[发明专利]一种基于深度学习的银行卡号识别方法

说明书

本发明公开了一种基于深度学习的银行卡号识别方法，通过卡片的像素水平排列度做sigma变换将倾斜图片矫正成水平方向，选定一个可以检测目标的滑动窗口，接着使用改进的VggNet作为基本判别模型，输入数据均重新拉伸大小为到64*64，采用SGD优化方法来训练模型，实现卡号数字的识别。然后以0.25*滑动窗口长度的值作为移动步伐的大小从上至下做平移，依赖每一个位置的判别阈值来判定窗口的位置，在滑动窗口内有一个大小可容纳一个字符长度的小滑块，从左向右检测产生判别结果，以实现银行卡号的定位和识别。本发明中依赖判别阈值进行滑块处理以及改进的VggNet模型的方法具有较高的识别率，相比于普通平面卡号识别，本方法对凹凸卡字符定位的识别率更高。

技术领域

本发明涉及字符识别技术领域，具体为一种基于深度学习的银行卡号识别方法。

背景技术

随着移动互联网经济的兴起，各银行纷纷推出各自的手机银行APP，以方便用户进行网上转账、购物、投资及其他经济行为。但是在绑定卡片的过程中，用户往往因为银行卡号码数字多，且需要多次核对而感到很不方便，而使用银行卡自动识别技术将银行卡正面照片拍下，并且识别银行卡号，然后帮助客户自动填充好银行卡号，将会大大方便客户绑卡

虽然银行卡大小基本统一，但银行卡背景多种多样、卡号有平面印刷、凹凸压印等不同方式、银行卡在使用过程中存在不同程度的磨损等。因此，基于图像的银行卡卡号自动识别具有一定的挑战性。

发明内容

本发明针对现有银行卡号识别技术中对凹凸卡号中不容易定位识别方面的缺陷，提供一种基于深度学习的银行卡号识别方法，是一种基于深度学习的，应用边检测边定位的滑动窗口方式进行定位，以及通过改进的VggNet模型框架进行训练识别，从而实现的银行卡号识别系统的设计方法。

本发明的技术方案如下：

一种基于深度学习的银行卡号识别方法，首先通过提取目标卡片轮廓，根据卡片的像素水平排列度做sigma变换等操作进行数据集预处理工作，然后以0.25*滑动窗口长度平移滑动框，依赖判别阈值判定窗口位置，进行定位同时产生识别产生结果，使用改进的VggNet作为基本骨架模型，在保证识别率的前提下尽可能提高运算速度，减少部分卷积层池化层并缩小特征数，输入数据均resize到64*64，采用SGD优化方法训练模型，实现卡号的识别，最后采用应用程序框架PyQt5进行GUI设计，为用户展示基于深度学习的银行卡号识别系统。

具体步骤如下：

步骤1：对训练数据(准备好的单行多位卡号图片)进行预处理，得到处理好的单数字图片，以供模型训练；

对于要检测的卡片，根据卡片的像素水平排列度做sigma变换，利用sigma公式进行图像旋转的操作，将倾斜图片矫正成水平方向，根据卡片与背景差别，提取银行卡卡片轮廓。具体过程如下：

首先，进行处理图像，将原始的多位数字图片切割为单个数字，并且通过flip(左右翻转)，Rotation(旋转)，noise(加噪点做干扰)，brighter(亮化)，darker(暗化)等操作即可实现数据的增强，然后填充因图像移动导致的空白区域，处理过后的图片统一保存到特定文件夹下以供训练使用。

根据卡片的文字信息的像素水平排列度做sigma变换，扭转图片使之水平，并且提取卡片轮廓，得到需要识别的目标图片。

步骤2：使用改进的VggNet作为基本骨架模型，输入大量银行卡单独数字的图片训练辨别模型，辨别模型对一个字符大小的图片判断是哪一个数字还是并非数字，输入图片拉伸大小为64*64，采用SGD优化方法训练模型，得到可以识别卡号的模型；