CN111898610A - 卡片缺角检测方法、装置、计算机设备及存储介质 - Google Patents
卡片缺角检测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111898610A CN111898610A CN202010746358.4A CN202010746358A CN111898610A CN 111898610 A CN111898610 A CN 111898610A CN 202010746358 A CN202010746358 A CN 202010746358A CN 111898610 A CN111898610 A CN 111898610A
- Authority
- CN
- China
- Prior art keywords
- card
- picture
- detected
- circumscribed polygon
- polygon
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 230000007547 defect Effects 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 44
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 230000000877 morphologic effect Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 10
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 14
- 230000003628 erosive effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000010339 dilation Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000255789 Bombyx mori Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000916 dilatatory effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种卡片缺角检测方法、装置、计算机设备及存储介质。本发明涉及人工智能技术中的图像识别技术领域,可应用于智慧政务场景中,推动智慧城市的建设,该方法包括:若接收到待测卡片图片,对待测卡片图片进行预处理;将预处理后的待测卡片图片输入到预设的语义分割网络模型中;对特征图进行二值化处理以得到所述特征图的二值化图片;获取所述二值化图片的轮廓的外接多边形;根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;若是,发出错误提示消息,从而能够自动识别用户拍摄到的卡片图片中的卡片是否缺角,有效避免采集到缺角的卡片图片,提高了卡片信息识别的准确性。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种卡片缺角检测方法、装置、计算机设备及存储介质。
背景技术
近年来,手机摄像头相关的应用越来越多。随着摄像头功能的增强,很多干扰也随之出现。一个典型的例子是摄像头拍摄的图片或视频中出现卡片缺角的问题,例如,图片中出现遮挡,破损等。这类图片的产生将严重影响图像质量。例如拍摄用于信息识别的身份证图片时,如果图片中的身份证有缺角,则会导致识别失败。
发明内容
本发明实施例提供了一种卡片缺角检测方法、装置、计算机设备及存储介质,旨在解决现有图片采集方法无法辨别卡片是否缺角,而导致信息识别出错的问题。
第一方面,本发明实施例提供了一种卡片缺角检测方法,其包括:
若接收到待测卡片图片,对所述待测卡片图片进行预处理;
将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;
对所述特征图进行二值化处理以得到所述特征图的二值化图片;
获取所述二值化图片的轮廓的外接多边形;
根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;
若所述待测卡片图片缺角,发出错误提示消息。
第二方面,本发明实施例还提供了一种卡片缺角检测装置,其包括:
预处理单元,用于若接收到待测卡片图片,对所述待测卡片图片进行预处理;
采集单元,用于将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;
二值化单元,用于对所述特征图进行二值化处理以得到所述特征图的二值化图片;
第一获取单元,用于获取所述二值化图片的轮廓的外接多边形;
第一判断单元,用于根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;
