本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，具體為一種復(fù)雜背景下身份證號(hào)識(shí)別算法。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的普及，眾多服務(wù)公司實(shí)現(xiàn)傳統(tǒng)柜臺(tái)業(yè)務(wù)辦理的網(wǎng)絡(luò)化，在柜臺(tái)業(yè)務(wù)網(wǎng)絡(luò)化中自動(dòng)的定位證件在圖像中的位置，并準(zhǔn)確識(shí)別證件號(hào)具有重要的意義。

身份證作為日常生活中最常用的證件，快速準(zhǔn)確地在復(fù)雜圖像中定位并識(shí)別身份證號(hào)具有重要的實(shí)用價(jià)值，當(dāng)前技術(shù)對(duì)身份證識(shí)別主要面臨以下兩個(gè)問題：

一是如何從復(fù)雜圖像中快速定位身份證的位置。復(fù)雜背景下圖像中具有較多的干擾信息，比如身份證周圍的環(huán)境信息、手持身份證的人、身份證上除身份證號(hào)之外的其他信息，這些噪聲都對(duì)身份證號(hào)的定位造成較大的影響。

二是如何辨識(shí)出低分辨率且較為模糊的數(shù)字。在對(duì)身份證的拍攝過程中，因光照、尺度、傾斜角、翻轉(zhuǎn)等原因都對(duì)身份證號(hào)碼的識(shí)別提出的挑戰(zhàn)，特別是在低分辨率下，身份證號(hào)字符模糊不清，如何準(zhǔn)確高效的識(shí)別身份證號(hào)依舊是一個(gè)巨大的挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種復(fù)雜背景下身份證號(hào)識(shí)別算法，該算法具體步驟如下：

S1：使用一種基于統(tǒng)計(jì)亮度信息量評(píng)估算法定位身份證在復(fù)雜圖像中的位置：

1)通過人臉檢測(cè)算法在圖像中獲得n個(gè)人臉坐標(biāo)Rⁿ(x，y，w，h)，本發(fā)明中使用了PICO算法用于人臉檢測(cè)，由于是已有算法此處不再贅述，其中n是檢測(cè)到的人臉個(gè)數(shù)，(x，y，w，h)是框定人臉矩形框的左上角二維坐標(biāo)和矩形框的寬和高，Rⁱ(i∈n)定義為圖像中身份證人臉的候選區(qū)域；

2)獲取每個(gè)Rⁱ(i∈n)右側(cè)與檢測(cè)人臉矩形框同樣大小的圖像區(qū)域R′ⁱ(x′，y′，w′，h′)，按下式計(jì)算R′ⁱ的統(tǒng)計(jì)參考計(jì)數(shù)，

其中F是灰度亮度判斷函數(shù)，d(i，j)是圖像中坐標(biāo)(i，j)處的灰度值，α表示高亮度灰度統(tǒng)計(jì)值，通過上式可得待檢測(cè)區(qū)域的高亮度信息量，計(jì)算信息量的對(duì)比表述值

按同樣的方法，計(jì)算出Rⁱ(i∈n)低亮度信息量，和低亮度灰度統(tǒng)計(jì)值β，如下式：

函數(shù)定義與上文相同，低亮度信息量的對(duì)比度表述值

當(dāng)P、P′滿足約束條件P＞0.8×w×h，P′＜0.2×w×h時(shí)，此候選區(qū)域Rⁱ(i∈n)處于身份證上，最后通過人臉區(qū)域按照身份證的比例估計(jì)出身份證的區(qū)域N；

S2：使用區(qū)域中心直線擬合算法定位身份證號(hào)碼所在位置以實(shí)現(xiàn)字符切割：

1)首先，定位后的身份證區(qū)域包含大量背景信息，這些背景信息極大的干擾了身份證號(hào)的提取，為了消除背景信息的干擾，本文將包含身份證的圖片轉(zhuǎn)換成二值圖，并獲取k個(gè)聯(lián)通區(qū)域的中心位置pⁱ(x，y)，(i∈k)，其中k表示聯(lián)通區(qū)域的個(gè)數(shù)，p(x，y)表示聯(lián)通區(qū)域的幾何中心坐標(biāo)，

