[發明專利]基于卷積神經網絡的身份證照片分類方法

在審

• 申請號: 201511009006.6
• 申請日: 2015-12-29
• 公開（公告）號: CN106934408A
• 公開（公告）日: 2017-07-07
• 發明（設計）人: 付景林;侯玉成;趙德勝;孟漢峰;王芊;丁明鋒;劉雪峰;劉紅云;張新中;李永豐;鞠秀芳;柳炯;王允升;楊永強;姜曉偉;肖靜晗
• 申請（專利權）人: 北京大唐高鴻數據網絡技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/02
• 代理公司: 北京北新智誠知識產權代理有限公司11100
• 代理人: 趙郁軍

技術領域

本發明涉及一種基于卷積神經網絡的身份證照片分類方法，屬于模式識別技術領域。

背景技術

身份證是用于證明持有人身份的唯一證件，在辦理特定事務時一般都需要出示身份證或是身份證復印件作為身份證明，各種機構，如銀行、營業廳、考試系統等都裝備了身份證識別系統，用于識別身份證的真偽，識別方法一般是先提前身份證原件或身份證照片上的特征信息，然后將提取出的特征信息與已知的特征數據庫中對應的特征信息比對，若匹配則驗證通過，否則驗證不通過，這種方法較為耗時，且識別的準確率不高。

發明內容

鑒于上述原因，本發明的目的在于提供一種基于卷積神經網絡的身份證照片分類方法，利用多樣性的樣本圖片對卷積神經網絡進行有針對性的訓練、調整，能夠達到較高的照片分類準確率。

為實現上述目的，本發明采用以下技術方案：

一種基于卷積神經網絡的身份證照片分類方法，包括：

S1：獲取多樣性的身份證照片樣本集，并劃分為訓練樣本集、驗證樣本集和測試樣本集；

S2：建立卷積神經網絡；

S3：對訓練樣本集中的樣本圖片進行預處理；

S4：將預處理后的圖片作為訓練數據輸入該卷積神經網絡，進行有監督的學習，得到訓練后的卷積神經網絡的各層的參數；

S5：利用訓練后的卷積神經網絡的各層的參數，初始化與步驟S2中所述卷積神經網絡結構相同的卷積神經網絡，得到具有身份證照片分類功能的圖像識別網絡。

所述多樣性的身份證照片樣本集包括身份證原件照片、身份證復印件照片、經軟件處理過的身份證照片、手機相機獲取的手機上顯示的身份證原件照片的照片、手機相機獲取的計算機顯示屏上顯示的身份證原件照片的照片。

所述步驟S2中的卷積神經網絡包括五個卷積層、三個下采樣層、三個全 連接層、及softmax分類器，其中，

第一卷積層濾波器的大小為11×11像素，步長為4個像素，特征圖為96個，第一下采樣層濾波器的大小為3×3像素，步長為2個像素；第二卷積層濾波器的大小為5×5像素，特征圖為256個，第二下采樣層濾波器的大小為3×3像素，步長為2個像素；第三卷積層濾波器的大小為3×3像素，特征圖為384個；第四卷積層濾波器的大小為3×3像素，特征圖為384個；第五卷積層濾波器的大小為3×3像素，特征圖為256個，第三下采樣層濾波器的大小為3×3像素，步長為2個像素；全連接層及softmax分類器使用dropout層降低連接數，softmax分類器輸出五種類型的目標：身份證原件照片，身份證復印件照片、經軟件處理過的身份證照片、手機相機獲取的手機上顯示的身份證原件照片的照片、手機相機獲取的計算機顯示屏上顯示的身份證原件照片的照片。

所述步驟S3中，對訓練樣本集中的樣本圖片進行預處理包括：減去每個像素點對應的平均值，進行水平鏡像處理，進行裁剪處理。

本發明的優點是：

1、利用多樣性的樣本圖片，對卷積神經網絡進行有針對性的訓練、調整，能夠達到較高的分類準確率；

2、采用機器自學習的方法，避免了人工干預，使卷積神經網絡能學習到每一類身份證照片的完整的特征，卷積神經網絡的泛化能力和適應性強。

附圖說明

圖1是本發明的卷積神經網絡的結構示意圖。

圖2是本發明的方法流程圖。

具體實施方式

如圖1、2所示，本發明公開的基于卷積神經網絡的身份證照片分類方法，包括以下步驟：

S1：獲取樣本集，并將樣本集劃分為訓練樣本集、驗證樣本集和測試樣本集；

采集大量的身份證原件照片、身份證復印件照片、經軟件(如，PhotoShop)處理過的身份證照片、手機相機獲取的手機上顯示的身份證原件照片的照片、手機相機獲取的計算機顯示屏上顯示的身份證原件照片的照片；

將上述所有照片縮放到256×256像素大小的圖片作為樣本圖片，對所有樣本圖片于每個像素點進行平均值計算，并在所有樣本圖片中添加標簽，例如，在身份證原件圖片中添加0，在手機相機獲取的計算機顯示屏上顯示的身份證 原件照片的圖片中添加1，在手機相機獲取的手機上顯示的身份證原件照片的圖片中添加2，在身份證復印件圖片中添加3，在軟件處理過的身份證圖片中添加4；

將所有樣本圖片劃分成訓練樣本集(占總樣本的85％)、驗證樣本集(占總樣本的10％)和測試樣本集(占總樣本的5％)。

S2：建立卷積神經網絡；