[发明专利]一种证件图像截取方法、存储介质和证件图像截取装置

说明书

本发明公开一种证件图像的截取方法，所述证件包括特定图标，所述特定图标可被图标识别模型识别；所示图标识别模型获取所述特定图标的特征值，依据所述特征值获得所述证件的倾斜角度和边长；根据所述证件的倾斜角度和边长截取所述证件图像。根据本发明提供的证件图像截取方法，利用图标识别模型对证件中的特定图标进行识别，依据特定图标的特征值实现对证件图像的矫正和截取，避免了获取大量真实数据训练识别模型，从根本上解决了使用个人数据的法律风险，同时可以降低开发成本简化开发过程，利用本方法截取证件图像过程简单，截取的证件图像准确率高。

技术领域

本发明涉及人工智能领域，尤其是涉及一种证件图像截取方法、存储介质和证件图像截取装置

背景技术

基于深度学习的目标定位相关技术中，利用深度学习方法进行证件定位时，需要大量高质量的训练数据才能保证定位结果的准确率。在实际定位某种含有头像的证件应用中，需要在照片或复印件中准确定位证件的位置、边界并将证件图片矫正至水平。随着法律对个人隐私数据保护要求的提高，往往无法获得大量真实训练数据。在真实数据不充足的情况下，为了定位含有头像证件，通常会使用程序自动批量生成训练数据的样本，即指定前景图片、背景图片后，由计算机程序仿照真实数据中证件在背景图中的大小、位置、角度等来生成样本作为训练数据，最后用这些数据训练出的定位模型来定位证件。

现有技术存在缺陷如下：首先，由于真实数据不充足，现有的方法批量生成训练数据时只参考了有限的真实数据，因此生成的训练数据缺乏多样性，可能导致训练出的定位模型定位不够准确；其次，由于训练数据生成采用的是在背景图片中绘制前景图片的方式，生成的训练数据图片中，证件与背景图片的过渡会不自然，边界会过于明显，而真实场景中经常有边界模糊甚至看不清的情况，因此利用这种方法生成的训练数据不够真实，也会导致训练出的定位模型定位不够准确；并且，这种方法需要针对每种应用采集大量前景、背景图片，批量生成训练数据，生成后还要训练定位模型，需要花费大量时间，效率较低。最后，这种方法获得的证件定位结果仍然是未进行水平矫正的，后期仍需设计并实现一种图片矫正方式，开发效率较低。

综上，在缺少真实数据时，含有头像的证件定位应用中，现有方法具有准确率低，耗时长的缺陷。为此亟待提供一种缺少真实数据的场景中能够简单易行的定位含有头像证件的方法

发明内容

为了改善相关技术中的不足，本发明致力于提供一种证件图像的截取方法，所述证件包括特定图标，其特征在于包括：

获取所述证件图像；

图标识别模型识别所述特定图标；

所示图标识别模型获取所述特定图标的特征值，依据所述特征值获得所述证件的倾斜角度和边长；

根据所述证件的倾斜角度和边长截取所述证件图像。

进一步的，所述特征值包括所述特定图标的外接矩形边长和倾斜角度，依据所述特定图标外接矩形的边长确定所述证件的边长，依据所述特定图标的倾斜角度对所述证件进行水平矫正，对水平矫正后的所述证件图像按照所述证件的边长截取。

进一步的，依据所述特定图标外接矩形的边长确定所述证件的边长包括，确定所述特定图标外接矩形在证件中的坐标，根据所述坐标获得外接矩形的长边相对于证件长边的长边比例值，根据所述坐标获得外接矩形的短边相对于证件短边的短边比例值，根据所述长边比例值和所述短边比例值确定所述证件的长边和短边长度。

进一步的，所述外接矩形为所述特定图标的最小外接矩形，所述坐标为最小外接矩形对角点坐标。

进一步的，所述特征图标为人脸，所述图标识别模型为人脸识别模型。

进一步的，还包括证件种类识别模型，所述证件种类识别模型对证件图像进行识别，确定证件种类，依据证件种类获取证件的特性数据，所述特性数据用于确定证件边长。