[发明专利]基于数据增广和卷积神经网络的银行卡卡号自动识别方法

权利要求书

1.一种基于数据增广和卷积神经网络的银行卡卡号自动识别方法，其特征在于，具体步骤为：

步骤1、对银行卡卡号区域图像进行切割，获取单字符图像，对每幅单字符图像进行多次数据增广得到若干单字符图像，所述若干单字符图像构成训练样本，具体方法为：

步骤1-1、对每张银行卡卡号区域图像进行3次分割，具体分割方式分别为：四等分平均切割，随机左偏2到5个像素切割，随机右偏2到5个像素切割，随机左偏切割时，切割出来的最左部分缺少的几列像素由最右部分多出的几列像素补上，随机右偏切割时，切割出来的最右部分缺少的几列像素由最左部分多出的几列像素补上；

步骤1-2、将单字符图像与背景图像进行融合，具体融合方法为：两张图像设定固定权重相加，以及将两张图像各部分分别设置成不同权重相加，根据需求，一张单字符图片按照不同权重融合成多张；

步骤1-3、对背景融合后的单字符图像添加噪音，将添加噪音后的单字符图像以及步骤1-1中原本的单字符图像作为训练样本；

步骤2、将训练样本输入残差神经网络分类模型对其进行训练，获得单字符图像分类器；

步骤3、提取待识别银行卡图片的单字符图像，将单字符图像输入单字符图像分类器得到分类结果，将分类结果进行组合得到银行卡卡号。

2.根据权利要求1所述的基于数据增广和卷积神经网络的银行卡卡号自动识别方法，其特征在于，步骤2中的基于残差神经网络的分类器包括5个串联在一起的残差块，每个残差块包括3个卷积层，每一卷积层的卷积结果经过ReLU激活函数后进入下一卷积层，最后一层卷积层的卷积结果加上本残差块的输入作为下一层残差块的输入，最后一个残差块的输出结果进入一个softmax十分类器，输出其属于十类中的每一类的概率，取概率最大的一类作为分类器判别结果。

3.根据权利要求1所述的基于数据增广和卷积神经网络的银行卡卡号自动识别方法，其特征在于，步骤3提取待识别银行卡图片的单字符图像的具体方法为：

步骤3-1、利用霍夫变换将银行卡在图像中的倾斜角调整为水平；

步骤3-2、利用霍夫变换线定位到银行卡的矩形区域，提取出银行卡图像，消除拍摄背景；

步骤3-3、利用黑色像素所占比例判别银行卡的卡号字符类型，若是凸起型，利用十字形的核对银行卡的灰度图进行形态学开运算得到开运算图，将灰度图减去开运算图的差分图消除银行卡上的图案纹理，留下字符纹理；对差分图进行OTSU二值化获得二值图，将二值图对纵坐标进行投影，定位到卡号所在的纵轴区域，对纵轴区域向横坐标进行投影位到银行卡卡号区域图像，按照固定的字符长度分割出单个字符图像；若是黑体卡片，对步骤3-2提取的银行卡图像的灰度图进行中值滤波得到滤波图，对滤波图进行全局阈值分割得到二值图，将二值图对纵轴进行投影，提取出纵轴区域，再对纵轴区域向横轴进行投影，截取出卡号所在位置的长条形区域图，将长条形区域图像向横轴投影分割出由字符组成的小区域，消除小区域之间的空白部分，按照固定的字符长度分割出单个字符图像。