CN111582134A - 证件边沿检测方法、装置、设备和介质 - Google Patents
证件边沿检测方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN111582134A CN111582134A CN202010362784.8A CN202010362784A CN111582134A CN 111582134 A CN111582134 A CN 111582134A CN 202010362784 A CN202010362784 A CN 202010362784A CN 111582134 A CN111582134 A CN 111582134A
- Authority
- CN
- China
- Prior art keywords
- certificate
- edge detection
- face
- target image
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003708 edge detection Methods 0.000 title claims abstract description 214
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000001514 detection method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012896 Statistical algorithm Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及金融科技领域,并公开了一种证件边沿检测方法、装置、设备和介质。方法包括:在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像;将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片;根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像;将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果。本发明提高了证件边沿检测的准确率。
Description
技术领域
本发明涉及金融科技(Fintech)技术领域,尤其涉及证件边沿检测方法、装置、设备和介质。
背景技术
随着人工智能的发展,人工智能对证件的分析的场景越来越多。
在图像处理与分析、模式识别和计算机视觉等研究领域中通常需要提取目标区域的完整轮廓以获得关于目标的诸多有价值的信息,例如,当前利用图像处理算法识别身份证扫描图像,通过识别身份证扫描图像中的身份证边沿线,然后识别身份证中信息,有效的识别证件的边沿,可以提高后期对后面的卡片分析的准确度,现有的图像中边沿线的识别,主要是根据图像的形状,然而,针对证件边沿残缺有破损的时候,会导致识别误差较大。
发明内容
本发明的主要目的在于提出一种证件边沿检测方法、装置、设备和介质,旨在解决当前证件检测边沿线检测不准确,导致证件信息识别错误的技术问题。
为实现上述目的,本发明提供一种证件边沿检测方法,所述证件边沿检测方法包括如下步骤:
在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像;
将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片;
根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像;
将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果。
可选地,所述在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像的步骤之后,所述方法包括:
将所述目标图像输入至预设边沿检测模型,输出线段识别结果,根据所述线段识别结果判断所述目标图像中是否存在直线;
若所述目标图像中存在直线,则根据所述直线和所述直接的投影,确定所述目标图像的倾斜角度,按照所述倾斜角度反向移动目标图像。
可选地,所述将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片的步骤,包括:
将所述目标图像输入至预设人脸识别模型,获得识别结果并根据所述识别结果判断所述目标图像中是否包含人脸图像;
若所述目标图像中不包含人脸图像,则将所述目标图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果;
若所述目标图像中包含人脸图像,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片。
可选地,所述根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像的步骤,包括:
获取所述人脸照片的照片信息,其中,所述照片信息包括人脸照片的位置信息和尺寸信息;
查询预设人证映射表,获取所述位置信息对应的证件类型,根据所述证件类型和所述人脸照片的尺寸信息确定证件尺寸信息;
