CN110929732A - 一种证件图像截取方法、存储介质和证件图像截取装置 - Google Patents
一种证件图像截取方法、存储介质和证件图像截取装置 Download PDFInfo
- Publication number
- CN110929732A CN110929732A CN201911184822.9A CN201911184822A CN110929732A CN 110929732 A CN110929732 A CN 110929732A CN 201911184822 A CN201911184822 A CN 201911184822A CN 110929732 A CN110929732 A CN 110929732A
- Authority
- CN
- China
- Prior art keywords
- certificate
- image
- specific icon
- icon
- side length
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012937 correction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 8
- 238000011161 development Methods 0.000 abstract description 5
- 238000012549 training Methods 0.000 description 15
- 230000007547 defect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
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
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
Abstract
本发明公开一种证件图像的截取方法,所述证件包括特定图标,所述特定图标可被图标识别模型识别;所示图标识别模型获取所述特定图标的特征值,依据所述特征值获得所述证件的倾斜角度和边长;根据所述证件的倾斜角度和边长截取所述证件图像。根据本发明提供的证件图像截取方法,利用图标识别模型对证件中的特定图标进行识别,依据特定图标的特征值实现对证件图像的矫正和截取,避免了获取大量真实数据训练识别模型,从根本上解决了使用个人数据的法律风险,同时可以降低开发成本简化开发过程,利用本方法截取证件图像过程简单,截取的证件图像准确率高。
Description
技术领域
本发明涉及人工智能领域,尤其是涉及一种证件图像截取方法、存储介质和证件图像截取装置
背景技术
基于深度学习的目标定位相关技术中,利用深度学习方法进行证件定位时,需要大量高质量的训练数据才能保证定位结果的准确率。在实际定位某种含有头像的证件应用中,需要在照片或复印件中准确定位证件的位置、边界并将证件图片矫正至水平。随着法律对个人隐私数据保护要求的提高,往往无法获得大量真实训练数据。在真实数据不充足的情况下,为了定位含有头像证件,通常会使用程序自动批量生成训练数据的样本,即指定前景图片、背景图片后,由计算机程序仿照真实数据中证件在背景图中的大小、位置、角度等来生成样本作为训练数据,最后用这些数据训练出的定位模型来定位证件。
现有技术存在缺陷如下:首先,由于真实数据不充足,现有的方法批量生成训练数据时只参考了有限的真实数据,因此生成的训练数据缺乏多样性,可能导致训练出的定位模型定位不够准确;其次,由于训练数据生成采用的是在背景图片中绘制前景图片的方式,生成的训练数据图片中,证件与背景图片的过渡会不自然,边界会过于明显,而真实场景中经常有边界模糊甚至看不清的情况,因此利用这种方法生成的训练数据不够真实,也会导致训练出的定位模型定位不够准确;并且,这种方法需要针对每种应用采集大量前景、背景图片,批量生成训练数据,生成后还要训练定位模型,需要花费大量时间,效率较低。最后,这种方法获得的证件定位结果仍然是未进行水平矫正的,后期仍需设计并实现一种图片矫正方式,开发效率较低。
综上,在缺少真实数据时,含有头像的证件定位应用中,现有方法具有准确率低,耗时长的缺陷。为此亟待提供一种缺少真实数据的场景中能够简单易行的定位含有头像证件的方法
发明内容
为了改善相关技术中的不足,本发明致力于提供一种证件图像的截取方法,所述证件包括特定图标,其特征在于包括:
获取所述证件图像;
图标识别模型识别所述特定图标;
所示图标识别模型获取所述特定图标的特征值,依据所述特征值获得所述证件的倾斜角度和边长;
根据所述证件的倾斜角度和边长截取所述证件图像。
进一步的,所述特征值包括所述特定图标的外接矩形边长和倾斜角度,依据所述特定图标外接矩形的边长确定所述证件的边长,依据所述特定图标的倾斜角度对所述证件进行水平矫正,对水平矫正后的所述证件图像按照所述证件的边长截取。
进一步的,依据所述特定图标外接矩形的边长确定所述证件的边长包括,确定所述特定图标外接矩形在证件中的坐标,根据所述坐标获得外接矩形的长边相对于证件长边的长边比例值,根据所述坐标获得外接矩形的短边相对于证件短边的短边比例值,根据所述长边比例值和所述短边比例值确定所述证件的长边和短边长度。
