CN113361547B - 一种签章识别方法、装置、设备及可读存储介质 - Google Patents
一种签章识别方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN113361547B CN113361547B CN202110744879.0A CN202110744879A CN113361547B CN 113361547 B CN113361547 B CN 113361547B CN 202110744879 A CN202110744879 A CN 202110744879A CN 113361547 B CN113361547 B CN 113361547B
- Authority
- CN
- China
- Prior art keywords
- features
- feature
- shape
- seal
- signature recognition
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000004927 fusion Effects 0.000 claims abstract description 35
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000000605 extraction Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 239000003086 colorant Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种签章识别方法，该方法在签章识别网络识别得到的全局特征外，加入提取的印章的颜色特征以及形状特征，对全局特征进行基于颜色、形状的特征增强，得到的融合特征中颜色特征以及形状特征明显，基于该融合特征进行网络的优化训练可以提升签章识别网络对于印章颜色以及印章形状的识别能力，再调用优化签章识别网络对待签章审核的文件图片进行签章识别时可以从文件图片中精准识别出签章部分，从而提升了个人签章识别的精准度。本发明还公开了一种签章识别装置、设备及可读存储介质，具有相应的技术效果。
Description
技术领域
本发明涉及图像识别技术领域，特别是涉及一种签章识别方法、装置、设备及可读存储介质。
背景技术
随着技术的发展，越来越多的图像识别技术应用到文件的自动审核中以提高工作效率。金融领域文件的自动审核工作主要是对文档的签章页进行自动识别，验证签章的完整性。然而，在签章识别工作中存在较多困难，如印章不完整、复印扫描导致文件不清晰及印章颜色和文本颜色一致、页面难以区分、个人签字区域占比过小、签字被印章覆盖等问题，目前针对上述问题，没有较好的可以用于有效提升签章识别精准度的方法。
综上所述，如何提升签章识别的精准度，是目前本领域技术人员急需解决的技术问题。
发明内容
本发明的目的是提供一种签章识别方法、装置、设备及可读存储介质，以提升签章识别的精准度。
为解决上述技术问题，本发明提供如下技术方案：
一种签章识别方法，包括：
获取签章审核的样本图片；
提取所述样本图片中印章的颜色特征；
提取所述印章的形状特征；
将所述颜色特征与所述形状特征融合至全局特征中，得到融合特征；其中，所述全局特征为签章识别网络对所述样本图片进行特征提取后生成的特征；
根据所述融合特征对所述签章识别网络进行特征优化训练，得到优化签章识别网络；
调用所述优化签章识别网络对待签章审核的文件图片进行签章识别。
可选地，所述提取所述样本图片中印章的颜色特征，包括：
将所述样本图片的颜色空间转换为HSV颜色空间，得到HSV图片；
将所述HSV图片的颜色特征建模后进行灰度化处理，得到灰度直方图；
调用最大类间方差法确定所述灰度直方图中的印章分割阈值；
根据所述印章分割阈值对所述HSV图片进行印章分割，得到印章图片；
计算所述印章图片的颜色特征。
可选地，所述提取所述印章的形状特征，包括：
对所述样本图片进行二值化处理，得到二值化图片；
通过边缘检测提取所述二值化图片的轮廓，得到轮廓曲线；
根据所述轮廓曲线在水平和垂直方向的坐标值关系进行印章形状粗分类，得到印章形状公式；
根据所述印章形状公式遍历所述轮廓曲线中的所有图形，识别出所述轮廓曲线中的印章形状轮廓；
提取所述印章形状轮廓的形状特征。
可选地所述签章识别方法，还包括：
提取所述样本图片的局部特征；
则相应地，所述将所述颜色特征与所述形状特征融合至全局特征中，包括：将所述局部特征、所述颜色特征与所述形状特征融合至全局特征中。
可选地，所述将所述局部特征、所述颜色特征与所述形状特征融合至全局特征中，包括：
将所述局部特征、所述颜色特征、所述形状特征与所述全局特征进行归一化处理，得到归一化局部特征、归一化颜色特征、归一化形状特征与归一化全局特征；
根据所述归一化局部特征、所述归一化颜色特征、所述归一化形状特征与所述归一化全局特征建立联合稀疏矩阵，并将生成的所述联合稀疏矩阵作为所述融合特征。