將定位后的圖像轉(zhuǎn)換成二值圖，獲取圖像中的k個(gè)聯(lián)通區(qū)域，并計(jì)算聯(lián)通區(qū)域中心坐標(biāo)pⁱ(x，y)，(i∈k)，

2)其次，身份證號(hào)是身份證上最長(zhǎng)的連續(xù)字符串，根據(jù)這個(gè)性質(zhì)，將pⁱ(x，y)，(i∈k)按以下公式映射到一個(gè)二維平面上得到映射后的坐標(biāo)p′，

pⁱ(x，y)＝Kp′(x′，y′)，(i∈k)，其中K為轉(zhuǎn)換系數(shù)，作用是將不同分辨率下的輸入圖片轉(zhuǎn)換到同一分辨率下，采用HOUGH變換擬合出所有直線，直線定義為l＝{p¹，p²…pⁿ，n∈(0，20)}，通過此方法可擬合出多條直線，根據(jù)身份證號(hào)是身份證上最長(zhǎng)的連續(xù)字符串的性質(zhì)，判定所有擬合出的直線中最長(zhǎng)的直線MAX(l^j(count(p)))，j＝1，2，...，h為身份證號(hào)所在的位置，其中h是擬合出所有直線的數(shù)量，count函數(shù)的功能是計(jì)算直線上點(diǎn)的個(gè)數(shù)；

3)最后，截取擬合的直線區(qū)域，并通過縱向像素點(diǎn)直方圖和橫向像素的直方圖分割出數(shù)字字符，將去除表層土壤的鹽堿地上平鋪上改良材料，平鋪量為每畝地需要改良材料總量的三分之一，平鋪要求均勻，避免局部堆積過多的改良材料；

S3：提出一種數(shù)字字符錯(cuò)誤分割矯正算法：定位身份證號(hào)所在區(qū)域，并實(shí)現(xiàn)數(shù)字字符分割，有時(shí)會(huì)出現(xiàn)分割錯(cuò)誤，即分割出的數(shù)字字符數(shù)不等于18個(gè)，具體的錯(cuò)誤情況如下：分割字符總數(shù)S_char＜18，可能的情況為：1.字符粘連，2.字符缺失，分割字符總數(shù)S_char＞18，可能的情況為：1.字符間有裂痕，2.身份證號(hào)兩側(cè)有噪聲，針對(duì)以上可能出現(xiàn)的情況，本文計(jì)算所有字符的平均寬度mean_w和平均間隔mean_i，并通過以下策略實(shí)現(xiàn)對(duì)錯(cuò)誤分割的矯正：

(1)S_char＜18：

1)將數(shù)字字符區(qū)域擴(kuò)大為原來的1.2倍，并對(duì)此區(qū)域重新進(jìn)行字符切割，

2)判斷每個(gè)字符的寬度Wⁱ(i＝1，2，...，end)，若Wⁱ＞1.5×mean_w，則將此字符從中間分割為兩個(gè)，

(2)S_char＜18：

1)若兩個(gè)數(shù)字字符的間隔Iⁱ＜0.2×mean_i，則將兩個(gè)數(shù)字字符合并為一個(gè)字符，

2)若數(shù)字字符的寬度Iⁱ＜0.5×mean_w，則刪除此字符，

若數(shù)字字符的寬度Iⁱ＞1.5×mean_w，并且此字符處于字符串的頭部或尾部，則刪除此數(shù)字字符；

S4：利用標(biāo)準(zhǔn)字體庫(kù)生成數(shù)字字符樣本：通過少量采樣樣本生成大量低分辨率的樣本，解決低分辨率數(shù)字字符難以區(qū)分的問題，步驟如下：

(1)因?yàn)榕臄z亮度、角度、傾斜角的不同，使得獲取的身份證字符多種多樣，而在數(shù)字字符樣本缺失的情況下，身份證字符的識(shí)別是一個(gè)巨大的挑戰(zhàn)，為了解決身份證樣本不足的問題，我們提出了一種隨機(jī)生成身份證號(hào)樣本的方法，其中根據(jù)標(biāo)準(zhǔn)字體庫(kù)生成大量數(shù)字字符樣本的方法如下：