进一步的,所述外接矩形为所述特定图标的最小外接矩形,所述坐标为最小外接矩形对角点坐标。
进一步的,所述特征图标为人脸,所述图标识别模型为人脸识别模型。
进一步的,还包括证件种类识别模型,所述证件种类识别模型对证件图像进行识别,确定证件种类,依据证件种类获取证件的特性数据,所述特性数据用于确定证件边长。
根据本发明提供的证件图像截取方法,利用图标识别模型对证件中的特定图标进行识别,依据特定图标的特征值实现对证件图像的矫正和截取,避免了获取大量真实数据,规避了违规使用个人数据的法律风险,同时克服了需要利用大量真实数据训练证件识别模型的工作量大的缺陷,利用本方法截取证件图像过程简单,截取的证件图像准确率高。
本发明的另一个方面提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述方法。
本发明的在一方面提供一种证件图像的截取装置,所述证件包括特定图标,其特征在于包括:
图像获取模块,用于获取所述证件图像;
图标识别模块,用于识别所述特定图标;
计算模块,用于计算所示图标识别模块获取的所述特定图标的特征值,依据所述特征值获得所述证件的倾斜角度和边长;
图像截取模块:用于根据所述证件的倾斜角度和边长截取所述证件图像。
进一步的,所述特征值包括所述特定图标的外接矩形边长和倾斜角度,依据所述特定图标外接矩形的边长确定所述证件的边长,依据所述特定图标的倾斜角度对所述证件进行水平矫正,对水平矫正后的所述证件图像按照所述证件的边长截取。
进一步的,依据所述特定图标外接矩形的边长确定所述证件的边长包括,确定所述特定图标外接矩形在证件中的坐标,根据所述坐标获得外接矩形的长边相对于证件长边的长边比例值,根据所述坐标获得外接矩形的短边相对于证件短边的短边比例值,根据所述长边比例值和所述短边比例值确定所述证件的长边和短边长度。
进一步的,所述外接矩形为所述特定图标的最小外接矩形,所述坐标为最小外接矩形对角点坐标。
进一步的,所述特征图标为人脸,所述图标识别模块为人脸识别模块。
进一步的,还包括证件种类识别模块,所述证件种类识别模块对证件图像进行识别,确定证件种类,依据证件种类获取证件的特性数据,所述特性数据用于确定证件边长。
根据本发明提供的证件图像截取装置,利用图标识别模块对证件中的特定图标进行识别,依据特定图标的特征值实现对证件图像的矫正和截取,避免了获取大量真实数据,规避了违规使用个人数据的法律风险,同时克服了需要利用大量真实数据训练证件识别模型的工作量大的缺陷,利用本装置截取证件图像过程简单,截取的证件图像准确率高。
附图说明
图1为本发明证件图像截取示意图
图2为本发明可截取多种证件图像的示意图
图3为本发明证件图像截取装置的示意框图
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。此外,本实施例内容部分和附图中的步骤并不作先后顺序限定,在本发明的精神内部分步骤可以同步或者调换次序实施。
实施例1:
以下对本实施方式的技术方案进行示意性说明,如图1所示,式的提供证件图像的截取方法,所述证件包括特定图标,所述特定图标可被图标识别模型识别;其中证件图像可以是证件原件的照片、复印件,扫描件等等,证件可以是居民身份证、职业身份证件、银行卡等,例如警官证,教师证等类。本实施例中证件图像截取方法的执行主体为终端,终端包括但不限于智能手机、平板电脑、可穿戴设备等移动终端,还可以是台式电脑、高拍仪等文件拍摄设备。
证件中的特定图标可以是人物头像,类型化的标志或者证件中功能部件的外观,举例来说,如果证件图像是中国公民的身份证,则正面的特定图标可以是人物头像,反面则该图标可以是国徽等便于识别的标志;如果证件是银行卡,则正面图像中可以将IC芯片的图像或者“银联”标志图像作为特定图标,反面可以将签名条的图像作为特定图标。本实施例中特定图标选择原则是类型化的容易识别的标志,功能部件外观图像等,对于身份证件来说,人物图像或者国徽等图案是身份证件中必备的容易识别的图标,对于其他用于证明特定关系,或者记载特定权益义务或者信息的卡片,例如银行卡、会员卡、名片等均属于本实施中的证件范围,并不限定于公权力机构颁发的证件。
上述特定图标可被图标识别模型识别,发明人在技术研究中出于保护个人数据,避免为训练模型而获取大量真实个人数据的目的,选择具有类型化、容易识别、公开的常见的图标,标志作为特定的图标,可以避免重新训练模型,能够直接调用相关识别上述图标、标志的识别模型进行识别,节省了识别模型训练成本,从根本上解决了使用大量个人数据的法律风险,同时调用相关图标的识别模型可以提高识别率,获得准确的参数。
所示图标识别模型获取所述特定图标的特征值,依据所述特征值获得所述证件的倾斜角度和边长;对输入的带有特定图标的图像,识别模型对其中的特定图标读取识别得到特定图标的特征值,可以通过该特征值计算得到证件图像的倾斜角度和边长的参数值,其中倾斜角度为在水平倾斜角度,证件默认是矩形形状,边长是指矩形的长边长度和短边长度。根据证件的倾斜角度和边长截取所述证件图像。
