[发明专利]基于opencv和深度学习的社保卡识别方法及系统

说明书

本发明公开了基于opencv和深度学习的社保卡识别方法及系统，属于图像处理及文字识别，要解决的技术问题为如何准确的从社保卡图片中识别出社保卡信息；包括：以仅显示摆正放置的社会保障卡的图像为模板图像，通过模板匹配方法矫正待识别图像，并提取待识别图像中的文字区域；基于深度学习技术构建并训练CRNN模型，通过训练后CRNN模型对文字区域进行文字识别。其结构包括图像采集模块，用于对待识别图像进行预处理；矫正模块，用于通过模板匹配方法矫正待识别图像；文字区域提取模块，用于通过模板匹配方法提取待识别图像中的文字区域；文字识别模块，用于构建并训练CRNN模型，并通过训练后CRNN模型对文字区域进行文字识别。

技术领域

本发明涉及以图像处理及文字识别领域，具体地说是一种基于opencv和深度学习的社保卡识别方法。

背景技术

随着国家“互联网+政务服务”的不断深化，人工智能与政务的结合使得使政务服务更加人性化、便捷化及智能化，群众办事效率得到了很大提升，然而在资料填写过程中，仍存在很多情况需要人工录入，如社会保障卡信息的填写。近些年，随着人工智能技术的不断发展，其在机器视觉、图像处理、文字识别等各个领域都得到了广泛应用。

基于人工智能领域的图像处理技术及深度学习技术，如何简化群众提交社会保障卡信息流程，以实现只需要办事群众上传带有社保卡的图片，即可实时准确地识别出图片中社保卡基本信息的卡证智能识别方法，是需要解决的技术问题。

发明内容

本发明的技术任务是针对以上不足，提供一种基于opencv和深度学习的社保卡识别方法及系统，来解决如何准确的从社保卡图片中识别出社保卡信息的问题。

第一方面，本发明提供一种基于opencv和深度学习的社保卡识别方法，包括：

以仅显示摆正放置的社会保障卡的图像为模板图像，通过模板匹配方法矫正待识别图像，并提取待识别图像中的文字区域；

基于深度学习技术构建并训练CRNN模型，通过训练后CRNN模型对文字区域进行文字识别。

作为优选，通过模板匹配方法矫正待识别图像，包括：

通过SURF特征提取算法分别提取模板图像和待识别图像的特征描述子；

通过最近邻匹配算法计算模板图像与待识别图像的相似特征点；

通过Homography单应性变换计算模板图像和待识别图像之间的映射矩阵，并通过映射矩阵对待识别图像进行矫正。

作为优选，通过模板匹配方法提取待识别图像中的文字区域，包括：

从模板图像中截取感兴趣的文字区域为模板区域；

通过matchTemplate模版匹配算法将模板区域与矫正后的待识别图像进行匹配，从待识别图像中选取与模板区域相似度最高的区域为文字区域。

作为优选，基于深度学习技术构建并训练CRNN模型，通过训练后CRNN模型对文字区域进行文字识别，包括：

构建CRNN模型，所述CRNN模型包括卷积层、循环层和转录层；

以具有文字的图像数据集为训练样本，通过训练样本对构建的CRNN模型进行训练，得到训练后CRNN模型；

通过训练后CRNN模型对文字区域进行文字识别。

作为优选，通过模板匹配方法矫正待识别图像之前，对选取的待识别图像进行图像预处理，用于消除因光照和/或拍摄角度形成的干扰。

更优的，对待识别图像进行预处理包括：

对待识别图像进行滤波处理；

对待识别图像进行二值化处理。