在以各所述文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框；
根据所述目标候选框的坐标信息，确定所述证件字段的实际位置信息。
可选地，计算机可执行指令在被执行时，所述在以各所述文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框，包括：
在以各所述文字锚点为中心的多个候选框中，选取与所述证件字段的重合度排序靠前的预设数量的候选框；
在选取的所述候选框中，确定包含文字最多且面积最小的目标候选框。
本说明书一个或多个实施例中的证件识别设备，首先，获取待识别的目标证件对应的证件版面模版，基于该证件版面模版确定目标证件的证件版面信息，来实现目标证件中文字区域的初步圈定，然后，再利用预设文字行检测方法并结合初步圈定出的文字区域，确定目标证件中各证件字段的实际位置信息，来实现目标证件中文字区域的精准定位。本说明书一个或多个实施例实现了通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
需要说明的是，本说明书中关于证件识别设备的实施例与本说明书中关于证件识别方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的证件识别方法的实施，重复之处不再赘述。
进一步地，对应上述图1至图7所示的方法，基于相同的技术构思，本说明书一个或多个实施例还提供了一种存储介质，用于存储计算机可执行指令，一种具体的实施例中，该存储介质可以为U盘、光盘、硬盘等，该存储介质存储的计算机可执行指令在被处理器执行时，能实现以下流程：
获取与待识别的目标证件的类型对应的证件版面模版；
基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
本说明书一个或多个实施例中，通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，在获取与待识别的目标证件的类型对应的证件版面模版之前，还包括：
获取新增类型证件的证件图像数据；
确定所述证件图像数据中各文字行区域的标定信息，其中，所述标定信息包括：坐标信息和/或语义类别信息；
根据各所述文字行区域的所述标定信息，生成所述新增类型证件的证件版面模版。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述获取新增类型证件的证件图像数据，包括：
在检测到证件上传请求后，利用预设的证件类型识别算法，确定所述证件上传请求中携带的证件图像数据对应的证件类型；
判断预先构建的证件模版库中是否存在与所述证件类型对应的证件版面模版；
若不存在，则将所述证件上传请求中携带的证件图像数据确定为新增类型证件的证件图像数据。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述确定所述证件图像数据中各文字行区域的标定信息，包括：
对所述新增类型证件的所述证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件版式标注、证件角点标记、证件姿态校正、证件尺寸归一化、指定坐标点定位中至少一项；
接收用户针对所述预处理后的证件图像数据中各证件字段的标记操作，其中，所述标记操作包括：坐标信息标记操作和/或语义类别标记操作；
根据各所述证件字段的所述标记操作，确定所述证件图像数据中各文字行区域的标定信息。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述获取与待识别的目标证件的类型对应的证件版面模版，包括：
根据预先建立的证件类型与证件模版的对应关系，确定与待识别的目标证件的类型对应的证件版面模版的目标标识；
在预先构建的证件模版库中，查找具有所述目标标识的证件版面模版。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述基于所述证件版面模版，确定所述目标证件的证件版面信息，包括：