出于举例本实施例中的所述特征值为上述特定图标的外接矩形边长和倾斜角度,依据所述特定图标外接矩形的边长确定所述证件的边长,依据所述特定图标的倾斜角度对所述证件进行水平矫正,对水平矫正后的所述证件图像按照所述证件的边长截取。
依据所述特定图标外接矩形的边长确定所述证件的边长包括,确定所述特定图标外接矩形在证件中的坐标,特定图标在证件中的坐标根据外接矩形的一对对角点的坐标确定,坐标的参考原点可以是图标的中心点,也可以是证件中心或者证件的某一顶点,本实施不做具体限定,能够定位特定图标在证件中具体位置中的坐标参考点均是可行的。根据所述坐标获得外接矩形的长边相对于证件长边的长边比例值,根据所述坐标获得外接矩形的短边相对于证件短边的短边比例值,根据所述长边比例值和所述短边比例值确定所述证件的长边和短边长度。
为了能够识别精确截取不同类别证件图像,如图2所示,本实施设置有证件种类识别模型,用于获取证件特性数据。由于证件具有较稳定和统一的格式,例如身份证在一段时间内其格式维持相对稳定,根据该特征可以获得一个稳定的证件特性数据库,该证件特性数据库可以是集成在识别模型中,根据识别模型识别结果在输出内容中可以包括该特性值,证件特性数据例如可以是证件中特定图标相对于证件的位置坐标信息和特定图标外接矩形边长相对于证件边长的比例关系,由此可以在识别模型对特定图标识别后可以根据外接矩形的边长和外接矩形边长与证件边长比例关系得到证件的长边和短边的长度。
以警官证中的人脸图像作为特定图标具体阐述,首先根据证件种类识别模型确定证件种类,根据证件种类确定人脸在警官证中的相对位置比例,调用人脸识别模型对警官证的人脸进行识别,获得警官证中人脸图像外接矩形的倾斜角度和边长,本实施例中人脸倾斜角度和边长以人脸图像外接矩形的倾斜角度和边长来表示,两者内涵相同,将人脸识别模型获得的人脸倾斜角度作为证件倾斜角度对证件进行水平矫正,得到水平矫正后证件图像,计算证件边长,根据识别模型获得人脸外接矩形的边长和外接矩形边长与证件边长比例关系计算得到证件的边长,依据证件边长和证件中心点坐标值得到证件一对顶点的坐标,据证件一对顶点的坐标截出警官证的图像。其中证件一对顶点可以是证件的左上角坐标和右下角坐标。
根据本发明提供的证件图像截取方法,利用图标识别模型对证件中的特定图标进行识别,依据特定图标的特征值实现对证件图像的矫正和截取,避免了获取大量真实数据训练识别模型,从根本上解决了使用个人数据的法律风险,同时可以降低开发成本简化开发过程,利用本方法截取证件图像过程简单,截取的证件图像准确率高。
实施例2
本实施方式提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例1所述的方法。
实施例3
本实施例提供一种包括特定图标的证件图像的截取装置,包括:
图像获取模块101,用于获取具有特定图标的证件图像;图像获取模块可以摄像头、扫描仪或者高拍仪等图像输入单元。
图标识别模块102,用于识别所述特定图标;
计算模块103,用于计算所述图标识别模块获取的所述特定图标的特征值,依据所述特征值获得所述证件的倾斜角度和边长;
图像截取模块104:用于根据所述证件的倾斜角度和边长截取所述证件图像。
进一步的,所述特征值包括所述特定图标的外接矩形边长和倾斜角度,依据所述特定图标外接矩形的边长确定所述证件的边长,依据所述特定图标的倾斜角度对所述证件进行水平矫正,对水平矫正后的所述证件图像按照所述证件的边长截取。
进一步的,依据所述特定图标外接矩形的边长确定所述证件的边长包括,确定所述特定图标外接矩形在证件中的坐标,根据所述坐标获得外接矩形的长边相对于证件长边的长边比例值,根据所述坐标获得外接矩形的短边相对于证件短边的短边比例值,根据所述长边比例值和所述短边比例值确定所述证件的长边和短边长度。
进一步的,所述外接矩形为所述特定图标的最小外接矩形,所述坐标为最小外接矩形对角点坐标。
进一步的,所述特征图标为人脸,所述图标识别模块为人脸识别模块。
本实施例中的装置还包括证件种类识别模块,用于对输入的证件图像进行识别输出证件种类信息,利用证件种类信息可以获知证件特性消息,确定证件中特定图标和证件的相对位置关系和大小比例关系。
根据本发明提供的证件图像截取装置,利用图标识别模块对证件中的特定图标进行识别,依据特定图标的特征值实现对证件图像的矫正和截取,避免了获取大量真实数据,规避了违规使用个人数据的法律风险,同时克服了需要利用大量真实数据训练证件识别模型的工作量大的缺陷,利用本装置截取证件图像过程简单,截取的证件图像准确率高。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同限定以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种证件图像的截取方法,所述证件包括特定图标,其特征在于包括:
获取所述证件图像;
图标识别模型识别所述特定图标;
所述图标识别模型输出所述特定图标的特征值,依据所述特征值获得所述证件的倾斜角度和边长;
根据所述证件的倾斜角度和边长截取所述证件图像。
2.根据权利要求1所述的证件图像的截取方法,其特征在于:所述特征值包括所述特定图标的外接矩形边长和倾斜角度,依据所述特定图标外接矩形的边长确定所述证件的边长,依据所述特定图标的倾斜角度对所述证件进行水平矫正,对水平矫正后的所述证件图像按照所述证件的边长截取。