可选地，所述提取所述样本图片的局部特征，包括：
将所述样本图片平均分割为若干子块；
根据所述子块内的像素值差异对所述子块进行二值化处理，得到二值化子块；
计算所述二值化子块的局部二值特征值；
统计各所述子块分别对应的所述局部二值特征值，作为所述局部特征。
可选地，所述根据所述子块内的像素值差异对所述子块进行二值化处理，包括：
将所述子块的中心点的灰度值作为阈值；
根据所述阈值对所述子块内各像素点进行二值化处理。
一种签章识别装置，包括：
样本获取单元，用于获取签章审核的样本图片；
颜色特征提取单元，用于提取所述样本图片中印章的颜色特征；
形状特征提取单元，用于提取所述印章的形状特征；
特征融合单元，用于将所述颜色特征与所述形状特征融合至全局特征中，得到融合特征；其中，所述全局特征为签章识别网络对所述样本图片进行特征提取后生成的特征；
融合优化训练单元，用于根据所述融合特征对所述签章识别网络进行特征优化训练，得到优化签章识别网络；
优化模型调用单元，用于调用所述优化签章识别网络对待签章审核的文件图片进行签章识别。
一种计算机设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述签章识别方法的步骤。
一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述签章识别方法的步骤。
本发明实施例所提供的方法，在签章识别网络识别得到的全局特征外，加入提取的印章的颜色特征以及形状特征，对全局特征进行基于颜色、形状的特征增强，得到的融合特征中颜色特征以及形状特征明显，基于该融合特征进行网络的优化训练可以提升签章识别网络对于印章颜色以及印章形状的识别能力，再调用优化签章识别网络对待签章审核的文件图片进行签章识别时可以从文件图片中精准识别出签章部分，从而提升了个人签章识别的精准度。
相应地，本发明实施例还提供了与上述签章识别方法相对应的签章识别装置、设备和可读存储介质，具有上述技术效果，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案，下面将对实施例或相关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为本发明实施例中一种签章识别方法的实施流程图；
图2为本发明实施例中一种签章识别装置的结构示意图；
图3为本发明实施例中一种计算机设备的结构示意图。
具体实施方式
本发明的核心是提供一种签章识别方法，可以提升签章识别的精准度。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅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。
请参考图1，图1为本发明实施例中一种签章识别方法的流程图，该方法包括以下步骤：
S101、获取签章审核的样本图片；
签章审核的样本图片指待进行签章审核的文件图片，样本图片主要用于对签章识别网络进行训练。样本图片中可以为非签章页图片(即文件中不包含印章、签字)和签章页图片(文件中包含只有印章、只有签字、印章和签字)，则在进行签章识别时不仅要区分非签章页图片以及签章页图片，还需要从签章页图片中提取出印章、签字图片，从而完成签章识别。
S102、提取样本图片中印章的颜色特征；
针对非签章页和签章页的文本结构非常相似导致分类错误的问题，本实施例从印章和文本颜色存在明显差别的角度出发，通过增强颜色特征从而达到加强分类的效果，具体地，单独提取一份印章的颜色特征，将该颜色特征融入至签章识别网络识别得到的全局特征中，从而增强颜色特征，再根据增强颜色特征后的融合特征进行网络模型的训练，则训练后的模型对于颜色特征的识别能力将会有较大的提升，从而可以在文件图片中识别出彩色印章，实现有效的签章识别。
其中，对于印章颜色特征的提取方式的选择本实施例中不做限定，一种颜色特征的提取方法如下：
(1)将样本图片的颜色空间转换为HSV颜色空间，得到HSV图片；
本实施例中为方便调用最大类间方差法进行阈值的自适应确定，将样本图片的颜色空间转换为HSV颜色空间，而对于样本图片的原始颜色空间不做限定，比如为RGB颜色空间时，则将将图片从RGB颜色空间转换到HSV颜色空间。而具体地颜色空间的转换方式本实施例中不做限定，可以参照相关技术的实现方式。
(2)将HSV图片的颜色特征建模后进行灰度化处理，得到灰度直方图；
选择多个颜色分量组合(其中颜色分量指HSV图片中的颜色分量，颜色分量组合可以为任意颜色分量之间的组合，对于具体的组合形式不做限定，可以根据实际需要进行设定)作为特征量进行建模，产生最优的颜色特征，根据最优颜色特征进行灰度化处理后，使其产生的灰度直方图能够明显呈现双峰分布的特点。
(3)调用最大类间方差法确定灰度直方图中的印章分割阈值；
Otsu法(又称最大类间方差法)是一种自适应的阈值确定方法，本实施例中调用最大类间方差法确定灰度直方图中的印章分割阈值，该方法可以自适应计算最精准的分割阈值，从而可以达到将彩色印章从图片中精准分割出来的效果。
