[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN108960233A - 识别身份证有效期的方法及装置 - Google Patents

识别身份证有效期的方法及装置 Download PDF

Info

Publication number
CN108960233A
CN108960233A CN201810608642.8A CN201810608642A CN108960233A CN 108960233 A CN108960233 A CN 108960233A CN 201810608642 A CN201810608642 A CN 201810608642A CN 108960233 A CN108960233 A CN 108960233A
Authority
CN
China
Prior art keywords
character
validity period
probability distribution
date
probability
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810608642.8A
Other languages
English (en)
Inventor
杨松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201810608642.8A priority Critical patent/CN108960233A/zh
Publication of CN108960233A publication Critical patent/CN108960233A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63Scene text, e.g. street names
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • Character Discrimination (AREA)

Abstract

本公开是关于一种识别身份证有效期的方法及装置,包括确定身份证图像中包含有效期的检测区域;对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布;针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,所述第一概率分布为有效期的起始日期中该字符的概率分布,所述第二概率分布为有效期的结束日期中该字符的概率分布;根据调整后的有效期中各字符的概率分布,确定每个字符的识别结果,得到有效期,利用起始日期和结束日期的关联性,根据本公开实施例的识别身份证有效期的方法及装置能够提高识别的准确性。

Description

识别身份证有效期的方法及装置
技术领域
本公开涉及图像识别技术领域,尤其涉及一种识别身份证有效期的方法及装置。
背景技术
随着互联网的发展,很多情形下需要用户上传身份证照片进行实名认证。为了防止用户上传不在有效期内的身份证,需要对身份证的有效期进行识别。
发明内容
为克服相关技术中存在的问题,本公开提供一种识别身份证有效期的方法及装置,能够提高识别的准确性。
根据本公开实施例的第一方面,提供一种识别身份证有效期的方法,包括确定身份证图像中包含有效期的检测区域;对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布;针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,所述第一概率分布为有效期的起始日期中该字符的概率分布,所述第二概率分布为有效期的结束日期中该字符的概率分布;根据调整后的有效期中各字符的概率分布,确定每个字符的识别结果,得到有效期。
在一种可能的实现方式中,所述方法还包括:根据有效期中每个字符针对目标识别结果的概率分布,得到连接符的位置;根据所述连接符的位置,将所述有效期划分为起始日期和结束日期;根据所述连接符的位置,分别确定所述起始日期中表示月和/或日的每个字符,以及所述结束日期中表示月和/或日的每个字符。
在一种可能的实现方式中,所述针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,包括:针对有效期中表示月和/或日的每个字符,将该字符的第一概率分布和第二概率分布进行平均,得到该字符的平均概率分布;将该字符的平均概率分布分别确定为有效期的起始日期和结束日期中该字符的概率分布。
在一种可能的实现方式中,所述确定身份证图像中包含有效期的检测区域,包括:根据身份证图像中目标对象的位置,确定所述检测区域。