提示单元,用于若所述待测卡片图片缺角,发出错误提示消息。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现上述方法。
本发明实施例提供了一种卡片缺角检测方法、装置、计算机设备及存储介质。其中,所述方法包括:若接收到待测卡片图片,对所述待测卡片图片进行预处理;将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;对所述特征图进行二值化处理以得到所述特征图的二值化图片;获取所述二值化图片的轮廓的外接多边形;根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;若所述待测卡片图片缺角,发出错误提示消息,从而能够自动识别用户拍摄到的卡片图片中的卡片是否缺角,并在缺角时,发出错误提示信息,有效避免采集到缺角的卡片图片,提高了卡片信息识别的准确性。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种卡片缺角检测方法的流程示意图;
图2为本发明实施例提供的一种卡片缺角检测方法的子流程示意图;
图3为本发明实施例提供的一种卡片缺角检测方法的子流程示意图;
图4为本发明实施例提供的一种卡片缺角检测方法的子流程示意图;
图5为本发明另一实施例提供的一种卡片缺角检测方法的流程示意图;
图6为本发明实施例提供的一种卡片缺角检测装置的示意性框图;
图7为本发明实施例提供的一种卡片缺角检测装置的预处理单元的示意性框图;
图8为本发明实施例提供的一种卡片缺角检测装置的第一获取单元的示意性框图;
图9为本发明实施例提供的一种卡片缺角检测装置的第一判断单元的示意性框图;
图10为本发明另一实施例提供的一种卡片缺角检测装置的示意性框图;
图11为本发明实施例提供的一种计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
请参阅图1,图1是本发明实施例提供的一种卡片缺角检测方法的流程示意图。本发明实施例提供的一种卡片缺角检测方法可应用于智慧政务场景中,用于更精准的从卡片图片(身份证、学生卡、银行卡以及公交卡等)中识别信息,从而推动智慧城市的建设。本发明实施例提出的一种卡片缺角检测方法应用于终端中。如图所示,该方法包括以下步骤S1-S6。
S1,若接收到待测卡片图片,对所述待测卡片图片进行预处理。
具体实施中,待测卡片图片,是指对银行卡、身份证公交卡以及校园卡等卡片进行拍摄所得到的图片。本发明的方案旨在判断待测卡片图片中的卡片是否因遮挡或破损而缺角,以避免无法识别卡片上的信息。
在对待测卡片图片的缺角判断分析中,待测卡片图片质量的好坏直接影响判断的精度。因此,在本实施例中,首先对待测卡片图片进行预处理。对待测卡片图片预处理的主要目的是消除待测卡片图片中无关的信息,恢复有用的真实信息,增强有关信息的可检测性、最大限度地简化数据。
参见图2,在一实施例中,以上步骤S1具体包括如下步骤S11-S12:
S11,将所述待测卡片图片缩放到预设的尺寸。
具体实施中,将所述待测卡片图片缩放到预设的尺寸,以便于后续规范化处理。例如,在本实施例中,统一将所述待测卡片图片缩放到256*512。
S12,对缩放后的所述待测卡片图片进行归一化处理。
具体实施中,对缩放后的所述待测卡片图片进行归一化处理。归一化处理是指把数据变成[0,1]获知之间的小数。主要是为了数据处理方便提出来的,把数据映射到0~1范围之内处理,更加便捷快速。
待测卡片图片的像素矩阵的像素值的最大值为256,最小值为0,定义待测卡片图片的像素矩阵为I,设J=I/256,则J为归一化后的像素矩阵,归一化之后的像素矩阵的所有像素值都在[0,1]区间内。
S2,将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图。
具体实施中,语义分割网络模型是指能够对待测卡片图片进语义分割的模型,例如,本实施例中,采用deeplab v3模型。
需要说明的是,以上给出的deeplab v3模型仅仅是语义分割模型的一个示例,本领域技术人员还可以采用其他的语义分割模型,这并不会超出本发明的保护范围。
图片语义分割是指由语义分割网络模型分割并识别出图片中的内容,对于待测卡片图片而言,即是识别分割出所述待测卡片图片中的卡片。
具体地,将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图(feature map)。特征图,即语义分割后识别到的物体的图片。对于待测卡片图片,其特征图为待测卡片图片中的卡片的图片。
S3,对所述特征图进行二值化处理以得到所述特征图的二值化图片。
具体实施中,二值化,就是将图片上的像素点的灰度值设置为0或255,也就是将整个图片呈现出明显的只有黑和白的视觉效果。最常用的方法就是设定一个阈值T,用T将图像的数据分成两部分:大于T的像素群和小于T的像素群。
具体地,首先将所述特征图的像素值归一化到[0,1];取阈值0.5,将归一化后特征图的像素值中大于0.5设定为255,反之设定为0,即得到特征图的二值化图片。二值化处理后,可使得特征图的轮廓更加清晰。
S4,获取所述二值化图片的轮廓的外接多边形。