本实施例中仅以调用最大类间方差法确定阈值为例进行介绍，其它方式的调用均可参照本实施例的介绍，在此不再赘述。
(4)根据印章分割阈值对HSV图片进行印章分割，得到印章图片；
根据印章分割阈值进行图像分割的具体实现过程可以参照相关技术的介绍，在此不再赘述。
(5)计算印章图片的颜色特征。
本实施例中对于颜色特征中具体包括的数据项目不做限定，比如可以包括RGB值、亮度值等，具体可以根据实际使用的需要进行颜色特征值的设置，在此不再赘述。
需要说明的是，本实施例中仅以上述颜色特征提取方式为例进行介绍，其它实现方式均可参照本实施例的介绍，在此不再赘述。
S103、提取印章的形状特征；
部分进行签章审核的文件图片为扫描复印件，此时印章与文本的颜色同为黑色，这种情况下基于印章颜色的特征提取方法不再适用。经过分析发现，目前印章的形状特征较为固定，有圆形、椭圆形、矩形等，为提升对于扫描复印件的签章识别能力，本实施例中提出了一种基于印章形状的特征提取方法，从印章的形状文本字体存在明显差别的角度出发，通过增强形状特征从而达到加强分类的效果，具体地，单独提取一份印章的形状特征，将该形状特征融入至签章识别网络识别得到的全局特征中，从而增强形状特征，再根据增强形状特征后的融合特征进行网络模型的训练，则训练后的模型对于形状特征的识别能力将会有较大的提升，从而可以在文件图片中根据形状识别出印章，实现有效的签章识别。
其中，对于印章形状特征的提取方式的选择本实施例中不做限定，一种形状特征提取的方法如下：
(1)对样本图片进行二值化处理，得到二值化图片；
二值化处理的具体实现步骤可以参照相关技术的实现方式，在此不再赘述。
(2)通过边缘检测提取二值化图片的轮廓，得到轮廓曲线；
提取二值化图片中的所有对象的轮廓，生成各对象对应的轮廓曲线。其中，本实施例中对于轮廓提取方式不做限定，比如可以通过Canny边缘检测提取轮廓等，也可以采取其它的轮廓提取方式，在此不再赘述。
(3)根据轮廓曲线在水平和垂直方向的坐标值关系进行印章形状粗分类，得到印章形状公式；
对轮廓曲线先沿着水平方向进行扫描，具体扫描方法可以为：当扫描到非白色像素点记下坐标x1，继续向后扫描，当遇到白色像素点时记下坐标x2，以此类推，得到坐标(x1,x2,...,xn)。通过计算水平方向的坐标之间的关系排除文本区域，获取包含印章的区域。用上述扫描方法对包含印章的区域沿着垂直方向进行扫描，得到坐标(y1,y2,...,yn)。根据印章区域的水平和垂直方向的最大、最小坐标值关系对印章形状进行粗分类，获取印章形状公式。
(4)根据印章形状公式遍历轮廓曲线中的所有图形，识别出轮廓曲线中的印章形状轮廓；
根据粗分类获取的印章形状选择对应的Hough变换参数，基于Hough变换参数对所有轮廓进行遍历计算，识别出其中符合印章形状轮廓特征的轮廓。
本实施例中对于预设的印章形状轮廓特征不做限定，目前印章轮廓有圆形、椭圆形、矩形等，其他形状均可参照本实施例的介绍，在此不再赘述。若印章轮廓为圆形和椭圆形时，相应的印章形状轮廓特征为圆形和椭圆形轮廓特征，可以通过圆形和椭圆形在相互垂直的两个方向上最大、最小坐标的关系来进行印章形状的粗分类，具体可以根据圆形和椭圆形的判定公式来进行设定，在此不做限定。
(5)提取印章形状轮廓的形状特征。
本实施例中对于形状特征中具体包括的数据项目不做限定，比如可以包括中心点坐标、半径(印章为圆形)、短长轴(印章为椭圆形)等，具体可以根据实际使用的需要进行形状特征值的设置，在此不再赘述。
需要说明的是，本实施例中仅以上述形状特征提取方式为例进行介绍，其它实现方式均可参照本实施例的介绍，在此不再赘述。
S104、将颜色特征与形状特征融合至全局特征中，得到融合特征；
全局特征为签章识别网络对样本图片进行特征提取后生成的特征，其中签章识别网络为用于进行签章识别的网络，本实施例中对于签章识别网络的网络类型(比如可以为ResNet分类网络或Yolo目标检测网络)以及网络结构不做限定，可以参照相关技术中的网络搭建方法，在此不再赘述。
签章识别网络对样本图像进行特征提取，生成全局特征，再根据该全局特征进行签章识别，生成识别结果。本实施例中利用这一过程，将颜色特征与形状特征融合至全局特征中，增强全局特征中的颜色以及形状特性，从而提升对于形状以及颜色的识别能力，提升识别精准度。
具体地对于特征融合的具体实现方式本实施例中不做限定，可以参照相关技术中的实现方式，在此不再赘述。
S105、根据融合特征对签章识别网络进行特征优化训练，得到优化签章识别网络；
融合特征中对于颜色以及形状特性均进行了加强，则根据融合特征对签章识别网络进行特征优化训练后，训练的签章识别网络对于颜色以及形状的识别能力也会相应增强，从而实现更精准的签章识别。
而其中，根据融合特征对签章识别网络进行特征优化训练的过程可以参照相关技术中根据全局特征对签章识别网络进行特征优化训练的实现方式，本实施例中对此不做限定。
S106、调用优化签章识别网络对待签章审核的文件图片进行签章识别。
