[发明专利]一种快速识别卡号的方法及装置、模型训练方法及装置

权利要求书

1.一种快速识别卡号的方法，其特征在于，所述方法至少包括如下步骤：

对待识别的卡片图像进行特征提取，获得与所述卡片图像相应的特征图；

根据第一预设单位长度，沿所述卡号长度方向将所述特征图垂直切分成n个图片，n>0；

将所述n个图片输入预先训练好的预测模型进行预测，输出所述待识别卡片图像的卡号数据；

其中，所述预测模型为基于Bi-LSTM网络结构预先训练获得。

2.根据权利要求1所述的一种快速识别卡号的方法，其特征在于，所述对待识别的卡片图像进行特征提取，获得与所述卡片图像相应的特征图之前，还包括如下步骤：

对待识别的卡片图像进行预处理，所述预处理至少包括对所述待识别的卡片图像进行去均值化处理。

3.根据权利要求2所述的一种快速识别卡号的方法，其特征在于，所述对待识别的卡片图像进行特征提取，获得与所述卡片图像相应的特征图，至少包括如下子步骤：

设置一卷积神经网络的卷积层和池化层；

通过所述卷积层对待识别的卡片图像进行特征提取；

输出与所述卡片图像相应的特征图。

4.根据权利要求1～3任意一项所述的一种快速识别卡号的方法，其特征在于，所述方法还包括：预先训练预测模型，所述预先训练预测模型至少包括如下子步骤：

对预先采集的卡片图像样本进行特征提取，获得与所述卡片图像样本相应的特征图，并对所述卡片图像样本标注标签，获得卡号标签；

根据第二预设单位长度，沿所述卡号长度方向将所述样本特征图垂直切分成m个图片，m>0；

将所述m个图片输入至所述Bi-LSTM网络结构，获得m个输出；

基于所述m个输出及预先获取的卡号标签计算CTC损失函数，结合反向传播，进行预测模型的训练，至CTC损失函数不超过预设阈值时，结束训练，获得预测模型。

5.一种快速识别卡号的模型训练方法，其特征在于，所述训练方法至少包括如下步骤：

对预先采集的卡片图像样本进行特征提取，获得与所述卡片图像样本相应的特征图，并对所述卡片图像样本标注标签，获得卡号标签；

根据第二预设单位长度，沿所述卡号长度方向将所述特征图垂直切分成m个图片，m>0；

将所述m个图片输入至所述Bi-LSTM网络结构，获得m个输出；

基于所述m个输出及卡号标签计算CTC损失函数，结合反向传播，进行预测模型的训练，至CTC损失函数不超过预设阈值时，结束训练，获得预测模型。

6.根据权利要求5所述的一种快速识别卡号的模型训练方法，其特征在于，所述训练方法还包括：

预先获取卡片图像样本的卡号区域图像；

为所述卡号区域图像标注标签，所述标签内容为与所述卡号区域图像一致的数字字符。

7.一种执行权利要求1～4任意一项所述方法的快速识别卡号的装置，其特征在于，所述装置至少包括：

第一特征提取模块：用于对待识别的卡片图像进行特征提取，获得与所述卡片图像相应的特征图；

第一切分模块：用于根据第一预设单位长度，沿所述卡号长度方向将所述特征图垂直切分成n个图片，n>0；

预测模型模块：用于将所述n个图片输入预先训练好的预测模型进行预测，输出所述待识别卡片图像的卡号数据；

其中，所述预测模型为基于Bi-LSTM网络结构预先训练获得。