[發明專利]一種基于深度學習的身份證質檢方法及系統

在審

• 申請號: 202011171318.8
• 申請日: 2020-10-28
• 公開（公告）號: CN112307937A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 范軻;張磊;林康;譚則濤;張漢林;柯學
• 申請（專利權）人: 廣發證券股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06T5/00;G06T5/20;G06T7/11;G06T7/40
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 陳旭紅;呂金金

本發明提供一種基于深度學習的身份證質檢方法及系統，所述方法包括：獲取包含身份證圖像及背景圖像的第一圖像；對第一圖像進行預處理，得到僅包含身份證圖像的第二圖像；將第二圖像輸入設定的反光質檢模型進行反光質檢，得到第三圖像；將第三圖像輸入設定的模糊質檢模型進行模糊質檢，得到第四圖像；其中，所述設定的模糊質檢模型和反光質檢模型均為根據SqueezeNet的基本結構得到。本發明解決傳統圖像處理技術對身份證質檢時需調整多個指標閾值，難以在正負樣本召回指標上達成均衡；以及用亮度、梯度、色偏來分離反光與非反光區域的傳統圖像處理方法，無法區分身份證關鍵區域(文字、頭像)與非關鍵區域反光和無法識別類似反光的長城水印無法識別的問題。

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種基于深度學習的身份證質檢方法及系統。

背景技術

隨著互聯網金融發展，一方面證券投資群體不斷擴大，證券公司中開戶的數量出現明顯增長；另一方面，非現場業務的擴大，客戶很多情況無需再到證券營業部辦理業務，可直接通過移動端或網站進行業務辦理，網上開戶就是一個典型的場景。在網上開戶業務辦理過程中，客戶需提交身份證、開戶聲明視頻等材料，證券公司需判斷客戶提交的身份證、視頻等資料其質量是否合格，如證件是否反光、模糊、被遮擋，缺角、缺邊，圖像、視頻是否存在反光、模糊、遮擋以及開戶聲明不符合要求等問題，審核通過后方可辦理開戶，不通過則需駁回材料重新提交。

目前證券公司多采用人工方式進行審核，具有較大的工作量，往往導致審核響應過慢；而審核響應過慢或過多的駁回，會導致客戶開戶意愿減弱，以致客戶流失。如何提升開戶審核的質量、效率、響應速度，成為提高開戶成功率的關鍵。

針對身份證圖片反光、模糊檢測問題，傳統圖像處理技術對身份證質檢時需調整多個指標閾值，難以在正負樣本召回指標上達成均衡；此外，傳統的圖像處理技術更多用亮度、梯度、色偏等技術指標對圖像質量進行評估，但因審核標準較難用上述指標量化，且身份證質檢反光的定義為位于關鍵區域文字導致身份信息識別不清的情況下才能將圖像判斷為反光圖像，不影響文字識別的圖像一律判斷為正常圖像，除此之外二代身份證正面長城水印導致文字識別失敗不能被判斷為反光，因此用亮度來分離反光與非反光區域等傳統圖像處理方法在此條件下已不適用。

發明內容

本發明提供一種基于深度學習的身份證質檢方法及系統，解決傳統圖像處理技術對身份證質檢時需調整多個指標閾值，難以在正負樣本召回指標上達成均衡；以及用亮度、梯度、色偏來分離反光與非反光區域的傳統圖像處理方法，無法區分身份證關鍵區域，如文字、頭像等與非關鍵區域反光和無法識別類似反光的長城水印無法識別的問題。

本發明一個實施例提供一種基于深度學習的身份證質檢方法，包括：

獲取第一圖像；其中，所述第一圖像包含身份證圖像及背景圖像；

對所述第一圖像進行預處理，得到第二圖像；其中，所述第二圖像僅包含身份證圖像；

將所述第二圖像輸入設定的反光質檢模型進行反光質檢，得到第三圖像；其中，所述設定的反光質檢模型為根據SqueezeNet的基本結構得到；

將所述第三圖像輸入設定的模糊質檢模型進行模糊質檢，得到第四圖像；其中，所述設定的模糊質檢模型為根據SqueezeNet的基本結構得到。

進一步地，所述設定的反光質檢模型為根據SqueezeNet的基本結構得到，包括：

將標記為反光審核通過的身份證圖像和標記為反光審核未通過的身份證圖像分別作為反光正樣本數據和反光負樣本數據輸入至反光質檢模型；其中，所述反光正樣本數據的數量和所述反光負樣本數據的數量相同；

基于caffe深度學習框架根據所述反光正樣本數據和反光負樣本數據進行反光質檢模型的訓練。

進一步地，所述設定的模糊質檢模型為根據SqueezeNet的基本結構得到，包括：