在优化训练后，即可直接调用该优化签章识别网络对实际待签章审核的文件图片进行签章识别，将待签章审核的文件图片直接输入至该优化签章识别网络即可，该优化签章识别网络即可生成签章识别的结果，实现高精准的签章识别。
基于上述介绍，本发明实施例所提供的技术方案，在签章识别网络识别得到的全局特征外，加入提取的印章的颜色特征以及形状特征，对全局特征进行基于颜色、形状的特征增强，得到的融合特征中颜色特征以及形状特征明显，基于该融合特征进行网络的优化训练可以提升签章识别网络对于印章颜色以及印章形状的识别能力，再调用优化签章识别网络对待签章审核的文件图片进行签章识别时可以从文件图片中精准识别出签章部分，从而提升了个人签章识别的精准度。
需要说明的是，基于上述实施例，本发明实施例还提供了相应的改进方案。在优选/改进实施例中涉及与上述实施例中相同步骤或相应步骤之间可相互参考，相应的有益效果也可相互参照，在本文的优选/改进实施例中不再一一赘述。
目前在签章的识别中个人签字区域的识别精准度有限。如果文件的签章页面只有个人签字而没有印章，或者个人签字区域占比过小或签字被印章覆盖，此时识别误差较大。经过分析发现，手写签名和印刷文字在笔画方向、粗细和字体整体结构上存在比较大的差别，为了更好的区分手写体和印刷体，本实施例中提出在形状特征以及颜色特征外进一步提取局部特征，以增强细节提取能力。
具体地，在上述实施例的基础上，可以进一步执行以下步骤：提取样本图片的局部特征；则相应地，上述步骤S104将颜色特征与形状特征融合至全局特征中具体为：将局部特征、颜色特征与形状特征融合至全局特征中。
其中，对于具体地局部特征的提取方式本实施例中不做限定，可选地，一种提取样本图片的局部特征的实现方式如下：
(1)将样本图片平均分割为若干子块；
子块的数量不做限定，为避免计算工作量的增加，本实施例中以3*3分割为例。
(2)根据子块内的像素值差异对子块进行二值化处理，得到二值化子块；
对每个子块进行二值化处理，从而突出子块的纹理特征。具体地二值化处理的阈值本实施例中不做限定，可以根据每个子块内不同像素点之间的像素值差异进行阈值的设定。
可选地，可以将子块的中心点的灰度值作为阈值；根据阈值对子块内各像素点进行二值化处理。
以子块中心点的灰度值为阈值对窗口内其他像素进行二值处理可以最大程度保留子块纹理特征，增强纹理特征。本实施例中仅以上述二值化阈值为例进行介绍，其它阈值对应的处理方法均可参照本实施例的介绍，在此不再赘述。
(3)计算二值化子块的局部二值特征值；
通过加权求和计算得到该窗口的LBP值(Local Binary Patterns，局部二值特征)，该值可以反映出该像素周围的纹理信息。
(4)统计各子块分别对应的局部二值特征值，作为局部特征。
利用LBP算子对图像的每一个像素点进行操作，统计各子块分别对应的局部二值特征值，将各个区域计算的直方图连接起来就获取到了该图像的局部特征。
采用基于局部二值模型的特征提取方法使得更加关注局部区域特征的提取，从而可以提升个人签字识别的精度。
而在得到局部特征后，将局部特征、颜色特征与形状特征融合至全局特征中，本实施例中对于特征融合的具体实现方式不做限定，可选地，可以将各特征进行归一化处理后通过建立联合稀疏矩阵进行特征融合，也可以采取其它的特征融合方式，在此不再赘述。
另外，需要说明的是，本申请中对于颜色特征、形状特征以及局部特征、全局特征的提取顺序不做限定，可以根据实际计算需要进行相应设定。
相应于上面的方法实施例，本发明实施例还提供了一种签章识别装置，下文描述的签章识别装置与上文描述的签章识别方法可相互对应参照。
参见图2所示，该装置包括以下模块：
样本获取单元110主要用于获取签章审核的样本图片；
颜色特征提取单元120主要用于提取样本图片中印章的颜色特征；
形状特征提取单元130主要用于提取印章的形状特征；
特征融合单元140主要用于将颜色特征与形状特征融合至全局特征中，得到融合特征；其中，全局特征为签章识别网络对样本图片进行特征提取后生成的特征；
融合优化训练单元150主要用于根据融合特征对签章识别网络进行特征优化训练，得到优化签章识别网络；
优化模型调用单元160主要用于调用优化签章识别网络对待签章审核的文件图片进行签章识别。
相应于上面的方法实施例，本发明实施例还提供了一种计算机设备，下文描述的一种计算机设备与上文描述的一种签章识别方法可相互对应参照。
该计算机设备包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序时实现上述方法实施例的签章识别方法的步骤。
具体的，请参考图3，为本实施例提供的一种计算机设备的具体结构示意图，该计算机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处理器(central processing units，CPU)322(例如，一个或一个以上处理器)和存储器332，存储器332存储有一个或一个以上的计算机应用程序342或数据344。其中，存储器332可以是短暂存储或持久存储。存储在存储器332的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地，中央处理器322可以设置为与存储器332通信，在计算机设备301上执行存储器332中的一系列指令操作。
