TWM585377U - 證件識別系統 - Google Patents

Abstract

一種證件識別系統，包含一資料擷取裝置以及一資料處理裝置，資料擷取裝置包含一輸入模組、一儲存模組、一影像獲取模組、一顯示模組；資料處理裝置包含一預處理模組、一證件類型辨識模組以及一證件內容識別模組。藉由預處理模組、證件類型辨識模組與證件內容識別模組，可即時判斷使用者提供的證件類型是否正確並進行內容識別，降低因提供之證件之類別錯誤與品質不佳而造成處理延宕的問題。

Description

證件識別系統

本創作涉及一種證件識別領域，尤其涉及一種以卷積神經網路識別證件類型之證件識別系統。

以往使用者欲申請各種金融服務時，例如開戶、投保、資料變更等申請時，使用者須於營業據點依據紙本申請書的內容逐一填寫申請資料並提供證件之副本，然後交給承辦人員，由承辦人員進行人工審查與核對以確認是否提供了正確的證件與副本之品質。目前由於資訊設備與網路科技的進展，使用者可以透過電腦系統介面的指示填寫申請資料並提供證件之影像，雖可免去使用者前往營業據點的不便，但電腦系統接收到申請資料後，仍需進行人工審查與核對以確認是否提供了正確的證件與副本之品質，如不通過則透過電腦系統退回該申請，使用者需更新申請資料並再次提供，然後繼續等待人工審查與核對，整個過程仍然曠日廢時，雖免去了距離上的不便，卻產生了時間上的不便。

因此，需要一種能夠即時對使用者申請的服務項目所需的證件類型進行比對與判斷之證件識別系統，從而加快申請程序之進行之系統。

有鑑於此，本創作提出一種證件識別系統，其透過卷積神經網路識別證件類型，並與使用者申請的服務項目所需的證件類型進行比對與判斷。

在一實施例中，本創作之證件識別系統，包含一資料擷取裝置以及一資料處理裝置，資料擷取裝置包含一輸入模組、一儲存模組、一影像獲取模組、一顯示模組；資料處理裝置包含一預處理模組、一證件類型辨識模組以及一證件內容識別模組。其中，該輸入模組用以提供一輸入介面，讓使用者透過該輸入介面選擇要申請的服務項目；該儲存模組，連結於該輸入模組，用以儲存該服務項目對應之需求證件類型；該影像獲取模組，連結於該輸入模組，用以獲取使用者證件之第一影像；該顯示模組，連結於該輸入模組、該儲存模組與該影像獲取模組，用以顯示其所接收到之資訊；該預處理模組，用以接收該第一影像，對該第一影像進行影像標準化處理產生一第二影像，並對該第二影像之屬性進行檢核，如檢核通過，將該第二影像提供給一證件類型辨識模組；該證件類型辨識模組包含一卷積神經網路與複數個證件模型，該證件類型辨識模組用以接收該第二影像與該需求證件類型，藉由該卷積神經網路對該第二影像與該證件模型進行比對，產生一證件類型判斷結果，再依據該證件類型判斷結果與該需求證件類型判斷，如判斷相同，將該第二影像提供給一證件內容識別模組；該證件內容識別模組，用以進行文字識別，產生一證件內容識別結果並提供給該資料擷取裝置。

