[發(fā)明專利]一種信息的檢測方法、裝置及設備

在審

• 申請?zhí)枺?/td>: 201811025620.5
• 申請日: 2018-09-04
• 公開（公告）號: CN109389038A
• 公開（公告）日: 2019-02-26
• 發(fā)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(chǎn)權代理有限公司 11315
• 代理人: 許志勇

本說明書實施例公開了一種信息的檢測方法、裝置及設備，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(jù)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(jù)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。

技術領域

本說明書涉及計算機技術領域，尤其涉及一種信息的檢測方法、裝置及設備。

背景技術

隨著實名認證的電子化進程的不斷推進，作為一種弱實名認證方案，實名認證的電子化進程不需要用戶到實名認證的現(xiàn)場進行證件與本人的信息核驗，從而極大的節(jié)約了用戶和實名認證機構(如銀行等)的成本，從而越來越被各實名認證機構所接受。

實名認證的電子化進程盡管存在上述優(yōu)勢，但是卻需要實現(xiàn)多個不同國家或地區(qū)的證件文字行檢測，以便提取證件上的姓名、地址、證件號碼等信息，而且，不同國家或地區(qū)的證件特點也不同。通常，通過傳統(tǒng)的圖形學方法來實現(xiàn)對證件中的文字行的檢測，如基于連通域類方案或基于筆畫寬度轉換的文字檢測方法等，然而，該檢測方法的準確率比較低，且規(guī)則復雜，對于新類型的證件，需要重新編寫相應的檢測代碼。因此，就需要建立一種簡單通用的方式，來準確檢測證件上的關鍵字段的信息。

發(fā)明內(nèi)容

本說明書實施例的目的是提供一種信息的檢測方法、裝置及設備，以建立一種簡單通用的方式，來準確檢測證件上的關鍵字段的信息。

為實現(xiàn)上述技術方案，本說明書實施例是這樣實現(xiàn)的：

本說明書實施例提供的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(jù)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(jù)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。

可選地，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(shù)據(jù)，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(wǎng)絡模型；

基于構建的回歸網(wǎng)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。

可選地，所述回歸網(wǎng)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。

可選地，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。

可選地，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。

可選地，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(shù)。

可選地，所述基于構建的回歸網(wǎng)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(wǎng)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(qū)域；

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