身份证图像获取方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种身份证图像获取方法，属于图像处理技术领域，用于解决现有技术中从采集的图像中获取身份证图像时受图像采集、环境杂质以及光照，以及背景杂质的干扰，导致身份证图像定位精度低的问题。所述方法包括：通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息；若所述身份证分类结果指示所述身份证定位框信息中包括身份证图像，则根据所述身份证关键点信息，在所述目标图像中添加身份证轮廓线；对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像。本申请公开的身份证图像获取方法通过结合机器学习和图像处理技术，有助于提升获取身份证图像的精度，便于广泛应用。

Method, device, electronic equipment and storage medium of ID card image acquisition

【技术实现步骤摘要】
身份证图像获取方法、装置、电子设备及存储介质
本申请涉及图像处理
，特别是涉及一种身份证图像获取方法、装置、电子设备及计算机可读存储介质。
技术介绍
基于图像的身份证识别技术具有广泛的应用，而基于图像的身份证定位技术，直接影响身份证识别的准确性。传统的基于图像的身份证定位技术的步骤如下：实现通过对图像进行灰度化处理，将原三通道颜色的身份证图像转换为单通道图像；然后，对该单通道图像进行二值化处理；之后，对二值化后的图像采用如中值滤波，均值滤波等滤波方法进行滤波处理，去除大量的噪声干扰；再后，对滤波后得到的图像进行腐蚀处理，去除一些图像中的细微杂质，再进行膨胀处理，以还原原始图像的形状，以防止腐蚀严重使得图像出现断裂；最后，通过轮廓检测提取处理边缘，即得到身份证的定位信息。传统的基于图像处理定位身份证的方法很容易受到噪声和光照条件的影响，通常要经过复杂的滤波和光照处理来解决背景干扰问题，在进行图像处理的过程中，二值化或滤波处理的阈值设定受图像的拍摄环境影响较大，需要在一定范围内的环境下才能有较好的效果，对于有些环境拍摄的身份证图像存在定位精度低甚至定位失败的问题。
技术实现思路
本申请提供一种身份证图像获取方法，有助于提升获取身份证图像的精度，具有更强的环境鲁棒性。为了解决上述问题，第一方面，本申请实施例提供了一种身份证图像获取方法，包括：通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息；若所述身份证分类结果指示所述身份证定位框信息中包括身份证图像，则根据所述身份证关键点信息，在所述目标图像中添加身份证轮廓线；对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像。在本申请的一些实施例中，所述级联神经网络包括顺序连接的粗定位网络、精炼网络和输出网络,所述粗定位网络、所述精炼网络和所述输出网络均为卷积神经网络，所述粗定位网络、所述精炼网络和所述输出网络各自的每两个卷积层之间通过密集块密集连接。在本申请的一些实施例中，所述通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息的步骤，包括：通过所述粗定位网络对所述目标图像进行卷积运算和池化处理，确定所述目标图像中的第一身份证候选框信息；将所述目标图像和所述第一身份证候选框信息输入至所述精炼网络，通过所述精炼网络对所述第一身份证候选框信息进行筛选和调整，得到所述身份证候选框的第二身份证候选框信息；将所述目标图像和所述第二身份证候选框信息输入至所述输出网络，通过所述输出网络确定所述目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息。在本申请的一些实施例中，所述输出网络包括用于输出身份证定位框信息的任务、用于输出身份证分类结果的任务和用于输出身份证关键点信息的任务，其中，用于输出身份证定位框信息的任务和用于输出身份证关键点信息的任务采用的损失函数为欧式距离损失函数；用于输出身份证分类结果的任务采用的损失函数为交叉熵损失函数。在本申请的一些实施例中，所述对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像的步骤，包括：对包含所述身份证轮廓线的所述目标图像进行灰度处理得到灰度图像；对所述灰度图像依次进行二值化处理和形态学处理，确定所述目标图像中的身份证区域；根据确定的所述身份证区域，从所述目标图像中分割出待处理身份证图像；对所述待处理身份证图像进行旋转矫正处理，确定旋转矫正处理后得到的图像作为所述目标图像中的身份证图像。第二方面，本申请实施例提供了一种身份证图像获取装置，包括：第一身份证信息确定模块，用于通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息；轮廓线添加模块，用于若所述身份证分类结果指示所述身份证定位框信息中包括身份证图像，则根据所述身份证关键点信息，在所述目标图像中添加身份证轮廓线；第二身份证信息确定模块，用于对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像。在本申请的一些实施例中，所述级联神经网络包括顺序连接的粗定位网络、精炼网络和输出网络,所述粗定位网络、所述精炼网络和所述输出网络均为卷积神经网络，所述粗定位网络、所述精炼网络和所述输出网络各自的每两个卷积层之间通过密集块密集连接。在本申请的一些实施例中，在通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息时，所述第一身份证信息确定模块进一步包括：通过所述粗定位网络对所述目标图像进行卷积运算和池化处理，确定所述目标图像中的第一身份证候选框信息；将所述目标图像和所述第一身份证候选框信息输入至所述精炼网络，通过所述精炼网络对所述第一身份证候选框信息进行筛选和调整，得到所述身份证候选框的第二身份证候选框信息；将所述目标图像和所述第二身份证候选框信息输入至所述输出网络，通过所述输出网络确定所述目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息。在本申请的一些实施例中，所述输出网络包括用于输出身份证定位框信息的任务、用于输出身份证分类结果的任务和用于输出身份证关键点信息的任务，其中，用于输出身份证定位框信息的任务和用于输出身份证关键点信息的任务采用的损失函数为欧式距离损失函数；用于输出身份证分类结果的任务采用的损失函数为交叉熵损失函数。在本申请的一些实施例中，在对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像时，所述第二身份证信息确定模块进一步用于：对包含所述身份证轮廓线的所述目标图像进行灰度处理得到灰度图像；对所述灰度图像依次进行二值化处理和形态学处理，确定所述目标图像中的身份证区域；根据确定的所述身份证区域，从所述目标图像中分割出待处理身份证图像；对所述待处理身份证图像进行旋转矫正处理，确定旋转矫正处理后得到的图像作为所述目标图像中的身份证图像。第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的身份证图像获取方法。第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的身份证图像获取方法的步骤。本申请实施例公开的身份证图像获取方法，通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息；若所述身份证分类结果指示所述身份证定位框信息中包括身份证图像，则根据所述身份证关键点信息，在所述目标图像中添加身份证轮廓线；对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像，解决了现有技术中从采集的图像中获取身份证图像时受图像采集、环境杂质以及光照，以及背景杂质的干扰，导致的身份证图像定位精度低的问题。本申请实施例公开的身份证图像获取方法通过结合机器学习和图像处理技术，基于级联神经网络模型获取图像中的身份证关键点信息，之后，再进一步通过图像处理技术获取采集的图像中的身份证图像，对采集的图像的质量要求较低，有助于提升获取身份证图像的精度，便于广泛应用。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例或现有技术本文档来自技高网...