对所述目标证件的证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件角点定位、证件姿态校正、证件尺寸归一化中至少一项；
基于所述证件版面模版，确定所述预处理后的证件图像数据中各证件字段的预估位置信息。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息，包括：
利用基于锚点的文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述利用基于锚点的文字行检测方法并基于各所述证件字段的所述预估位置信息，确定各所述证件字段的实际位置信息，包括：
确定针对所述目标证件得到的预处理后的证件图像数据对应的锚点矩阵，其中，所述锚点矩阵中两两相邻锚点之间的距离相等；
针对每个所述证件字段，根据该证件字段的所述预估位置信息，在所述锚点矩阵中确定该证件字段所包含的文字锚点；
在以各所述文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框；
根据所述目标候选框的坐标信息，确定所述证件字段的实际位置信息。
可选地，该存储介质存储的计算机可执行指令在被处理器执行时，所述在以各所述文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框，包括：
在以各所述文字锚点为中心的多个候选框中，选取与所述证件字段的重合度排序靠前的预设数量的候选框；
在选取的所述候选框中，确定包含文字最多且面积最小的目标候选框。
本说明书一个或多个实施例中的存储介质存储的计算机可执行指令在被处理器执行时，首先，获取待识别的目标证件对应的证件版面模版，基于该证件版面模版确定目标证件的证件版面信息，来实现目标证件中文字区域的初步圈定，然后，再利用预设文字行检测方法并结合初步圈定出的文字区域，确定目标证件中各证件字段的实际位置信息，来实现目标证件中文字区域的精准定位。本说明书一个或多个实施例实现了通过分阶段采用不同的文字定位方式，在完成第一阶段的文字区域的初步圈定的基础上，结合文字区域的初步圈定结果进行第二阶段的文字区域的精准定位，确定出目标证件中各证件字段的实际位置信息，同时，在第一阶段的文字区域的初步圈定过程中，能够确定各证件字段的语义类别，以及在第二阶段的文字区域的精准定位过程中，可以解决了因局部排版漂移现象带来的识别误差，这样不仅提高了证件识别准确度和效率，还针对非固定板式证件具有很好的适应性，同时，还省去了证件全版面的语义分析。
需要说明的是，本说明书中关于存储介质的实施例与本说明书中关于证件识别方法的实施例基于同一发明构思，因此该实施例的具体实施可以参见前述对应的证件识别方法的实施，重复之处不再赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device，PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HD Cal、JHDL(Java Hardware Description Language)、Lava、Lola、My HDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本说明书一个或多个的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书一个或多个可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个是参照根据本说明书一个或多个实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书一个或多个的实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书一个或多个的实施例而已，并不用于限制本说明书一个或多个。对于本领域技术人员来说，本说明书一个或多个可以有各种更改和变化。凡在本说明书一个或多个的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书一个或多个的权利要求范围之内。