在一种可能的实现方式中,所述对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布,包括:从所述身份证图像中切割出所述检测区域的图像,得到有效期图像;对所述有效期图像进行二值化处理,得到二值化图像;对所述二值化图像进行连通域分析,滤除不符合预设条件的连通域;将过滤后的二值化图像向水平轴进行投影,得到投影图;根据所述投影图确定出有效期中每个字符的位置;对各位置上的字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布。
根据本公开实施例的第二方面,提供一种识别身份证有效期的装置,包括区域确定模块,用于确定身份证图像中包含有效期的检测区域;字符识别模块,用于对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布;概率调整模块,用于针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,所述第一概率分布为有效期的起始日期中该字符的概率分布,所述第二概率分布为有效期的结束日期中该字符的概率分布;结果确定模块,用于根据调整后的有效期中各字符的概率分布,确定每个字符的识别结果,得到有效期。
在一种可能的实现方式中,所述装置还包括:位置确定模块,用于根据有效期中每个字符针对目标识别结果的概率分布,得到连接符的位置;日期划分模块,用于根据所述连接符的位置,将所述有效期划分为起始日期和结束日期;字符确定模块,用于根据所述连接符的位置,分别确定所述起始日期中表示月和/或日的每个字符,以及所述结束日期中表示月和/或日的每个字符。
在一种可能的实现方式中,所述概率调整模块包括:概率平均子模块,用于针对有效期中表示月和/或日的每个字符,将该字符的第一概率分布和第二概率分布进行平均,得到该字符的平均概率分布;概率确定子模块,用于将该字符的平均概率分布分别确定为有效期的起始日期和结束日期中该字符的概率分布。
在一种可能的实现方式中,所述区域确定模块包括:区域确定子模块,用于根据身份证图像中目标对象的位置,确定所述检测区域。
在一种可能的实现方式中,所述字符识别模块包括:切割子模块,用于从所述身份证图像中切割出所述检测区域的图像,得到有效期图像;二值化处理子模块,用于对所述有效期图像进行二值化处理,得到二值化图像;分析子模块,用于对所述二值化图像进行连通域分析,滤除不符合预设条件的连通域;投影子模块,用于将过滤后的二值化图像向水平轴进行投影,得到投影图;位置确定子模块,用于根据所述投影图确定出有效期中每个字符的位置;字符识别子模块,用于对各位置上的字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布。
根据本公开实施例的第三方面,提供一种识别身份证有效期的装置,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为执行上述方法。
根据本公开实施例的第四方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由处理器执行时,使得处理器能够执行上述方法。
本公开的实施例提供的技术方案可以包括以下有益效果:在本公开中,针对有效期中表示月和/或日的每个字符,根据有效期的起始日期中该字符的概率分布和有效期的结束日期中该字符的概率分布,调整该字符的概率分布,利用起始日期和结束日期的关联性,提高识别的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种识别身份证有效期的方法的流程图。
图2是根据一示例性实施例示出的一种识别身份证有效期的方法的流程图。
图3是根据一示例性实施例示出的一种识别身份证有效期的方法的流程图。
图4是根据一示例性实施例示出的一种识别身份证有效期的装置的框图。
图5是根据一示例性实施例示出的一种识别身份证有效期的装置的框图。
图6是根据一示例性实施例示出的一种用于识别身份证有效期的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种识别身份证有效期的方法的流程图,该方法可以用于终端中,例如手机、平板电脑和计算机等。参照图1,该识别身份证有效期的方法的流程包括以下步骤:
在步骤S11中,确定身份证图像中包含有效期的检测区域。
身份证图像中包含了多种信息,终端可将待识别的信息所在的区域从身份证图像划分出来,对该区域采用对应的分类模型进行识别。在本公开实施例中,要识别有效期,终端可以确定身份证图像中包含有效期的区域,作为检测区域。
在一种可能的实现方式中,终端可以根据身份证图像中目标对象的位置,确定所述检测区域。
图像分类可以确定出一幅图像中包含的对象的类别。目标检测在图像分类的基础上,还可以进行对象定位。终端可以采用YOLO或者SSD等目标检测方法,确定身份证图像中目标对象的位置。在一个示例中,目标对象可以为国徽。终端可以选择国徽的右下方区域作为检测区域。
需要说明的是,终端还可以采用其他目标检测方法确定目标对象的位置,对此本公开不做限制。
在步骤S12中,对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布。
