[发明专利]证件图像识别方法、装置及存储介质

说明书

本申请涉及一种证件图像识别方法、装置及存储介质，属于计算机技术领域，该方法包括：获取待识别的证件图像，该证件图像包括待识别的字符区域；将证件图像输入预训练的检测模型，得到字符区域中字符的位置信息和分类结果；可以解决使用检测模型检测字符区域，使用识别模型识别字符区域中的字符时，占用的存储资源和计算资源均较多的问题；由于分类结果也为字符的识别结果，因此，可以直接将字符的分类结果作为字符的识别结果，只需要一个检测模型即可实现字符的检测和识别，且对于一张证件图像只需要计算一次，从而节省电子设备的存储资源和计算资源。

【技术领域】

本申请涉及一种证件图像识别方法、装置及存储介质，属于计算机技术领域。

【背景技术】

随着互联网的快速发展，社会各界对信息安全问题的关注也与日俱增。尤其是智能手机的日益普及，移动警务执法越来越得到各个方面的重视，如何利用移动警务系统更好的服务于民众显得尤为重要。其中，证件图像的识别技术，也越来越多的受到关注并使用。

一种典型的证件图像识别方法包括：获取证件图像；使用检测模型检测证件图像中的字符区域；使用识别模型识别字符区域中的字符。

然而，检测模型和识别模型需要占用较多的设备存储资源，在运行时还需要消耗较多的计算资源。

【发明内容】

本申请提供了一种证件图像识别方法、装置及存储介质，可以解决使用检测模型检测字符区域，使用识别模型识别字符区域中的字符时，占用的存储资源和计算资源均较多的问题。本申请提供如下技术方案：

第一方面，提供一种证件图像识别方法，所述方法包括：

获取待识别的证件图像，所述证件图像包括待识别的字符区域；

将所述证件图像输入预训练的检测模型，得到所述字符区域中字符的位置信息和分类结果，所述分类结果为字符的识别结果。

可选地，所述检测模型是使用多组第一训练数据训练得到的，每组第一训练数据包括样本证件图像、所述样本证件图像中字符的位置标签、以及所述样本证件图像中字符的分类标签；

其中，不同字符对应的分类标签不同，所述分类标签为对应字符的样本识别结果。

可选地，所述位置标签包括每个字符对应的第一位置标签和所述字符区域的第二位置标签。

可选地，所述检测模型基于轻量级的基础网络建立，所述基础网络的网络层数小于第一阈值、且通道数小于第二阈值；其中，所述第一阈值小于或等于现有的轻量级神经网络模型的最小层数；所述第二阈值小于或等于现有的轻量级神经网络模型的最小通道数。

可选地，所述检测模型还包括与所述基础网络相连的基于中心点的检测网络CenterNet。

可选地，所述将所述证件图像输入预训练的检测模型之前，还包括：

将原始证件图像输入预训练的矫正模型，得到矫正后的证件图像，所述矫正后的证件图像为所述待识别的证件图像；

其中，所述矫正模型是使用多组第二训练数据训练得到的，每组第二训练数据包括待矫正样本证件图像、矫正后的样本证件图像、以及所述矫正后的样本证件图像中关键点的标签位置，所述关键点包括所述矫正后的样本证件图像的边缘位置关键点和所述矫正后的样本证件图像内的预设位置关键点。

可选地，所述矫正后的样本证件图像包括人脸图像区域，所述预设位置关键点包括所述人脸图像区域的人脸关键点。

可选地，所述矫正模型基于轻量级的主干网络建立，所述主干网络的网络层数小于第三阈值、且通道数小于第四阈值；所述主干网络包括自定义的矫正层，所述矫正层用于将输入的关键点的位置矫正至标准位置；其中，所述第三阈值小于或等于现有的轻量级神经网络模型的最小层数；所述第四阈值小于或等于现有的轻量级神经网络模型的最小通道数。