[发明专利]一种基于迁移学习的印章识别方法

说明书

本发明公开了一种基于迁移学习的印章识别方法，包括S1印章图像收集、S2构建原始印章图像数据库、S3训练阶段和S4识别阶段，步骤S2中预处理包括RGB颜色模型提取方法和二值化膨胀腐蚀方法。本发明属于印章识别方法技术领域，具体是提供了一种通过对带有背景色的印章图像进行颜色模型提取方法以及膨胀腐蚀方法，能够提高原始印章图像识别的准确度，训练集、验证集和测试集的划分可以有效提升深度神经网络训练的效果，提高训练的效率，增加识别的准确性的基于迁移学习的印章识别方法。

技术领域

本发明属于印章识别方法技术领域，具体是指一种基于迁移学习的印章识别方法。

背景技术

随着大数据时代的到来，人们可以更加容易地获得大量数据。此外，由于机器学习领域不断的发展，如何让计算机具有举一反三的能力，如何使大量数据可以更好地发挥作用，这些问题均变得非常实际和有价值。为了解决这些问题，迁移学习被提出并越来越受到人们的重视。

而在对交易票据的识别技术中，对于印章的识别是其中比较关键的一环。对于印章真伪识别，通常采用图形对比的方式，例如将印章图形折叠比对或者电子图形分析比对等方式。

目前银行使用的印章识别方法多是手工操作，将支票上的印章与客户留下的原始印章像进行手工折角比对，这种原始比对方法有人为因素多、准确性差、工作量大等缺点。且传统的将印章图形折叠比对和现在的电子图形分析比对均存在一定比率的失误率，如果图形比对要求严格，则真假印章都无法通过验证，如果比对要求宽松则真假印章都可以通过验证，不方便且不利于对印章进行精确的识别。

发明内容

针对上述情况，为克服现有技术的缺陷，本发明提供了一种通过对带有背景色的印章图像进行颜色模型提取方法以及膨胀腐蚀方法，能够提高原始印章图像识别的准确度，训练集、验证集和测试集的划分可以有效提升深度神经网络训练的效果，提高训练的效率，增加识别的准确性的基于迁移学习的印章识别方法。

本发明采取的技术方案如下：本发明一种基于迁移学习的印章识别方法，包括以下步骤：

S1印章图像收集：收集客户的印章图像，并将印章图像扫描入计算机内；

S2构建原始印章图像数据库：判断所述步骤S1中的印章图像是否包含除原始印章外的背景图像，如果包含背景图像则对印章图像进行预处理，再将预处理后形成的原始印章图像构建入原始印章图像数据库内，如果不包含背景图像则直接将印章图像存入原始印章图像数据库内，原始印章图像数据库内包含原始印章图像数据；

S3训练阶段：获取基于卷积神经网络的预训练模型，将原始印章图像数据库作为预训练模型的输入并对预训练模型进行训练，训练构建出基于卷积神经网络的分类器，使用与所述预训练模型的输出更新所述分类器；

S4识别阶段：用步骤S3选出的分类器进行印章识别，从而获得识别的结果。

进一步地，所述步骤S1中通过相机或扫描仪对印章图像进行拍照或扫描，获得印章图像数据。

进一步地，所述步骤S2中预处理包括RGB颜色模型提取方法和二值化膨胀腐蚀方法，所述RGB颜色模型提取方法用于处理红色印章图像，所述二值化膨胀腐蚀方法用于处理蓝色印章图像。

进一步地，所述步骤S3的具体步骤包括：

(1)首先将原始印章图像数据集划分为训练集、验证集和测试集，将训练集的图片输入到预训练模型中，每张图片经过预训练模型中的各个卷积层和池化层后得到多个特征图，这些特征图再经过各个全连接层得到预测结果；

(2)然后用交叉熵函数评价预测结果和真实值之间的差距，对训练集中的每张图片都重复上述步骤，在这个过程中，每次都用梯度下降法对模型的一个或几个全链接层参数进行优化更新，所有的训练图片样本都输入过该网络为一次网络的更新；