具体实施中,获取所述二值化图片的轮廓的外接多边形,即将所述二值化图片的轮廓拟合为外接多边形。
参见图3,在一实施例中,以上步骤S4具体包括如下步骤S41-S42:
S41,通过预设的多边形拟合算法获取所述二值化图片的轮廓的外接多边形。
具体实施中,通过预设的多边形拟合算法获取所述二值化图片的轮廓的外接多边形。例如,通过OpenCV中的polyfit函数计算所述二值化图片的轮廓的外接多边形。
需要说明的是,以上给出的polyfit函数仅仅是多边形拟合算法的一个示例,本领域技术人员还可以采用其他的多边形拟合算法,这并不会超出本发明的保护范围。
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉和机器学习软件库。polyfit函数是OpenCV中用于进行轮廓拟合的一个函数。通过将所述二值化图片输入到OpenCV中,并调用所述polyfit函数来讲将所述二值化图片的轮廓拟合为外接多边形。
S42,获取所述外接多边形的各顶点的坐标。
具体实施中,根据预先建立的坐标系,确定所述外接多边形的各顶点的坐标。
S5,根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角。
具体实施中,卡片的形状通常为长方形,长方形各顶点到其中心的距离的方差为零。而若卡片缺角,其轮廓则不是长方形,其各顶点到其中心的距离的方差将大于零。可见,方差约接近零,说明卡片的形状约接近长方形。
可见,可通过所述外接多边形的各顶点到所述外接多边形的中心的距离的方差来判断所述外接多边形是否为长方形。若外接多边形为长方形则说明所述待测卡片图片未缺角,否则,说明所述待测卡片图片缺角。本实施例中,所述待测卡片图片缺角是指所述待测卡片图片中的卡片缺角(卡片破损或被遮挡)。
参见图4,在一实施例中,以上步骤S5具体包括如下步骤S51-S52:
S51,根据所述外接多边形的各顶点的坐标确定所述外接多边形的中心的坐标。
具体实施中,所述外接多边形的中心的横坐标为所述外接多边形各顶点横坐标的均值;所述外接多边形的中心的纵坐标为所述外接多边形各顶点纵坐标的均值。
S52,分别获取所述外接多边形的各顶点到所述外接多边形的中心的距离。
具体实施中,根据两点间的距离公式分别计算所述外接多边形的各顶点到所述外接多边形的中心的距离。
S53,获取所述外接多边形的各顶点到所述外接多边形的中心的距离的方差。
具体实施中,根据预设的方差公式计算所述外接多边形的各顶点到所述外接多边形的中心的距离的方差。
S54,判断所述方差是否大于预设的方差阈值。
具体实施中,判断所述方差是否大于预设的方差阈值。需要说明的是,方差阈值可由本领域技术人员根据经验进行设定。
S55,若所述方差大于预设的方差阈值,判定所述待测卡片图片缺角。
具体实施中,若所述方差大于预设的方差阈值,判定所述待测卡片图片缺角。即判定所述待测卡片图片中的卡片缺角(卡片破损或被遮挡)。
进一步地,若所述方差不大于预设的方差阈值,则判定所述待测卡片图片未缺角。即判定所述待测卡片图片中的卡片未缺角。
S6,若所述待测卡片图片缺角,发出错误提示消息。
具体实施中,若所述待测卡片图片缺角,发出错误提示消息。例如,提示“卡片破损或被遮挡,请重新拍摄”。
若所述待测卡片图片未缺角,则无需提示,并将待测卡片图片输送到下一处理流程(信息采集)。
通过应用本发明实施例的技术方案,若接收到待测卡片图片,对所述待测卡片图片进行预处理;将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;对所述特征图进行二值化处理以得到所述特征图的二值化图片;获取所述二值化图片的轮廓的外接多边形;根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;若所述待测卡片图片缺角,发出错误提示消息,从而能够自动识别用户拍摄到的卡片图片中的卡片是否缺角,并在缺角时,发出错误提示信息,避免了采集到缺角的卡片图片,提高了卡片信息识别的准确性。
图5是本发明另一实施例提供的一种卡片缺角检测方法的流程示意图。如图5所示,本实施例的卡片缺角检测方法包括步骤S61-S68。其中步骤S61-S63与上述实施例中的步骤S1-S3类似,步骤S66-S68与上述实施例中的步骤S4-S6类似在此不再赘述。下面详细说明本实施例中所增加的步骤S64-S65。
S64,对所述二值化图片进行图像形态学膨胀处理。
具体实施中,对所述二值化图片进行图像形态学膨胀处理。图像形态学处理包括图像形态学膨胀(dilation)处理和图像形态学腐蚀(erosion)处理。
图像形态学处理都是对图像的白色部分(高亮部分)而言。图像形态学膨胀处理是指图像中的高亮部分进行膨胀,类似于领域扩张,膨胀处理后的效果图拥有比原图更大的高亮区域。
S65,对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
具体实施中,对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。图像形态学腐蚀处理是对原图的高亮部分被腐蚀,类似于领域被蚕食,腐蚀处理后的效果图拥有比原图更小的高亮区域。