根据所述证件尺寸信息和所述人脸照片的照片信息,从所述目标图像中提取包含所述人脸照片的证件主体图像。
可选地,所述将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果的步骤,包括:
将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段;
根据预设离散点分类统计算法处理各所述卡片边沿线段,获得所述卡片边沿线段的中点;
对所述中点进行近邻四分类,将同一中点对应的卡片边沿线段上的点作为一簇,删除每一簇中的异常点,对每一簇中剩余的点进行支持向量机二分类;
统计每一簇所有点到支持向量的距离,将所述距离取立方后除以这一簇所有点数量,获得计算结果,将所述计算结果与预设阈值进行比较;
若所述计算结果大于预设阈值,则输出卡片边沿缺角的检测结果。
可选地,所述将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果的步骤,包括:
将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段;
获取各所述卡片边沿线段中包含的像素点数量,将所述像素点数量与预设点数进行比较;
删除像素点数量小于预设点数的噪声卡片边沿线段,按预设聚类算法处理剩余的卡片边沿线段,获得卡片边沿线段的线段数量;
若所述线段数量大于4,则输出卡片边沿缺角的检测结果。
可选地,所述将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果的步骤之后,所述方法还包括:
对所述卡片边沿线段围成的矩形区域进行文字识别,获得所述证件主体图像中包含的文字信息;
根据所述文字信息将所述目标图像分类保存至对应的证件图像数据库。
此外,为实现上述目的,本发明还提供一种证件边沿检测装置,所述证件边沿检测装置包括:
请求接收模块,用于在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像;
人脸识别模块,用于将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片;
证件图像提取模块,用于根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像;
结果输出模块,用于将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果。
此外,为实现上述目的,本发明还提供一种证件边沿检测设备,所述证件边沿检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的证件边沿检测对应的计算机程序,所述证件边沿检测对应的计算机程序被所述处理器执行时实现如上所述的证件边沿检测方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有证件边沿检测对应的计算机程序,所述证件边沿检测对应的计算机程序被处理器执行时实现如上所述的证件边沿检测方法的步骤。
本发明提供一种证件边沿检测方法、装置、设备和介质,本发明实施例中在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像;将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片;根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像;将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果。本实施例中通过识别目标图像中的人脸照片,根据人脸照片反向地抽取证件主体图像,从而将证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果,提高了目标图像中的证件边沿检测的准确性,进一步地提高证件信息识别的准确性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本发明证件边沿检测方法第一实施例的流程示意图;
图3为本发明证件边沿检测装置一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例证件边沿检测设备可以是服务器设备,如图1所示,该证件边沿检测设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作网络通信模块、用户接口模块以及证件边沿检测对应的计算机程序。
在图1所示的设备中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的证件边沿检测对应的计算机程序,并执行下述证件边沿检测方法中的操作。
基于上述硬件结构,提出本发明证件边沿检测方法实施例。
参照图2,图2为本发明证件边沿检测方法第一实施例的流程示意图,在本实施例中所述证件边沿检测方法包括:
步骤S10,在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像。
本实施例中证件边沿检测方法应用于金融行业的金融机构(银行机构、保险机构、证券机构等)中的证件边沿检测设备。