Claims (20)

1.一种证件识别方法，包括：
获取与待识别的目标证件的类型对应的证件版面模版；
基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，在所述目标证件的证件图像对应的锚点矩阵中确定所述证件字段所包含的文字锚点，并基于以各所述文字锚点为中心得到的多个候选框，确定各所述证件字段的实际位置信息；其中，所述锚点矩阵是按照预设步长间隔在所述证件图像数据中标注的多个锚点组合的矩阵。
2.根据权利要求1所述的方法，其中，在获取与待识别的目标证件的类型对应的证件版面模版之前，还包括：
获取新增类型证件的证件图像数据；
确定所述证件图像数据中各文字行区域的标定信息，其中，所述标定信息包括：坐标信息和/或语义类别信息；
根据各所述文字行区域的所述标定信息，生成所述新增类型证件的证件版面模版。
3.根据权利要求2所述的方法，其中，所述获取新增类型证件的证件图像数据，包括：
在检测到证件上传请求后，利用预设的证件类型识别算法，确定所述证件上传请求中携带的证件图像数据对应的证件类型；
判断预先构建的证件模版库中是否存在与所述证件类型对应的证件版面模版；
若不存在，则将所述证件上传请求中携带的证件图像数据确定为新增类型证件的证件图像数据。
4.根据权利要求2所述的方法，其中，所述确定所述证件图像数据中各文字行区域的标定信息，包括：
对所述新增类型证件的所述证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件版式标注、证件角点标记、证件姿态校正、证件尺寸归一化、指定坐标点定位中至少一项；
接收用户针对所述预处理后的证件图像数据中各证件字段的标记操作，其中，所述标记操作包括：坐标信息标记操作和/或语义类别标记操作；
根据各所述证件字段的所述标记操作，确定所述证件图像数据中各文字行区域的标定信息。
5.根据权利要求1所述的方法，其中，所述获取与待识别的目标证件的类型对应的证件版面模版，包括：
根据预先建立的证件类型与证件模版的对应关系，确定与待识别的目标证件的类型对应的证件版面模版的目标标识；
在预先构建的证件模版库中，查找具有所述目标标识的证件版面模版。
6.根据权利要求1所述的方法，其中，所述基于所述证件版面模版，确定所述目标证件的证件版面信息，包括：
对所述目标证件的证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件角点定位、证件姿态校正、证件尺寸归一化中至少一项；
基于所述证件版面模版，确定所述预处理后的证件图像数据中各证件字段的预估位置信息。
7.根据权利要求1所述的方法，其中，所述利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，在所述目标证件的证件图像对应的锚点矩阵中确定所述证件字段所包含的文字锚点，并基于以各所述文字锚点为中心得到的多个候选框，确定各所述证件字段的实际位置信息，包括：
利用基于锚点的文字行检测方法并基于各所述证件字段的所述预估位置信息，在所述目标证件的证件图像对应的锚点矩阵中确定所述证件字段所包含的文字锚点，并基于以各所述文字锚点为中心得到的多个候选框，确定各所述证件字段的实际位置信息。
8.根据权利要求7所述的方法，其中，所述利用基于锚点的文字行检测方法并基于各所述证件字段的所述预估位置信息，在所述目标证件的证件图像对应的锚点矩阵中确定所述证件字段所包含的文字锚点，并基于以各所述文字锚点为中心得到的多个候选框，确定各所述证件字段的实际位置信息，包括：
确定针对所述目标证件得到的预处理后的证件图像数据对应的锚点矩阵，其中，所述锚点矩阵中两两相邻锚点之间的距离相等；
针对每个所述证件字段，根据该证件字段的所述预估位置信息，在所述锚点矩阵中确定该证件字段所包含的文字锚点；
在以各所述文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框；
根据所述目标候选框的坐标信息，确定所述证件字段的实际位置信息。
9.根据权利要求8所述的方法，其中，所述在以各所述文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框，包括：
在以各所述文字锚点为中心的多个候选框中，选取与所述证件字段的重合度排序靠前的预设数量的候选框；
在选取的所述候选框中，确定包含文字最多且面积最小的目标候选框。
10.一种证件识别装置，包括：
证件模版获取模块，用于获取与待识别的目标证件的类型对应的证件版面模版；
第一位置确定模块，用于基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
第二位置确定模块，用于利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，在所述目标证件的证件图像对应的锚点矩阵中确定所述证件字段所包含的文字锚点，并基于以各所述文字锚点为中心得到的多个候选框，确定各所述证件字段的实际位置信息；其中，所述锚点矩阵是按照预设步长间隔在所述证件图像数据中标注的多个锚点组合的矩阵。
11.根据权利要求10所述的装置，其中，所述装置还包括：