有效期的每个字符有0至9、以及连接符共11种可能的识别结果,这些可能的识别结果可以称为目标识别结果。一个字符对目标识别结果的概率分布包括该字符为各目标识别结果的概率。
在步骤S13中,针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,所述第一概率分布为有效期的起始日期中该字符的概率分布,所述第二概率分布为有效期的结束日期中该字符的概率分布。
有效期中包括起始日期和结束日期。在身份证图像中,起始日期和结束日期均以XXXX.YY.ZZ的形式表示,其中XXXX是表示年的四个字符,YY是表示月的两个字符,ZZ是表示日的两个字符。有效期中,起始日期的月和日,分别与结束日期的月和日相同。有效期中表示月和/或日的字符包括:表示月的第一位的字符、表示月的第二位的字符、表示日的第一位的字符和表示日的第二位的字符。
终端可以根据有效期的起始日期中表示月的第一位的字符的概率分布和有效期的结束日期中表示月的第二位的字符的概率分布,调整有效期中表示月的第一位的字符。
同理,终端可以对有效期中表示月的第二位的字符、有效期中表示日的第一位的字符以及有效期中表示日的第二位的字符进行调整,这里不再赘述。
在一种可能的实现方式中,步骤S13可以包括:针对有效期中表示月和/或日的每个字符,将该字符的第一概率分布和第二概率分布进行平均,得到该字符的平均概率分布;将该字符的平均概率分布分别确定为有效期的起始日期和结束日期中该字符的概率分布。本领域技术人员应理解,将第一概率分布和第二概率分布进行平均,仅为调整的一种示例性方式,本公开不限制调整的具体方式。
由于有效期中,起始日期的月和日,分别与结束日期的月和日相同,因此针对有效期中表示月和/或日的每个字符,该字符的第一概率分布和该字符的第二概率分布实际是对相同字符的识别结果。终端无法确定是第一概率分布还是第二概率分布的识别结果更加准确,通过两者的平均,可以降低某个字符的第一概率分布或者第二概率分布误差较大而造成该字符识别错误的概率。
在步骤S14中,根据调整后的有效期中各字符的概率分布,确定每个字符的识别结果,得到有效期。
相较于步骤S12中识别的到有效期中各字符的概率分布,经过步骤S13中的调整之后,有效期中表示月和/或日的字符的概率分布发生了变化。
以有效期中表示月的第一位的字符为例进行说明,由于是对检测区域中有效期的每个字符分别进行识别,因此终端在步骤S12中得到的该字符的起始日期中表示月的第一位的字符的概率分布(第一分布概率)和结束日期中表示月的第一位的字符的概率分布(第二概率分布)可能不同、起始日期中表示月的第一位的字符的识别结果和结束日期中表示月的第一位的字符的识别结果也可能不同,这与有效期中,起始日期的月和日,分别与结束日期的月和日相同不相符。
终端在步骤S13中可以根据有效期的起始日期中表示月的第一位的字符的概率分布和有效期的结束日期中表示月的第一位的字符的概率分布,调整有效期中表示月的第一位的字符,这样,使得起始日期中表示月的第一位的字符的概率分布和结束日期中表示月的第一位的字符的概率分布一致,即起始日期中表示月的第一位的字符的识别结果和结束日期中表示月的第一位的字符的识别结果一致,消除了起始日期或者结束日期中表示月的第一位的字符的之间的误差,提高识别的准确性。
在本公开中,针对有效期中表示月和/或日的每个字符,根据有效期的起始日期中该字符的概率分布和有效期的结束日期中该字符的概率分布,调整该字符的概率分布,利用起始日期和结束日期的关联性,提高了识别的准确性。
图2是根据一示例性实施例示出的一种识别身份证有效期的方法的流程图。参照图2,该识别身份证有效期的方法还包括:步骤S15至步骤S17。
在步骤S15中,根据有效期中每个字符针对目标识别结果的概率分布,得到连接符的位置。
在步骤S16中,根据所述连接符的位置,将所述有效期划分为起始日期和结束日期。
在步骤S17中,根据所述连接符的位置,分别确定所述起始日期中表示月和/或日的每个字符,以及所述结束日期中表示月和/或日的每个字符。
针对有效期中每个字符,终端可以根据该字符的概率分布中最大概率对应的目标识别结果,确定为该字符的目标识别结果。终端可以根据各个字符的目标识别结果,确定有效期中哪个字符是连接符“-”。
在身份证图像中,有效期的起始日期和结束日期之间通过连接符分开。终端确定了连接符的位置之后,可以将有效期划分为起始日期和结束日期。有效期的字符中在连接符之前的字符是起始日期的字符,且连接符之前的第一个至第四个字符为起始日期中表示月和/或日的字符。有效期的字符中在连接符之后的字符是结束日期的字符,且连接符之后的第五个至第八个字符为结束日期中表示月和/或日的字符。
终端确定了起始日期中表示月和/或日的每个字符,以及所述结束日期中表示月和/或日的每个字符后,可以通过步骤S13对这些字符的概率分布进行调整,以提高识别的准确性。
