[发明专利]银行卡识别模型的训练方法、银行卡识别方法以及装置

说明书

本申请公开了一种银行卡识别模型的训练方法、银行卡识别方法以及装置，银行卡识别方法包括：获取到待检测图像；通过银行卡识别模型检测待检测图像是否为具有银联标志的银行卡卡片图像；如果待检测图像为具有银联标志的银行卡卡片图像，输出所述银行卡的位置信息以及图像类别预测概率。通过上述方式，能够快速的对银行卡进行定位与识别。

技术领域

本申请涉及到图像识别技术领域，特别是涉及一种银行卡识别模型的训练方法、银行卡识别方法以及装置。

背景技术

随着互联网金融的高速发展，移动支付的业务量激增，如何高效处理银行卡绑定操作变得十分重要。传统的绑卡操作需要用户自己选择银行卡的开户银行和卡号，步骤繁琐，用户体验很差。

现有的对银行卡的识别方法是通过先获取到包含银行卡的图像进行高斯模糊、去噪，平滑处理后，进行灰度化，将三通道的彩色图像转化为单通道的灰度图像，方便后续处理。接着进行Canny边缘检测，通过算法来检测整个银行卡的边缘，并通过二值化转化为黑白图像，以便于提取轮廓。最后筛选出满足条件的银行卡轮廓，确定银行卡位置。

上述方式虽然相对于人工手动输入带来了颠覆性的效果，但是当银行卡处于复杂环境中时，并不能准确的确定出银行卡的位置。

发明内容

本申请主要解决的技术问题是提供一种银行卡识别模型的训练方法、银行卡识别方法以及装置，能够快速的对银行卡进行定位与识别。

为解决上述技术问题，本申请采用的第一个技术方案是：提供一种银行卡识别模型的训练方法，包括：将已标注的图像输入到深度学习回归模型中，其中，已标注的图像为对图像中的银行卡以及银联标志的位置以及图像类别进行标注的图像；

通过深度学习回归模型对图像中的银行卡以及银联标志进行预测，得到银行卡以及银联标志的预测位置信息以及图像类型预测概率；

将预测位置信息与图像的银行卡以及银联标志的标注位置信息进行比对，通过损失函数确定对深度学习回归模型是否进行再训练，并得到银行卡识别模型，银行卡识别模型为训练完成的深度学习回归模型。

为解决上述技术问题，本申请采用的第二个技术方案是：提供一种银行卡的识别方法，识别方法基于银行卡识别模型，包括：

获取到待检测图像；

通过银行卡识别模型检测待检测图像是否为具有银联标志的银行卡卡片图像；

如果待检测图像为具有银联标志的银行卡卡片图像，输出所述银行卡的位置信息以及图像类别预测概率。

为解决上述技术问题，本申请采用的第三个技术方案是：提供一种智能装置，智能终端包括图像获取模块、检测模块以及输出模块，

图像获取模块用于获取到待检测图像；

检测模块用于通过银行卡识别模型检测待检测图像是否为具有银联标志的银行卡卡片图像；

输出模块用于在待检测图像为具有银联标志的银行卡卡片图像时，输出所述银行卡的位置信息以及图像类别预测概率。

为解决上述技术问题，本申请采用的第四个技术方案是：提供一种银行卡识别模型的训练装置，包括图像输入模块，预测模块以及训练模块，图像输入模块用于将已标注的图像输入到深度学习回归模型中，其中，已标注的图像为对图像中的银行卡以及银联标志的位置以及图像类别进行标注的图像；

预测模块用于通过深度学习回归模型对图像中的银行卡以及银联标志进行预测，得到银行卡以及银联标志的预测位置信息以及图像类别预测概率；

训练模块用于将预测位置信息与图像的银行卡以及银联标志的标注位置信息进行比对，通过损失函数确定对深度学习回归模型是否进行再训练，并得到银行卡识别模型，银行卡识别模型为训练完成的深度学习回归模型。