[發(fā)明專利]證件識別方法、設(shè)備、介質(zhì)及產(chǎn)品

在審

• 申請?zhí)枺?/td>: 202210130597.6
• 申請日: 2022-02-11
• 公開（公告）號: CN114565787A
• 公開（公告）日: 2022-05-31
• 發(fā)明（設(shè)計）人: 鄧蘇桃
• 申請（專利權(quán)）人: 北京曠視科技有限公司;北京邁格威科技有限公司;深圳曠視金智科技有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06K9/62;G06F21/60
• 代理公司: 北京潤澤恒知識產(chǎn)權(quán)代理有限公司 11319
• 代理人: 茍冬梅

1.一種證件識別方法，其特征在于，所述方法包括：

獲取待識別的證件圖像，所述證件圖像中包括目標(biāo)證件；

對所述證件圖像中的敏感信息進(jìn)行識別，并對識別到的敏感信息進(jìn)行脫敏處理，得到脫敏圖像；

將所述脫敏圖像輸入目標(biāo)分類模型，得到所述目標(biāo)證件所屬的類別；其中，所述目標(biāo)分類模型基于目標(biāo)圖像樣本訓(xùn)練得到，所述目標(biāo)圖像樣本為對證件圖像樣本中的敏感信息進(jìn)行所述脫敏處理得到的，所述類別用于表征所述目標(biāo)證件的真?zhèn)涡畔ⅰ?/p>

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述證件圖像中的敏感信息進(jìn)行識別，包括：

對所述證件圖像中所述目標(biāo)證件所在的圖像區(qū)域進(jìn)行透視變換，以對所述目標(biāo)證件所在的圖像區(qū)域進(jìn)行矯正；

從所述證件圖像中提取出矯正后的所述圖像區(qū)域；

通過敏感信息檢測模型對所述矯正后的圖像區(qū)域中所包括的敏感信息進(jìn)行識別；

其中，所述敏感信息檢測模型是以包括所述敏感信息的證件圖像為樣本進(jìn)行訓(xùn)練得到的。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述對識別出的敏感信息進(jìn)行脫敏處理，得到脫敏圖像，包括：

在所述證件圖像中，確定所述識別出的敏感信息所在的原始圖像區(qū)域；

在所述證件圖像的所述原始圖像區(qū)域中填充目標(biāo)圖案，得到保留有所述證件圖像中的背景區(qū)域的脫敏圖像。

4.根據(jù)權(quán)利要求1-3任一項所述的方法，其特征在于，所述方法還包括：

獲取當(dāng)前運行的第一分類模型以及待發(fā)布的第二分類模型；其中，所述第二分類模型為基于所述目標(biāo)圖像樣本新訓(xùn)練得到的模型；

確定所述第一分類模型和所述第二分類模型各自的性能參數(shù)，所述性能參數(shù)用于表征模型的分類準(zhǔn)確率；

在所述性能參數(shù)表征所述第二分類模型的分類準(zhǔn)確率不低于所述第一分類模型的分類準(zhǔn)確率的情況下，將所述第二分類模型作為所述目標(biāo)分類模型；

在所述性能參數(shù)表征所述第二分類模型的分類準(zhǔn)確率低于所述第一分類模型的分類準(zhǔn)確率的情況下，將所述第一分類模型作為所述目標(biāo)分類模型。

5.根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于，通過如下過程訓(xùn)練所述目標(biāo)分類模型：

基于所述目標(biāo)圖像樣本進(jìn)行模型訓(xùn)練，并周期性保存每個周期內(nèi)訓(xùn)練得到的候選模型；

利用測試樣本集，對已保存的多個所述候選模型進(jìn)行測試，得到多個所述候選模型各自對應(yīng)的性能參數(shù)；其中，所述性能參數(shù)用于表征所述候選模型對所述測試樣本集中的多個測試圖像進(jìn)行分類的分類準(zhǔn)確率；

基于所述性能參數(shù)，從已保存的多個候選模型中獲取所述目標(biāo)分類模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述利用測試樣本集，對已保存的多個所述候選模型進(jìn)行測試，得到多個所述候選模型各自對應(yīng)的性能參數(shù)，包括：

將所述多個測試圖像作為每個所述候選模型的輸入，獲取每個所述候選模型所輸出的多個測試圖像各自所屬的類別；

基于每個所述候選模型所輸出的多個測試圖像各自所屬的類別、以及所述多個測試圖像各自對應(yīng)的類別標(biāo)簽，確定所述每個候選模型各自對應(yīng)的性能參數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述候選模型用于確定證件圖像分別屬于多個候選類別的概率，不同候選模型對應(yīng)不同的概率閾值，所述概率閾值為與所述多個候選類別中的目標(biāo)類別對應(yīng)的閾值；所述獲取每個所述候選模型所輸出的多個測試圖像各自所屬的類別，包括：

對每個候選模型i，執(zhí)行以下步驟：

獲取所述候選模型i所輸出的每個所述測試圖像分別屬于所述多個候選類別的概率；

基于與所述候選模型i對應(yīng)的概率閾值、以及所述目標(biāo)類別對應(yīng)的標(biāo)準(zhǔn)概率閾值，對所述候選模型i所輸出的每個測試圖像屬于所述目標(biāo)類別的概率進(jìn)行轉(zhuǎn)換，得到所述候選模型i所輸出的每個測試圖像屬于所述目標(biāo)類別的轉(zhuǎn)換后概率；

在所述轉(zhuǎn)換后概率不低于所述標(biāo)準(zhǔn)概率閾值的情況下，將所述目標(biāo)類別作為所述候選模型i所輸出的測試圖像所屬的類別；

在所述轉(zhuǎn)換后概率低于所述標(biāo)準(zhǔn)概率閾值的情況下，將除所述目標(biāo)類別外的概率最高的類別，作為所述候選模型i所輸出的測試圖像所屬的類別。