证件边沿检测设备接收图像证件边沿检测请求,图像证件边沿检测请求的触发方式不作具体限定,即,图像证件边沿检测请求可以是用户主动触发的,例如,用户点击证件边沿检测设备显示页面上的“边沿检测”按键,主动触发图像证件边沿检测请求;此外,图像证件边沿检测请求还可以是自动触发的,例如,证件边沿检测设备预先设置:在接收到新的证件扫描图像时,自动触发图像证件边沿检测请求。
证件边沿检测设备接收图像证件边沿检测请求,证件边沿检测设备获取图像证件边沿检测请求关联的目标图像,可以理解的是,本实施例中目标图像中包含卡片信息,还可以包含除卡片之外的其他信息,此外,目标图像的颜色和尺寸不作具体限定,例如,目标图像可以是彩色或者黑白。
步骤S20,将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片。
证件边沿检测设备中预设人脸识别模型,即,证件边沿检测设备将人脸图像作为样本数据,预先根据人脸图像进行训练,得到预设人脸识别模型,证件边沿检测设备将目标图像输入至预设人脸识别模型,通过预设人脸识别模型处理目标图像,证件边沿检测设备提取目标图像中的人脸特征点,证件边沿检测设备获取人脸特征点的特征坐标,证件边沿检测设备按照人脸特征点和人脸特征点的特征坐标,确定目标图像中的人脸照片,即,证件边沿检测设备按照聚类算法分析人脸特征点的特征点坐标,获取到一个聚类中心(x0,y0),然后,证件边沿检测设备根据各个人脸特征点的特征坐标,获取一个最小外接矩形,证件边沿检测设备将这个外接矩形作为目标图像中的人脸照片。
步骤S30,根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像。
证件边沿检测设备根据人脸照片的照片信息,从目标图像中提取包含人脸照片的证件主体图像,实现方式不作具体限定:
实现方式一:证件边沿检测设备先对标准证件(标准证件可以是身份证、借书证、学生证或护照等等)缩小放大获得多个证件面积、证件长、宽和人脸特征点的最小外接矩形以及聚类中心坐标,证件边沿检测设备保存证件长、宽与这个外接矩形的对应长宽比以及聚类中心坐标之间的比例关系,以及聚类中心到证件距离的比例关系,证件边沿检测设备将比例关系进行记录生成预设证件人脸比例映射表,然后,证件边沿检测设备根据人脸照片和预设证件人脸比例映射表,获得目标图像中包含人脸照片的证件主体,例如,证件边沿检测设备中预设证件人脸比例映射表中记录借书证人脸图像与证件本体的比例为1:6,证件边沿检测设备确定人脸照片的尺寸为2cm*3cm时,证件边沿检测设备根据证件人脸比例映射关系,获取4cm*9cm寸的区域作为证件主体图像。
实现方式二:证件边沿检测设备根据目标图像中人脸图像的坐标和证件主体之间的坐标关系,确定证件主体图像,即,证件边沿检测设备获取人脸图像的坐标x1、y1、证件边沿检测设备获取证件主体坐标x2、y2;证件边沿检测设备根据x1<x2,y1<y2,和x1-(x2-x1)/a,x2+(x2-x1)/a,y1-(y2-y1)/a,y2+(y2-y1)/a,证件边沿检测设备获得目标图像中包含人脸照片的证件主体图像,其中a的值可以取30附近(不同情况也可以改变。)
此外,本实施例中还给出了实现方式三,在本实施例中步骤S20包括:
步骤a1,获取所述人脸照片的照片信息,其中,所述照片信息包括人脸照片的位置信息和尺寸信息;
步骤a2,查询预设人证映射表,获取所述位置信息对应的证件类型,根据所述证件类型和所述人脸照片的尺寸信息确定证件尺寸信息;
步骤a3,根据所述证件尺寸信息和所述人脸照片的照片信息,从所述目标图像中提取包含所述人脸照片的证件主体图像。
即,证件边沿检测设备获取人脸照片的照片信息,其中,照片信息包括人脸照片的位置信息和尺寸信息;证件边沿检测设备查询预设人证映射表(预设人证映射表是指预先设置的照片位置信息与证件种类映射表),获取位置信息对应的证件类型,证件边沿检测设备根据证件类型和人脸照片的尺寸信息确定证件尺寸信息;证件边沿检测设备根据证件尺寸信息和人脸照片的照片信息,从目标图像中提取包含所述人脸照片的证件主体图像。
本实施例中给出了根据人脸照片的照片信息,从目标图像中提取包含人脸照片的证件主体图像,以将证件主体图像输入至预设边沿检测模型,进行证件边沿检测,本实施例中只处理证件主体图像,减少了数据处理量,进一步地提高了边沿检测的效率和准确性。
步骤S40,将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果。
证件边沿检测设备预设边沿检测模型,预设边沿检测模型是指预先设置的线段监测算法,证件边沿检测设备将证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,证件边沿检测设备分析卡片边沿线段,确定卡片边沿线段是否围成矩阵,若卡片边沿线段围成矩阵,证件边沿检测设备则输出证件边沿完整,若卡片边沿线段没有围成矩阵,证件边沿检测设备则输出证件边沿不完整。
本实施例中通过识别目标图像中的人脸照片,根据人脸照片反向地抽取证件主体图像,从而将证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果,提高了目标图像中的证件边沿检测的准确性,进一步地提高证件信息识别的准确性。
进一步地,基于本发明证件边沿检测方法第一实施例,提出本发明证件边沿检测方法第二实施例。
本实施例是第一实施例中步骤S10之后的步骤,本实施例与上述实施例的区别在于:
将所述目标图像输入至预设人脸识别模型,获得识别结果并根据所述识别结果判断所述目标图像中是否包含人脸图像;
