[发明专利]一种快速识别卡号的方法及装置、模型训练方法及装置

说明书

本发明提供一种快速识别卡号的方法及装置、模型训练方法及装置，通过深度卷积神经网络对待识别的卡片图像进行特征提取，获得与卡片图像相应的特征图；根据第一预设单位长度，沿卡号长度方向将特征图垂直切分成n个图片；将n个图片输入训练好的预测模型进行预测，输出待识别卡片图像的卡号数据；其中，预测模型为基于Bi‑LSTM网络结构预先训练获得，该方法相较传统的卡片OCR技术，不需要对卡号预先切割进行单个逐一识别，而是通过基于Bi‑LSTM网络结构构建的模型，通过该预测模型对全局信息进行抓取，从而基于深度卷积网络处理后获取的卡片图像的特征图，进行卡号识别，该方法支持不定长卡号的识别，不仅对卡号识别时精度较高，并且速度较快，用户体验较佳。

技术领域

本发明涉及光学字符识别领域，特别涉及一种快速识别卡号的方法及装置、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 会需要用户绑定卡片。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辅助设置卡号识别装置，该装置中包括卡号位置识别装置，用于卡号位置的定位，对银行卡进行扫描，通过OCR功能，即可自动定位卡号位置。

目前在进行卡号识别时，部分银行卡OCR识别方法容易产生识别错误，准确性较差。为了提高识别的准确性，通常需要将卡号进行切割，切割成单个卡号，再进行逐一识别。在进行卡号切割时，由于卡号之间距离较小，进行卡号切割时容易造成误切割，即造成多个卡号无法完全切割等，为此，需要通过膨胀、腐蚀等手段对卡号图像进行多类型且多次预处理。因此，在这些识别方法中，在通过模型识别之前需要经过较多图像处理步骤才能获得相应的输入数据，耗时较长。

当然，如会员卡、身份证证件等卡片，在进行卡号识别时，同样面临上述问题。

因此，提出一种快速识别卡号的新方法，是目前亟待解决的问题。

发明内容

为解决上述技术问题，本发明提供了一种快速识别卡号的方法及装置、模型训练方法及装置，能对卡号进行快速、准确识别。

本发明实施例提供的技术方案如下：

第一方面，提供一种快速识别卡号的方法，所述方法至少包括如下步骤：

对待识别的卡片图像进行特征提取，获得与所述卡片图像相应的特征图；

根据第一预设单位长度，沿所述卡号长度方向将所述特征图垂直切分成n 个图片，n>0；

将所述n个图片输入预先训练好的预测模型进行预测，输出所述待识别卡片图像的卡号数据；

其中，所述预测模型为基于Bi-LSTM网络结构预先训练获得。

在一些较佳的实施方式中，所述对待识别的卡片图像进行特征提取，获得与所述卡片图像相应的特征图之前，还包括如下步骤：

对待识别的卡片图像进行预处理，所述预处理至少包括对所述待识别的卡片图像进行去均值化处理。

在一些较佳的实施方式中，所述对待识别的卡片图像进行特征提取，获得与所述卡片图像相应的特征图，至少包括如下子步骤：

设置一卷积神经网络的卷积层和池化层；

通过所述卷积层对待识别的卡片图像进行特征提取；

输出与所述卡片图像相应的特征图。

在一些较佳的实施方式中，所述方法还包括：预先训练预测模型，所述预先训练预测模型至少包括如下子步骤：

对预先采集的卡片图像样本进行特征提取，获得与所述卡片图像样本相应的特征图，并对所述卡片图像样本标注标签，获得卡号标签；