通过对二值化图片先进行图像形态学膨胀处理后再进行图像形态学腐蚀处理,能够减少二值化图片中的噪点,进一步提高二值化图片轮廓的清晰度。
图6是本发明实施例提供的一种卡片缺角检测装置60的示意性框图。如图6所示,对应于以上卡片缺角检测方法,本发明还提供一种卡片缺角检测装置60。该卡片缺角检测装置60包括用于执行上述卡片缺角检测方法的单元,该卡片缺角检测装置60可以被配置于台式电脑、平板电脑、手提电脑、等终端中。具体地,请参阅图6,该卡片缺角检测装置60包括预处理单元61、采集单元62、二值化单元63、第一获取单元64、第一判断单元65以及提示单元66。
预处理单元61,用于若接收到待测卡片图片,对所述待测卡片图片进行预处理;
采集单元62,用于将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;
二值化单元63,用于对所述特征图进行二值化处理以得到所述特征图的二值化图片;
第一获取单元64,用于获取所述二值化图片的轮廓的外接多边形;
第一判断单元65,用于根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;
提示单元66,用于若所述待测卡片图片缺角,发出错误提示消息。
在一实施例中,如图7所示,所述预处理单元61包括缩放单元611以及归一化单元612。
缩放单元611,用于将所述待测卡片图片缩放到预设的尺寸;
归一化单元612,用于对缩放后的所述待测卡片图片进行归一化处理。
在一实施例中,如图8所示,所述第一获取单元64,包括第二获取单元641以及第三获取单元642。
第二获取单元641,用于通过预设的多边形拟合算法获取所述二值化图片的轮廓的外接多边形;
第三获取单元642,用于获取所述外接多边形的各顶点的坐标。
在一实施例中,如图9所示,所述第一判断单元65包括确定单元651、第四获取单元652、第五获取单元653、第二判断单元654以及判定单元655。
确定单元651,用于根据所述外接多边形的各顶点的坐标确定所述外接多边形的中心的坐标;
第四获取单元652,用于分别获取所述外接多边形的各顶点到所述外接多边形的中心的距离;
第五获取单元653,用于获取所述外接多边形的各顶点到所述外接多边形的中心的距离的方差;
第二判断单元654,用于判断所述方差是否大于预设的方差阈值;
判定单元655,用于若所述方差大于预设的方差阈值,判定所述待测卡片图片缺角。
图10是本发明另一实施例提供的一种卡片缺角检测装置60的示意性框图。如图10所示,本实施例的卡片缺角检测装置60是上述实施例的基础上增加了膨胀处理单元67以及腐蚀处理单元68。
膨胀处理单元67,用于对所述二值化图片进行图像形态学膨胀处理;
腐蚀处理单元68,用于对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
需要说明的是,所属领域的技术人员可以清楚地了解到,上述卡片缺角检测装置60和各单元的具体实现过程,可以参考前述方法实施例中的相应描述,为了描述的方便和简洁,在此不再赘述。
上述卡片缺角检测装置可以实现为一种计算机程序的形式,该计算机程序可以在如图11所示的计算机设备上运行。
请参阅图11,图11是本申请实施例提供的一种计算机设备的示意性框图。该计算机设备500是终端;其中,终端可以是智能手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等具有通信功能的电子设备。
参阅图11,该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505,其中,存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时,可使得处理器502执行一种卡片缺角检测方法。
该处理器502用于提供计算和控制能力,以支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境,该计算机程序5032被处理器502执行时,可使得处理器502执行一种卡片缺角检测方法。
该网络接口505用于与其它设备进行网络通信。本领域技术人员可以理解,图11中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备500的限定,具体的计算机设备500可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
其中,所述处理器502用于运行存储在存储器中的计算机程序5032,以实现如下步骤:
若接收到待测卡片图片,对所述待测卡片图片进行预处理;
将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;
对所述特征图进行二值化处理以得到所述特征图的二值化图片;
获取所述二值化图片的轮廓的外接多边形;
根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;
