[发明专利]一种解析房产证照片内容的方法

权利要求书

1.一种解析房产证照片内容的方法，其特征在于，所述的解析房产证照片内容的方法包括以下步骤：

1)对不同版本房产证照片进行采集，在数据库建立不同版本房产证模板

对不同版本的房产证做了识别的标签-“模板”，房产证模板是一个Json数据，里面记录了房产证的标准宽度，以及每个信息字段的名称、位置和宽高；

2)拍摄待识别房产证照片，识别字段区域，计算模板匹配度，选取最高匹配度的版本作为待识别的房产证的版本；

a.识别字段区域，利用房产证边框自动查找技术识别字段区域，具体步骤为：

(1)利用Opencv中自适应二值化算法将图片从彩色、灰色照片转换为黑白两色图片；

(2)利用Opencv中FindContours算法获取图片上所有的轮廓的轮廓集合，枚举所有的点，计算任意两个点的长度，找出最长的长度对应的两个点，记作点1、点2；然后再枚举剩余的点，与点1点2行成的三角形，找出三角形周长最大的点，记作点3；然后再次枚举剩余的点，找出与点3距离最长的点，记作点4，点1、点2、点3、点4构成缩减后的轮廓；

(3)筛选出正确的轮廓；剔除凹四边形的轮廓，选择凸四边形轮廓，并在四边形的每个边取5个点，共20个点进行底色验证；

根据模板中获取每个信息字段的坐标、宽高，得到该字段区域的四个顶点及四条边上的中点；

b.使用8点验证法对模板的每个字段进行验证，确定有效模板信息字段的数量；

c.计算模板匹配度，模板匹配度＝有效模板信息字段数/模板信息字段数，得到最高匹配度的版本模板，具体步骤为：

对模板的每个字段进行验证，并计算模板匹配度，得出房产证版本信息；模板匹配度＝有效模板信息字段数/模板信息字段数；模板信息字段指的是对应版本房产证中所包含的信息数；每个信息字段都进行8点验证，通过8点验证的，这个信息字段算作有效模板信息字段；8点验证法：是根据模板中取得每个信息字段的坐标、宽高，得到该字段区域的四个顶点及四条边上的中点，共8个点，确定8个点中某个点的坐标，验证以这个点的坐标，半径为10的范围内的点是否有白点；只要这个半径范围内有白点就验证通过；

3)对每个字段进行分割，通过图像识别技术对字段进行识别，得到图片里面的内容；获取到了房产证图片所属的版本，为了获取该版本房产证中的每个字段信息，将房产证图片，按照模板进行切割，得到每个内容字段所对应的字段图；然后通过OCR识别得出字段图里面的文字信息，再通过卷积神经网络算法识别出字段图内的数字信息；然后对各个字段图所识别出的内容进行汇总，得出房产证照片的所有准确信息；

卷积神经网络算法主要用三种结构实现对输入的局部平移不变性：局部接收域、权值共享和次子样；在卷积层中，前一层的特征图被一个可学习的卷积核进行卷积，再通过一个激活函数，既可以得到这一层的输出特征图；卷积的形式如式(1)所示：

1代表卷积神经网络结构层数，K是卷积核，M_j表示的是输入特征图的集合，代表特征图的选择，b表示每个输出图的偏置值；

在子采样层中，如果有N个输入特征图，就有N个输出特征图，只是每个输出特征图都变小了；子采样层的形式如公式(2)所示：

down(.)表示一个子采样函数，是对输入图像的一个n*n大小的区域求和；这样输出图像在两个维度上都缩小了n倍；每个输出特征图都对一个乘性偏置β和一个加性偏置b；

卷积网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确数学表达式；训练算法分为两个阶段，第一阶段，向前传播阶段：d.从样本集中取一个样本(X，Y_P)，将X输入网络；e.计算相应的实际输出Op为公式(3)所示：

O_p＝F_n(...(F2(F1(XpW(1) W(2))...)W(n))) (3)

第二阶段向后传播阶段：f.计算实际输出Op与相应的理想输出Y_P的差；g.按极小化误差的方法反向传播调整权矩阵；

通过在线自动生成0-9序列号的工具，生成1000组数据，将这些图片上的字符归一化为48*48大小，用600组作为训练集，400组作为测试集，对卷积网络进行训练。

2.根据权利要求1所述的一种解析房产证照片内容的方法在房产证信息识别中的应用。