若所述目标图像中不包含人脸图像,则将所述目标图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果;
若所述目标图像中包含人脸图像,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片。
可以理解的是,部分证件中不包含人脸图像,若直接按照第一实施例中方案执行,可能会出现识别误差,为了提高证件边沿检测的准确率,证件边沿检测设备将目标图像输入至预设人脸识别模型(预设人脸识别模型与第一实施例相同,本实施例不作赘述),获得识别结果(识别结果是指是否提取到人脸特征信息的结果),证件边沿检测设备根据识别结果判断目标图像中是否包含人脸图像;若目标图像中不包含人脸图像,证件边沿检测设备则将目标图像输入至预设边沿检测模型,获得卡片边沿线段,证件边沿检测设备分析卡片边沿线段,输出证件边沿检测结果;若目标图像中包含人脸图像,证件边沿检测设备提取目标图像中的人脸特征点,证件边沿检测设备根据人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片。本实施例中在证件中不包含人脸图像时,也可以进行预设人脸识别模型准确识别,使得证件边沿检测的适用范围更加广泛。
进一步地,基于本发明证件边沿检测方法上述实施例,提出本发明证件边沿检测方法第三实施例。
本实施例是第一实施例中步骤S10之后的步骤,本实施例与上述实施例的区别在于:
将所述目标图像输入至预设边沿检测模型,输出线段识别结果,根据所述线段识别结果判断所述目标图像中是否存在直线;
若所述目标图像中存在直线,则根据所述直线和所述直接的投影,确定所述目标图像的倾斜角度,按照所述倾斜角度反向移动目标图像。
具体地,证件边沿检测设备将目标图像输入至预设边沿检测模型,证件边沿检测设备先对目标图像进行直线检测,证件边沿检测设备将每个像素坐标点变换为对直线特质有贡献的统一度量,例如:一条直线在目标图像中是一系列离散点的集合,证件边沿检测设备通过直线离散极坐标公式,表达出直线的离散点几何等式如下:X*cos(theta)+y*sin(theta)=r,其中角度theta指r与X轴之间的夹角,r为到直线几何垂直距离,任何在直线上点,x,y都可以表达,其中r,theta是常量,在实现的图像处理领域,图像的像素坐标P(x,y)是已知的,而r,theta则是要寻找的变量,如果证件边沿检测设备根据像素点坐标P(x,y)值,绘制每个像素点(r,theta)值,然后证件边沿检测设备从图像笛卡尔坐标转换到极坐标霍夫空间,这种从点到曲线的变换称为直线的霍夫变换,变换通过量化霍夫参数空间为有限个值间隔等分或者累加格子,当霍夫变换算法开始,每个像素坐标点P(x,y)被转换到(r,theta)的曲线点上面,累加到对应的格子数据点,当一个波峰出现时候,说明有直线存在。证件边沿检测设备在判定有直线存在时,证件边沿检测设备将直线进行投影,获取直线对应的投影直线,证件边沿检测设备根据余弦定理,得到直线的倾斜角度,证件边沿检测设备根据倾斜角度旋转目标图像,以完成目标图像的角度矫正。本实施例中证件边沿检测设备识别将目标图像进行旋转,提高了识别的准确率。
进一步地,基于本发明证件边沿检测方法上述实施例,提出本发明证件边沿检测方法第四实施例。
本实施例是第一实施例中步骤S40的细化步骤,本实施例与上述实施例的区别在于:
实现方式一:
将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段;
根据预设离散点分类统计算法处理各所述卡片边沿线段,获得所述卡片边沿线段的中点;
对所述中点进行近邻四分类,将同一中点对应的卡片边沿线段上的点作为一簇,删除每一簇中的异常点,对每一簇中剩余的点进行支持向量机二分类;
统计每一簇所有点到支持向量的距离,将所述距离取立方后除以这一簇所有点数量,获得计算结果,将所述计算结果与预设阈值进行比较;
若所述计算结果大于预设阈值,则输出卡片边沿缺角的检测结果。
证件边沿检测设备将证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,证件边沿检测设备根据离散点分类统计算法,对所有的卡片边沿线段取中点,对所有的中点进行k近邻四分类。同时这个中点对应的线段所有点属于这一簇。然后,证件边沿检测设备分类后的每一簇先去掉异常的点,再进行支持向量机二分类,件边沿检测设备统计每一簇所有点到支持向量的距离,证件边沿检测设备取立方再除以这一簇所有点数量。如果最后立方和大于阈值p0(P0是基于非缺角正常图片统计的一个临界值(阈值p0可以取100)),证件边沿检测设备判定卡片边沿线段缺角,输出提示信息,反之。
实现方式二:
将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段;
获取各所述卡片边沿线段中包含的像素点数量,将所述像素点数量与预设点数进行比较;
删除像素点数量小于预设点数的噪声卡片边沿线段,按预设聚类算法处理剩余的卡片边沿线段,获得卡片边沿线段的线段数量;
若所述线段数量大于4,则输出卡片边沿缺角的检测结果。