1)將標(biāo)準(zhǔn)數(shù)字字符轉(zhuǎn)換成二值圖像，其中背景像素值為0，前景像素值為1，

2)獲取隨機(jī)旋轉(zhuǎn)角度R，R為±8°之間的隨機(jī)數(shù)字，以R為角度旋轉(zhuǎn)標(biāo)準(zhǔn)數(shù)字字符的二值圖像，

3)為了獲取不同尺度下的數(shù)字字符樣本，獲取隨機(jī)尺度resizeY和resizeX，其中resizeY和resizeX是在5到100之間選取的隨機(jī)數(shù)字，將數(shù)字字符樣本轉(zhuǎn)換成高為resizeY，寬為resizeX的二值圖像，二值圖像即為數(shù)字字符樣本，

(2)獲取真實(shí)事例中的低分辨率樣本，重復(fù)步驟(1)，生成大量低分辨率隨機(jī)樣本，

(3)使用深度學(xué)習(xí)算法完成對(duì)字符樣本的訓(xùn)練，其中網(wǎng)絡(luò)為4個(gè)卷成層加三個(gè)全連接層。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：本發(fā)明可以有效定位復(fù)雜圖像中身份證的位置，并完成對(duì)身份證號(hào)的識(shí)別，該方法首先通過統(tǒng)計(jì)亮度信息量評(píng)估算法定位身份證在復(fù)雜圖像中的位置，然后通過區(qū)域中心直線擬合算法定位身份證上的身份證號(hào)位置，并實(shí)現(xiàn)字符分割，最后通過樣本自生成算法生成大量不同尺度下的隨機(jī)樣本，并用生成的隨機(jī)樣本訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)身份證號(hào)碼的識(shí)別。

附圖說明

圖1為本發(fā)明算法流程圖。

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

實(shí)施例1

一種復(fù)雜背景下身份證號(hào)識(shí)別算法，該算法具體步驟如下：

S1：使用一種基于統(tǒng)計(jì)亮度信息量評(píng)估算法定位身份證在復(fù)雜圖像中的位置：

1)通過人臉檢測(cè)算法在圖像中獲得n個(gè)人臉坐標(biāo)Rⁿ(x，y，w，h)，本發(fā)明中使用了PICO算法用于人臉檢測(cè)，由于是已有算法此處不再贅述，其中n是檢測(cè)到的人臉個(gè)數(shù)，(x，y，w，h)是框定人臉矩形框的左上角二維坐標(biāo)和矩形框的寬和高，Rⁱ(i∈n)定義為圖像中身份證人臉的候選區(qū)域；

2)獲取每個(gè)Rⁱ(i∈n)右側(cè)與檢測(cè)人臉矩形框同樣大小的圖像區(qū)域R′ⁱ(x′，y′，w′，h′)，按下式計(jì)算R′ⁱ的統(tǒng)計(jì)參考計(jì)數(shù)，

其中F是灰度亮度判斷函數(shù)，d(i，j)是圖像中坐標(biāo)(i，j)處的灰度值，α表示高亮度灰度統(tǒng)計(jì)值，通過上式可得待檢測(cè)區(qū)域的高亮度信息量，計(jì)算信息量的對(duì)比表述值

按同樣的方法，計(jì)算出Rⁱ(i∈n)低亮度信息量，和低亮度灰度統(tǒng)計(jì)值β，如下式：

函數(shù)定義與上文相同，低亮度信息量的對(duì)比度表述值

當(dāng)P、P′滿足約束條件P＞0.8×w×h，P′＜0.2×w×h時(shí)，此候選區(qū)域Rⁱ(i∈n)處于身份證上，最后通過人臉區(qū)域按照身份證的比例估計(jì)出身份證的區(qū)域N；

S2：使用區(qū)域中心直線擬合算法定位身份證號(hào)碼所在位置以實(shí)現(xiàn)字符切割：

1)首先，定位后的身份證區(qū)域包含大量背景信息，這些背景信息極大的干擾了身份證號(hào)的提取，為了消除背景信息的干擾，本文將包含身份證的圖片轉(zhuǎn)換成二值圖，并獲取k個(gè)聯(lián)通區(qū)域的中心位置pⁱ(x，y)，(i∈k)，其中k表示聯(lián)通區(qū)域的個(gè)數(shù)，p(x，y)表示聯(lián)通區(qū)域的幾何中心坐標(biāo)，