在一實施例中，本創作之證件識別系統，其中該影像標準化處理為傾斜校正調整、梯形校正調整、解析度調整、亮度調整、對比度調整、尺寸調整或其組合。

在一實施例中，本創作之證件識別系統，該屬性為尺寸、模糊度、陰影面積、解析度、傾斜度或其組合。

在一實施例中，本創作之證件識別系統，該卷積神經網路包含一卷積層。

在一實施例中，本創作之證件識別系統，該文字識別包含文字位置辨識、文字辨識與文字探勘。

在一實施例中，本創作之證件識別系統，該文字辨識為一光學文字辨識處理。

在一實施例中，本創作之證件識別系統，該文字辨識係用以辨識正確文字與錯誤文字。

在一實施例中，本創作之證件識別系統，該文字探勘為以正確文字替換該錯誤文字。

在一實施例中，本創作之證件識別系統，該需求證件類型為身分證、健保卡、護照、居留證、戶口名簿、駕照、存摺或其組合。

在一實施例中，本創作之證件識別系統，該證件內容識別結果為姓名、性別、身分證字號、出生日期、發證日期、發證地或其組合。

為使本創作之技術內容、目的及優點更容易理解，下面將結合附圖對本創作的實施方式作進一步地詳細描述。

如圖1所示，根據本創作之一實施例，本創作之證件識別系統，包含一資料擷取裝置100以及一資料處理裝置200，資料擷取裝置100包含一輸入模組101、一儲存模組102、一影像獲取模組103以及一顯示模組104；資料處理裝置200包含一預處理模組201、一證件類型辨識模組202以及一證件內容識別模組203。

資料擷取裝置100可以是手機、平板電腦、筆記型電腦或桌上型電腦，資料處理裝置200可以是筆記型電腦、桌上型電腦、伺服器，資料擷取裝置100與資料處理裝置200可形成一用戶端-伺服器(Client/Server)架構。

輸入模組101係用以提供一輸入介面，讓使用者透過該輸入介面選擇要申請的服務項目，在本實施例中，輸入模組101包含一輸入指引介面產生單元及一輸入單元，輸入指引介面產生單元用以產生一輸入指引介面，輸入單元係用以輸入一操作指令，輸入單元可以接觸式或非接觸式方式接收使用者之操作指令，例如鍵盤、觸控螢幕、觸控板、光學感應器、麥克風等，但不限於此。

儲存模組102係連結於該輸入模組101，用以儲存服務項目對應之需求證件類型，在本實施例中，服務項目可以是金融相關業務之服務，例如保險業之網路投保、資料變更、理賠申請等服務，如銀行業或證券業之網路開戶、信用卡申請，又如支付業之使用者註冊等，需求證件類型可以是身分證、健保卡、護照、居留證、戶口名簿、駕照、存摺或其組合，但不限於此。

影像獲取模組103係連結於該輸入模組101，用以獲取使用者證件之第一影像。在本實施例中，影像獲取模組103可以是包含一影像感測單元之影像獲取模組103，用以接收使用者證件之光學訊號，並將之轉換為該影像之數位訊號如證件影像檔，含影像感測單元之影像獲取模組103可以是相機、手機、網路攝影機等具有相似功能之裝置。在其他實施例中，影像獲取模組103還可以是一影像接收單元，用以接收證件影像檔。

顯示模組104係連結於該輸入模組101、該儲存模組102與該影像獲取模組103，用以顯示所接收到之資訊，例如液晶顯示器、有機發光二極體顯示器、具觸控功能之液晶顯示器或具觸控功能之有機發光二極體顯示器，但不限於此。前述資訊包括來自該輸入模組101、該儲存模組102與該影像獲取模組103之資訊，例如顯示來自該輸入模組101之輸入指引介面、來自該儲存模組102之需求證件類型以及該影像獲取模組103獲取之該第一影像，以令使用者得據以操作本創作之證件識別系統。

資料處理裝置200中的預處理模組201，係用以接收來自資料擷取裝置100之該第一影像，然後對該第一影像進行影像標準化處理產生一第二影像，該影像標準化處理為傾斜校正調整、梯形校正調整、解析度調整、亮度調整、對比度調整、尺寸調整或其組合，透過影像標準化處理可以將不同狀況的證件影像，例如將未與證件平行即拍攝而得的梯形證件影像修正為長方形影像、將逆光拍攝出有陰影的證件影像或將未對準而拍得歪斜的證件影像等。該預處理模組201還會對該第二影像之屬性如尺寸、模糊度、陰影面積、解析度、傾斜度或其組合進行檢核，如檢核通過，將該第二影像提供給一證件類型辨識模組202，以進行後續處理；如檢核不通過，該預處理模組201產生一影像獲取訊號並提供給該資料擷取裝置100，該資料擷取裝置100接收到該影像獲取訊號後會將該影像獲取訊號提供給影像獲取模組103，該影像獲取模組103即可再次進行影像獲取。在其他實施例中，顯示模組104可依據影像獲取訊號顯示「重拍」、「再拍一次」等影像獲取提示於顯示模組104上。