证件图像获取模块，用于获取新增类型证件的证件图像数据；
标定信息确定模块，用于确定所述证件图像数据中各文字行区域的标定信息，其中，所述标定信息包括：坐标信息和/或语义类别信息；
证件模版生成模块，用于根据各所述文字行区域的所述标定信息，生成所述新增类型证件的证件版面模版。
12.根据权利要求11所述的装置，其中，所述证件图像获取模块，具体用于：
在检测到证件上传请求后，利用预设的证件类型识别算法，确定所述证件上传请求中携带的证件图像数据对应的证件类型；
判断预先构建的证件模版库中是否存在与所述证件类型对应的证件版面模版；
若不存在，则将所述证件上传请求中携带的证件图像数据确定为新增类型证件的证件图像数据。
13.根据权利要求11所述的装置，其中，所述标定信息确定模块，具体用于：
对所述新增类型证件的所述证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件版式标注、证件角点标记、证件姿态校正、证件尺寸归一化、指定坐标点定位中至少一项；
接收用户针对所述预处理后的证件图像数据中各证件字段的标记操作，其中，所述标记操作包括：坐标信息标记操作和/或语义类别标记操作；
根据各所述证件字段的所述标记操作，确定所述证件图像数据中各文字行区域的标定信息。
14.根据权利要求10所述的装置，其中，所述证件模版获取模块，具体用于：
根据预先建立的证件类型与证件模版的对应关系，确定与待识别的目标证件的类型对应的证件版面模版的目标标识；
在预先构建的证件模版库中，查找具有所述目标标识的证件版面模版。
15.根据权利要求10所述的装置，其中，所述第一位置确定模块，具体用于：
对所述目标证件的证件图像数据进行图像预处理，得到预处理后的证件图像数据，其中，所述图像预处理包括：证件角点定位、证件姿态校正、证件尺寸归一化中至少一项；
基于所述证件版面模版，确定所述预处理后的证件图像数据中各证件字段的预估位置信息。
16.根据权利要求10所述的装置，其中，所述第二位置确定模块，具体用于：
利用基于锚点的文字行检测方法并基于各所述证件字段的所述预估位置信息，在所述目标证件的证件图像对应的锚点矩阵中确定所述证件字段所包含的文字锚点，并基于以各所述文字锚点为中心得到的多个候选框，确定各所述证件字段的实际位置信息。
17.根据权利要求16所述的装置，其中，所述第二位置确定模块，进一步具体用于：
确定针对所述目标证件得到的预处理后的证件图像数据对应的锚点矩阵，其中，所述锚点矩阵中两两相邻锚点之间的距离相等；
针对每个所述证件字段，根据该证件字段的所述预估位置信息，在所述锚点矩阵中确定该证件字段所包含的文字锚点；
在以各所述文字锚点为中心的多个候选框中，确定包含文字最多且面积最小的目标候选框；
根据所述目标候选框的坐标信息，确定所述证件字段的实际位置信息。
18.根据权利要求17所述的装置，其中，所述第二位置确定模块，更进一步具体用于：
在以各所述文字锚点为中心的多个候选框中，选取与所述证件字段的重合度排序靠前的预设数量的候选框；
在选取的所述候选框中，确定包含文字最多且面积最小的目标候选框。
19.一种证件识别设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：
获取与待识别的目标证件的类型对应的证件版面模版；
基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，在所述目标证件的证件图像对应的锚点矩阵中确定所述证件字段所包含的文字锚点，并基于以各所述文字锚点为中心得到的多个候选框，确定各所述证件字段的实际位置信息；其中，所述锚点矩阵是按照预设步长间隔在所述证件图像数据中标注的多个锚点组合的矩阵。
20.一种存储介质，用于存储计算机可执行指令，所述可执行指令在被处理器执行时实现以下方法：
获取与待识别的目标证件的类型对应的证件版面模版；
基于所述证件版面模版，确定所述目标证件的证件版面信息，其中，所述证件版面信息包括：各证件字段的预估位置信息；
利用预设文字行检测方法并基于各所述证件字段的所述预估位置信息，在所述目标证件的证件图像对应的锚点矩阵中确定所述证件字段所包含的文字锚点，并基于以各所述文字锚点为中心得到的多个候选框，确定各所述证件字段的实际位置信息；其中，所述锚点矩阵是按照预设步长间隔在所述证件图像数据中标注的多个锚点组合的矩阵。
CN201910927886.7A 2019-09-27 2019-09-27 一种证件识别方法及装置 Active CN110689010B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910927886.7A CN110689010B (zh) 2019-09-27 2019-09-27 一种证件识别方法及装置
PCT/CN2020/098482 WO2021057138A1 (zh) 2019-09-27 2020-06-28 一种证件识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910927886.7A CN110689010B (zh) 2019-09-27 2019-09-27 一种证件识别方法及装置

