[发明专利]一种银行卡卡号识别方法、模型训练方法及装置

说明书

本发明公开一种银行卡卡号识别方法、模型训练方法及装置，该方法通过将银行卡卡号区域图像进行切割获得单个卡号字符区域图片，按序通过预先训练好的分类模型将每一单个卡号字符区域图片按照0～9及背景进行分类，并剔除背景类图片，最后按序输出分类结果以完成银行卡卡号的识别，其针对切割后的单个银行卡字符进行识别，在分类过程中干扰较小，分类精度较高，并且，模型在进行分类时，有效剔除了背景类图片，以确保所获得的分类结果均位于0～9之间，并不包括非数字部分，由此进一步提高识别精度，用户体验较佳；另外，其在模型训练时，通过小量样本，基于现有卷积网络模型，通过迁移学习来训练分类模型，训练过程简单，且获得的模型精度高，稳定性佳。

技术领域

本发明涉及光学字符识别领域，特别涉及一种银行卡卡号识别方法、模型训练方法及装置。

背景技术

线上支付已经成为大多数人的首选，而很多具有支付功能的金融机构APP会需要用户绑定银行卡。手动地输入银行卡号，不仅耗时、繁琐，还容易出错。因此现在很多APP辅助设置银行卡卡号识别装置，该装置中包括银行卡卡号位置识别装置，用于银行卡卡号位置的定位，对银行卡进行扫描，通过OCR功能，即可自动定位银行卡卡号位置。

目前在进行银行卡卡号识别时，通常将银行卡卡号区域作为整体，通过基于模板匹配算法、基于神经网络的字符识别算法、基于特征统计的识别算法等方法进行卡号识别，由于不同的银行卡卡号区域长度不同、卡号位数不同、卡号之间排布方式不同，甚至有的银行卡为与背景颜色相同的凸面卡号，因此在上述处理过程中，将银行卡卡号区域整个作为处理对象时，造成字符识别错误，精度不高的缺陷，且目前也没有通用性较佳的网络模型，能实现在少量样本的基础上，快速训练获得精度较高的卡号识别模型。

发明内容

为解决上述技术问题，本发明提供了一种银行卡卡号识别方法、模型训练方法及装置，在进行银行卡卡号识别时精度较高，且其采用的模型训练过程简单。

本发明实施例提供的技术方案如下：

第一方面，提供一种银行卡卡号识别方法，所述方法至少包括如下步骤：

采集一银行卡卡号区域图像；

将所述银行卡卡号区域图像进行切割，获得至少n个单个卡号字符区域图片；

将所有所述单个卡号字符区域图片输入预先训练的分类模型，依序逐个对所述单个卡号字符区域图片进行分类；

按序输出所有单个卡号字符区域图片的分类结果，完成银行卡卡号识别；

其中，对所述单个卡号字符区域图片进行分类包括：

在所述单个卡号字符区域图片输入预先训练的分类模型后，将所述单个卡号字符区域图片按照0～9及背景进行分类，所述数字分类类型为0～9中的一个；

剔除背景类图片。

在一些实施方式中，当银行卡号为凹凸字符时，将所述银行卡卡号区域图像进行切割，获得至少n个单个卡号字符区域图片，具体包括如下子步骤：

通过对所述银行卡卡号区域图像进行RGB与YUV颜色模型的转换，消除背景花纹，以对所述银行卡卡号区域图像进行预处理；

进行粗切割，将预处理后的银行卡卡号区域图像中字符边缘进行垂直投影，根据投影图获取粗切割后的银行卡卡号区域图像；

判断所述粗切割后的银行卡卡号区域图像中是否仍存在字符粘连，若是，则通过粗切割结果获取单个字符平均长度，判断需要进行细切割的区域，进行细切割；

按序输出切割后的至少n个单个卡号字符区域图片。

在一些实施方式中，当银行卡为实体字符时，将将所述银行卡卡号区域图像进行切割，获得至少n个单个卡号字符区域图片，具体包括如下子步骤：