【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种基于多尺度多分支边角分类的证件完整性检测方法及装置。
技术介绍
1、在数字化时代，许多业务和服务需要通过摄像头或扫描仪等设备来获取用户的证件照片或扫描件。由于设备角度、拍摄方式等限制，有时会导致拍摄或扫描到的证件图像中的边缘和顶角不完整。常规的处理方案步骤图像预处理，边缘检测，顶角裁剪，通过比较检测到的顶角与实际证件顶角的位置和角度，评估其完整性。例如，计算角度差异、距离阈值等来判断顶角的完整性。
2、然而，上述这些算法过分依赖拍摄角度，而不同视角下，顶角的形状和位置可能发生变化，单纯通过计算角度和距离等无法满足所有图像；并且通过上述算法得到的证件图像存在模糊或失真现象，质量较低、可能无法提取清晰的边缘信息，从而影响检测的准确性。
技术实现思路
1、本专利技术提供一种基于多尺度多分支边角分类的证件完整性检测方法及装置，用以解决现有技术在证件完整性检测时存在视角依赖性，在复杂背景下无法准确检测的缺陷，提高检测模型的表示能力和泛化能力，提升检测结果的准确度。
2、本专利技术提供一种基于多尺度多分支边角分类的证件完整性检测方法，包括：
3、提取卡证图像的浅层特征及边缘特征，将所述卡证图像的浅层特征及边缘特征进行融合，得到所述卡证图像的全局特征；
4、对所述卡证图像的全局特征进行分割，提取所述卡证图像每个边角的深层语义特征；
5、基于所述卡证图像每个边角的深层语义特征，得到所述卡证图像每个边角的完
6、将所述卡证图像每个边角的完整性置信度与预设置信度阈值进行比较，确定所述卡证边角完整性分类结果；
7、基于所述卡证边角完整性分类结果，对卡证图像完整性进行评估，确定卡证图像完整性检测结果。
8、根据本专利技术提供的基于多尺度多分支边角分类的证件完整性检测方法，所述采用注意力特征融合方法，将所述卡证图像的浅层特征及边缘特征进行融合，得到所述卡证图像的全局特征，包括：
9、将所述卡证图像的浅层特征及边缘特征进行对应元素相加，得到相加特征；
10、将相加特征输入多尺度通道注意力模块，进行多通道注意力特征融合，得到融合特征；
11、将融合特征通过预设的激活函数进行变换，得到所述卡证图像的全局特征。
12、根据本专利技术提供的基于多尺度多分支边角分类的证件完整性检测方法，所述对所述卡证图像的全局特征进行分割，提取所述卡证图像每个边角的深层语义特征，包括：
13、设置预定数量的不同形状的anchor，对所述卡证图像的全局特征进行分割，得到所述卡证图像每个边角的预定数量对应形状的特征图像；
14、提取所述卡证图像每个边角的预定数量的特征图像的深层语义特征；
15、将所述卡证图像每个边角的预定数量的特征图像的深层语义特征进行融合，得到所述卡证图像每个边角的深层语义特征。
16、根据本专利技术提供的基于多尺度多分支边角分类的证件完整性检测方法，所述基于所述卡证图像每个边角的深层语义特征，得到所述卡证图像每个边角的完整性置信度，包括：
17、将所述卡证图像每个边角的深层语义特征输入预训练的边角完整性置信度模型中，得到所述卡证图像每个边角的完整性置信度；
18、所述边角完整性置信度模型通过以下方式训练得到：
19、构建卡证图像样本集；
20、对所述卡证样本集中每个卡证样本四个边角进行完整性标注，得到所述卡证样本边角完整性标注结果；
21、获取所述卡证样本集中每个卡证样本每个边角的深层语义特征；
22、基于所述卡证样本集中每个卡证样本每个边角的深层语义特征及对应的完整性标注结果，根据预设的损失函数，得到所述卡证样本集中每个卡证样本每个边角的完整性置信度。
23、根据本专利技术提供的基于多尺度多分支边角分类的证件完整性检测方法，所述将所述卡证图像每个边角的完整性置信度与预设置信度阈值进行比较，确定所述卡证边角完整性分类结果，包括：
24、根据实际场景需要，设置置信度阈值；
25、当获取的边角的完整性置信度大于或等于所述置信度阈值时，则所述边角为正常边角；
26、当获取的边角的完整性置信度小于所述置信度阈值时，则所述边角为异常边角。
27、根据本专利技术提供的基于多尺度多分支边角分类的证件完整性检测方法，所述基于所述卡证边角完整性分类结果，对卡证图像完整性进行评估，确定卡证图像完整性检测结果，包括：
28、若所述卡证图像所有边角均为正常边角时，则所述卡证为完整卡证；
29、若存在一个或一个以上边角为异常边角时，则所述证件为不完整卡证。
30、根据本专利技术提供的基于多尺度多分支边角分类的证件完整性检测方法，在提取卡证图像的浅层特征及边缘特征之前，所述方法还包括：
31、获取待检测卡证在场景图中的位置坐标；
32、基于所述检测卡证在场景图中的位置坐标，得到所述待检测卡证的卡证图像；
33、对所述卡证图像进行矫正归一化处理。
34、根据本专利技术提供的基于多尺度多分支边角分类的证件完整性检测方法，所述提取卡证图像的浅层特征及边缘特征，将所述卡证图像的浅层特征及边缘特征进行融合，得到所述卡证图像的全局特征，包括：
35、将所述卡证图像输入轻量网络，得到所述卡证图像的浅层特征；
36、通过边缘检测算法，得到所述卡证图像的边缘特征；
37、采用注意力特征融合方法，将所述卡证图像的浅层特征及边缘特征进行融合，得到所述卡证图像的全局特征。
38、本专利技术还提供一种基于多尺度多分支边角分类的证件完整性检测装置，包括：
39、全局特征获取模块，用于提取卡证图像的浅层特征及边缘特征，将所述卡证图像的浅层特征及边缘特征进行融合，得到所述卡证图像的全局特征；
40、边角特征获取模块，用于对所述卡证图像的全局特征进行分割，提取所述卡证图像每个边角的深层语义特征；
41、推理模块，用于基于所述卡证图像每个边角的深层语义特征，得到所述卡证图像每个边角的完整性置信度；
42、推理模块，还用于将所述卡证图像每个边角的完整性置信度与预设置信度阈值进行比较，确定所述卡证边角完整性分类结果；
43、输出模块，用于基于所述卡证边角完整性分类结果，对卡证图像完整性进行评估，确定卡证图像完整性检测结果。
44、本专利技术还提供一种电子设备，包括存储器、处理器及存储在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程序时实现如上述任一种所述基于多尺度多分支边角分类的证件完整性检测方法。
45、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于多尺度多分支边角分类的证件完整性检测方法。
<本文档来自技高网...【技术保护点】
1.一种基于多尺度多分支边角分类的证件完整性检测方法，其特征在于，包括：
2.根据权利要求1所述的基于多尺度多分支边角分类的证件完整性检测方法，其特征在于，所述对所述卡证图像的全局特征进行分割，提取所述卡证图像每个边角的深层语义特征，包括：
3.根据权利要求1所述的基于多尺度多分支边角分类的证件完整性检测方法，其特征在于，所述基于所述卡证图像每个边角的深层语义特征，得到所述卡证图像每个边角的完整性置信度，包括：
4.根据权利要求1所述的基于多尺度多分支边角分类的证件完整性检测方法，其特征在于，所述将所述卡证图像每个边角的完整性置信度与预设置信度阈值进行比较，确定所述卡证边角完整性分类结果，包括：
5.根据权利要求1所述的基于多尺度多分支边角分类的证件完整性检测方法，其特征在于，所述基于所述卡证边角完整性分类结果，对卡证图像完整性进行评估，确定卡证图像完整性检测结果，包括：
6.根据权利要求1所述的基于多尺度多分支边角分类的证件完整性检测方法，其特征在于，在提取卡证图像的浅层特征及边缘特征之前，所述方法还包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。