[发明专利]基于深度学习的卡号识别方法及系统

说明书

本发明公开了基于深度学习的卡号识别方法及系统，本发明的方法包括：步骤S1，对原始数据集进行数据增强以得到扩充数据集；步骤S2，对扩充数据集中的数据通过合成的方式拟合，形成训练数据集；步骤S3，对步骤S2获得的训练数据集进行标签化处理，得到训练样本集；步骤S4，采用步骤S3获得的训练样本集对深度学习模型进行训练，得到卡号识别模型；步骤S5，利用卡号识别模型对待识别图片进行卡号识别。本发明的方法采用深度学习技术，不但省去了传统方法中繁杂的预处理和后处理工作，而且受外界环境的影响程度大大降低，不仅能够识别“清晰、端正的图片”，也能识别“倾斜、相对模糊的图片”，极大地提高了卡号的识别效果。

技术领域

本发明涉及人工智能、计算机图像处理等技术领域，具体的，涉及基于深度学习的卡号识别方法及系统。

背景技术

近几年来我国互联网金融飞速发展，网上资金交易逐渐成为日常生活中的主要消费方式。随着移动互联的发展，商业移动应用越来越多，移动支付成为最主流的支付方式之一，这些商业移动应用很多涉及到个人银行卡账户的绑定，如手机支付绑定银行卡、银行进行业务前，都需要提供银行卡，扫描银行卡，进行卡号认证操作等，而实际测试中手动输入16-19位银行卡号码，速度慢，易出错，用户体验非常差。

目前银行卡识别主要采用的技术为传统OCR识别技术。OCR即光学字符识别(Optical Character Recognition)，是将印刷体字符识别为电子文本的一项技术。目前主流的OCR识别技术，先要对图像进行清晰度判断、版面分析、直方图均衡、灰度化、二值化、倾斜校正、字符切割等预处理，得到端正、清晰的单个字符图像；再用字符模板；最后通过后模板匹配等方式，输出文本结果。由于这种方法过于依赖图像处理算法以便在不同场景下对图像进行适应性调整和处理，对纸张的摆放位置、拍照的光线环境、扫描仪的精度等外界环境有较高要求，很大程度上限制了文字识别正确率的提升。

发明内容

为了解决现有的卡号识别技术受到外界环境影响，导致识别效果和识别速率受限制的技术问题，本发明提出了一种基于深度学习的卡号识别方法，本发明采用深度学习技术，使卡号识别正确率及效率均有了很大提升。

本发明通过下述技术方案实现：

基于深度学习的卡号识别方法，该方法包括以下步骤：

步骤S1，对原始数据集进行数据增强以得到扩充数据集；

步骤S2，对扩充数据集中的数据通过合成的方式拟合，形成训练数据集；

步骤S3，对步骤S2获得的训练数据集进行标签化处理，得到训练样本集；

步骤S4，采用步骤S3获得的训练样本集对深度学习模型进行训练，得到卡号识别模型；

步骤S5，利用卡号识别模型对待识别图片进行卡号识别。

优选的，本发明的步骤S1具体包括以下步骤：

步骤S11，采用数据增强工具对原始数据集进行随机旋转、平移、填充和颜色变化处理，以扩充原始数据集；

步骤S12，对扩充后的原始数据集中的图像数据添加椒盐噪声和高斯模糊处理，得到扩充数据集。

优选的，本发明的步骤S2具体包括以下步骤：

步骤S21，在扩充数据集中顺序取出1张图片与随机选取的4张图片横向拼接在一起，将拼接之后的图片进行放大或缩小处理，之后将其合成进一张800*100的背景图片中；

步骤S22，重复步骤S21，直到顺序取出所有图片进行拼接拟合，生成训练数据集。

优选的，本发明的步骤S5具体包括以下步骤：

步骤S51，对输入的原始图片中的卡号进行定位提取，得到待识别图片：