图3是根据一示例性实施例示出的一种识别身份证有效期的方法的流程图。参照图3,步骤S12对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布可以包括:步骤S121至步骤S126。
在步骤S121中,从所述身份证图像中切割出所述检测区域的图像,得到有效期图像。
在步骤S122中,对所述有效期图像进行二值化处理,得到二值化图像。
在步骤S123中,对所述二值化图像进行连通域分析,滤除不符合预设条件的连通域。
在步骤S124中,将过滤后的二值化图像向水平轴进行投影,得到投影图。
在步骤S125中,根据所述投影图确定出有效期中每个字符的位置。
其中,预设条件包括面积小于面积阈值、长度大于长度阈值、高度大于高度阈值。面积阈值、长度阈值和高度阈值可以根据需要进行设置,对此本公开不做限制。
通过滤除面积小于面积阈值的连通域,可以去除检测区域中的“.”(年、月、日字符之间的分隔符号),通过滤除长度大于长度阈值的连通域,可以将检测区域中有效期上下方的背景区域去除,通过滤除高度大于高度阈值的连通域,可以将检测区域中有效期左右的背景区域去除。
终端将过滤后的二值化图像向水平轴进行投影后,可以得到每一列的前景目标高度,通过波峰和波谷的位置关系,可以实现字符的分割,确定出有效期中每个字符的位置。
在步骤S126中,对各位置上的字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布。
终端可以从所述身份证图像中切割出有效期图像,进而根据各字符的位置切割出各字符对应的子检测区域的图像,对各切割出的图像分别进行目标检测,得到有效期中每个字符针对目标识别结果的概率分布。
图4是根据一示例性实施例示出的一种识别身份证有效期的装置的框图。参照图4,该装置40包括:区域确定模块41、字符识别模块42、概率调整模块43和结果确定模块44。
该区域确定模块41被配置为确定身份证图像中包含有效期的检测区域;
该字符识别模块42被配置为对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布;
该概率调整模块43被配置为针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,所述第一概率分布为有效期的起始日期中该字符的概率分布,所述第二概率分布为有效期的结束日期中该字符的概率分布;
该结果确定模块44被配置为根据调整后的有效期中各字符的概率分布,确定每个字符的识别结果,得到有效期。
在本公开中,针对有效期中表示月和/或日的每个字符,根据有效期的起始日期中该字符的概率分布和有效期的结束日期中该字符的概率分布,调整该字符的概率分布,利用起始日期和结束日期的关联性,提高了识别的准确性。
图5是根据一示例性实施例示出的一种识别身份证有效期的装置的框图。参照图5,在一种可能的实现方式中,该装置40还包括:位置确定模块45、日期划分模块46和字符确定模块47。
该位置确定模块45被配置为根据有效期中每个字符针对目标识别结果的概率分布,得到连接符的位置;
该日期划分模块46被配置为根据所述连接符的位置,将所述有效期划分为起始日期和结束日期;
该字符确定模块47被配置为根据所述连接符的位置,分别确定所述起始日期中表示月和/或日的每个字符,以及所述结束日期中表示月和/或日的每个字符。
在一种可能的实现方式中,所述概率调整模块43包括:概率平均子模块431和概率确定子模块432。
该概率平均子模块431被配置为针对有效期中表示月和/或日的每个字符,将该字符的第一概率分布和第二概率分布进行平均,得到该字符的平均概率分布;
该概率确定子模块432被配置为将该字符的平均概率分布分别确定为有效期的起始日期和结束日期中该字符的概率分布。
在一种可能的实现方式中,所述区域确定模块41包括:区域确定子模块411。
该区域确定子模块411被配置为根据身份证图像中目标对象的位置,确定所述检测区域。
在一种可能的实现方式中,所述字符识别模块42包括:切割子模块421、二值化处理子模块422、分析子模块423、投影子模块424、位置确定子模块425和字符识别子模块426。
该切割子模块421被配置为从所述身份证图像中切割出所述检测区域的图像,得到有效期图像;
该二值化处理子模块422被配置为对所述有效期图像进行二值化处理,得到二值化图像;
该分析子模块423被配置为对所述二值化图像进行连通域分析,滤除不符合预设条件的连通域;
该投影子模块424被配置为将过滤后的二值化图像向水平轴进行投影,得到投影图;
该位置确定子模块425被配置为根据所述投影图确定出有效期中每个字符的位置;
该字符识别子模块426被配置为对各位置上的字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种用于识别身份证有效期的装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到装置800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (12)

