[发明专利]证件信息的识别方法、装置、终端设备及存储介质

权利要求书

1.一种证件信息的识别方法，其特征在于，包括：

对证件图像中的目标文本区域进行特征提取，得到所述证件图像的字符特征，所述字符特征包括第一特征和第二特征；

利用预先构建好的第一轻量级卷积神经网络根据所述第一特征对所述证件图像进行信息识别，得到第一信息，以及利用预先构建好的第二轻量级卷积神经网络根据所述第二特征对所述证件图像进行信息识别，得到第二信息，其中，所述第二轻量级卷积神经网络的网络层数大于所述第一轻量级卷积神经网络的网络层数；

将所述第一信息和所述第二信息作为所述证件图像的证件信息。

2.根据权利要求1所述的证件信息的识别方法，其特征在于，所述对证件图像中的目标文本区域进行特征提取，得到所述证件图像的字符特征，包括：

将所述证件图像与预设证件模板图像进行匹配，确定出所述证件图像中的目标文本区域，所述目标文本区域包括第一文本区域和第二文本区域；

对所述第一文本区域和所述第二文本区域进行特征提取，得到所述第一文本区域的第一特征和所述第二文本区域的第二特征。

3.根据权利要求2所述的证件信息的识别方法，其特征在于，所述对所述第一文本区域和所述第二文本区域进行特征提取，得到所述第一特征和所述第二特征，包括：

对所述第一文本区域和所述第二文本区域分别进行字符轮廓识别，分别得到所述第一文本区域和所述第二文本区域的字符轮廓；

提取每个所述字符轮廓的轮廓特征点，得到每个所述轮廓特征点的坐标位置；

根据所述轮廓特征点的坐标位置，对每个所述字符轮廓的轮廓特征点进行向量化，得到所述第一特征和所述第二特征。

4.根据权利要求1所述的证件信息的识别方法，其特征在于，所述对证件图像中的文本区域进行特征提取，得到所述证件图像的字符特征之前，还包括：

获取原始证件图像，并基于局部特征点检测算法，检测目标证件在所述原始证件图像中的位置；

根据所述目标证件在所述原始证件图像中的位置，截取所述原始证件图像中的目标证件，得到目标证件图像；

根据预设证件尺寸，对所述目标证件图像进行仿射变换，得到符合所述预设证件尺寸的所述证件图像。

5.根据权利要求1所述的证件信息的识别方法，其特征在于，所述第一轻量级卷积神经网络的预先构建过程，包括：

基于MobileNet网络和CTC算法构建第一预设网络层数的第一卷积神经网络，所述第一卷积神经网络采用反转残差结构对所述第一卷积神经网络的卷积层进行通道扩张；

利用预设的第一特征样本，对所述第一卷积神经网络进行训练，直至所述第一卷积神经网络达到第一预设收敛条件，得到构建好的所述第一轻量级卷积神经网络。

6.根据权利要求5所述的证件信息的识别方法，其特征在于，所述第一卷积神经网络包括浅层卷积网络和深层卷积网络，所述浅层卷积网络为网络层位置在所述第一卷积神经网络中的预设网络层位置之前的卷积层，所述浅层卷积网络采用relu6函数作为激活函数，所述深层卷积网络为网络层位置在所述预设网络层位置或者在所述预设网络层位置之后的卷积层，所述深层卷积网络采用Hard-swish函数作为激活函数。

7.根据权利要求1所述的证件信息的识别方法，其特征在于，所述第二轻量级卷积神经网络的预先构建过程，包括：

基于MobileNet网络和CTC算法构建第二预设网络层数的第二卷积神经网络，所述第二卷积神经网络采用残差结构对所述第二卷积神经网络的卷积层进行通道压缩；

利用预设的第二特征样本，对所述第二卷积神经网络进行训练，直至所述第二卷积神经网络达到第二预设收敛条件，得到构建好的所述第二轻量级卷积神经网络。