【技术保护点】
1.一种身份证图像获取方法，其特征在于，包括：通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息；若所述身份证分类结果指示所述身份证定位框信息中包括身份证图像，则根据所述身份证关键点信息，在所述目标图像中添加身份证轮廓线；对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像。

【技术特征摘要】
1.一种身份证图像获取方法，其特征在于，包括：通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息；若所述身份证分类结果指示所述身份证定位框信息中包括身份证图像，则根据所述身份证关键点信息，在所述目标图像中添加身份证轮廓线；对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像。2.根据权利要求1所述的方法，其特征在于，所述级联神经网络包括顺序连接的粗定位网络、精炼网络和输出网络,所述粗定位网络、所述精炼网络和所述输出网络均为卷积神经网络，所述粗定位网络、所述精炼网络和所述输出网络各自的每两个卷积层之间通过密集块密集连接。3.根据权利要求2所述的方法，其特征在于，所述通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息的步骤，包括：通过所述粗定位网络对所述目标图像进行卷积运算和池化处理，确定所述目标图像中的第一身份证候选框信息；将所述目标图像和所述第一身份证候选框信息输入至所述精炼网络，通过所述精炼网络对所述第一身份证候选框信息进行筛选和调整，得到所述身份证候选框的第二身份证候选框信息；将所述目标图像和所述第二身份证候选框信息输入至所述输出网络，通过所述输出网络确定所述目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息。4.根据权利要求3所述的方法，其特征在于，所述输出网络包括用于输出身份证定位框信息的任务、用于输出身份证分类结果的任务和用于输出身份证关键点信息的任务，其中，用于输出身份证定位框信息的任务和用于输出身份证关键点信息的任务采用的损失函数为欧式距离损失函数；用于输出身份证分类结果的任务采用的损失函数为交叉熵损失函数。5.根据权利要求1至4任一项所述的方法，其特征在于，所述对包含所述身份证轮廓线的所述目标图像进行图像处理，确定所述目标图像中的身份证图像的步骤，包括：对包含所述身份证轮廓线的所述目标图像进行灰度处理得到灰度图像；对所述灰度图像依次进行二值化处理和形态学处理，确定所述目标图像中的身份证区域；根据确定的所述身份证区域，从所述目标图像中分割出待处理身份证图像；对所述待处理身份证图像进行旋转矫正处理，确定旋转矫正处理后得到的图像作为所述目标图像中的身份证图像。6.一种身份证图像获取装置，其特征在于，包括：第一身份证信息确定模块，用于通过级联神经网络确定目标图像中的身份证定位框信息、身份证分类结果和身份证关键点信息；轮廓线添加模块，用于若所述身份证分类结果指示所述身份证定位框信息中包括...

【专利技术属性】
技术研发人员：姚栖，彭菲，黄磊，冯思博，
申请(专利权)人：汉王科技股份有限公司，
类型：发明
国别省市：北京,11