[发明专利]一种基于神经网络和图像处理技术的身份证识别方法在审

专利信息
申请号: 201310412530.2 申请日: 2013-09-11
公开(公告)号: CN103488998A 公开(公告)日: 2014-01-01
发明(设计)人: 安俊峰;龚涛;卢萌萌 申请(专利权)人: 东华大学
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 上海泰能知识产权代理事务所 31233 代理人: 宋缨;孙健
地址: 201620 上海市*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 神经网络 图像 处理 技术 身份证 识别 方法
【说明书】:

技术领域

发明涉及身份证识别技术领域,特别是涉及一种基于神经网络和图像处理技术的身份证识别方法。

背景技术

身份证识别是利用扫描仪、数码相机、或手机相机拍摄各种证件图像(二代身份证、护照、驾照、行驶证等),快速扫描并读取证件图像上的所有联系信息,自动判别证件上的各栏位信息,存入证件信息数据库。但是,现有的身份证识别方式有时候会识别错误,导致登记时产生错误,影响系统运行。

发明内容

本发明所要解决的技术问题是提供一种基于神经网络和图像处理技术的身份证识别方法,使得识别的正确率有所提高。

本发明解决其技术问题所采用的技术方案是:提供一种基于神经网络和图像处理技术的身份证识别方法,包括以下步骤:

(1)利用matlab软件提取身份证照片;

(2)对身份证照片进行二值化处理,识别出身份证号码;

(3)采用神经网络对身份证照片进行训练,并验证正确率以及保存训练过程。

所述步骤(2)中还包括采用图像分割的方式从身份证照片中分割出个人信息的步骤。

图像分割步骤如下:对身份证照片进行定位;采用边缘分割法将身份证照片中的字符分割出来;把分割好的字符进行识别,最终组成身份证号码;根据身份证号码显示个人信息。

所述步骤(3)包括以下子步骤:

(31)提取身份证相应的特征信息;

(32)记录相应的特征信息并进行自己训练;

(33)用matlab软件提供的训练功能不断地更新训练模型,使之正确率不断提高,不断地接近100%。

有益效果

由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过神经网络训练功能提高身份证识别的正确率,具有强大的可靠性和稳定性。

附图说明

图1是本发明的流程图。

具体实施方式

下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种基于神经网络和图像处理技术的身份证识别方法,包括以下步骤:

步骤(1),利用matlab软件提取身份证照片;

步骤(2),对身份证照片进行二值化处理,识别出身份证号码。在本步骤中还可以采用图像分割的方式从身份证照片中分割出个人信息,如家庭地址,出生年月,省份等。进行图像分割时,首先,对身份证图片进行定位,定位图片中的牌照位置;接着,身份证图片字符分割,把牌照中的字符分割出来;可以采用边缘分割的技术;身份证图片字符识别,把分割好的字符进行识别,最终组成身份证号码;对分割后的字符进行相应程序设计,显示个人信息(出生年月等)。

步骤(3),采用神经网络对身份证照片进行训练,并验证正确率以及保存训练过程,随着训练照片张数的增加,正确率也在不断地增加。其中,识别的正确率判断依据是是否与身份证图片的命名一致。具体如下:提取身份证相应的特征信息;记录相应的特征信息并进行自己训练;用matlab软件提供的训练功能不断地更新训练模型,使之正确率不断提高,不断地接近100%。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东华大学,未经东华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201310412530.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top