證件類型辨識模組202，包含一卷積神經網路與複數個證件模型，該卷積神經網路包含一卷積層。該證件類型辨識模組202用以接收該第二影像與該需求證件類型，藉由該卷積神經網路對該第二影像與該證件模型進行比對，產生一證件類型判斷結果，再依據該證件類型判斷結果與該需求證件類型判斷，如判斷相同，將該第二影像提供給一證件內容識別模組203，如判斷不相同，該證件類型辨識模組202產生一影像獲取訊號並提供給該資料擷取裝置100，該資料擷取裝置100接收到該影像獲取訊號後會將該影像獲取訊號提供給影像獲取模組103，影像獲取模組103即可再次進行影像獲取。

證件內容識別模組203，用以進行文字識別，產生一證件內容識別結果並提供給該資料擷取裝置。文字識別包含文字位置辨識、文字辨識與文字探勘，文字辨識係以光學文字辨識處理(Optical Character Recognition，OCR)證件影像進行辨識，產生一證件文字，該證件文字包含正確文字與錯誤文字，該文字探勘為以正確文字替換該錯誤文字。

請同時參照圖1與圖2，圖2為本創作之證件識別系統之識別流程示意圖，使用者欲透過一資料擷取裝置100進行金融服務的申請，以保險服務為例，該資料擷取裝置100之輸入模組101會提供一輸入介面並透過顯示模組104將網路投保、資料變更、理賠申請等服務選項呈現給使用者，接著，於步驟S201，使用者選擇要申請的服務項目，在本實施例中使用者選擇網路投保服務，此時輸入模組101會將網路投保的申請需求訊息傳送至儲存模組102，儲存模組102會依據該申請需求訊息查詢對應於網路投保之需求證件類型，例如身份證，然後儲存模組102會將身份證需求提供給顯示模組104以顯示對應該服務項目之需求證件類型給使用者，即完成步驟S202。

於步驟S203，使用者拿出身份證並藉由操作影像獲取模組103對身份證進行拍攝，據此獲得一使用者證件之第一影像，該第一影像如圖3所示之身份證。在本實施例中，該影像獲取模組103獲取第一影像後，該資料擷取裝置100會將該第一影像提供給資料處理裝置200進行後續處理。在其他實施例中，該影像獲取模組103獲取第一影像後會先將該第一影像提供給顯示模組104以呈現給使用者進行確認，使用者可以透過該輸入模組101輸入確認或重拍指令，如使用者輸入確認指令，則該資料擷取裝置100即將該第一影像提供給該資料處理裝置200進行後續處理，如使用者輸入重拍指令，則該影像獲取模組103會再度執行拍攝功能以再次獲得使用者證件之第一影像。

資料處理裝置200的預處理模組201接收該第一影像後，進行步驟S204，該預處理模組201對該第一影像之屬性如尺寸、模糊度、陰影面積、解析度、傾斜度或其組合進行檢核，如檢核不通過，該預處理模組201產生一影像獲取訊號並提供給該資料擷取裝置100，該資料擷取裝置100接收到該影像獲取訊號後會將該影像獲取訊號提供給影像獲取模組103，影像獲取模組103即可再次進行步驟S203以再次獲得使用者證件之第一影像。藉由檢核步驟S204，該預處理模組201能夠即時判斷出無法達到辨識需求之第二影像，並即時地令使用者再次提供證件影像。如檢核通過，該預處理模組201將該第一影像進行步驟S205。

步驟S205係一影像標準化處理，包括對第一影像進行傾斜校正調整、梯形校正調整、解析度調整、亮度調整、對比度調整與尺寸調整，藉以產生一第二影像，且該預處理模組201將該第二影像提供給一證件類型辨識模組202，接續進行步驟S206。