1.一种识别身份证有效期的方法,其特征在于,包括:
确定身份证图像中包含有效期的检测区域;
对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布;
针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,所述第一概率分布为有效期的起始日期中该字符的概率分布,所述第二概率分布为有效期的结束日期中该字符的概率分布;
根据调整后的有效期中各字符的概率分布,确定每个字符的识别结果,得到有效期。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据有效期中每个字符针对目标识别结果的概率分布,得到连接符的位置;
根据所述连接符的位置,将所述有效期划分为起始日期和结束日期;
根据所述连接符的位置,分别确定所述起始日期中表示月和/或日的每个字符,以及所述结束日期中表示月和/或日的每个字符。
3.根据权利要求1所述的方法,其特征在于,所述针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,包括:
针对有效期中表示月和/或日的每个字符,将该字符的第一概率分布和第二概率分布进行平均,得到该字符的平均概率分布;
将该字符的平均概率分布分别确定为有效期的起始日期和结束日期中该字符的概率分布。
4.根据权利要求1至3中任意一项所述的方法,其特征在于,所述确定身份证图像中包含有效期的检测区域,包括:
根据身份证图像中目标对象的位置,确定所述检测区域。
5.根据权利要求1至3中任意一项所述的方法,其特征在于,所述对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布,包括:
从所述身份证图像中切割出所述检测区域的图像,得到有效期图像;
对所述有效期图像进行二值化处理,得到二值化图像;
对所述二值化图像进行连通域分析,滤除不符合预设条件的连通域;
将过滤后的二值化图像向水平轴进行投影,得到投影图;
根据所述投影图确定出有效期中每个字符的位置;
对各位置上的字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布。
6.一种识别身份证有效期的装置,其特征在于,包括:
区域确定模块,用于确定身份证图像中包含有效期的检测区域;
字符识别模块,用于对所述检测区域中有效期的每个字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布;
概率调整模块,用于针对有效期中表示月和/或日的每个字符,根据该字符的第一概率分布和第二概率分布,调整该字符的概率分布,所述第一概率分布为有效期的起始日期中该字符的概率分布,所述第二概率分布为有效期的结束日期中该字符的概率分布;
结果确定模块,用于根据调整后的有效期中各字符的概率分布,确定每个字符的识别结果,得到有效期。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
位置确定模块,用于根据有效期中每个字符针对目标识别结果的概率分布,得到连接符的位置;
日期划分模块,用于根据所述连接符的位置,将所述有效期划分为起始日期和结束日期;
字符确定模块,用于根据所述连接符的位置,分别确定所述起始日期中表示月和/或日的每个字符,以及所述结束日期中表示月和/或日的每个字符。
8.根据权利要求6所述的装置,其特征在于,所述概率调整模块包括:
概率平均子模块,用于针对有效期中表示月和/或日的每个字符,将该字符的第一概率分布和第二概率分布进行平均,得到该字符的平均概率分布;
概率确定子模块,用于将该字符的平均概率分布分别确定为有效期的起始日期和结束日期中该字符的概率分布。
9.根据权利要求6至8中任意一项所述的装置,其特征在于,所述区域确定模块包括:
区域确定子模块,用于根据身份证图像中目标对象的位置,确定所述检测区域。
10.根据权利要求6至8中任意一项所述的装置,其特征在于,所述字符识别模块包括:
切割子模块,用于从所述身份证图像中切割出所述检测区域的图像,得到有效期图像;
二值化处理子模块,用于对所述有效期图像进行二值化处理,得到二值化图像;
分析子模块,用于对所述二值化图像进行连通域分析,滤除不符合预设条件的连通域;
投影子模块,用于将过滤后的二值化图像向水平轴进行投影,得到投影图;
位置确定子模块,用于根据所述投影图确定出有效期中每个字符的位置;
字符识别子模块,用于对各位置上的字符分别进行识别,得到有效期中每个字符针对目标识别结果的概率分布。
11.一种识别身份证有效期的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行如权利要求1至5任一项所述的方法。
12.一种非临时性计算机可读存储介质,其特征在于,当所述存储介质中的指令由处理器执行时,使得处理器能够执行如权利要求1-5任一项所述的方法。
CN201810608642.8A 2018-06-13 2018-06-13 识别身份证有效期的方法及装置 Pending CN108960233A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810608642.8A CN108960233A (zh) 2018-06-13 2018-06-13 识别身份证有效期的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810608642.8A CN108960233A (zh) 2018-06-13 2018-06-13 识别身份证有效期的方法及装置

