[发明专利]一种移动端身份证图像遮挡判断方法

说明书

本发明公开的属于身份证识别技术领域，具体为一种移动端身份证图像遮挡判断方法，本发明用一个轻量身份证检测网络对身份证区域进行定位，方法为准备各种场景的身份证拍摄图片并用水平矩形框对身份证位置进行标注做成训练样本，同时在训练样本中加入一部分无身份证的图片作为负样本，网络训练好后应能输出输入图片中身份证外接矩形框的坐标信息；再用一个轻量分类网络判断身份证是否受到遮挡，方法为对第一步中得到的身份证外接矩形区域进行适当扩充后再裁剪送入网络进行分类，最后得出身份证是否受到遮挡的结果。本发明通过使用两个轻量网络模型完成了身份证图像的遮挡判断，具有以下特点：模型精巧、速度快、准确度高和鲁棒性高。

技术领域

本发明涉及身份证识别技术领域，具体为一种移动端身份证图像遮挡判断方法。

背景技术

在身份证信息识别过程中，常常会出现由于用户拍摄证件手法不当造成身份证受到物体遮挡或者图像不完整进而影响识别精度的情况，加入身份证遮挡判断模块可以及时提醒用户调整身份证的摆位以避免物体遮挡，从而提高识别算法的准确率。

现有方法之一是用传统机器学习方法进行身份证遮挡判断，如先利用传统图像检测方法如轮廓提取、形态学变换等方法对身份证进行定位，再手工设计特征用支持向量机对定位的身份证区域进行分类，但传统机器学习方法往往鲁棒性差，准确率低，不适合商用。

现有方法之二是利用深度学习技术来进行身份证遮挡判断，一般可使用经典物体检测网络如Faster RCNN，Yolo，SSD等进行身份证的定位和遮挡判断。但这些网络的架构通常比较复杂，参数庞大，对移动端部署不够友好。

所以需要一种具有准确度高，模型小，速度快的特点，适合在移动端部署运行的身份证图像遮挡判断方法。

发明内容

本发明的目的在于提供一种移动端身份证图像遮挡判断方法，以解决上述背景技术中提出的如何实现具有准确度高，模型小，速度快的特点，适合在移动端部署运行的问题。

为实现上述目的，本发明提供如下技术方案：一种移动端身份证图像遮挡判断方法，该方法的具体步骤如下：

S1：采用摄像头进行身份证的图像进行采集；

S2：对身份证进行区域定位，准备训练样本训练身份证区域定位网络；

S3：准备各种场景的身份证拍摄图片为训练样本，用水平矩形框对样本进行标注，同时加入一部分无身份证的图片到训练样本集以避免网络发生误检；

S4：网络训练好后，输入待检测身份证图片，网络应能输出图片中身份证外接矩形框的坐标信息，可以通过这些坐标信息对身份证区域进行适当比例的扩充后再裁剪；

S5：训练一个分类网络对身份证是否受到遮挡进行判断；

S6：人工将受遮挡和未遮挡的样本分开，再使用旋转，模糊等多种手段对数据进行增广，以获得足够多的训练数据。将这两类数据输入到网络进行训练，模型收敛后网络即可正确判断输入身份证图片是否收到遮挡；

S7：训练完成后向计算框架对模型进行格式转换，使其可用于移动端部署。

优选的，所述步骤S2中采用Tiny-DSOD小模型目标检测算法的计算网络对身份证进行区域定位，Tiny-DSOD使用了针对Dense block进行改进的深度可分离卷积。

优选的，所述步骤S5中采用MobileNet-v2作为分类模型，MobileNet-v2将深度可分离卷积应用到残差网络结构，MobileNet-v2在最后输出一个1×2×1×1的张量，对原始身份证样本进行处理后可得到裁剪后的身份证图片，并用于步骤S3中的2类物体的分类，实现判断。

优选的，所述MobileNet-v2为原始状态下可输出一个1×1000×1×1的张量并用于1000类物体的分类的轻量化模型。