3.根据权利要求2所述的证件图像的截取方法,其特征在于:依据所述特定图标外接矩形的边长确定所述证件的边长包括,确定所述特定图标外接矩形在证件中的坐标,根据所述坐标获得外接矩形的长边相对于证件长边的长边比例值,根据所述坐标获得外接矩形的短边相对于证件短边的短边比例值,根据所述长边比例值和所述短边比例值确定所述证件的长边和短边长度。
4.根据权利要求3所述的证件图像的截取方法,其特征在于:所述外接矩形为所述特定图标的最小外接矩形,所述坐标为最小外接矩形对角点坐标。
5.根据权利要求1至4任一项所述的证件图像的截取方法,其特征在于,所述特征图标为人脸,所述图标识别模型为人脸识别模型。
6.根据权利要求5所述的证件图像的截取方法,其特征在于:还包括证件种类识别模型,所述证件种类识别模型对证件图像进行识别,确定证件种类,依据证件种类获取证件的特性数据,所述特性数据用于确定证件边长。
7.一种计算机存储介质,所述计算机存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。
8.一种证件图像的截取装置,所述证件包括特定图标,其特征在于包括:
图像获取模块,用于获取所述证件图像;
图标识别模块,用于识别所述特定图标;
计算模块,用于计算所示图标识别模块获取的所述特定图标的特征值,依据所述特征值获得所述证件的倾斜角度和边长;
图像截取模块:用于根据所述证件的倾斜角度和边长截取所述证件图像。
9.根据权利要求8所述的证件图像的截取装置,其特征在于:所述特征值包括所述特定图标的外接矩形边长和倾斜角度,依据所述特定图标外接矩形的边长确定所述证件的边长,依据所述特定图标的倾斜角度对所述证件进行水平矫正,对水平矫正后的所述证件图像按照所述证件的边长截取。
10.根据权利要求9所述的证件图像的截取装置,其特征在于:依据所述特定图标外接矩形的边长确定所述证件的边长包括,确定所述特定图标外接矩形在证件中的坐标,根据所述坐标获得外接矩形的长边相对于证件长边的长边比例值,根据所述坐标获得外接矩形的短边相对于证件短边的短边比例值,根据所述长边比例值和所述短边比例值确定所述证件的长边和短边长度。
11.根据权利要求10所述的证件图像的截取装置,其特征在于,还包括证件种类识别模块,所述证件种类识别模块对证件图像进行识别,确定证件种类,依据证件种类获取证件的特性数据,所述特性数据用于确定证件边长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184822.9A CN110929732A (zh) | 2019-11-27 | 2019-11-27 | 一种证件图像截取方法、存储介质和证件图像截取装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911184822.9A CN110929732A (zh) | 2019-11-27 | 2019-11-27 | 一种证件图像截取方法、存储介质和证件图像截取装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110929732A true CN110929732A (zh) | 2020-03-27 |
Family
ID=69847557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911184822.9A Pending CN110929732A (zh) | 2019-11-27 | 2019-11-27 | 一种证件图像截取方法、存储介质和证件图像截取装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929732A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914840A (zh) * | 2020-07-31 | 2020-11-10 | 中国建设银行股份有限公司 | 一种文本识别方法、模型训练方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11232385A (ja) * | 1998-02-10 | 1999-08-27 | Oki Farm Ware Systems:Kk | 帳票イメージ切出方法および装置 |
WO2016101767A1 (zh) * | 2014-12-24 | 2016-06-30 | 北京奇虎科技有限公司 | 图片裁剪的方法和装置以及图片检测方法和装置 |
CN109740548A (zh) * | 2019-01-08 | 2019-05-10 | 北京易道博识科技有限公司 | 一种报销票据图像分割方法及系统 |
CN110163193A (zh) * | 2019-03-25 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
-
2019