Publications (1)

Publication Number Publication Date
CN108960233A true CN108960233A (zh) 2018-12-07

Family

ID=64488473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810608642.8A Pending CN108960233A (zh) 2018-06-13 2018-06-13 识别身份证有效期的方法及装置

Country Status (1)

Country Link
CN (1) CN108960233A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276355A (zh) * 2019-06-04 2019-09-24 北京字节跳动网络技术有限公司 训练分类器的方法、装置、电子设备和计算机可读存储介质
CN111181671A (zh) * 2019-12-27 2020-05-19 东南大学 一种基于深度学习的下行信道快速重建方法
WO2023142914A1 (zh) * 2022-01-29 2023-08-03 北京有竹居网络技术有限公司 日期识别方法、装置、可读介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789073A (zh) * 2009-01-22 2010-07-28 富士通株式会社 字符识别装置及其字符识别方法
US20160275378A1 (en) * 2015-03-20 2016-09-22 Pfu Limited Date identification apparatus
CN106886774A (zh) * 2015-12-16 2017-06-23 腾讯科技(深圳)有限公司 识别身份证信息的方法和装置
CN107665354A (zh) * 2017-09-19 2018-02-06 北京小米移动软件有限公司 识别身份证的方法及装置
CN108073926A (zh) * 2016-11-17 2018-05-25 杭州海康威视数字技术股份有限公司 一种车牌识别方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101789073A (zh) * 2009-01-22 2010-07-28 富士通株式会社 字符识别装置及其字符识别方法
US20160275378A1 (en) * 2015-03-20 2016-09-22 Pfu Limited Date identification apparatus
CN106886774A (zh) * 2015-12-16 2017-06-23 腾讯科技(深圳)有限公司 识别身份证信息的方法和装置
CN108073926A (zh) * 2016-11-17 2018-05-25 杭州海康威视数字技术股份有限公司 一种车牌识别方法及装置
CN107665354A (zh) * 2017-09-19 2018-02-06 北京小米移动软件有限公司 识别身份证的方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110276355A (zh) * 2019-06-04 2019-09-24 北京字节跳动网络技术有限公司 训练分类器的方法、装置、电子设备和计算机可读存储介质
CN111181671A (zh) * 2019-12-27 2020-05-19 东南大学 一种基于深度学习的下行信道快速重建方法
CN111181671B (zh) * 2019-12-27 2022-01-11 东南大学 一种基于深度学习的下行信道快速重建方法
WO2023142914A1 (zh) * 2022-01-29 2023-08-03 北京有竹居网络技术有限公司 日期识别方法、装置、可读介质及电子设备

Similar Documents

Publication Publication Date Title
CN104156149B (zh) 拍摄参数调节方法及装置
CN108401527A (zh) 获取剩余关键系统信息的公共控制资源集时频资源位置的方法
CN105205494B (zh) 相似图片识别方法及装置
CN105335714B (zh) 照片处理方法、装置和设备
CN106101433B (zh) 通知消息显示方法和装置
CN105224174B (zh) 粘贴选项的显示方法及装置
CN104636453A (zh) 非法用户资料识别方法及装置
CN108307308B (zh) 无线局域网设备的定位方法、装置和存储介质
CN108886462A (zh) 参考信号的发送和接收方法及装置、基站和用户设备
CN109599104A (zh) 多波束选取方法及装置
CN104850849A (zh) 发送文字的方法、装置及终端
CN108960233A (zh) 识别身份证有效期的方法及装置
CN105208284B (zh) 拍摄提醒方法及装置
CN109034150A (zh) 图像处理方法及装置
CN108717542A (zh) 识别文字区域的方法、装置及计算机可读存储介质
CN107330391A (zh) 产品信息提示方法及装置
CN105426904B (zh) 照片处理方法、装置和设备
CN108769769A (zh) 视频的播放方法、装置及计算机可读存储介质
CN106650569B (zh) 指纹录入方法及装置
CN105808096B (zh) 滑块显示方法及装置
CN110490303A (zh) 超网络构建方法、使用方法、装置及介质
CN104850855B (zh) 计算置信度的方法和装置
CN110312300A (zh) 控制方法、装置及存储介质
CN108268667A (zh) 音频文件聚类方法及装置
CN109376674A (zh) 人脸检测方法、装置及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination