[发明专利]证件异常信息识别方法、装置、设备及介质有效

专利信息
申请号: 202111130685.8 申请日: 2021-09-26
公开(公告)号: CN113837287B 公开(公告)日: 2023-08-29
发明(设计)人: 张旭龙;王健宗 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06V20/60 分类号: G06V20/60;G06V10/28;G06V10/22;G06V10/46;G06V10/26;G06V20/70
代理公司: 深圳众鼎专利商标代理事务所(普通合伙) 44325 代理人: 谭果林
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 证件 异常 信息 识别 方法 装置 设备 介质
【权利要求书】:

1.一种证件异常信息识别方法,其特征在于,包括:

获取证件图片,并从所述证件图片中提取位置编码信息;

对证件图片的字符位置进行识别,得到识别结果;

根据所述识别结果,生成至少一个文本框;

将所有所述文本框对应的区域作为所述证件图片对应的前景区域,并将所述证件图片的前景区域之外的所有区域作为背景区域,其中,所述前景区域为所述证件图片的字符区域,所述背景区域为所述证件图片中除前景区域外的剩余区域;

对前景区域的像素点进行特征提取,得到第一特征向量和所述第一特征向量对应的位置编码信息;

对背景区域的像素点进行特征提取,得到第二特征向量和所述第二特征向量对应的位置编码信息;

将所述第一特征向量和所述第一特征向量对应的位置编码信息,所述第二特征向量和所述第二特征向量对应的位置编码信息进行下采样处理,得到第一下采样特征向量和第二下采样特征向量,其中,所述第一下采样特征向量和所述第二下采样特征向量为包含位置信息的高维度特征向量;

分别对所述第一下采样特征向量和所述第二下采样特征向量进行编码压缩处理,得到第一再编码特征向量和第二再编码特征向量;

对所述第一再编码特征向量和所述第二再编码特征向量分别进行上采样操作,得到前景特征向量和背景特征向量;

基于预设的特征值计算方式,对所述前景特征向量进行特征值计算,得到对应的前景特征值,对所述背景特征向量进行特征值计算,得到对应的背景特征值,并计算所述前景特征值与所述背景特征值的差值,得到特征差值;

将所述特征差值与预设阈值进行对比,得到对比结果;

若所述对比结果为所述特征差值不大于所述预设阈值,则确认所述证件图片不存在异常信息,若所述对比结果为所述特征差值大于所述预设阈值,则基于形态学特征算法对所述前景特征向量和所述背景特征向量进行分析,确定异常类型。

2.根据权利要求1所述的方法,其特征在于,所述将所述第一特征向量与所述第二特征向量分别与对应的位置编码信息进行下采样处理,得到第一下采样特征向量和第二下采样特征向量的步骤包括:

将同一卷积层的第一特征向量与所述第一特征向量对应的位置编码信息进行相乘,得到第一编码特征向量;

将同一卷积层的第二特征向量与所述第二特征向量对应的位置编码信息进行相乘,得到第二编码特征向量;

基于最大池化层,分别对所述第一编码特征向量和所述第二编码特征向量进行下采样处理,得到第一下采样特征向量和第二下采样特征向量。

3.根据权利要求1所述的方法,其特征在于,所述分别对所述第一下采样特征向量和所述第二下采样特征向量进行编码压缩处理,得到第一再编码特征向量和第二再编码特征向量的步骤包括:

基于预设的切割方式,分别对第一下采样特征向量和第二下采样特征向量进行切割处理,得到所述第一下采样特征向量对应的第一特征向量块集合和所述第二下采样特征向量对应的第二特征向量块集合,其中,所述第一特征向量块集合中包括至少两个特征向量块,所述第二特征向量块集合中包括至少两个特征向量块;

从所述第一特征向量块集合中任意选取一个特征向量块作为第一特征向量块,对所述第一特征向量块进行编码处理,得到对应的第一编码向量块;

从所述第二特征向量块集合中任意选取一个特征向量块作为第二特征向量块,对所述第二特征向量块进行编码处理,得到对应的第二编码向量块;

对所有所述第一编码向量块和所有所述第二编码向量块分别进行融合与压缩处理,得到对应的第一再编码特征向量和第二再编码特征向量。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111130685.8/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top