Publications (2)

Publication Number Publication Date
CN110689010A CN110689010A (zh) 2020-01-14
CN110689010B true CN110689010B (zh) 2021-05-11

Family

ID=69110769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910927886.7A Active CN110689010B (zh) 2019-09-27 2019-09-27 一种证件识别方法及装置

Country Status (2)

Country Link
CN (1) CN110689010B (zh)
WO (1) WO2021057138A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110689010B (zh) * 2019-09-27 2021-05-11 支付宝(杭州)信息技术有限公司 一种证件识别方法及装置
CN111310634B (zh) * 2020-02-10 2024-03-15 支付宝实验室(新加坡)有限公司 证件类型识别模板的生成方法、证件识别方法及装置
SG10202001222VA (en) * 2020-02-11 2021-04-29 Alipay Labs Singapore Pte Ltd A system suitable for detecting an identification card, and an apparatus and a processing method in association thereto
CN111353458B (zh) * 2020-03-10 2023-08-18 腾讯科技（深圳）有限公司 文本框标注方法、装置和存储介质
CN112633279A (zh) * 2020-12-31 2021-04-09 北京市商汤科技开发有限公司 文本识别方法、装置和系统
CN112883953B (zh) * 2021-02-22 2022-10-28 中国工商银行股份有限公司 基于联合学习的卡片识别装置及方法
CN112987994A (zh) * 2021-03-31 2021-06-18 维沃移动通信有限公司 选框标注方法、选框标注装置、电子设备和存储介质
CN113221801B (zh) * 2021-05-24 2023-08-18 北京奇艺世纪科技有限公司 版号信息识别方法、装置、电子设备及可读存储介质
CN113313113B (zh) * 2021-06-11 2022-09-23 北京百度网讯科技有限公司 证件信息获取方法、装置、设备以及存储介质
CN113326793B (zh) * 2021-06-15 2024-04-05 上海有个机器人有限公司 一种远距离行人位置识别方法、系统及存储介质
CN113420756B (zh) * 2021-07-28 2023-05-12 浙江大华技术股份有限公司 证件图像的识别方法和装置、存储介质及电子装置
CN113642557A (zh) * 2021-08-10 2021-11-12 中国民用航空局信息中心 一种适航领域历史数据补录系统及方法
CN115471846B (zh) * 2022-09-22 2023-06-27 中电金信软件有限公司 一种图像矫正方法、装置、电子设备及可读存储介质
CN116012493B (zh) * 2022-12-30 2024-05-24 壹沓科技(上海)有限公司 图像标注方法、装置、存储介质、计算机设备
CN116402070B (zh) * 2023-05-31 2023-08-08 中电长城(长沙)信息技术有限公司 一种用于多证件的sp服务实现方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156853A (zh) * 2010-02-11 2011-08-17 深圳鼎识科技有限公司 证件识读系统及证件识读方法
CN107346420A (zh) * 2017-06-19 2017-11-14 中国科学院信息工程研究所 一种基于深度学习的自然场景下文字检测定位方法
CN108960229A (zh) * 2018-04-23 2018-12-07 中国科学院信息工程研究所 一种面向多方向的文字检测方法和装置
CN109086756A (zh) * 2018-06-15 2018-12-25 众安信息技术服务有限公司 一种基于深度神经网络的文本检测分析方法、装置及设备
CN109325414A (zh) * 2018-08-20 2019-02-12 阿里巴巴集团控股有限公司 证件信息的提取方法、装置和文本信息的提取方法
CN109389038A (zh) * 2018-09-04 2019-02-26 阿里巴巴集团控股有限公司 一种信息的检测方法、装置及设备
CN109492643A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 基于ocr的证件识别方法、装置、计算机设备及存储介质
CN109815976A (zh) * 2018-12-14 2019-05-28 深圳壹账通智能科技有限公司 一种证件信息识别方法、装置及设备
KR101986592B1 (ko) * 2019-04-22 2019-06-10 주식회사 펜타게이트 앵커박스 및 cnn 특징 맵을 이용한 차량 번호 인식 장치 및 방법