若所述待测卡片图片缺角,发出错误提示消息。
在一实施例中,处理器502在实现所述对所述待测卡片图片进行预处理步骤时,具体实现如下步骤:
将所述待测卡片图片缩放到预设的尺寸;
对缩放后的所述待测卡片图片进行归一化处理。
在一实施例中,处理器502在实现所述获取所述二值化图片的轮廓的外接多边形步骤时,具体实现如下步骤:
通过预设的多边形拟合算法获取所述二值化图片的轮廓的外接多边形;
获取所述外接多边形的各顶点的坐标。
在一实施例中,处理器502在实现所述根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角步骤时,具体实现如下步骤:
根据所述外接多边形的各顶点的坐标确定所述外接多边形的中心的坐标;
分别获取所述外接多边形的各顶点到所述外接多边形的中心的距离;
获取所述外接多边形的各顶点到所述外接多边形的中心的距离的方差;
判断所述方差是否大于预设的方差阈值;
若所述方差大于预设的方差阈值,判定所述待测卡片图片缺角。
在一实施例中,处理器502在实现所述获取所述二值化图片的轮廓的外接多边形步骤之前,还实现如下步骤:
对所述二值化图片进行图像形态学膨胀处理;
对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
应当理解,在本申请实施例中,处理器502可以是中央处理单元(CentralProcessing Unit,CPU),该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
本领域普通技术人员可以理解的是实现上述实施例的方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成。该计算机程序可存储于一存储介质中,该存储介质为计算机可读存储介质。该计算机程序被该计算机系统中的至少一个处理器执行,以实现上述方法的实施例的流程步骤。
因此,本发明还提供一种存储介质。该存储介质可以为计算机可读存储介质。该存储介质存储有计算机程序。该计算机程序被处理器执行时使处理器执行如下步骤:
若接收到待测卡片图片,对所述待测卡片图片进行预处理;
将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;
对所述特征图进行二值化处理以得到所述特征图的二值化图片;
获取所述二值化图片的轮廓的外接多边形;
根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;
若所述待测卡片图片缺角,发出错误提示消息。
在一实施例中,在一实施例中,所述处理器在执行所述计算机程序而实现所述对所述待测卡片图片进行预处理步骤时,具体实现如下步骤:
将所述待测卡片图片缩放到预设的尺寸;
对缩放后的所述待测卡片图片进行归一化处理。
在一实施例中,在一实施例中,所述处理器在执行所述计算机程序而实现所述获取所述二值化图片的轮廓的外接多边形步骤时,具体实现如下步骤:
通过预设的多边形拟合算法获取所述二值化图片的轮廓的外接多边形;
获取所述外接多边形的各顶点的坐标。
在一实施例中,在一实施例中,所述处理器在执行所述计算机程序而实现所述根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角步骤时,具体实现如下步骤:
根据所述外接多边形的各顶点的坐标确定所述外接多边形的中心的坐标;
分别获取所述外接多边形的各顶点到所述外接多边形的中心的距离;
获取所述外接多边形的各顶点到所述外接多边形的中心的距离的方差;
判断所述方差是否大于预设的方差阈值;
若所述方差大于预设的方差阈值,判定所述待测卡片图片缺角。
在一实施例中,在一实施例中,所述处理器在执行所述计算机程序而实现所述获取所述二值化图片的轮廓的外接多边形步骤之前,还实现如下步骤:
对所述二值化图片进行图像形态学膨胀处理;
对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
所述存储介质为实体的、非瞬时性的存储介质,例如可以是U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、磁碟或者光盘等各种可以存储程序代码的实体存储介质。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的。例如,各个单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。本发明实施例装置中的单元可以根据实际需要进行合并、划分和删减。另外,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单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个存储介质中。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,或者该技术方案的全部或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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,终端,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其他实施例的相关描述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,尚且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种卡片缺角检测方法,其特征在于,包括:
