[发明专利]基于智能决策的多证件分割关联方法及相关设备

权利要求书

1.一种基于智能决策的多证件分割关联方法，其特征在于，包括：

获取用于分割的预分割图片，将所述预分割图片输入预设的图片分割模型中，得到多张证件子图和所述证件子图对应的证件类型；

分别对单张所述证件子图进行文字识别处理，获取所述证件子图中的多个特征数据；

将多张所述证件子图中的特征数据进行关联，得到多个所述证件类型之间的关联信息。

2.根据权利要求1所述的基于智能决策的多证件分割关联方法，其特征在于，所述获取用于分割的预分割图片，将所述预分割图片输入预设的图片分割模型中，得到多张证件子图和所述证件子图对应的证件类型前，包括：

采集不同类型的多张证件图片，初始化预设的图片分割模型，采用多张所述证件图片对所述图片分割模型进行训练，得到训练后的图片分割模型。

3.根据权利要求2所述的基于智能决策的多证件分割关联方法，其特征在于，所述采用多张所述证件图片对所述图片分割模型进行训练，包括：

对采集的单张所述证件图片中不同类型的单个证件标注标签，所述标签与单个证件的原图高宽一致，所述标签的像素点对应的像素值为单个证件所属的证件类型，将标注好的所述证件图片分为训练集和测试集；

将所述训练集中的证件图片和标签输入预设的图片分割模型中，调节模型参数，对所述图片分割模型进行训练；

采用所述测试集对训练后的所述图片分割模型进行测试，将测试结果与所述标签相比，当误差率大于预设的误差阈值，则增加证件图片的采集数量，并重新返回对单个证件标注标签步骤。

4.根据权利要求3所述的基于智能决策的多证件分割关联方法，其特征在于，所述将所述训练集中的证件图片和标签输入预设的图片分割模型中，调节模型参数，对所述图片分割模型进行训练，包括：

所述图片分割模型在进行图片分割时，采用如下步骤：

载入所述证件图片，通过预设的卷积神经网络提取特征图；

将所述特征图通过预设的区域候选网络生成建议窗口，每张证件图片生成多个建议窗口；

将多个建议窗口映射到所述卷积神经网络的最后一层卷积特征图上，得到新的特征图；

通过目标检测特殊层生成固定尺寸的边框、类型和掩膜；

根据所述边框和所述掩膜对所述证件图片进行分割，得到多个证件子图，根据类型确定所述证件子图的证件类型。

5.根据权利要求1所述的基于智能决策的多证件分割关联方法，其特征在于，所述获取用于分割的预分割图片，将所述预分割图片输入预设的图片分割模型中，得到多张证件子图和所述证件子图对应的证件类型后，包括：

将每张所述证件子图分别通过连通域处理为四边形结构；

将四边形结构的所述证件子图进行仿射变换，得到标准证件大小。

6.根据权利要求1所述的基于智能决策的多证件分割关联方法，其特征在于，所述分别对单张所述证件子图进行文字识别处理，获取所述证件子图中的多个特征数据，包括：

对所述证件子图进行光学字符识别OCR以生成OCR识别结果，所述OCR识别结果为字符串数组；

抽取所述OCR识别结果中的各个字符串数据组的特征信息，根据所述特征信息建立特征信息矩阵，所述特征信息矩阵中的元素是特征信息中的字符；

按照所述特征信息矩阵中元素的类型，将所述特征信息矩阵中的元素进行归类，形成数个特征信息子矩阵；

提取所述特征信息子矩阵中的每一个元素的灰度值，与预设的标准元素的灰度值进行比较，若某一个元素的灰度值与某一个标准元素的灰度值完全一致，则将某一个元素的灰度值作为子矩阵的要素特征，汇总所有比对结果得到证件子图中的特征数据。

7.根据权利要求1所述的基于智能决策的多证件分割关联方法，其特征在于，所述将多张所述证件子图中的特征数据进行关联，得到多个所述证件类型之间的关联信息，包括：

获取任一一个所述特征数据，与其他所述特征数据分别进行比较，若不同，则将两个所述特征数据进行关联，并标记两个所述特征数据所属的证件类型；

若相同，则继续比较，直到遍历完所有的特征数据。