[发明专利]一种打标数据的收集方法、装置以及证件识别系统

说明书

本申请实施例公开了一种打标数据的收集方法、装置及证件识别系统，其中，方法包括：利用图像字符识别系统识别图片上的文本信息；验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，对所述图片进行切割，得到至少一个包含单个字符的单元图片；针对所述单元图片，利用与所述单元图片中包含的字符相对应的文本信息进行标记，得到所述单元图片的打标数据，所述打标数据包括：所述单元图片和所述单元图片的标记文本信息。因此，本发明是基于图像字符识别系统和可信数据源验证图片的真实性，通过对真实图片进行切割、标记以得到打标数据，整个过程不再需要人工参与，能够节省人工成本和时间成本，从而能够促进系统性能的改进和优化。

技术领域

本申请涉及计算机应用领域，特别是涉及一种打标数据的收集方法、装置以及证件识别系统。

背景技术

字符识别系统是指用于识别字符信息真假的系统，如身份证字符识别系统、营业执照字符识别系统、护照字符识别系统等。以身份证字符识别系统为例，该系统识别用户身份证图像中的关键信息，如姓名、身份证号码等字符，以验证用户身份证图像的真实性。

字符识别系统主要依赖于字符识别算法来实现身份识别，因此字符识别算法的性能好坏直接影响到该系统的识别性能的高低，在实际操作中，常通过人工打标的方式来收集打标数据，利用打标数据训练得到更加准确的字符识别模型，优化该字符识别算法，使字符识别系统的性能更优。在训练过程中，打标数据越多、越真实，训练得到的字符识别模型的准确性越高、可靠性越高。

目前，这种人工打标的方式，需要投入大量的人工成本和时间成本，打标数据的收集效率较低，从而限制了字符识别系统性能的优化。

发明内容

为了解决上述技术问题，本发明提供了一种打标数据的收集方法和装置，提供了线上、自动收集打标数据的方式，这种自动收集方式，能够节省人力成本和时间成本，能够促进字符识别系统的优化。

另外，本发明还提供了一种证件识别系统，既能够实现对证件的识别，又能够实现打标数据的自动收集。

本发明第一方面提供了一种打标数据的收集方法，所述方法包括：

利用图像字符识别系统识别图片上的文本信息；

验证识别到的所述文本信息是否与可信数据源的信息一致；

如果一致，则对所述图片进行切割，得到至少一个包含单个字符的单元图片；

针对所述单元图片，利用与所述单元图片中包含的字符相对应的文本信息进行标记，得到所述单元图片的打标数据，所述打标数据包括：所述单元图片和所述单元图片的标记文本信息。

可选的，所述方法还包括：

如果不一致，则计算所述文本信息与可信数据源的信息之间的相似度，并判断相似度是否落入预设的置信度区间；

如果是，则转入执行所述步骤：对所述图片进行切割，得到至少一个包含单个字符的单元图片。

可选的，所述方法还包括：

保存所述打标数据，所述打标数据用作所述图像字符识别系统的机器识别模型的训练样本。

可选的，在保存所述打标数据之前，所述方法还包括：

对所述打标数据进行脱敏处理。

可选的，对所述图片进行切割，得到至少一个包含单个字符的单元图片，包括：

采用文本行定位算法定位所述图片中的文本区域；

采用切字算法将文本区域切割成至少一个包含单个字符的单元图片。

本发明第二方面提供了一种打标数据的收集装置，所述装置包括：