[发明专利]身份证图像标准化方法、装置、电子设备及存储介质

权利要求书

1.一种身份证图像标准化方法，其特征在于，所述方法包括：

获取包含身份证的图像；

对所述包含身份证的图像进行方向识别得到方向识别结果；

基于所述方向识别结果对所述包含身份证的图像进行方向校正得到初始身份证图像；

将所述初始身份证图像输入关键点识别模型，以得到所述关键点识别模型输出的所述初始身份证图像的关键点，所述关键点为基于所述初始身份证图像上的文字的位置确定的关键点；

对所述关键点、所述初始身份证图像基于预设的身份证标版进行透视变换得到标准身份证图像；

所述将所述初始身份证图像输入关键点识别模型，以得到所述关键点识别模型输出的所述初始身份证图像的关键点，包括：

将所述初始身份证图像输入所述关键点识别模型的第一基本卷积单元得到第一基本卷积结果，所述第一基本卷积单元中包括第一卷积层、第一批量标准化层以及第一激活函数层；

将所述第一基本卷积结果输入所述关键点识别模型的第二基本卷积单元得到第二基本卷积结果，所述第二基本卷积单元中包括第二卷积层、第二批量标准化层以及第二激活函数层；

将所述第一基本卷积结果与所述第二基本卷积结果输入所述关键点识别模型的第一深度卷积单元得到第三基本卷积结果，所述第一深度卷积单元中包括第三基本卷积单元以及第一卷积块，所述第一卷积块中包括第三卷积层、第三批量标准化层；

将所述第二基本卷积结果以及所述第三基本卷积结果输入所述关键点识别模型的卷积残差单元得到第四基本卷积结果，所述卷积残差单元包括至少一个第二深度卷积单元，所述第二深度卷积单元的数目和卷积层数相等，其中所述卷积层数为所述初始身份证图像输入所述关键点识别模型之后经过的所有卷积单元的数目；

将所述第四基本卷积结果与所述第三基本卷积结果输入所述关键点识别模型的第四基本卷积单元得到第五基本卷积结果；

将所述第五基本卷积结果与所述第四基本卷积结果输入所述关键点识别模型的第二卷积块得到第六基本卷积结果；

将所述第六基本卷积结果输入所述关键点识别模型的扁平化层得到扁平化结果；

将所述扁平化结果输入所述关键点识别模型的第四批量标准化层得到所述初始身份证图像的关键点。

2.根据权利要求1所述的方法，其特征在于，所述将所述初始身份证图像输入所述关键点识别模型的第一基本卷积单元得到第一基本卷积结果，包括：

将所述初始身份证图像输入所述第一基本卷积单元中的卷积层，通过所述第一卷积层的CONV函数进行卷积运算得到图像卷积值；

将所述图像卷积值输入所述第一基本卷积单元中的所述第一批量标准化层，基于所述第一批量标准化层的BN算法对所述图像卷积值进行标准化处理得到标准图像值；

将所述标准图像值输入所述第一基本卷积单元中的所述第一激活函数层，基于所述第一激活函数层的RELU函数对所述标准图像值进行激活得到所述第一基本卷积结果。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一基本卷积结果与所述第二基本卷积结果输入所述关键点识别模型的第一深度卷积单元得到第三基本卷积结果，包括：

将所述第一基本卷积结果与所述第二基本卷积结果输入所述第三基本卷积单元得到第一中间卷积结果；

将所述第一中间卷积结果输入第七基本卷积单元得到第二中间卷积结果；

将所述第二中间卷积结果输入所述第一卷积块得到所述第三基本卷积结果。

4.根据权利要求3所述的方法，其特征在于，所述将所述第二中间卷积结果输入所述第一卷积块得到所述第三基本卷积结果，包括：

将所述第二中间卷积结果输入所述第一卷积块中的所述第三卷积层，通过所述第三卷积层的CONV函数进行卷积运算得到第三中间卷积结果；

将所述第三中间卷积结果输入第三卷积块中的第三批量标准化层，基于所述第三批量标准化层的BN算法对第三中间卷积结果进行标准化处理得到所述第三基本卷积结果。