若接收到待测卡片图片,对所述待测卡片图片进行预处理;
将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;
对所述特征图进行二值化处理以得到所述特征图的二值化图片;
获取所述二值化图片的轮廓的外接多边形;
根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;
若所述待测卡片图片缺角,发出错误提示消息。
2.根据权利要求1所述的卡片缺角检测方法,其特征在于,所述对所述待测卡片图片进行预处理,包括:
将所述待测卡片图片缩放到预设的尺寸;
对缩放后的所述待测卡片图片进行归一化处理。
3.根据权利要求1所述的卡片缺角检测方法,其特征在于,所述获取所述二值化图片的轮廓的外接多边形,包括:
通过预设的多边形拟合算法获取所述二值化图片的轮廓的外接多边形;
获取所述外接多边形的各顶点的坐标。
4.根据权利要求3所述的卡片缺角检测方法,其特征在于,所述根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角,包括:
根据所述外接多边形的各顶点的坐标确定所述外接多边形的中心的坐标;
分别获取所述外接多边形的各顶点到所述外接多边形的中心的距离;
获取所述外接多边形的各顶点到所述外接多边形的中心的距离的方差;
判断所述方差是否大于预设的方差阈值;
若所述方差大于预设的方差阈值,判定所述待测卡片图片缺角。
5.根据权利要求1所述的卡片缺角检测方法,其特征在于,所述获取所述二值化图片的轮廓的外接多边形之前,所述方法还包括:
对所述二值化图片进行图像形态学膨胀处理;
对图像形态学膨胀处理后的所述二值化图片进行图像形态学腐蚀处理。
6.一种卡片缺角检测装置,其特征在于,包括:
预处理单元,用于若接收到待测卡片图片,对所述待测卡片图片进行预处理;
采集单元,用于将预处理后的待测卡片图片输入到预设的语义分割网络模型中,以由所述语义分割网络模型采集所述待测卡片图片的特征图;
二值化单元,用于对所述特征图进行二值化处理以得到所述特征图的二值化图片;
第一获取单元,用于获取所述二值化图片的轮廓的外接多边形;
第一判断单元,用于根据所述外接多边形的各顶点到所述外接多边形的中心的距离的方差判断所述待测卡片图片是否缺角;
提示单元,用于若所述待测卡片图片缺角,发出错误提示消息。
7.根据权利要求6所述的卡片缺角检测装置,其特征在于,所述预处理单元包括:
缩放单元,用于将所述待测卡片图片缩放到预设的尺寸;
归一化单元,用于对缩放后的所述待测卡片图片进行归一化处理。
8.根据权利要求6所述的卡片缺角检测装置,其特征在于,所述第一获取单元,包括:
第二获取单元,用于通过预设的多边形拟合算法获取所述二值化图片的轮廓的外接多边形;
第三获取单元,用于获取所述外接多边形的各顶点的坐标。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序当被处理器执行时可实现如权利要求1-5中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010746358.4A CN111898610B (zh) | 2020-07-29 | 2020-07-29 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
PCT/CN2020/111947 WO2021139180A1 (zh) | 2020-07-29 | 2020-08-28 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010746358.4A CN111898610B (zh) | 2020-07-29 | 2020-07-29 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111898610A true CN111898610A (zh) | 2020-11-06 |
CN111898610B CN111898610B (zh) | 2024-04-19 |
Family
ID=73182653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010746358.4A Active CN111898610B (zh) | 2020-07-29 | 2020-07-29 | 卡片缺角检测方法、装置、计算机设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111898610B (zh) |