步驟S206，藉由卷積神經網路對該第二影像與證件模型進行比對，產生一證件類型判斷結果。在本步驟中，該證件類型辨識模組202包含一卷積神經網路與複數個證件模型，該卷積神經網路包含一卷積層，證件模型係指證件圖片。該證件類型辨識模組202在接收來自該預處理模組201的該第二影像後，會向該儲存模組102請求該需求證件類型，接著依據該需求證件類型決定證件模型，例如使用者申請網路投保，經前述步驟S202確定對應的需求證件類型為身份證，證件模型即身分證圖片。據此，該證件類型辨識模組202中之卷積神經網路將多張身分證圖片作為證件模型並與該第二影像進行比對，產生一證件類型判斷結果。

接續進行步驟S207，該證件類型辨識模組202依據該證件類型判斷結果與該需求證件類型判斷，如判斷相同，將該第二影像提供給該證件內容識別模組203，如判斷不相同，該證件類型辨識模組202產生一影像獲取訊號並提供給該資料擷取裝置100，該資料擷取裝置100接收到該影像獲取訊號後會將該影像獲取訊號提供給影像獲取模組103，影像獲取模組103即可再次進行影像獲取步驟S203。

最後進行步驟S208之文字識別步驟，產生一證件內容識別結果。於步驟S208，該證件內容識別模組203進行文字識別，文字識別步驟依序包含文字位置辨識、文字辨識與文字探勘三個次步驟，字位置辨識步驟會產生一文字位置辨識結果，如圖4所示，文字位置辨識後會於該第二影像上標示多個文字位置框，藉此，該證件內容識別模組203進行文字辨識時僅需針對圖4中文字位置框的部分進行辨識，可以降低系統消耗並提高辨識率。接著，文字辨識步驟係以光學文字辨識處理(Optical Character Recognition，OCR)以對該文字位置框內之文字進行辨識，產生一證件文字，如圖5所示，該證件文字包含正確文字與錯誤文字。最後進行文字探勘步驟，該文字探勘為以正確文字替換該錯誤文字，如圖6所示，該證件內容識別模組203能產生一證件內容識別結果，該證件內容識別結果為姓名、性別、身分證字號、出生日期、發證日期、發證地或其組合，但不限於此。在其他實施例中，資料處理裝置200將該證件內容識別結果提供給資料擷取裝置100，並透過顯示模組104顯示該證件內容識別結果供使用者確認。

在另一實施例中，本創作之證件識別系統之另一識別流程，如圖7所示，其中步驟S301至S303與步驟S201至S203相同，步驟S306至S308與步驟S206至S208相同，不同之處在於影像標準化處理與檢核之順序。在本實施例中，該資料處理裝置200的該預處理模組201接收該第一影像後，進行步驟S304，該預處理模組201對該第一影像進行影像標準化處理，包括傾斜校正調整、梯形校正調整、解析度調整、亮度調整、對比度調整與尺寸調整，藉以產生一第二影像，以將不同狀況的證件影像先進行處理，從而減少因規格不符而無法辨識的情形，也能降低對使用者拍照技巧或拍照環境的需求。惟為提高辨識率與使用者體驗，該預處理模組201還會對該第二影像之屬性如尺寸、模糊度、陰影面積、解析度、傾斜度或其組合進行檢核，如檢核不通過，該預處理模組201產生一影像獲取訊號並提供給該資料擷取裝置100，該資料擷取裝置100接收到該影像獲取訊號後會將該影像獲取訊號提供給影像獲取模組103，影像獲取模組103即可再次進行步驟S303以再次獲得使用者證件之第一影像；如檢核通過，該預處理模組201將該第二影像提供給一證件類型辨識模組202，接續進行步驟S306。藉由檢核步驟S305，該預處理模組201能夠即時判斷出無法達到辨識需求之第二影像，並即時地令使用者再次提供證件影像。

本創作之一種證件識別系統透過卷積神經網路識別證件類型，能夠即時對使用者申請的服務項目所需的證件類型進行比對與判斷，即時告知使用者其提供的證件類型是否正確並進行內容識別，大幅降低因提供之證件之類別錯誤與品質不佳而造成處理延宕的問題，從而加快服務申請程序之進行。

