[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

说明书

本发明公开了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，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，若干单字符图像构成训练样本；将训练样本输入基于残差神经网络的分类器对其进行训练，获得单字符图像分类器；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。本发明采用残差神经网络，训练速度快，在提高模型效果同时在模型层数加深时不会出现退化问题，别准确率和鲁棒性高。

技术领域

本发明属于图像处理技术，具体为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。

背景技术

在银行进行业务前，都需要提供银行卡，扫描银行卡，进行卡号的识别操作。

同时，移动支付的越来越普及，用户需要先绑定银行卡才能使用移动支付功能，此时用户需要拍照上传银行卡图片或者手动输入自己银行卡的卡号。

现有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主要有两种，一种是基于硬件装置对银行卡卡号进行识别，按照预设的扫描模式分割提取银行卡图像中的多个单字符图像，计算单字符图像的Gabor特征值，再计算单字符图像的Gabor特征值到每一类的标准Gabor特征值的欧氏距离，距离最近的类别就是此单字符图像的类别。从每张银行卡分割提取出的一组单字符图像，输出对应类别，再按顺序组合出银行卡的卡号。

还有一种为基于固定长度滑动窗口来分割提取银行卡图像的多个单字符图像，再对单字符图像进行MeRLBP和HOG特征提取，再以此特征构建出SVM分类器，从而实现单字符图像的分类。从每张银行卡分割提取出的一组单字符图像，输出对应类别，再按顺序组合出银行卡的卡号。

然而上述两种方法都存在识别鲁棒性较差并且准确率不高的问题，导致识别出的卡号有误。

发明内容

本发明的目的在于提供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。

实现本发明目的的技术解决方案为：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，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；

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。

优选地，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的具体方法为：

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。