[发明专利]一种AI信息识别系统在审

专利信息
申请号: 202110571024.2 申请日: 2021-05-25
公开(公告)号: CN113408360A 公开(公告)日: 2021-09-17
发明(设计)人: 高顺杰 申请(专利权)人: 常熟市百创网络科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04
代理公司: 苏州智品专利代理事务所(普通合伙) 32345 代理人: 丰叶
地址: 215000 江苏省苏州*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 ai 信息 识别 系统
【说明书】:

发明公开了一种AI信息识别系统,包括图片信息处理模块,所述图片信息处理模块包括图片处理模块和文字处理模块,所述图片处理模块包括信息采集子系统和数据分析子系统,所述信息采集子系统包括摄像装置、身份识别卡和解读器,所述数据分析子系统包括人脸验证模块,分别用于图像的人像识别和文字识别,省去工作人员对图像和真人反复进行肉眼比对等环节,提高工作效率,同时能够对图片文字信息进行提取和比对,识别效果精准,效率高。

技术领域

本发明涉及信息识别技术领域,具体为一种AI信息识别系统。

背景技术

现有的人脸识别方法,特别是一些商用软件,对所识别、比对的人脸照片的清晰度要求很高,比如要求人脸照片中两眼之间的距离要大于80像素。而由于存储空间限制,一般存储在身份证RFID卡上的照片清晰度较差,人脸照片中两眼之间的距离仅在20像素左右。因此,现有的人脸识别方法不能直接对压缩照片与现场抓拍的人脸照片进行比对,需要通过人工进一步识别,效率低下,且识别精度不高,此外,只通过人脸识别也具有一定的局限性,需要对图片文字信息进行提取识别,因此,需要一种AI信息识别系统。

发明内容

本发明的目的在于提供一种AI信息识别系统,以解决上述背景技术中提出的问题。

为实现上述目的,本发明提供如下技术方案:

一种AI信息识别系统,包括图片信息处理模块,所述图片信息处理模块包括图片处理模块和文字处理模块,所述图片处理模块包括信息采集子系统和数据分析子系统,所述信息采集子系统包括摄像装置、身份识别卡和解读器,所述数据分析子系统包括人脸验证模块;

所述文字处理模块的处理步骤包括:文字检测模型检测证件图像中的文字位置,并通过标注框标注文字位置;判断图像方向并进行调整;同行标注框合并、排序、获取每行文字的信息框;将标准模板与信息框对齐,裁剪输出文字图片;文字识别模型识别文字图片,提取文字内容;文字内容校验,输出文字内容。

作为本发明进一步的方案:所述人脸验证模块由顺序连接的局部特征判断单元和整体特征判断单元组成;所述局部特征判断单元为基于局部二元模式对采集的图片信息在局部特征上进行比对的人脸识别单元;所述整体特征判断单元为基于特征脸对采集的图片信息信息在整体特征上进行比对的人脸识别单元。

作为本发明进一步的方案:所述身份识别卡与解读器匹配,图片内含用于存储证件照的RFID电子标签;摄像装置采集的人脸信息和解读器采集的图片人像信息分别输入数据分析子系统。

作为本发明进一步的方案:所述数据分析子系统还包括人脸验证模块前的人脸检测模块,所述人脸检测模块是基于肤色检测确定人脸区域,并通过类Haar特征和Adaboost算法提取人脸部特征点的检测模块。

作为本发明进一步的方案:所述数据分析子系统还包括用于灰度图转化、图像归一化和光照均衡处理的图片处理模块。

作为本发明进一步的方案:所述数据分析子系统设于电脑主机,摄像装置与电脑主机连接,解读器与电脑主机串口方式连接。

作为本发明进一步的方案:所述图片信息处理模块还包括存储子系统和监控管理子系统,所述存储子系统包括人脸模板训练库和识别结果存储库,所述人脸模板训练库由局部特征判断单元和整体特征判断单元访问,所述识别结果存储库由监控管理子系统访问,所述监控管理子系统通过查询方式访问识别结果存储库。

作为本发明进一步的方案:所述文字检测模型使用的卷积神经网络为PSENet网络;所述文字识别模型使用的卷积神经网络为CRNN网络。

与现有技术相比,本发明的有益效果是:本发明提供一种AI信息识别系统,具体的包括图片处理模块和文字处理模块,分别用于图像的人像识别和文字识别,省去工作人员对图像和真人反复进行肉眼比对等环节,提高工作效率,同时能够对图片文字信息进行提取和比对,识别效果精准,效率高。

附图说明

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于常熟市百创网络科技有限公司,未经常熟市百创网络科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110571024.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top