雖然本創作已以實施例揭露如上實施例，然其並非用以限定本創作，任何所屬技術領域中具有通常知識者，在不脫離本創作之精神和範圍內，當可作些許之更動與修飾，皆應為本專利所主張之權利範圍，故本專利之保護範圍當視後附之專利申請範圍所界定者為準。

100‧‧‧資料擷取裝置

101‧‧‧輸入模組

102‧‧‧儲存模組

103‧‧‧影像獲取模組

104‧‧‧顯示模組

200‧‧‧資料處理裝置

201‧‧‧預處理模組

202‧‧‧證件類型辨識模組

203‧‧‧證件內容識別模組

S201-S208‧‧‧步驟

S301-S308‧‧‧步驟

圖1為本創作之證件識別系統之示意圖。
圖2為本創作之證件識別系統之識別流程示意圖。
圖3為待識別證件示意圖。
圖4為文字位置辨識結果示意圖。
圖5為文字辨識結果示意圖。
圖6為文字探勘結果示意圖。
圖7為本創作之證件識別系統之另一識別流程

Claims (11)

1. 一種證件識別系統，包含：一資料擷取裝置，其中包含：一輸入模組，用以提供一輸入介面，讓使用者透過該輸入介面選擇要申請的服務項目；一儲存模組，連結於該輸入模組，用以儲存該服務項目對應之需求證件類型；一影像獲取模組，連結於該輸入模組，用以獲取使用者證件之第一影像；一顯示模組，連結於該輸入模組、該儲存模組與該影像獲取模組，用以顯示其所接收到之資訊；以及一資料處理裝置，包含：一預處理模組，用以接收該第一影像，對該第一影像進行影像標準化處理產生一第二影像，並對該第二影像之屬性進行檢核，如檢核通過，將該第二影像提供給一證件類型辨識模組，如檢核不通過，該預處理模組產生一影像獲取訊號並提供給該資料擷取裝置；該證件類型辨識模組，包含一卷積神經網路與複數個證件模型，該證件類型辨識模組用以接收該第二影像與該需求證件類型，藉由該卷積神經網路對該第二影像與該證件模型進行比對，產生一證件類型判斷結果，再依據該證件類型判斷結果與該需求證件類型判斷，如判斷相同，將該第二影像提供給一證件內容識別模組，如判斷不相同，該證件類型辨識模組產生一影像獲取訊號並提供給該資料擷取裝置；以及該證件內容識別模組，用以進行文字識別，產生一證件內容識別結果並提供給該資料擷取裝置。
2. 如請求項1所述之證件識別系統，其中該輸入模組包含一輸入介面產生單元及一輸入單元。
3. 如請求項1所述之證件識別系統，其中該影像標準化處理為傾斜校正調整、梯形校正調整、解析度調整、亮度調整、對比度調整、尺寸調整或其組合。
4. 如請求項1所述之證件識別系統，其中該屬性為尺寸、模糊度、陰影面積、解析度、傾斜度或其組合。
5. 如請求項2所述之證件識別系統，其中該卷積神經網路包含一卷積層。
6. 如請求項1所述之證件識別系統，其中該文字識別包含文字位置辨識、文字辨識與文字探勘。
7. 如請求項6所述之證件識別系統，其中該文字辨識為一光學文字辨識處理。
8. 如請求項6所述之證件識別系統，其中該文字辨識產生一第一辨識結果，該第一辨識結果包含正確文字與錯誤文字。
9. 如請求項8所述之證件識別系統，其中該文字探勘為以正確文字替換該錯誤文字並產生一第二辨識結果。
10. 如請求項1所述之證件識別系統，其中該需求證件類型為身分證、健保卡、護照、居留證、戶口名簿、駕照、存摺或其組合。
11. 如請求項1所述之證件識別系統，其中該證件內容識別結果為姓名、性別、身分證字號、出生日期、發證日期、發證地或其組合。