WO (1) | WO2021139180A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541899A (zh) * | 2020-12-15 | 2021-03-23 | 平安科技(深圳)有限公司 | 证件的残缺检测方法、装置、电子设备及计算机存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549438B (zh) * | 2022-02-10 | 2023-03-17 | 浙江大华技术股份有限公司 | 一种反应釜卡扣检测方法及相关装置 |
CN116934745B (zh) * | 2023-09-14 | 2023-12-19 | 创新奇智(浙江)科技有限公司 | 一种电子元器件插接卡子质量检测方法及检测系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123682A (zh) * | 2013-01-17 | 2013-05-29 | 无锡普智联科高新技术有限公司 | 基于规则图形码复合标签的移动机器人定位系统及方法 |
CN106251338A (zh) * | 2016-07-20 | 2016-12-21 | 北京旷视科技有限公司 | 目标完整性检测方法及装置 |
CN106952257A (zh) * | 2017-03-21 | 2017-07-14 | 南京大学 | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 |
CN109087274A (zh) * | 2018-08-10 | 2018-12-25 | 哈尔滨工业大学 | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 |
WO2019192397A1 (zh) * | 2018-04-04 | 2019-10-10 | 华中科技大学 | 一种任意形状的场景文本端到端识别方法 |
CN110415183A (zh) * | 2019-06-18 | 2019-11-05 | 平安科技(深圳)有限公司 | 图片校正方法、装置、计算机设备及计算机可读存储介质 |
CN110766007A (zh) * | 2019-10-28 | 2020-02-07 | 深圳前海微众银行股份有限公司 | 证件遮挡检测方法、装置、设备及可读存储介质 |
CN111027545A (zh) * | 2019-12-04 | 2020-04-17 | 深圳市新国都金服技术有限公司 | 卡证图片标志检测方法、装置、计算机设备及存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8942346B2 (en) * | 2012-03-29 | 2015-01-27 | General Electric Company | Systems and methods for obtaining and displaying an X-ray image |
CN103660636B (zh) * | 2012-09-25 | 2016-08-03 | 山东新北洋信息技术股份有限公司 | 卡片面向检测方法和装置及卡片 |
CN104361672B (zh) * | 2014-10-14 | 2017-03-15 | 深圳怡化电脑股份有限公司 | 一种对纸币折角进行检测的方法 |
CN106815810B (zh) * | 2017-01-12 | 2021-01-01 | 深圳怡化电脑股份有限公司 | 一种确定拟合边界的方法及装置 |
CN106898083A (zh) * | 2017-03-01 | 2017-06-27 | 深圳怡化电脑股份有限公司 | 一种用于纸币的图像处理方法及装置 |
CN106982426A (zh) * | 2017-03-30 | 2017-07-25 | 广东微模式软件股份有限公司 | 一种远程实现旧卡实名制的方法与系统 |
CN110796145B (zh) * | 2019-09-19 | 2024-01-19 | 平安科技(深圳)有限公司 | 基于智能决策的多证件分割关联方法及相关设备 |
-
2020
- 2020-07-29 CN CN202010746358.4A patent/CN111898610B/zh active Active
- 2020-08-28 WO PCT/CN2020/111947 patent/WO2021139180A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103123682A (zh) * | 2013-01-17 | 2013-05-29 | 无锡普智联科高新技术有限公司 | 基于规则图形码复合标签的移动机器人定位系统及方法 |
