[發明專利]一種信息的檢測方法、裝置及設備

在審

• 申請號: 201811025620.5
• 申請日: 2018-09-04
• 公開（公告）號: CN109389038A
• 公開（公告）日: 2019-02-26
• 發明（設計）人: 鄭丹丹
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇

1.一種信息的檢測方法，所述方法包括：

基于預定的深度學習算法，從目標圖像中確定目標證件中的關鍵點信息；

根據所述關鍵點信息，從所述目標圖像中獲取所述目標證件的圖像；

根據所述目標證件的圖像和與所述目標證件相匹配的預定證件模板，從所述目標證件的圖像中確定預定字段的信息。

2.根據權利要求1所述的方法，所述基于預定的深度學習算法，從目標圖像中確定目標證件中的關鍵點信息，包括：

基于預定樣本圖像的數據，確定所述樣本圖像中證件的四個直角對應的關鍵點與所述樣本圖像中證件的邊和所述樣本圖像中證件中的頭像之間的關系，以構建回歸網絡模型；

基于構建的回歸網絡模型，從所述目標圖像中確定所述目標證件中的關鍵點信息。

3.根據權利要求2所述的方法，所述回歸網絡模型包括第一卷積層、第一池化層、第一dropout層、第二卷積層、第二池化層、第二dropout層、第三卷積層、第三dropout層、第一全連接層和第二全連接層，所述第一卷積層與輸入層連接，所述第二全連接層與輸出層連接，各層的連接順序為第一卷積層、第一池化層、第一dropout層、第二卷積層、第二池化層、第二dropout層、第三卷積層、第三dropout層、第一全連接層、第二全連接層。

4.根據權利要求3所述的方法，所述第一dropout層、第二dropout層和第三dropout層用于增加預定噪聲信息。

5.根據權利要求4所述的方法，所述第一全連接層包括多個單元，所述多個單元用于將學習到的分布式特征表示映射到所述樣本圖像空間中。

6.根據權利要求5所述的方法，所述第二全連接層包括8個單元，所述8個單元分別對應所述目標證件的四個直角對應的關鍵點和8個參數。

7.根據權利要求2所述的方法，所述基于構建的回歸網絡模型，從所述目標圖像中確定所述目標證件中的關鍵點信息，包括：

基于構建的回歸網絡模型，從所述目標圖像中確定所述目標證件的四個直角構成的區域；

基于構建的回歸網絡模型，從確定的所述目標證件的四個直角構成的區域中確定所述目標證件中的關鍵點信息。

8.根據權利要求1所述的方法，所述根據所述目標證件的圖像和與所述目標證件相匹配的預定證件模板，從所述目標證件的圖像中確定預定字段的信息之前，所述方法還包括：

基于預定的證件的基準尺寸信息，調整所述目標證件的圖像的尺寸，得到與所述基準尺寸信息相匹配的所述目標證件的圖像。

9.一種信息的檢測裝置，所述裝置包括：

關鍵點確定模塊，用于基于預定的深度學習算法，從目標圖像中確定目標證件中的關鍵點信息；

證件獲取模塊，用于根據所述關鍵點信息，從所述目標圖像中獲取所述目標證件的圖像；

字段信息確定模塊，用于根據所述目標證件的圖像和與所述目標證件相匹配的預定證件模板，從所述目標證件的圖像中確定預定字段的信息。

10.根據權利要求9所述的裝置，所述關鍵點確定模塊，包括：

模型構建單元，用于基于預定樣本圖像的數據，確定所述樣本圖像中證件的四個直角對應的關鍵點與所述樣本圖像中證件的邊和所述樣本圖像中證件中的頭像之間的關系，以構建回歸網絡模型；

關鍵點確定單元，用于基于構建的回歸網絡模型，從所述目標圖像中確定所述目標證件中的關鍵點信息。