[发明专利]从身份证影像图片中提取关键信息的方法与系统

权利要求书

1.一种从身份证影像图片中提取关键信息的方法，其特征在于，包括：

图片识别步骤：通过卷积神经网络对图片进行分类，识别得到身份证图片；

人脸检测步骤：通过人脸检测模型检测身份证图片，得到头像面的身份证图片，并对头像面的身份证图片进行旋转，直至匹配出正向头像，获取头像的位置坐标并基于头像的位置坐标获取身份证头像面截图；

国徽检测步骤：通过国徽检测模型检测身份证图片，得到国徽面的身份证图片，并对国徽面的身份证图片进行旋转，直至匹配出正向国徽，获取国徽的位置坐标并基于国徽的位置坐标获取身份证国徽面截图；

底纹去除步骤：对身份证头像面截图和身份证国徽面截图进行去除底纹；

文本框检测步骤：对去除底纹后的身份证头像面截图和身份证国徽面截图进行文本框识别，得到文本框截图；

文字识别步骤：对文本框截图进行文字识别，得到识别结果，对识别结果进行校准，得到最终识别结果。

2.根据权利要求1所述的从身份证影像图片中提取关键信息的方法，其特征在于，所述底纹去除步骤包括：

构建对抗神经网络模型，采用对抗神经网络模型中的生成网络生成无底纹图像，并采用对抗神经网络模型中的辨别网络参照真实无底纹图像来分辨生成的无底纹图像与真实无底纹图像。

3.根据权利要求1所述的从身份证影像图片中提取关键信息的方法，其特征在于，所述文本框检测步骤包括使用预训练的CTPN模型进行文本框检测，并对检测有误的文本框截图进行标注，包括：

获取文本框截图有误的文本框截图；

通过图像形态学中的膨胀腐蚀操作处理文本框截图，使相距相近的文字合并成为一个区域；

对得到的区域进行筛选，过滤掉面积小于预设值的区域；

使用矩形框来框定过得到的区域，得到文本框的位置坐标；

由得到的文本框的位置坐标组成训练集，对CTPN模型进行训练。

4.根据权利要求1所述的从身份证影像图片中提取关键信息的方法，其特征在于，还包括身份证号信息校正步骤：

使用n个基于不同训练集和基础网络的CRNN识别文本框截图，得到n个身份证号的识别结果；

将n个识别结果中的7至14位根据出生日期合法性进行初步纠正；

若n个识别结果中的一个识别结果能通过身份证号校验规则，则作为最终识别结果；若n个识别结果均无法通过身份证号校验规则，则统计n个识别结果中各个位置得到的识别数字，以各位置出现次数最多的数字作为对应位置的识别数字进行组合得到组合结果，若组合结果能通过身份证号校验规则，则作为最终识别结果；

将通过身份证号校验规则的文本框截图和最终识别结果作为训练集，重新训练所述的n个CRNN，并进行多轮迭代。

5.根据权利要求1所述的从身份证影像图片中提取关键信息的方法，其特征在于，还包括身份证地址信息校正步骤：

获取全国地址数据库数据；

以省份为地址树的第一个节点，分别取对应候选待匹配省份长度的地址结果，与待匹配省份进行文字视觉差异性度量，寻找差异性最低的省份，记录差异性；

在子树中继续匹配，直到叶子节点；

回溯得到整条路径，以各节点的平均差异性最低的路径作为最终识别结果；

基于最终识别结果的路径前三个节点，得到对应的发证机关信息；

所述视觉差异性度量包括：

将每个汉字生成笔画序列，比较两个汉字之间的笔画序列，若一个汉字需要改变m个笔画得到另一个汉字的笔画序列，那么这两个汉字的差异性为m。