[发明专利]证件识别方法、设备、介质及产品

权利要求书

1.一种证件识别方法，其特征在于，所述方法包括：

获取待识别的证件图像，所述证件图像中包括目标证件；

对所述证件图像中的敏感信息进行识别，并对识别到的敏感信息进行脱敏处理，得到脱敏图像；

将所述脱敏图像输入目标分类模型，得到所述目标证件所属的类别；其中，所述目标分类模型基于目标图像样本训练得到，所述目标图像样本为对证件图像样本中的敏感信息进行所述脱敏处理得到的，所述类别用于表征所述目标证件的真伪信息。

2.根据权利要求1所述的方法，其特征在于，对所述证件图像中的敏感信息进行识别，包括：

对所述证件图像中所述目标证件所在的图像区域进行透视变换，以对所述目标证件所在的图像区域进行矫正；

从所述证件图像中提取出矫正后的所述图像区域；

通过敏感信息检测模型对所述矫正后的图像区域中所包括的敏感信息进行识别；

其中，所述敏感信息检测模型是以包括所述敏感信息的证件图像为样本进行训练得到的。

3.根据权利要求1或2所述的方法，其特征在于，所述对识别出的敏感信息进行脱敏处理，得到脱敏图像，包括：

在所述证件图像中，确定所述识别出的敏感信息所在的原始图像区域；

在所述证件图像的所述原始图像区域中填充目标图案，得到保留有所述证件图像中的背景区域的脱敏图像。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

获取当前运行的第一分类模型以及待发布的第二分类模型；其中，所述第二分类模型为基于所述目标图像样本新训练得到的模型；

确定所述第一分类模型和所述第二分类模型各自的性能参数，所述性能参数用于表征模型的分类准确率；

在所述性能参数表征所述第二分类模型的分类准确率不低于所述第一分类模型的分类准确率的情况下，将所述第二分类模型作为所述目标分类模型；

在所述性能参数表征所述第二分类模型的分类准确率低于所述第一分类模型的分类准确率的情况下，将所述第一分类模型作为所述目标分类模型。

5.根据权利要求1-4任一项所述的方法，其特征在于，通过如下过程训练所述目标分类模型：

基于所述目标图像样本进行模型训练，并周期性保存每个周期内训练得到的候选模型；

利用测试样本集，对已保存的多个所述候选模型进行测试，得到多个所述候选模型各自对应的性能参数；其中，所述性能参数用于表征所述候选模型对所述测试样本集中的多个测试图像进行分类的分类准确率；

基于所述性能参数，从已保存的多个候选模型中获取所述目标分类模型。

6.根据权利要求5所述的方法，其特征在于，所述利用测试样本集，对已保存的多个所述候选模型进行测试，得到多个所述候选模型各自对应的性能参数，包括：

将所述多个测试图像作为每个所述候选模型的输入，获取每个所述候选模型所输出的多个测试图像各自所属的类别；

基于每个所述候选模型所输出的多个测试图像各自所属的类别、以及所述多个测试图像各自对应的类别标签，确定所述每个候选模型各自对应的性能参数。

7.根据权利要求6所述的方法，其特征在于，所述候选模型用于确定证件图像分别属于多个候选类别的概率，不同候选模型对应不同的概率阈值，所述概率阈值为与所述多个候选类别中的目标类别对应的阈值；所述获取每个所述候选模型所输出的多个测试图像各自所属的类别，包括：

对每个候选模型i，执行以下步骤：

获取所述候选模型i所输出的每个所述测试图像分别属于所述多个候选类别的概率；

基于与所述候选模型i对应的概率阈值、以及所述目标类别对应的标准概率阈值，对所述候选模型i所输出的每个测试图像属于所述目标类别的概率进行转换，得到所述候选模型i所输出的每个测试图像属于所述目标类别的转换后概率；

在所述转换后概率不低于所述标准概率阈值的情况下，将所述目标类别作为所述候选模型i所输出的测试图像所属的类别；

在所述转换后概率低于所述标准概率阈值的情况下，将除所述目标类别外的概率最高的类别，作为所述候选模型i所输出的测试图像所属的类别。