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100411342B1 (ko) * 2001-05-22 2003-12-18 엘지전자 주식회사 비디오 텍스트 합성 키프레임 생성방법
US10515295B2 (en) * 2017-10-27 2019-12-24 Adobe Inc. Font recognition using triplet loss neural network training
CN107808144A (zh) * 2017-11-10 2018-03-16 深圳市唯特视科技有限公司 一种基于视频时空关系进行自我监督嵌入姿态学习方法
CN109255300B (zh) * 2018-08-14 2023-12-01 中国平安财产保险股份有限公司 票据信息提取方法、装置、计算机设备及存储介质
CN109214385B (zh) * 2018-08-15 2021-06-08 腾讯科技（深圳）有限公司 数据采集方法、数据采集装置及存储介质
CN109117814B (zh) * 2018-08-27 2020-11-03 京东数字科技控股有限公司 图像处理方法、装置、电子设备及介质
CN109508752A (zh) * 2018-12-20 2019-03-22 西北工业大学 一种基于结构化锚图的快速自适应近邻聚类方法
CN109829457A (zh) * 2019-01-04 2019-05-31 平安科技（深圳）有限公司 一种图像数据处理方法、设备及计算机可读存储介质
CN110689010B (zh) * 2019-09-27 2021-05-11 支付宝(杭州)信息技术有限公司 一种证件识别方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156853A (zh) * 2010-02-11 2011-08-17 深圳鼎识科技有限公司 证件识读系统及证件识读方法
CN107346420A (zh) * 2017-06-19 2017-11-14 中国科学院信息工程研究所 一种基于深度学习的自然场景下文字检测定位方法
CN108960229A (zh) * 2018-04-23 2018-12-07 中国科学院信息工程研究所 一种面向多方向的文字检测方法和装置
CN109086756A (zh) * 2018-06-15 2018-12-25 众安信息技术服务有限公司 一种基于深度神经网络的文本检测分析方法、装置及设备
CN109325414A (zh) * 2018-08-20 2019-02-12 阿里巴巴集团控股有限公司 证件信息的提取方法、装置和文本信息的提取方法
CN109389038A (zh) * 2018-09-04 2019-02-26 阿里巴巴集团控股有限公司 一种信息的检测方法、装置及设备
CN109492643A (zh) * 2018-10-11 2019-03-19 平安科技（深圳）有限公司 基于ocr的证件识别方法、装置、计算机设备及存储介质
CN109815976A (zh) * 2018-12-14 2019-05-28 深圳壹账通智能科技有限公司 一种证件信息识别方法、装置及设备
KR101986592B1 (ko) * 2019-04-22 2019-06-10 주식회사 펜타게이트 앵커박스 및 cnn 특징 맵을 이용한 차량 번호 인식 장치 및 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
An anchor-free region proposal network for Faster R-CNN-based text detection approaches;Zhuoyao Zhong et al;《International Journal on Document Analysis and Recognition》;20190725;第315-327页 *
基于深度学习的场景文字检测研究进展;余若男等;《华东师范大学学报（自然科学版）》;20180930(第5期);第1-16页 *
基于深度学习的场景文字检测综述;姜维等;《电子学报》;20190531;第1152-1161页 *

Also Published As

Publication number Publication date
WO2021057138A1 (zh) 2021-04-01
CN110689010A (zh) 2020-01-14

Similar Documents

Publication Publication Date Title
CN110689010B (zh) 一种证件识别方法及装置
CN109685055B (zh) 一种图像中文本区域的检测方法及装置
CN107274442B (zh) 一种图像识别方法和装置
CN109190007B (zh) 数据分析方法及装置
CN110222780B (zh) 物体检测方法、装置、设备和存储介质
CN106326802B (zh) 二维码校正方法、装置及终端设备
CN113033660B (zh) 一种通用小语种检测方法、装置以及设备
CN103544475A (zh) 一种版面类型的识别方法及系统
US20150213313A1 (en) Methods and systems for efficient automated symbol recognition using multiple clusters of symbol patterns
CN112861842A (zh) 基于ocr的案件文本识别方法及电子设备
CN114092949A (zh) 类别预测模型的训练、界面元素类别的识别方法及装置
CN111310634A (zh) 证件类型识别模板的生成方法、证件识别方法及装置
WO2021143058A1 (zh) 基于图像的信息比对方法、装置、电子设备及计算机可读存储介质
CN113128604A (zh) 页面元素的识别方法、装置、电子设备及存储介质
CN116843665A (zh) 相机模组涂胶情况判定方法、装置、设备及存储介质
CN107909054A (zh) 图片文本的相似度评价方法及装置
CN114220103B (zh) 图像识别方法、装置、设备及计算机可读存储介质
CN112396057A (zh) 一种字符识别方法、装置及电子设备
CN108764344A (zh) 一种基于边缘识别卡片的方法、装置及存储设备
CN113902890A (zh) 用于视觉概念检测的自监督数据增强方法、系统、设备
CN115223170A (zh) 单据生成方法、装置、电子设备及存储介质
CN109902724B (zh) 基于支持向量机的文字识别方法、装置和计算机设备
CN113128496B (zh) 一种从图像中提取结构化数据的方法、装置和设备
CN112287763A (zh) 图像处理方法、装置、设备及介质
CN116090006B (zh) 一种基于深度学习的敏感识别方法及系统

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