[发明专利]证件异常信息识别方法、装置、设备及介质

说明书

本发明涉及人工智能技术,公开了一种证件异常信息识别方法，用于提高证件图片异常信息识别的准确率。本发明提供的方法包括：获取证件图片，对证件图片进行图像识别，得到证件图片对应的前景区域和背景区域，基于预设的特征处理方式和位置编码信息，对前景区域和背景区域分别进行特征计算，得到前景特征向量和背景特征向量，对前景特征向量和背景特征向量进行特征值计算，得到前景特征值和背景特征值，并计算前景特征值与背景特征值之差，得到特征差值；将特征差值与预设阈值进行对比，得到对比结果，若特征差值不大于预设阈值，则确认证件图片不存在异常信息，若特征差值大于预设阈值，则基于形态学特征算法进行分析，确定异常类型。

技术领域

本发明涉及图像处理领域，尤其涉及一种证件异常信息识别方法、装置、计算机设备及存储介质。

背景技术

在对证件进行信息识别时，证件的划痕或者光纹等异常信息通常会对信息检测结果造成一定的影响，通常会导致信息识别不一致等错误，导致在一些识别场景下，会造成经济影响。

现有方式主要是基于卷积神经网络对划痕或者光纹等异常信息进行检测，但是由于卷积神经网络的一些特性，分类网络最终准确率达到一定标准后，该分类网络学习到的异常信息则容易带来较大的误差，使得准确率反而下降了，所以对数据集要求比较高。

为了满足数据集的高要求，提出了语义分割的方法对证件上的异常信息如划痕进行分割处理，但该方法在实现上同时带来了一些问题。现有流行的语义分割方法对精度的提升主要在降采样编码时的编码方式上，但是存在一个问题，就是在下采样过程中的池化操作虽然可以扩大感受野，整合上下文信息，从而提高分类的准确性。但同时由于池化操作削弱了位置信息，使得在进行识别证件异常信息的时候，只能注意到局部特征而忽略了全局，导致识别异常信息的准确率较低。

因此，现有方式存在对证件图片进行异常识别时，识别的准确率较低的问题。

发明内容

本发明实施例提供一种证件异常信息识别方法、装置、计算机设备及存储介质，以提高证件图片异常信息识别的准确率。

一种证件异常信息识别方法，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；

对所述证件图片进行图像识别，得到所述证件图片对应的前景区域和背景区域，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；

基于预设的特征处理方式和所述位置编码信息，对所述前景区域和所述背景区域分别进行特征计算，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。

一种证件异常信息识别装置，包括：

图片获取模块，用于获取证件图片，并从所述证件图片中提取位置编码信息；

图像识别模块，用于对所述证件图片进行图像识别，得到所述证件图片对应的前景区域和背景区域，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；

特征处理模块，用于基于预设的特征处理方式和所述位置编码信息，对所述前景区域和所述背景区域分别进行特征计算，得到前景特征向量和背景特征向量；