將定位后的圖像轉(zhuǎn)換成二值圖，獲取圖像中的k個(gè)聯(lián)通區(qū)域，并計(jì)算聯(lián)通區(qū)域中心坐標(biāo)pⁱ(x，y)，(i∈k)，

2)其次，身份證號(hào)是身份證上最長(zhǎng)的連續(xù)字符串，根據(jù)這個(gè)性質(zhì)，將pⁱ(x，y)，(i∈k)按以下公式映射到一個(gè)二維平面上得到映射后的坐標(biāo)p′，

pⁱ(x，y)＝Kp′(x′，y′)，(i∈k)，其中K為轉(zhuǎn)換系數(shù)，作用是將不同分辨率下的輸入圖片轉(zhuǎn)換到同一分辨率下，采用HOUGH變換擬合出所有直線，直線定義為l＝{p¹，p²...pⁿ，n∈(0，20)}，通過此方法可擬合出多條直線，根據(jù)身份證號(hào)是身份證上最長(zhǎng)的連續(xù)字符串的性質(zhì)，判定所有擬合出的直線中最長(zhǎng)的直線MAX(l^j(count(p)))，j＝1，2，...，h為身份證號(hào)所在的位置，其中h是擬合出所有直線的數(shù)量，count函數(shù)的功能是計(jì)算直線上點(diǎn)的個(gè)數(shù)；

3)最后，截取擬合的直線區(qū)域，并通過縱向像素點(diǎn)直方圖和橫向像素的直方圖分割出數(shù)字字符，將去除表層土壤的鹽堿地上平鋪上改良材料，平鋪量為每畝地需要改良材料總量的三分之一，平鋪要求均勻，避免局部堆積過多的改良材料；

S3：提出一種數(shù)字字符錯(cuò)誤分割矯正算法：定位身份證號(hào)所在區(qū)域，并實(shí)現(xiàn)數(shù)字字符分割，有時(shí)會(huì)出現(xiàn)分割錯(cuò)誤，即分割出的數(shù)字字符數(shù)不等于18個(gè)，具體的錯(cuò)誤情況如下：分割字符總數(shù)S_char＜18，可能的情況為：1.字符粘連，2.字符缺失，分割字符總數(shù)S_char＞18，可能的情況為：1.字符間有裂痕，2.身份證號(hào)兩側(cè)有噪聲，針對(duì)以上可能出現(xiàn)的情況，本文計(jì)算所有字符的平均寬度mean_w和平均間隔mean_i，并通過以下策略實(shí)現(xiàn)對(duì)錯(cuò)誤分割的矯正：

(1)S_char＜18：

1)將數(shù)字字符區(qū)域擴(kuò)大為原來的1.2倍，并對(duì)此區(qū)域重新進(jìn)行字符切割，

2)判斷每個(gè)字符的寬度Wⁱ(i＝1，2，...，end)，若Wⁱ＞1.5×mean_w，則將此字符從中間分割為兩個(gè)，

(2)S_char＜18：

1)若兩個(gè)數(shù)字字符的間隔Iⁱ＜0.2×mean_i，則將兩個(gè)數(shù)字字符合并為一個(gè)字符，

2)若數(shù)字字符的寬度Iⁱ＜0.5×mean_w，則刪除此字符，

若數(shù)字字符的寬度Iⁱ＞1.5×mean_w，并且此字符處于字符串的頭部或尾部，則刪除此數(shù)字字符；

S4：利用標(biāo)準(zhǔn)字體庫(kù)生成數(shù)字字符樣本：通過少量采樣樣本生成大量低分辨率的樣本，解決低分辨率數(shù)字字符難以區(qū)分的問題，步驟如下：

(1)因?yàn)榕臄z亮度、角度、傾斜角的不同，使得獲取的身份證字符多種多樣，而在數(shù)字字符樣本缺失的情況下，身份證字符的識(shí)別是一個(gè)巨大的挑戰(zhàn)，為了解決身份證樣本不足的問題，我們提出了一種隨機(jī)生成身份證號(hào)樣本的方法，其中根據(jù)標(biāo)準(zhǔn)字體庫(kù)生成大量數(shù)字字符樣本的方法如下：

1)將標(biāo)準(zhǔn)數(shù)字字符轉(zhuǎn)換成二值圖像，其中背景像素值為0，前景像素值為1，

2)獲取隨機(jī)旋轉(zhuǎn)角度R，R為±8°之間的隨機(jī)數(shù)字，以R為角度旋轉(zhuǎn)標(biāo)準(zhǔn)數(shù)字字符的二值圖像，

3)為了獲取不同尺度下的數(shù)字字符樣本，獲取隨機(jī)尺度resizeY和resizeX，其中resizeY和resizeX是在5到100之間選取的隨機(jī)數(shù)字，將數(shù)字字符樣本轉(zhuǎn)換成高為resizeY，寬為resizeX的二值圖像，二值圖像即為數(shù)字字符樣本，

(2)獲取真實(shí)事例中的低分辨率樣本，重復(fù)步驟(1)，生成大量低分辨率隨機(jī)樣本，

(3)使用深度學(xué)習(xí)算法完成對(duì)字符樣本的訓(xùn)練，其中網(wǎng)絡(luò)為4個(gè)卷成層加三個(gè)全連接層，

統(tǒng)計(jì)信息量評(píng)估算法流程：

第一步，獲取輸入圖像，若檢測(cè)為空，則跳轉(zhuǎn)至第五點(diǎn)，否則繼續(xù)；

第二步，使用人臉識(shí)別算法PICO從背景圖像中定位人臉位置，獲取待確定位置；

第三步，使用統(tǒng)計(jì)亮度信息量評(píng)估從待確定位置中確定身份證所在的位置；

第五步，根據(jù)統(tǒng)計(jì)信息量分布對(duì)待判斷區(qū)域進(jìn)去判斷，若符合則輸出道下一模塊，否則退出；

區(qū)域中心直線擬合算法：

第一步，獲取上一模塊輸出的身份證區(qū)域，否則繼續(xù)；

第二步，將身份證區(qū)域做二值化；

第三步，獲取所有聯(lián)通區(qū)域的中心位置；

第四步，根據(jù)聯(lián)通區(qū)域中心位置擬合直線；

第五步，根據(jù)擬合結(jié)果確定身份證號(hào)位置；

第六步，通過橫向和縱向像素點(diǎn)統(tǒng)計(jì)直方圖完成數(shù)字字符切割；

數(shù)字字符錯(cuò)誤分割矯正算法

第一步，獲取上一模塊中輸出的數(shù)字字符，若輸出字符等于18，則跳轉(zhuǎn)至第三步，否則繼續(xù)；

第二步，根據(jù)分割字符數(shù)量進(jìn)行對(duì)分割結(jié)果進(jìn)行矯正；

第三步，退出算法；

樣本自生成與數(shù)字字符神經(jīng)網(wǎng)絡(luò)訓(xùn)練；

第一步，獲取標(biāo)準(zhǔn)字體庫(kù)，并將標(biāo)準(zhǔn)字體庫(kù)字符轉(zhuǎn)換成二值圖像；

第二步，生成隨機(jī)旋轉(zhuǎn)角度R；

第三步，獲取隨機(jī)尺度；

第四步，根據(jù)隨機(jī)轉(zhuǎn)角R和隨機(jī)尺度，對(duì)第一步中獲得標(biāo)準(zhǔn)字符庫(kù)進(jìn)行相應(yīng)操作，

第五步，用生成的隨機(jī)樣本對(duì)深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；

第六步，用訓(xùn)練好的網(wǎng)絡(luò)識(shí)別上一模塊中識(shí)別的字符，并輸出結(jié)果；

第七步，退出；

本發(fā)明可以有效定位復(fù)雜圖像中身份證的位置，并完成對(duì)身份證號(hào)的識(shí)別，該方法首先通過統(tǒng)計(jì)亮度信息量評(píng)估算法定位身份證在復(fù)雜圖像中的位置，然后通過區(qū)域中心直線擬合算法定位身份證上的身份證號(hào)位置，并實(shí)現(xiàn)字符分割，最后通過樣本自生成算法生成大量不同尺度下的隨機(jī)樣本，并用生成的隨機(jī)樣本訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對(duì)身份證號(hào)碼的識(shí)別。

以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。