[发明专利]一种基于机器学习的信用卡卡号识别方法

权利要求书

1.一种基于机器学习的信用卡卡号识别方法，其特征在于，包括以下步骤：

(1)训练信用卡卡号分类器；

(2)基于分类器文件，检测待处理信用卡图像的卡号位置；

(3)对获得的信用卡卡号位置矩形区域进行倾斜校正；

(4)分割信用卡卡号数字，包括：

(41)获得信用卡卡号数字的上下边界位置；

(42)获得信用卡卡号单个数字的左右边界位置；

(5)识别信用卡卡号数字。

2.根据权利要求1所述的基于机器学习的信用卡卡号识别方法，其特征在于，步骤(1)，包括：

a、收集训练样本，将收集的信用卡图像上的卡号区域作为训练的正样本，其余区域作为训练的负样本；

b、基于haar特征和adaboost算法，训练信用卡卡号分类器。

3.根据权利要求1所述的基于机器学习的信用卡卡号识别方法，其特征在于，步骤(3)，包括：

a、按照以下公式将获得的信用卡卡号位置矩形区域的下边缘向下扩展，得到信用卡卡号位置扩展矩形区域：

rectdown.x=rect.xrectdown.y=rect.yrectdown.width=rect.widthrectdown.height=rect.height+rect.width*0.5]]>

其中，(rect.x，rect.y)、(rect_down.x，rect_down.y)分别表示信用卡卡号位置矩形区域rect、信用卡卡号位置扩展矩形区域rect_down的左上角坐标，rect.width、rect.height分别表示信用卡卡号位置矩形区域rect的宽度、高度，rect_down.width、rect_down.height分别表示信用卡卡号位置扩展矩形区域rect_down的宽度、高度；

b、采用以下公式，获取所述信用卡卡号位置扩展矩形区域的水平边缘特征图：

Ex(i，j)＝g(i-2，j)+g(i-1，j)+g(i+1，j)+g(i+2，j)-4*g(i，j)

其中，Ex(i，j)表示所述水平边缘特征图的第i行第j列位置的像素灰度值，g(i，j)表示所述信用卡卡号位置扩展矩形区域的第i行第j列位置的像素灰度值；

c、基于最大类间距二值化算法，对所述水平边缘特征图进行二值化处理，得到二值水平边缘特征图；

d、选取所述二值水平边缘特征图上面积最大的连通区域；

e、基于以下最小二乘法原理式，对选取的连通区域的前景目标点进行直线拟合，得到该连通区域的倾斜角度：

γ=arctan(NΣxiyi-ΣxiΣyiNΣxi2-(Σxi)2)]]>

其中，γ表示所述连通区域的倾斜角度，x_i、y_i分别表示所述连通区域上前景目标点的横坐标、纵坐标，N表示所述连通区域上前景目标点的数量；

f、采用以下公式对信用卡卡号位置矩形区域进行旋转变换：

x=(x0-anchor_x)*cosγ-(y0-anchor_y)*sinγ+anchor_xy=(x0-anchor_x)*sinγ+(y0-anchor_y)*cosγ+anchor_y]]>

其中，(x₀，y₀)表示旋转变换前的坐标值，(x，y)表示旋转变换后的坐标值，(anchor_x，anchor_y)表示图像旋转基点。