证件边沿检测设备将证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,证件边沿检测设备获取各卡片边沿线段中包含的像素点数量,将所述像素点数量与预设点数进行比较,证件边沿检测设备判断卡片边沿线段的长度是否大于预设点数,其中,预设点数可以是10个像素点的长度,若卡片边沿线段的长度小于预设点数删去。证件边沿检测设备获取剩余像素点的顶点坐标,然后用k近邻算法按4类聚分,得到确定卡片边沿线段的线段数量,证件边沿检测设备判断卡片边沿线段的线段数量是否大于4,若卡片边沿线段数目大于4即可认为边沿残缺,反之。
进一步地,基于本发明证件边沿检测方法上述实施例,提出本发明证件边沿检测方法第五实施例。
本实施例是第一实施例中步骤S40之后的步骤,本实施例与上述实施例的区别在于:
对所述卡片边沿线段围成的矩形区域进行文字识别,获得所述证件主体图像中包含的文字信息;
根据所述文字信息将所述目标图像分类保存至对应的证件图像数据库。
证件边沿检测设备对卡片边沿线段围成的矩形区域进行文字识别,获得证件主体图像中包含的文字信息,本实施例中文字识别方式不作限定,例如,文字识别方式可以是OCR(Optical Character Recognition,光学字符识别),证件边沿检测设备根据文字信息,确定目标图像中证件的种类,然后,证件边沿检测设备根据证件的种类将目标图像保存至对应的证件图像数据库。本实施例中,证件边沿检测设备将目标图像进行分类保存,可以方便用户查找。
参照图3,本发明还提供一种证件边沿检测装置,所述证件边沿检测装置包括:
请求接收模块10,用于在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像;
人脸识别模块20,用于将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片;
证件图像提取模块30,用于根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像;
结果输出模块40,用于将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果。
在一实施例中,所述的证件边沿检测装置,包括:
线段识别模块,用于将所述目标图像输入至预设边沿检测模型,输出线段识别结果,根据所述线段识别结果判断所述目标图像中是否存在直线;
图像移动模块,用于若所述目标图像中存在直线,则根据所述直线和所述直接的投影,确定所述目标图像的倾斜角度,按照所述倾斜角度反向移动目标图像。
在一实施例中,所述人脸识别模块20,包括:
识别判断单元,用于将所述目标图像输入至预设人脸识别模型,获得识别结果并根据所述识别结果判断所述目标图像中是否包含人脸图像;
输入检测单元,用于若所述目标图像中不包含人脸图像,则将所述目标图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果;
提取确定单元,用于若所述目标图像中包含人脸图像,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片。
在一实施例中,所述证件图像提取模块30,包括:
信息获取单元,应用获取所述人脸照片的照片信息,其中,所述照片信息包括人脸照片的位置信息和尺寸信息;
查询确定单元,用于查询预设人证映射表,获取所述位置信息对应的证件类型,根据所述证件类型和所述人脸照片的尺寸信息确定证件尺寸信息;
图像提取单元,用于根据所述证件尺寸信息和所述人脸照片的照片信息,从所述目标图像中提取包含所述人脸照片的证件主体图像。
在一实施例中,所述结果输出模块40,包括:
图像输入单元,用于将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段;
分类处理单元,用于根据预设离散点分类统计算法处理各所述卡片边沿线段,获得所述卡片边沿线段的中点;
删除分类单元,用于对所述中点进行近邻四分类,将同一中点对应的卡片边沿线段上的点作为一簇,删除每一簇中的异常点,对每一簇中剩余的点进行支持向量机二分类;
统计比较单元,用于统计每一簇所有点到支持向量的距离,将所述距离取立方后除以这一簇所有点数量,获得计算结果,将所述计算结果与预设阈值进行比较;
结果输出单元,用于若所述计算结果大于预设阈值,则输出卡片边沿缺角的检测结果。
在一实施例中,所述结果输出模块40,包括:
图像输入单元,用于将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段;
数量比对单元,用于获取各所述卡片边沿线段中包含的像素点数量,将所述像素点数量与预设点数进行比较;
信息数量单元,用于删除像素点数量小于预设点数的噪声卡片边沿线段,按预设聚类算法处理剩余的卡片边沿线段,获得卡片边沿线段的线段数量;
结果输出单元,用于若所述线段数量大于4,则输出卡片边沿缺角的检测结果。
在一实施例中,所述的证件边沿检测装置,还包括:
文字识别模块,用于对所述卡片边沿线段围成的矩形区域进行文字识别,获得所述证件主体图像中包含的文字信息;
分类保存模块,用于根据所述文字信息将所述目标图像分类保存至对应的证件图像数据库。
其中,在所述处证件边沿检测装置被执行时所实现的方法可参照本发明证件边沿检测方法各个实施例,此处不再赘述。
本发明实施例中,证件边沿检测装置通过识别目标图像中的人脸照片,根据人脸照片反向地抽取证件主体图像,从而将证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果,提高了目标图像中的证件边沿检测的准确性,进一步地提高证件信息识别的准确性。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有证件边沿检测对应的计算机程序,所述证件边沿检测对应的计算机程序被处理器执行时实现如上所述的证件边沿检测方法的步骤。
其中,在所述处理器上运行的证件边沿检测对应的计算机程序被执行时所实现的方法可参照本发明证件边沿检测方法各个实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台证件边沿检测设备设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种证件边沿检测方法,其特征在于,所述证件边沿检测方法包括如下步骤:
在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像;
将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片;
根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像;
将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果。
2.如权利要求1所述的证件边沿检测方法,其特征在于,所述在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像的步骤之后,所述方法包括:
将所述目标图像输入至预设边沿检测模型,输出线段识别结果,根据所述线段识别结果判断所述目标图像中是否存在直线;
若所述目标图像中存在直线,则根据所述直线和所述直接的投影,确定所述目标图像的倾斜角度,按照所述倾斜角度反向移动目标图像。
3.如权利要求1所述的证件边沿检测方法,其特征在于,所述将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片的步骤,包括:
将所述目标图像输入至预设人脸识别模型,获得识别结果并根据所述识别结果判断所述目标图像中是否包含人脸图像;
若所述目标图像中不包含人脸图像,则将所述目标图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果;
若所述目标图像中包含人脸图像,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片。
4.如权利要求1所述的证件边沿检测方法,其特征在于,所述根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像的步骤,包括:
获取所述人脸照片的照片信息,其中,所述照片信息包括人脸照片的位置信息和尺寸信息;
查询预设人证映射表,获取所述位置信息对应的证件类型,根据所述证件类型和所述人脸照片的尺寸信息确定证件尺寸信息;
根据所述证件尺寸信息和所述人脸照片的照片信息,从所述目标图像中提取包含所述人脸照片的证件主体图像。
5.如权利要求1所述的证件边沿检测方法,其特征在于,所述将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果的步骤,包括:
将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段;
根据预设离散点分类统计算法处理各所述卡片边沿线段,获得所述卡片边沿线段的中点;
对所述中点进行近邻四分类,将同一中点对应的卡片边沿线段上的点作为一簇,删除每一簇中的异常点,对每一簇中剩余的点进行支持向量机二分类;
统计每一簇所有点到支持向量的距离,将所述距离取立方后除以这一簇所有点数量,获得计算结果,将所述计算结果与预设阈值进行比较;
若所述计算结果大于预设阈值,则输出卡片边沿缺角的检测结果。
6.如权利要求1所述的证件边沿检测方法,其特征在于,所述将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果的步骤,包括:
将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段;
获取各所述卡片边沿线段中包含的像素点数量,将所述像素点数量与预设点数进行比较;
删除像素点数量小于预设点数的噪声卡片边沿线段,按预设聚类算法处理剩余的卡片边沿线段,获得卡片边沿线段的线段数量;
若所述线段数量大于4,则输出卡片边沿缺角的检测结果。
7.如权利要求1至6任意一项所述的证件边沿检测方法,其特征在于,所述将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果的步骤之后,所述方法还包括:
对所述卡片边沿线段围成的矩形区域进行文字识别,获得所述证件主体图像中包含的文字信息;
根据所述文字信息将所述目标图像分类保存至对应的证件图像数据库。
8.一种证件边沿检测装置,其特征在于,所述证件边沿检测装置包括:
请求接收模块,用于在接收到图像证件边沿检测请求时,获取所述图像证件边沿检测请求关联的目标图像;
人脸识别模块,用于将所述目标图像输入至预设人脸识别模型,提取所述目标图像中的人脸特征点,根据所述人脸特征点和所述人脸特征点的特征坐标,确定所述目标图像中的人脸照片;
证件图像提取模块,用于根据所述人脸照片的照片信息,从所述目标图像中提取包含人脸照片的证件主体图像;
结果输出模块,用于将所述证件主体图像输入至预设边沿检测模型,获得卡片边沿线段,分析所述卡片边沿线段,输出证件边沿检测结果。
9.一种证件边沿检测设备,其特征在于,所述证件边沿检测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的证件边沿检测对应的计算机程序,所述证件边沿检测对应的计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的证件边沿检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有证件边沿检测对应的计算机程序,所述证件边沿检测对应的计算机程序被处理器执行时实现如权利要求1至7中任一项所述的证件边沿检测方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010362784.8A CN111582134A (zh) | 2020-04-30 | 2020-04-30 | 证件边沿检测方法、装置、设备和介质 |
PCT/CN2020/136317 WO2021218183A1 (zh) | 2020-04-30 | 2020-12-15 | 证件边沿检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010362784.8A CN111582134A (zh) | 2020-04-30 | 2020-04-30 | 证件边沿检测方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111582134A true CN111582134A (zh) | 2020-08-25 |
Family
ID=72114248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010362784.8A Pending CN111582134A (zh) | 2020-04-30 | 2020-04-30 | 证件边沿检测方法、装置、设备和介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111582134A (zh) |
WO (1) | WO2021218183A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883959A (zh) * | 2021-01-21 | 2021-06-01 | 平安银行股份有限公司 | 身份证照完整性检测方法、装置、设备及存储介质 |
CN113221926A (zh) * | 2021-06-23 | 2021-08-06 | 华南师范大学 | 一种基于角点优化的线段提取方法 |
WO2021218183A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安科技(深圳)有限公司 | 证件边沿检测方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107993192A (zh) * | 2017-12-13 | 2018-05-04 | 北京小米移动软件有限公司 | 证件图像校正方法、装置和设备 |
US20180129878A1 (en) * | 2013-06-30 | 2018-05-10 | Google Llc | Extracting card data from multiple cards |
CN110248037A (zh) * | 2019-05-30 | 2019-09-17 | 苏宁金融服务(上海)有限公司 | 一种身份证件扫描方法及装置 |
CN110874577A (zh) * | 2019-11-15 | 2020-03-10 | 杭州东信北邮信息技术有限公司 | 一种基于深度学习的证件照的自动审核方法 |
CN111079571A (zh) * | 2019-11-29 | 2020-04-28 | 杭州数梦工场科技有限公司 | 证卡信息识别及其边缘检测模型训练方法、装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110100251B (zh) * | 2016-12-30 | 2021-08-20 | 华为技术有限公司 | 用于处理文档的设备、方法和计算机可读存储介质 |
CN107742094A (zh) * | 2017-09-22 | 2018-02-27 | 江苏航天大为科技股份有限公司 | 提高人证比对结果的图像处理方法 |
CN109376735A (zh) * | 2018-08-31 | 2019-02-22 | 百度在线网络技术(北京)有限公司 | 身份信息提取方法、装置、电子设备与存储介质 |
CN110781890A (zh) * | 2019-10-25 | 2020-02-11 | 上海德启信息科技有限公司 | 身份证识别方法、装置、电子设备及可读取存储介质 |
CN111582134A (zh) * | 2020-04-30 | 2020-08-25 | 平安科技(深圳)有限公司 | 证件边沿检测方法、装置、设备和介质 |
-
2020
- 2020-04-30 CN CN202010362784.8A patent/CN111582134A/zh active Pending
- 2020-12-15 WO PCT/CN2020/136317 patent/WO2021218183A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180129878A1 (en) * | 2013-06-30 | 2018-05-10 | Google Llc | Extracting card data from multiple cards |
CN107993192A (zh) * | 2017-12-13 | 2018-05-04 | 北京小米移动软件有限公司 | 证件图像校正方法、装置和设备 |
CN110248037A (zh) * | 2019-05-30 | 2019-09-17 | 苏宁金融服务(上海)有限公司 | 一种身份证件扫描方法及装置 |
CN110874577A (zh) * | 2019-11-15 | 2020-03-10 | 杭州东信北邮信息技术有限公司 | 一种基于深度学习的证件照的自动审核方法 |
CN111079571A (zh) * | 2019-11-29 | 2020-04-28 | 杭州数梦工场科技有限公司 | 证卡信息识别及其边缘检测模型训练方法、装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021218183A1 (zh) * | 2020-04-30 | 2021-11-04 | 平安科技(深圳)有限公司 | 证件边沿检测方法、装置、设备及介质 |
CN112883959A (zh) * | 2021-01-21 | 2021-06-01 | 平安银行股份有限公司 | 身份证照完整性检测方法、装置、设备及存储介质 |
CN113221926A (zh) * | 2021-06-23 | 2021-08-06 | 华南师范大学 | 一种基于角点优化的线段提取方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021218183A1 (zh) | 2021-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019169772A1 (zh) | 图片处理方法、电子装置及存储介质 | |
JP6139396B2 (ja) | 文書を表す二値画像を圧縮する方法及びプログラム | |
CN111582134A (zh) | 证件边沿检测方法、装置、设备和介质 | |
CN111476227A (zh) | 基于ocr的目标字段识别方法、装置及存储介质 | |
CN112101317B (zh) | 页面方向识别方法、装置、设备及计算机可读存储介质 | |
CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
JP2016517587A (ja) | モバイル装置を用いて取込まれたデジタル画像におけるオブジェクトの分類 | |
US11144752B1 (en) | Physical document verification in uncontrolled environments | |
US8027978B2 (en) | Image search method, apparatus, and program | |
CN111507324B (zh) | 卡片边框识别方法、装置、设备和计算机存储介质 | |
CN108268641B (zh) | 发票信息识别方法及发票信息识别装置、设备和存储介质 | |
CN111899270A (zh) | 卡片边框检测方法、装置、设备及可读存储介质 | |
CN109388935B (zh) | 单证验证方法及装置、电子设备及可读存储介质 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN111553251A (zh) | 证件四角残缺检测方法、装置、设备及存储介质 | |
CN114359553B (zh) | 一种基于物联网的签章定位方法、系统及存储介质 | |
CN111858977B (zh) | 票据信息采集方法、装置、计算机设备和存储介质 | |
CN110866457A (zh) | 一种电子保单的获得方法、装置、计算机设备和存储介质 | |
CN111222585A (zh) | 数据处理方法、装置、设备及介质 | |
CN110222660B (zh) | 一种基于动态与静态特征融合的签名鉴伪方法及系统 | |
JP6229352B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
CN108647570B (zh) | 斑马线检测方法、装置及计算机可读存储介质 | |
CN110619056A (zh) | 发票录入方法、装置、设备及计算机存储介质 | |
CN108090728B (zh) | 一种基于智能终端的快递信息录入方法及录入系统 | |
CN113627423A (zh) | 圆形印章字符识别方法、装置、计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40032299 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |