[發明專利]一種自然場景下快速、魯棒的銀行卡定位與分類方法

在審

• 申請號: 201811210693.1
• 申請日: 2018-10-17
• 公開（公告）號: CN109492672A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 柯逍;劉詩勤;牛玉貞
• 申請（專利權）人: 福州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

本發明涉及一種自然場景下快速、魯棒的銀行卡定位與分類方法，包括以下步驟：步驟S1：獲取銀行卡數據集，并對獲取的銀行卡數據集進行標注，為訓練銀行卡定位與分類模型做好準備；步驟S2：使用收集到的銀行卡數據集訓練銀行卡定位與分類模型；步驟S3：將待檢測的銀行卡圖像輸入訓練好的銀行卡定位與分類模型中，利用訓練好的銀行卡定位與分類模型對待檢測的銀行卡圖像進行定位與識別。本發明能夠有效地對待檢測圖像中的銀行卡進行定位與分類。

技術領域

本發明涉及深度學習與計算機視覺領域，特別是一種自然場景下快速、魯棒的銀行卡定位與分類方法。

背景技術

自然場景中出現的文本是我們一個重要的信息來源。例如廣告牌、交通標識、各類證件上的文字等，這些文本包含著明確的語義信息，為人們提供必要的指示和提醒。如果能夠實現對這些文本的檢測和識別就可以實現對這些場景內容的理解和分析。伴隨著人類科技進步，使用機器檢測并理解場景中的文本成為了一個必然的趨勢。隨著帶有攝像頭的移動設備的廣泛使用以及移動支付的不斷發展，人們已經開始習慣使用手機應用進行支付，如支付寶、微信支付等。銀行卡卡號檢測和識別技術能幫助這些支付平臺的用戶自動輸入卡號。與人工錄入卡號相比，銀行卡自動檢測與識別技術速度更快，精度更高，體驗更好。

傳統方法處理自然場景下的銀行卡檢測依然面臨一些問題，例如：無法從銀行卡圖像背景中將銀行卡卡面分離；自然場景下的圖片和視頻中背景可能會非常復雜，其中很多背景元素如有著密集文字字符的書籍、與卡面顏色相似的桌面等，這些拍攝背景都可能和真實的銀行卡卡面在視覺上產生混淆，導致錯誤的產生。拍攝的銀行卡卡面傾斜變形，使用傳統矩形檢測方法無法確保銀行卡卡面定位的準確性。

現有的銀行卡識別應用大都對銀行卡圖像的輸入有比較嚴格的要求，如必須對準應用中固定大小的檢測框進行拍攝，必須在光照條件良好的環境下進行拍攝，以便得到易于處理的卡面圖像。

自然場景下的銀行卡定位與識別在生產生活中扮演著重要的角色，但其研究進展緩慢，其原因可以歸結為三點：屬于隱私數據的銀行卡數據集難以收集、銀行卡類別繁多和銀行卡拍攝場景復雜。

發明內容

有鑒于此，本發明的目的是提出一種自然場景下快速、魯棒的銀行卡定位與分類方法，能夠有效地對待檢測圖像中的銀行卡進行定位與分類。

本發明采用以下方案實現：一種自然場景下快速、魯棒的銀行卡定位與分類方法，包括以下步驟：

步驟S1：獲取銀行卡數據集，并對獲取的銀行卡數據集進行標注，為訓練銀行卡定位與分類模型做好準備；

步驟S2：使用收集到的銀行卡數據集訓練銀行卡定位與分類模型；

步驟S3：將待檢測的銀行卡圖像輸入訓練好的銀行卡定位與分類模型中，利用訓練好的銀行卡定位與分類模型對待檢測的銀行卡圖像進行定位與識別。

進一步地，步驟S1中具體包括以下步驟：

步驟S11：采用爬蟲技術獲取銀行卡圖片并得到其所屬銀行卡類別；

步驟S12：將采集到的銀行卡圖片進行分類得到類別信息，并對銀行卡卡面不完整的圖片進行剔除；

步驟S13：對步驟S12處理后的圖片進行標注；其中，所述標注具體為：對輸入圖片中銀行卡的位置進行標定，得到位置信息，圖片的位置信息和類別信息一同構成該圖片的標注信息。

進一步地，步驟S2具體包括以下步驟：

步驟S21：所述銀行卡定位與分類模型由兩部分構成，前半部分為特征提取網絡，用于銀行卡特征提取，后半部分為多尺度特征檢測網絡，用于在3個不同的尺度上進行銀行卡定位檢測；