计算机设备301还可以包括一个或一个以上电源326，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口358，和/或，一个或一个以上操作系统341。
上文所描述的签章识别方法中的步骤可以由本实施例提供的计算机设备的结构实现。
相应于上面的方法实施例，本发明实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种签章识别方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的签章识别方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
本领域技术人员还可以进一步意识到，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。本领域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。
Claims (7)
1.一种签章识别方法，其特征在于，包括：
获取签章审核的样本图片；
提取所述样本图片中印章的颜色特征；
提取所述印章的形状特征；
将所述颜色特征与所述形状特征融合至全局特征中，得到融合特征；其中，所述全局特征为签章识别网络对所述样本图片进行特征提取后生成的特征；
根据所述融合特征对所述签章识别网络进行特征优化训练，得到优化签章识别网络；
调用所述优化签章识别网络对待签章审核的文件图片进行签章识别；
所述提取所述印章的形状特征，包括：
对所述样本图片进行二值化处理，得到二值化图片；通过边缘检测提取所述二值化图片的轮廓，得到轮廓曲线；根据所述轮廓曲线在水平和垂直方向的坐标值关系进行印章形状粗分类，得到印章形状公式；根据所述印章形状公式遍历所述轮廓曲线中的所有图形，识别出所述轮廓曲线中的印章形状轮廓；提取所述印章形状轮廓的形状特征；
所述签章识别方法，还包括：提取所述样本图片的局部特征；
则相应地，所述将所述颜色特征与所述形状特征融合至全局特征中，包括：将所述局部特征、所述颜色特征与所述形状特征融合至全局特征中；
所述提取所述样本图片的局部特征，包括：
将样本图片平均分割为若干子块；根据所述子块内的像素值差异对所述子块进行二值化处理，得到二值化子块；计算所述二值化子块的局部二值特征值；统计各所述子块分别对应的所述局部二值特征值，作为所述局部特征。
2.根据权利要求1所述的签章识别方法，其特征在于，所述提取所述样本图片中印章的颜色特征，包括：
将所述样本图片的颜色空间转换为HSV颜色空间，得到HSV图片；
将所述HSV图片的颜色特征建模后进行灰度化处理，得到灰度直方图；
调用最大类间方差法确定所述灰度直方图中的印章分割阈值；
根据所述印章分割阈值对所述HSV图片进行印章分割，得到印章图片；
计算所述印章图片的颜色特征。
3.根据权利要求1所述的签章识别方法，其特征在于，所述将所述局部特征、所述颜色特征与所述形状特征融合至全局特征中，包括：
将所述局部特征、所述颜色特征、所述形状特征与所述全局特征进行归一化处理，得到归一化局部特征、归一化颜色特征、归一化形状特征与归一化全局特征；
根据所述归一化局部特征、所述归一化颜色特征、所述归一化形状特征与所述归一化全局特征建立联合稀疏矩阵，并将生成的所述联合稀疏矩阵作为所述融合特征。
4.根据权利要求1所述的签章识别方法，其特征在于，所述根据所述子块内的像素值差异对所述子块进行二值化处理，包括：
将所述子块的中心点的灰度值作为阈值；
根据所述阈值对所述子块内各像素点进行二值化处理。
5.一种签章识别装置，其特征在于，包括：
样本获取单元，用于获取签章审核的样本图片；
颜色特征提取单元，用于提取所述样本图片中印章的颜色特征；
形状特征提取单元，用于提取所述印章的形状特征；
特征融合单元，用于将所述颜色特征与所述形状特征融合至全局特征中，得到融合特征；其中，所述全局特征为签章识别网络对所述样本图片进行特征提取后生成的特征；
融合优化训练单元，用于根据所述融合特征对所述签章识别网络进行特征优化训练，得到优化签章识别网络；
优化模型调用单元，用于调用所述优化签章识别网络对待签章审核的文件图片进行签章识别；
所述形状特征提取单元，具体用于对所述样本图片进行二值化处理，得到二值化图片；通过边缘检测提取所述二值化图片的轮廓，得到轮廓曲线；根据所述轮廓曲线在水平和垂直方向的坐标值关系进行印章形状粗分类，得到印章形状公式；根据所述印章形状公式遍历所述轮廓曲线中的所有图形，识别出所述轮廓曲线中的印章形状轮廓；提取所述印章形状轮廓的形状特征；
所述签章识别装置，还用于提取所述样本图片的局部特征；
所述特征融合单元，具体用于将所述局部特征、所述颜色特征与所述形状特征融合至全局特征中；