CN106251338A (zh) * | 2016-07-20 | 2016-12-21 | 北京旷视科技有限公司 | 目标完整性检测方法及装置 |
CN106952257A (zh) * | 2017-03-21 | 2017-07-14 | 南京大学 | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 |
WO2019192397A1 (zh) * | 2018-04-04 | 2019-10-10 | 华中科技大学 | 一种任意形状的场景文本端到端识别方法 |
CN109087274A (zh) * | 2018-08-10 | 2018-12-25 | 哈尔滨工业大学 | 基于多维融合及语义分割的电子器件缺陷检测方法及装置 |
CN110415183A (zh) * | 2019-06-18 | 2019-11-05 | 平安科技(深圳)有限公司 | 图片校正方法、装置、计算机设备及计算机可读存储介质 |
CN110766007A (zh) * | 2019-10-28 | 2020-02-07 | 深圳前海微众银行股份有限公司 | 证件遮挡检测方法、装置、设备及可读存储介质 |
CN111027545A (zh) * | 2019-12-04 | 2020-04-17 | 深圳市新国都金服技术有限公司 | 卡证图片标志检测方法、装置、计算机设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541899A (zh) * | 2020-12-15 | 2021-03-23 | 平安科技(深圳)有限公司 | 证件的残缺检测方法、装置、电子设备及计算机存储介质 |
CN112541899B (zh) * | 2020-12-15 | 2023-12-22 | 平安科技(深圳)有限公司 | 证件的残缺检测方法、装置、电子设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111898610B (zh) | 2024-04-19 |
WO2021139180A1 (zh) | 2021-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898610B (zh) | 卡片缺角检测方法、装置、计算机设备及存储介质 | |
CN108564579B (zh) | 一种基于时空相关的混凝土裂缝检测方法及检测装置 | |
US20080193020A1 (en) | Method for Facial Features Detection | |
CN109492642B (zh) | 车牌识别方法、装置、计算机设备及存储介质 | |
CN112348778B (zh) | 一种物体识别方法、装置、终端设备及存储介质 | |
CN111539238B (zh) | 二维码图像修复方法、装置、计算机设备和存储介质 | |
CN112396050B (zh) | 图像的处理方法、设备以及存储介质 | |
CN113627428A (zh) | 文档图像矫正方法、装置、存储介质及智能终端设备 | |
CN111899270A (zh) | 卡片边框检测方法、装置、设备及可读存储介质 | |
CN108665459B (zh) | 一种图像模糊检测方法、计算设备及可读存储介质 | |
CN114037992A (zh) | 仪表示数识别方法、装置、电子设备及存储介质 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN114298985B (zh) | 缺陷检测方法、装置、设备及存储介质 | |
CN113228105A (zh) | 一种图像处理方法、装置和电子设备 | |
CN108960246B (zh) | 一种用于图像识别的二值化处理装置及方法 | |
CN114359161A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
CN115345895B (zh) | 用于视觉检测的图像分割方法、装置、计算机设备及介质 | |
WO2020244076A1 (zh) | 人脸识别方法、装置、电子设备及存储介质 | |
CN111178200A (zh) | 一种仪表盘指示灯的识别方法及计算设备 | |
CN108629219B (zh) | 一种识别一维码的方法及装置 | |
CN112084874B (zh) | 一种物体检测方法、装置及终端设备 | |
CN115565103A (zh) | 一种动态目标检测方法、装置、计算机设备及存储介质 | |
CN112329572B (zh) | 一种基于边框和闪光点的快速静态活体检测方法及装置 | |
CN111626274B (zh) | 一种社保卡识别方法 | |
CN114529570A (zh) | 图像分割方法、图像识别方法、用户凭证补办方法及系统 |
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 |