一种基于深度学习的复杂背景证件打印缺陷检测方法及系统技术方案

本发明专利技术公开了一种基于深度学习的复杂背景证件打印缺陷检测方法及系统，其中方法包括：获取待检测的目标证件图像；基于经过训练的目标检测模型，对所述目标证件图像进行检测，确定所述目标证件图像的目标区域图像和边缘位置信息；基于直线检测算法确定所述目标区域图像的角点位置；确定所述目标区域图像中文本内容的直线信息；对所述边缘位置信息、所述角点位置与所述直线信息进行匹配，获取匹配结果；基于所述匹配结果，判断所述目标证件图像是否存在打印缺陷。是否存在打印缺陷。是否存在打印缺陷。

【技术实现步骤摘要】
一种基于深度学习的复杂背景证件打印缺陷检测方法及系统


[0001]本专利技术涉及证件图像打印
，更具体地，涉及一种基于深度学习的复杂背景证件打印缺陷检测方法及系统。

技术介绍

[0002]日常常见的身份证、驾驶证、港澳通行证、火车票、机票等各种证件票据逐步实现全自动化打印制作，通过用户与制证系统的人机交互，实现用户需求证件或票据的自动打印制作。各类证件在打印制作过程中为保障精确打印，必须首先确定证件的打印起点和打印方向，此外，在证件打印结束后制证系统还需要再次验证完成打印的证件是否存在缺陷，保证输出到用户手中的证件的质量。
[0003]现有技术中，通常采用各种特定证件图像的目标检测算法确定证件区域，再由文本识别算法确定证件关键词的位置实现证件的正确打印定位；申请(CN202011116509.4)试图仅采用目标检测算法完成证件的区域定位、证件类型分类，以此检测证件是否存在缺陷；申请(CN202110238213.8)和申请(CN202011458177.8)分别针对身份证和银行卡的检测而设计的系统，缺少通用性以及泛化能力，当面临其他证件时则丧失快速的检测能力。此外，现有技术中皆假设目标检测精度极高的情况下，但实际识别过程中，目标检测模型难以100％的完全匹配证件边缘，多数是检测框包含目标的情况，因而假设难以成立的情况下，其系统对于缺陷证件的检测精度难以保证。
[0004]因此，需要一种技术，以实现对基于深度学习的复杂背景证件打印缺陷进行检测。

技术实现思路

[0005]本专利技术技术方案提供一种基于深度学习的复杂背景证件打印缺陷检测方法及系统，以解决如何基于深度学习对复杂背景证件打印缺陷进行检测的问题。
[0006]为了解决上述问题，本专利技术提供了一种基于深度学习的复杂背景证件打印缺陷检测方法，所述方法包括：
[0007]获取待检测的目标证件图像；
[0008]基于经过训练的目标检测模型，对所述目标证件图像进行检测，确定所述目标证件图像的目标区域图像和边缘位置信息；
[0009]基于直线检测算法确定所述目标区域图像的角点位置；
[0010]确定所述目标区域图像中文本内容的直线信息；
[0011]对所述边缘位置信息、所述角点位置与所述直线信息进行匹配，获取匹配结果；基于所述匹配结果，判断所述目标证件图像是否存在打印缺陷。
[0012]优选地，还包括：
[0013]建立包括多个证件图像的证件图像训练集，对所述证件图像训练集中的多个证件图像的目标位置进行标记；
[0014]通过经过标记的所述证件图像训练集对所述目标检测模型进行训练。
[0015]优选地，所述基于直线检测算法确定所述目标区域的角点位置，包括：
[0016]对所述目标区域图像进行二值化处理；
[0017]通过直线检测算法检测二值化处理后的所述目标区域图像中的直线目标，分别确定所述直线目标的多个水平方向直线簇和多个竖直方向直线簇；
[0018]基于多个水平方向直线簇和多个竖直方向直线簇组成平行线对，基于所述平行线确定所述目标区域图像的四个交点作为角点。
[0019]优选地，所述确定所述目标区域图像中文本内容的直线信息，包括：
[0020]对所述目标区域图像进行二值化处理；
[0021]通过直线检测算法检测二值化处理后的所述目标区域图像中的直线目标，确定所述直线目标的直线簇，通过聚类统计分析确定所述直线簇的直线簇主方向。
[0022]优选地，目标证件包括：身份证、驾驶证、港澳通行证、火车票、机票。
[0023]基于本专利技术的另一方面，本专利技术提供一种基于深度学习的复杂背景证件打印缺陷检测系统，所述系统包括：
[0024]输入输出模块，用于获取待检测的目标证件图像；对所述边缘位置信息、所述角点位置与所述直线信息进行匹配，获取匹配结果；基于所述匹配结果，判断所述目标证件图像是否存在打印缺陷；
[0025]目标二分类模块，用于基于经过训练的目标检测模型，对所述目标证件图像进行检测，确定所述目标证件图像的目标区域图像和边缘位置信息；
[0026]角点检测模块，用于基于直线检测算法确定所述目标区域图像的角点位置；
[0027]直线检测模块，用于确定所述目标区域图像中文本内容的直线信息。
[0028]优选地，所述目标二分类模块还用于：
[0029]建立包括多个证件图像的证件图像训练集，对所述证件图像训练集中的多个证件图像的目标位置进行标记；
[0030]通过经过标记的所述证件图像训练集对所述目标检测模型进行训练。
[0031]优选地，所述角点检测模块用于基于直线检测算法确定所述目标区域的角点位置，还用于：
[0032]对所述目标区域图像进行二值化处理；
[0033]通过直线检测算法检测二值化处理后的所述目标区域图像中的直线目标，分别确定所述直线目标的多个水平方向直线簇和多个竖直方向直线簇；
[0034]基于多个水平方向直线簇和多个竖直方向直线簇组成平行线对，基于所述平行线确定所述目标区域图像的四个交点作为角点。
[0035]优选地，所述直线检测模块用于确定所述目标区域图像中文本内容的直线信息，还用于：
[0036]对所述目标区域图像进行二值化处理；
[0037]通过直线检测算法检测二值化处理后的所述目标区域图像中的直线目标，确定所述直线目标的直线簇，通过聚类统计分析确定所述直线簇的直线簇主方向。
[0038]优选地，目标证件图像包括：身份证图像、驾驶证图像、港澳通行证图像、火车票图像、机票图像。
[0039]本专利技术技术方案提供一种基于深度学习的复杂背景证件打印缺陷检测方法及系
统，其中方法包括：获取待检测的目标证件图像；基于经过训练的目标检测模型，对所述目标证件图像进行检测，确定所述目标证件图像的目标区域图像和边缘位置信息；基于直线检测算法确定所述目标区域图像的角点位置；确定所述目标区域图像中文本内容的直线信息；对所述边缘位置信息、所述角点位置与所述直线信息进行匹配，获取匹配结果；基于所述匹配结果，判断所述目标证件图像是否存在打印缺陷。本专利技术技术方案针对复杂背景下证件打印缺陷检测问题，设计一种基于深度学习的复杂背景证件打印缺陷检测方法及系统，通过设置目标二分类模块、角点检测模块、直线检测模块，确定证件边缘，定位证件打印起始点，检测证件打印是否存在缺陷，提高了证件图像打印的检测效率，保障最终用户到手证件的质量。
附图说明
[0040]通过参考下面的附图，可以更为完整地理解本专利技术的示例性实施方式：
[0041]图1为根据本专利技术优选实施方式的一种基于深度学习的复杂背景证件打印缺陷检测方法流程图；
[0042]图2为根据本专利技术优选实施方式的基于深度学习的复杂背景证件打印缺陷检测各个模块处理流程图；
[0043]图3为根据本专利技术优选实施方式的目标二分类模块方法流程图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的复杂背景证件打印缺陷检测方法，所述方法包括：获取待检测的目标证件图像；基于经过训练的目标检测模型，对所述目标证件图像进行检测，确定所述目标证件图像的目标区域图像和边缘位置信息；基于直线检测算法确定所述目标区域图像的角点位置；确定所述目标区域图像中文本内容的直线信息；对所述边缘位置信息、所述角点位置与所述直线信息进行匹配，获取匹配结果；基于所述匹配结果，判断所述目标证件图像是否存在打印缺陷。2.根据权利要求1所述的方法，还包括：建立包括多个证件图像的证件图像训练集，对所述证件图像训练集中的多个证件图像的目标位置进行标记；通过经过标记的所述证件图像训练集对所述目标检测模型进行训练。3.根据权利要求1所述的方法，所述基于直线检测算法确定所述目标区域的角点位置，包括：对所述目标区域图像进行二值化处理；通过直线检测算法检测二值化处理后的所述目标区域图像中的直线目标，分别确定所述直线目标的多个水平方向直线簇和多个竖直方向直线簇；基于多个水平方向直线簇和多个竖直方向直线簇组成平行线对，基于所述平行线确定所述目标区域图像的四个交点作为角点。4.根据权利要求1所述的方法，所述确定所述目标区域图像中文本内容的直线信息，包括：对所述目标区域图像进行二值化处理；通过直线检测算法检测二值化处理后的所述目标区域图像中的直线目标，确定所述直线目标的直线簇，通过聚类统计分析确定所述直线簇的直线簇主方向。5.根据权利要求1所述的方法，目标证件包括：身份证、驾驶证、港澳通行证、火车票、机票。6.一种基于深度学习的复杂背景证件打印缺陷检测系统，所述系统包括：输入输出模块，用于获取待...

【专利技术属性】
技术研发人员：闫凯，金洪亮，李宏伟，梅俊辉，党天君，林文辉，王志刚，
申请(专利权)人：航天信息股份有限公司，
类型：发明
国别省市：