印签识别工具的构建方法、装置、电子设备和存储介质制造方法及图纸

本申请公开了一种印签识别工具的构建方法、装置、电子设备和存储介质，该方法和装置应用于电子设备，具体为采集印章卡的数字图像；基于数字图像构建训练样本；构建深度神经网络；基于训练样本对深度神经网络实施训练，得到印签鉴别工具。在得到电子化的印签识别工具后即可利用该工具对印签进行识别，相对于人工方式来说，这种方式具有更高的效率和准确率。这种方式具有更高的效率和准确率。这种方式具有更高的效率和准确率。

【技术实现步骤摘要】
印签识别工具的构建方法、装置、电子设备和存储介质


[0001]本申请涉及人工智能
，更具体地说，涉及一种印签识别工具的构建方法、装置、电子设备和存储介质。

技术介绍

[0002]根据相关法律、法规以及相应文件的要求，银行票据上需要加盖印签以明确票据责任，因此，银行工作人员在日常工作中需要进行大量的印签对比与鉴别。但是银行在该项工作中，受限于目前技术条件所限，依然需要采取人工对比鉴别的方式，存在效率低和准确性差的问题。

技术实现思路

[0003]有鉴于此，本申请提供一种印签识别工具的构建方法、装置、电子设备和存储介质，用于建立一种能够对印签进行识别的电子工具，以提高印签识别的效率和准确性。
[0004]为了实现上述目的，现提出的方案如下：
[0005]一种印签识别工具的构建方法，应用于电子设备，所述构建方法包括步骤：
[0006]采集印章卡的数字图像；
[0007]基于所述数字图像构建训练样本；
[0008]构建深度神经网络；
[0009]基于所述训练样本对所述深度神经网络实施训练，得到印签鉴别工具。
[0010]可选的，所述基于所述数字图像构建训练样本，包括步骤：
[0011]对所述数字图像进行分类处理；
[0012]对所有所述数字图像进行扩展，得到所述训练样本。
[0013]可选的，所述对所述数字图像进行分类处理，包括步骤：
[0014]选定基准图样；
[0015]将每个所述基准图样与其他数字图像配对构成第一样本，所述第一样本为同向样本或反向样本。
[0016]可选的，所述将经过分类处理后的数字图像进行扩展，包括步骤：
[0017]对每个所述数字图像进行方向变换处理，得到多个新数字图像；
[0018]对所述新数字图像进行腐蚀或膨胀运算；
[0019]将经过腐蚀或碰撞运算的新数字图像进行交叉配对，得到第二样本；
[0020]基于所述第一样本和所述第二样本进行样本构建，得到所述训练样本。
[0021]可选的，所述深度神经网络包括特征提取网络层和相似度计算层。
[0022]可选的，所述特征提取网络层包括交替的5个卷积层和4个池化层，以及2个全连接层。
[0023]可选的，所述基于所述训练样本对所述深度神经网络实施训练，包括步骤：
[0024]将所述训练样本分成大小不等的mini
‑
batch；
[0025]在不同的所述mini
‑
bitch上利用梯度下降法对所述深度神经网络进行训练的，得到所述印签鉴别工具。
[0026]一种印签识别工具的构建装置，应用于电子设备，所述构建装置包括：
[0027]图像采集模块，被配置为采集印章卡的数字图像；
[0028]样本构建模块，被配置为基于所述数字图像构建训练样本；
[0029]网络构建模块，被配置为构建深度神经网络；
[0030]模型训练模块，被配置为基于所述训练样本对所述深度神经网络实施训练，得到印签鉴别工具。
[0031]可选的，所述样本构建模块包括：
[0032]分类处理单元，被配置为对所述数字图像进行分类处理；
[0033]构建执行单元，被配置为对所有所述数字图像进行扩展，得到所述训练样本。
[0034]可选的，所述深度神经网络包括特征提取网络层和相似度计算层。
[0035]可选的，所述模型训练模块包括：
[0036]样本分割单元，被配置为将所述训练样本分成大小不等的mini
‑
batch；
[0037]训练执行单元，被配置为在不同的所述mini
‑
bitch上利用梯度下降法对所述深度神经网络进行训练的，得到所述印签鉴别工具。
[0038]一种电子设备，所述电子设备包括至少一个处理器和与所述处理器连接的存储器，其中：
[0039]所述存储器用于存储计算机程序或指令；
[0040]所述处理器用于执行所述计算机程序或指令，以使所述电子设备实现如上所述的印签识别工具的构建方法。
[0041]一种存储介质，应用于电子设备，所述存储介质承载有一个或多个计算机程序，所述一个或多个计算机程序能够被所述电子设备执行，以使所述电子设备实现如上所述的印签识别工具的构建方法。
[0042]从上述的技术方案可以看出，本申请公开了一种印签识别工具的构建方法、装置、电子设备和存储介质，该方法和装置应用于电子设备，具体为采集印章卡的数字图像；基于数字图像构建训练样本；构建深度神经网络；基于训练样本对深度神经网络实施训练，得到印签鉴别工具。在得到电子化的印签识别工具后即可利用该工具对印签进行识别，相对于人工方式来说，这种方式具有更高的效率和准确率。
附图说明
[0043]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0044]图1为本申请实施例的一种印签识别工具的构建方法的流程图；
[0045]图2为本申请实施例的一种印签识别工具的构建装置的框图；
[0046]图3为本申请实施例的另一种印签识别工具的构建装置的框图；
[0047]图4为本申请实施例的又一种印签识别工具的构建装置的框图；
[0048]图5为本申请实施例的一种电子设备的框图。
具体实施方式
[0049]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0050]实施例一
[0051]图1为本申请实施例的一种印签识别工具的构建方法的流程图。
[0052]如图1所示，本实施例提供的构建方法应用于电子设备，用于基于电子设备实施印签识别工具的构建，从而得到一种能够对印签进行自动识别的电子工具，该电子设备可以理解为具有数据计算能力和信息处理能力的计算机或服务器。该构建方法具体包括如下步骤：
[0053]S1、采集印章卡的数字图像。
[0054]即利用数字图像采集设备通过拍照、扫描方式对一系列的印章卡进行影像采集，得到多个针对不同企业的印签，这里的印签包括但不限于企业法人的印章、法人代表的私人印章以及相关人员的手工签字等。所谓印章卡是指盖有或书写有相应印签的标准卡纸。
[0055]S2、基于数字图像构建训练样本。
[0056]即在得到不同企业的印章的数字图像的基础上，通过对大量数字图像的处理，得到用于对深度神经网络进行训练的训练样本。具体来说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种印签识别工具的构建方法，应用于电子设备，其特征在于，所述构建方法包括步骤：采集印章卡的数字图像；基于所述数字图像构建训练样本；构建深度神经网络；基于所述训练样本对所述深度神经网络实施训练，得到印签鉴别工具。2.如权利要求1所述的构建方法，其特征在于，所述基于所述数字图像构建训练样本，包括步骤：对所述数字图像进行分类处理；对所有所述数字图像进行扩展，得到所述训练样本。3.如权利要求2所述的构建方法，其特征在于，所述对所述数字图像进行分类处理，包括步骤：选定基准图样；将每个所述基准图样与其他数字图像配对构成第一样本，所述第一样本为同向样本或反向样本。4.如权利要求3所述的构建方法，其特征在于，所述将经过分类处理后的数字图像进行扩展，包括步骤：对每个所述数字图像进行方向变换处理，得到多个新数字图像；对所述新数字图像进行腐蚀或膨胀运算；将经过腐蚀或碰撞运算的新数字图像进行交叉配对，得到第二样本；基于所述第一样本和所述第二样本进行样本构建，得到所述训练样本。5.如权利要求1所述的构建方法，其特征在于，所述深度神经网络包括特征提取网络层和相似度计算层。6.如权利要求5所述的构建方法，其特征在于，所述特征提取网络层包括交替的5个卷积层和4个池化层，以及2个全连接层。7.如权利要求1所述的构建方法，其特征在于，所述基于所述训练样本对所述深度神经网络实施训练，包括步骤：将所述训练样本分成大小不等的mini
‑
batch；在不同的所述mini
‑
bitch上利用梯度下降法对所述深度神经网络进行训练的，得到所述印签鉴别工...

【专利技术属性】
技术研发人员：孙悦，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：