[發明專利]一種解析房產證照片內容的方法

有效

• 申請號: 201711305635.2
• 申請日: 2017-12-11
• 公開（公告）號: CN108038504B
• 公開（公告）日: 2019-12-27
• 發明（設計）人: 俞中宏;張佳敏;蔡立俊;曾智磊;張德恩
• 申請（專利權）人: 深圳房訊通信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34;G06K9/46
• 代理公司: 11574 北京律遠專利代理事務所(普通合伙)
• 代理人: 丁清鵬

1.一種解析房產證照片內容的方法，其特征在于，所述的解析房產證照片內容的方法包括以下步驟：

1)對不同版本房產證照片進行采集，在數據庫建立不同版本房產證模板

對不同版本的房產證做了識別的標簽-“模板”，房產證模板是一個Json數據，里面記錄了房產證的標準寬度，以及每個信息字段的名稱、位置和寬高；

2)拍攝待識別房產證照片，識別字段區域，計算模板匹配度，選取最高匹配度的版本作為待識別的房產證的版本；

a.識別字段區域，利用房產證邊框自動查找技術識別字段區域，具體步驟為：

(1)利用Opencv中自適應二值化算法將圖片從彩色、灰色照片轉換為黑白兩色圖片；

(2)利用Opencv中FindContours算法獲取圖片上所有的輪廓的輪廓集合，枚舉所有的點，計算任意兩個點的長度，找出最長的長度對應的兩個點，記作點1、點2；然后再枚舉剩余的點，與點1點2行成的三角形，找出三角形周長最大的點，記作點3；然后再次枚舉剩余的點，找出與點3距離最長的點，記作點4，點1、點2、點3、點4構成縮減后的輪廓；

(3)篩選出正確的輪廓；剔除凹四邊形的輪廓，選擇凸四邊形輪廓，并在四邊形的每個邊取5個點，共20個點進行底色驗證；

根據模板中獲取每個信息字段的坐標、寬高，得到該字段區域的四個頂點及四條邊上的中點；

b.使用8點驗證法對模板的每個字段進行驗證，確定有效模板信息字段的數量；

c.計算模板匹配度，模板匹配度＝有效模板信息字段數/模板信息字段數，得到最高匹配度的版本模板，具體步驟為：

對模板的每個字段進行驗證，并計算模板匹配度，得出房產證版本信息；模板匹配度＝有效模板信息字段數/模板信息字段數；模板信息字段指的是對應版本房產證中所包含的信息數；每個信息字段都進行8點驗證，通過8點驗證的，這個信息字段算作有效模板信息字段；8點驗證法：是根據模板中取得每個信息字段的坐標、寬高，得到該字段區域的四個頂點及四條邊上的中點，共8個點，確定8個點中某個點的坐標，驗證以這個點的坐標，半徑為10的范圍內的點是否有白點；只要這個半徑范圍內有白點就驗證通過；

3)對每個字段進行分割，通過圖像識別技術對字段進行識別，得到圖片里面的內容；獲取到了房產證圖片所屬的版本，為了獲取該版本房產證中的每個字段信息，將房產證圖片，按照模板進行切割，得到每個內容字段所對應的字段圖；然后通過OCR識別得出字段圖里面的文字信息，再通過卷積神經網絡算法識別出字段圖內的數字信息；然后對各個字段圖所識別出的內容進行匯總，得出房產證照片的所有準確信息；

卷積神經網絡算法主要用三種結構實現對輸入的局部平移不變性：局部接收域、權值共享和次子樣；在卷積層中，前一層的特征圖被一個可學習的卷積核進行卷積，再通過一個激活函數，既可以得到這一層的輸出特征圖；卷積的形式如式(1)所示：

1代表卷積神經網絡結構層數，K是卷積核，M_j表示的是輸入特征圖的集合，代表特征圖的選擇，b表示每個輸出圖的偏置值；

在子采樣層中，如果有N個輸入特征圖，就有N個輸出特征圖，只是每個輸出特征圖都變小了；子采樣層的形式如公式(2)所示：

down(.)表示一個子采樣函數，是對輸入圖像的一個n*n大小的區域求和；這樣輸出圖像在兩個維度上都縮小了n倍；每個輸出特征圖都對一個乘性偏置β和一個加性偏置b；

卷積網絡在本質上是一種輸入到輸出的映射，它能夠學習大量的輸入與輸出之間的映射關系，而不需要任何輸入和輸出之間的精確數學表達式；訓練算法分為兩個階段，第一階段，向前傳播階段：d.從樣本集中取一個樣本(X，Y_P)，將X輸入網絡；e.計算相應的實際輸出Op為公式(3)所示：

O_p＝F_n(...(F2(F1(XpW(1) W(2))...)W(n))) (3)

第二階段向后傳播階段：f.計算實際輸出Op與相應的理想輸出Y_P的差；g.按極小化誤差的方法反向傳播調整權矩陣；

通過在線自動生成0-9序列號的工具，生成1000組數據，將這些圖片上的字符歸一化為48*48大小，用600組作為訓練集，400組作為測試集，對卷積網絡進行訓練。

2.根據權利要求1所述的一種解析房產證照片內容的方法在房產證信息識別中的應用。