[发明专利]识别卡号的方法和装置、存储介质及电子设备

权利要求书

1.一种识别卡号的方法，其特征在于，所述方法包括：

获取卡号序列的字符位的分布格式信息，所述分布格式信息包括所述卡号序列的字符位间距信息；

通过预先训练的神经网络模型识别目标图像中的字符序列，并获取识别出的所述字符序列的字符位间距信息；

判断识别出的所述字符序列中的字符位间距信息与获取的所述分布格式信息中的字符位间距信息是否一致；

若一致，确定识别出的所述字符序列为目标卡号；

所述通过预先训练的神经网络模型识别目标图像中的字符序列，并获取识别出的所述字符序列的字符位间距信息，包括：

通过预设的多个采样窗口在所述目标图像上采集得到多个子图像；

根据所述预先训练的神经网络模型识别每一所述子图像对应的字符标签；

通过非极大值抑制算法从多个所述子图像中，确定对应所述字符标签的概率符合概率条件的目标子图像；

根据所述目标子图像对应的字符标签生成所述字符序列；

根据所述目标子图像所处的像素位置，确定所述字符序列中字符位的间距信息。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取矩形卡片图像；

生成覆盖所述卡片图像的虚拟检测面，所述虚拟检测面包括多条平行于所述卡片图像长边，且贯穿所述卡片图像的虚拟检测条；

根据预设图像特征，确定与超过第一预设数目的字符相交的目标虚拟检测条，其中，所述预设图像特征包括表征所述虚拟检测条与字符相交的图像特征；

根据所述目标虚拟检测条对应所述卡片图像的像素位置，在所述卡片图像上截取所述目标图像。

3.根据权利要求2所述的方法，其特征在于，所述根据所述目标虚拟检测条对应所述卡片图像的像素位置，在所述卡片图像上截取所述目标图像，包括：

选取第二预设数目条连续的目标虚拟检测条作为目标虚拟检测条组；

截取所述卡片图像中至少包括所述目标虚拟检测条组的预设大小的图像区域为所述目标图像。

4.根据权利要求2所述的方法，其特征在于，所述获取矩形卡片图像，包括：

从输入的图像中确定至少三个顶角像素位置，所述顶角像素位置用于表征卡片顶角；

根据所述至少三个顶角像素位置在所述输入的图像中确定用于表征卡片所在的图像区域；

对所述图像区域进行校正生成矩形卡片图像。

5.根据权利要求2所述的方法，其特征在于，所述获取卡号序列的字符位的分布格式信息，所述分布格式信息包括所述卡号序列的字符位间距，包括：

根据所述预设图像特征，在所述目标图像中确定所述目标虚拟检测条与字符相交的像素位置；

根据所述目标虚拟检测条与每一所述字符相交的像素位置确定所述字符位间距。

6.根据权利要求1所述的方法，其特征在于，所述获取卡号序列的字符位的分布格式信息，所述分布格式信息包括所述卡号序列的字符位间距，包括：

获取所述卡号的类别信息；

根据所述卡号的类别信息，以及预设的卡号类别与卡号分布格式信息的对应关系，确定所述卡号序列的字符位的分布格式信息。

7.根据权利要求1所述的方法，其特征在于，所述采样窗口以阵列的形式分布，所述阵列的每一行所述采样窗口沿所述目标图像的水平方向分布，所述阵列的每一行所述采样窗口中，两相邻所述采样窗口之间相距预设步长且部分重叠；

所述通过非极大值抑制算法从多个所述子图像中，确定对应所述字符标签的概率符合概率条件的目标子图像，包括：

获取每一所述子图像对应所述字符标签的概率；

确定多行所述采样窗口采集的多行所述子图像中，概率总和最高的第一行子图像；

通过非极大值抑制算法从所述第一行子图像中，确定对应所述字符标签的概率符合概率条件的目标子图像。

8.根据权利要求1所述的方法，其特征在于，所述预先训练的神经网络模型的分类器标签包括：

对应不同印刷样式下每一数字字符图像特征的字符类标签；

对应无字符区域图像特征的空格标签。