所述签章识别装置，具体还用于将样本图片平均分割为若干子块；根据所述子块内的像素值差异对所述子块进行二值化处理，得到二值化子块；计算所述二值化子块的局部二值特征值；统计各所述子块分别对应的所述局部二值特征值，作为所述局部特征。
6.一种计算机设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述签章识别方法的步骤。
7.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述签章识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110744879.0A CN113361547B (zh) | 2021-06-30 | 2021-06-30 | 一种签章识别方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110744879.0A CN113361547B (zh) | 2021-06-30 | 2021-06-30 | 一种签章识别方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113361547A CN113361547A (zh) | 2021-09-07 |
| CN113361547B true CN113361547B (zh) | 2024-06-14 |
Family
ID=77537823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110744879.0A Active CN113361547B (zh) | 2021-06-30 | 2021-06-30 | 一种签章识别方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361547B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113989481A (zh) * | 2021-10-26 | 2022-01-28 | 深圳前海环融联易信息科技服务有限公司 | 一种合同文本图像印章检测和去除方法 |
| CN117171817B (zh) * | 2023-11-03 | 2024-01-19 | 北京点聚信息技术有限公司 | 基于区块链的电子签章安全管理方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111950355A (zh) * | 2020-06-30 | 2020-11-17 | 深圳市雄帝科技股份有限公司 | 印章识别方法、装置及电子设备 |
| CN112686236A (zh) * | 2020-12-21 | 2021-04-20 | 福建新大陆软件工程有限公司 | 一种多特征融合的印章检测方法 |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR2688911B1 (fr) * | 1992-02-24 | 1994-07-29 | Robert Pierre | Procede de creation de la signature d'un objet represente sur une image numerique, du type consistant a definir au moins un calibre dimensionnel caracteristique dudit objet, et procede correspondant de verification de la signature d'un objet. |
| JP4045783B2 (ja) * | 2001-11-15 | 2008-02-13 | ブラザー工業株式会社 | スタンプ作成装置 |
| KR101106991B1 (ko) * | 2010-03-08 | 2012-01-25 | 주식회사 신한은행 | 유가 증권 분류 장치, 수표 분류 방법 및 이를 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록 매체 |
| US9683836B2 (en) * | 2013-08-09 | 2017-06-20 | Conduent Business Services, Llc | Vehicle classification from laser scanners using fisher and profile signatures |
| CN106570475B (zh) * | 2016-11-03 | 2019-08-02 | 南京航空航天大学 | 一种紫砂壶印章检索方法 |
| CN106951907A (zh) * | 2017-03-22 | 2017-07-14 | 冯超 | 印章印文自动提取印对系统 |
| CN107944452B (zh) * | 2017-12-12 | 2021-07-23 | 信翼博达科技（深圳）有限公司 | 一种圆形印章文字识别方法 |
| CN110619274A (zh) * | 2019-08-14 | 2019-12-27 | 深圳壹账通智能科技有限公司 | 基于印章和签名的身份验证方法、装置和计算机设备 |
| CN112529513A (zh) * | 2019-09-17 | 2021-03-19 | 上海怀若智能科技有限公司 | 一种智能验印方法及系统 |
| CN111950453B (zh) * | 2020-08-12 | 2024-02-13 | 北京易道博识科技有限公司 | 一种基于选择性注意力机制的任意形状文本识别方法 |
| CN112329756A (zh) * | 2020-09-25 | 2021-02-05 | 武汉光谷信息技术股份有限公司 | 一种印章提取及文字识别的方法及装置 |
| CN112686255A (zh) * | 2020-12-31 | 2021-04-20 | 深圳赛安特技术服务有限公司 | 基于霍夫变换的印章识别方法、装置、设备和存储介质 |
-
2021
- 2021-06-30 CN CN202110744879.0A patent/CN113361547B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111950355A (zh) * | 2020-06-30 | 2020-11-17 | 深圳市雄帝科技股份有限公司 | 印章识别方法、装置及电子设备 |
| CN112686236A (zh) * | 2020-12-21 | 2021-04-20 | 福建新大陆软件工程有限公司 | 一种多特征融合的印章检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113361547A (zh) | 2021-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104751142B (zh) | 一种基于笔划特征的自然场景文本检测方法 | |
| CN109784342B (zh) | 一种基于深度学习模型的ocr识别方法及终端 | |
| CN105528614B (zh) | 一种漫画图像版面的识别方法和自动识别系统 | |
| CN113361547B (zh) | 一种签章识别方法、装置、设备及可读存储介质 | |
| CN110647795A (zh) | 一种表格识别方法 | |
| CN111626941A (zh) | 一种基于深度学习语义分割的文档矫正方法 | |
| CN113592886A (zh) | 建筑图纸的审图方法、装置、电子设备及介质 | |
| JP2005148987A (ja) | オブジェクト識別方法とその装置、プログラム及び記録媒体 | |
| CN111783773A (zh) | 一种面向角度倾斜电线杆标识牌的矫正方法 | |
| CN107240185A (zh) | 一种冠字号识别方法、装置、设备及存储介质 | |
| CN113158895A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
| CN113011426A (zh) | 一种识别证件的方法和装置 | |
| CN103455816B (zh) | 一种笔画宽度提取方法、装置及一种文字识别方法、系统 | |
| CN116052152A (zh) | 一种基于轮廓检测和深度神经网络的车牌识别系统 | |
| CN109635729B (zh) | 一种表格识别方法及终端 | |
| CN111199240A (zh) | 银行卡识别模型的训练方法、银行卡识别方法以及装置 | |
| Chen et al. | Image segmentation based on mathematical morphological operator | |
| CN117333893A (zh) | 基于ocr的自定义模板图像识别方法、系统及存储介质 | |
| Shukla et al. | An approach for skew detection using hough transform | |
| CN113537216B (zh) | 一种点阵字体文本行倾斜校正方法及装置 | |
| CN113743360B (zh) | 智能化印章解析的方法和装置 | |
| CN113421257B (zh) | 一种点阵字体文本行旋转校正方法及装置 | |
| CN111753723B (zh) | 一种基于密度校准的指纹识别方法及装置 | |
| CN115187744A (zh) | 一种基于激光点云的机柜识别方法 | |
| CN110349111B (zh) | 一种包含二维码图像的矫正方法和装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |