[发明专利]一种证照OCR识别方法

说明书

本发明提供了图像识别技术领域的一种证照OCR识别方法，包括如下步骤：步骤S10、获取大量的证照样本图片以及证照信息，创建一训练字典以及若干证照背景图片，基于所述证照信息、训练字典以及证照背景图片生成证照训练图片集；步骤S20、创建一证照分类模型，利用所述证照样本图片对证照分类模型进行训练；步骤S30、基于证照类型创建若干个文本识别模型，利用所述证照训练图片集对文本识别模型进行训练；步骤S40、利用训练后的所述证照分类模型以及文本识别模型对待识别证照进行分类和识别。本发明的优点在于：实现对证照进行自动分类识别，并极大的提升了证照识别精度。

技术领域

本发明涉及图像识别技术领域，特别指一种证照OCR识别方法。

背景技术

OCR(Optical Character Recognition，光学字符识别)技术是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机语言的输入技术。

随着图像传感器的不断发展，尤其是各种手机和专业(如安防)摄像头数目的指数增加，计算机图像数据在飞速增加；但图像质量则相对于传统的扫描仪或各种专业相机有所降低，使得传统汉字OCR技术面临源图像数据质量不高、污染严重，导致识别率剧烈下降。

计算机图像的汉字内容识别(汉字OCR)是图像识别中的难点问题，相对于英文字符识别，汉字由于数量众多、基本字符相似度高，导致易受干扰，分辨困难。对于证照，还会受到征照本身复杂底纹的影响，降低了识别的准确率。针对手机拍摄的各种票据，传统的OCR厂商识别效果均不理想，虽然以深度神经网络为基础的端到端的OCR识别方法对于西方字符取得了较好效果，但汉字由于基数庞大，需要的训练数据集远远超过西方字符集，因此至今开放AI平台上的汉字OCR在较差的图像上表现相当不理想，并且端到端的深度神经网络存在天然的误识别，易受到攻击。

针对证照的识别，目前只能对每一种证照识别场景单独定制模型和api接口，需要对每一种证照进行单独设计api接口甚至需要生产新的训练数据进行新的训练，增加了计算资源的浪费和内存占用的冗余程度，同时也增加了用户使用证照识别功能的复杂程度。

因此，如何提供一种证照OCR识别方法，实现对证照进行自动分类识别，并提升证照识别精度，成为一个亟待解决的问题。

发明内容

本发明要解决的技术问题，在于提供一种证照OCR识别方法，实现对证照进行自动分类识别，并提升证照识别精度。

本发明是这样实现的：一种证照OCR识别方法，包括如下步骤：

步骤S10、获取大量的证照样本图片以及证照信息，创建一训练字典以及若干证照背景图片，基于所述证照信息、训练字典以及证照背景图片生成证照训练图片集；

步骤S20、创建一证照分类模型，利用所述证照样本图片对证照分类模型进行训练；

步骤S30、基于证照类型创建若干个文本识别模型，利用所述证照训练图片集对文本识别模型进行训练；

步骤S40、利用训练后的所述证照分类模型以及文本识别模型对待识别证照进行分类和识别。

进一步地，所述步骤S10具体包括：

步骤S11、获取大量的证照样本图片以及证照信息，创建一训练字典以及若干证照背景图片；所述证照信息至少包括姓名、地址、身份证号码以及民族；所述训练字典基于字符生成；

步骤S12、基于所述证照信息生成文本图片，将各所述文本图片利用泊松融合算法融合到各证照背景图片，生成各证照类型的证照训练图片；

步骤S13、对各所述证照训练图片进行随机处理；