- 2019-11-27 CN CN201911184822.9A patent/CN110929732A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11232385A (ja) * | 1998-02-10 | 1999-08-27 | Oki Farm Ware Systems:Kk | 帳票イメージ切出方法および装置 |
WO2016101767A1 (zh) * | 2014-12-24 | 2016-06-30 | 北京奇虎科技有限公司 | 图片裁剪的方法和装置以及图片检测方法和装置 |
CN109740548A (zh) * | 2019-01-08 | 2019-05-10 | 北京易道博识科技有限公司 | 一种报销票据图像分割方法及系统 |
CN110163193A (zh) * | 2019-03-25 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914840A (zh) * | 2020-07-31 | 2020-11-10 | 中国建设银行股份有限公司 | 一种文本识别方法、模型训练方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163198B (zh) | 一种表格识别重建方法、装置和存储介质 | |
US11482040B2 (en) | Face anti-counterfeiting detection methods and systems, electronic devices, programs and media | |
US10699103B2 (en) | Living body detecting method and apparatus, device and storage medium | |
US20200019760A1 (en) | Three-dimensional living-body face detection method, face authentication recognition method, and apparatuses | |
US10872420B2 (en) | Electronic device and method for automatic human segmentation in image | |
US20200412940A1 (en) | Method and device for image processing, method for training object detection model | |
US10902283B2 (en) | Method and device for determining handwriting similarity | |
JP6685827B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
WO2021017610A1 (zh) | 证件真伪验证方法、装置、计算机设备及存储介质 | |
US20190392196A1 (en) | Within document face verification | |
WO2020238232A1 (zh) | 图像识别方法、装置、设备和认证方法、装置、设备 | |
CN108810406B (zh) | 人像光效处理方法、装置、终端及计算机可读存储介质 | |
CN111382592B (zh) | 活体检测方法和设备 | |
CN111008935B (zh) | 一种人脸图像增强方法、装置、系统及存储介质 | |
CN108093174A (zh) | 拍照设备的构图方法、装置和拍照设备 | |
CN110378946A (zh) | 深度图处理方法、装置以及电子设备 | |
CN107622497B (zh) | 图像裁剪方法、装置、计算机可读存储介质和计算机设备 | |
CN112528998B (zh) | 证件图像处理方法、装置、电子设备及可读存储介质 | |
CN109255300A (zh) | 票据信息提取方法、装置、计算机设备及存储介质 | |
CN111310724A (zh) | 基于深度学习的活体检测方法、装置、存储介质及设备 | |
CN108875556A (zh) | 用于人证核验的方法、装置、系统及计算机存储介质 | |
CN111325107A (zh) | 检测模型训练方法、装置、电子设备和可读存储介质 | |
US8498453B1 (en) | Evaluating digital images using head points | |
CN110008943A (zh) | 一种图像处理方法及装置、一种计算设备及存储介质 | |
CN110929732A (zh) | 一种证件图像截取方法、存储介质和证件图像截取装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220919 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200327 |