CN107369086A - 一种身份证打码***及方法 - Google Patents

一种身份证打码***及方法 Download PDF

Info

Publication number
CN107369086A
CN107369086A CN201710545725.2A CN201710545725A CN107369086A CN 107369086 A CN107369086 A CN 107369086A CN 201710545725 A CN201710545725 A CN 201710545725A CN 107369086 A CN107369086 A CN 107369086A
Authority
CN
China
Prior art keywords
identity card
character
stamp
region
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710545725.2A
Other languages
English (en)
Inventor
吴祥辉
冯炯
范诗剑
顾涛
戎怀阳
贺晔峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Niwodai Internet Finance Information Service Co ltd
Original Assignee
Shanghai Niwodai Internet Finance Information Service Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Niwodai Internet Finance Information Service Co ltd filed Critical Shanghai Niwodai Internet Finance Information Service Co ltd
Priority to CN201710545725.2A priority Critical patent/CN107369086A/zh
Publication of CN107369086A publication Critical patent/CN107369086A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Multimedia (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种身份证打码***及方法，该身份证打码***包括：人脸定位模块，利用人脸检测深度学习模型定位身份证上的人脸区域；字符定位模块，用于定位身份证上的多个字符区域；以及区域打码模块，连接于人脸定位模块和字符定位模块，区域打码模块根据需要对人脸区域和多个字符区域中需要隐藏的区域进行打码处理。本申请通过结合深度学习和图像处理技术，实现了身份证全自动打码，可以按照需求隐去身份证中的用户信息；实现了对身份证进行批量打码处理，速度快、效率高，可以实时、高效地处理各种身份证。

Description

一种身份证打码***及方法
技术领域
本申请涉及一种身份证打码***及方法。
背景技术
在信贷业务中，有时需要为用户提供借贷人的部分身份证信息，但是又不能完全暴露借贷人的身份证信息，于是需要利用身份证打码技术隐去借贷人的身份证部分敏感信息，例如隐去身份证号码的最后几位数字等。身份证打码指通过图像处理，将身份证部分区域进行处理，从而隐去个人敏感信息。
但是，一般借贷人上传的照片在各种复杂环境下拍摄，图像质量参差不齐，给机器识别带来了困难。目前身份证打码一般使用手工打码，需要以人工方式对身份证一张张进行处理，非常耗时耗力，并且容易出错。
另外，由于身份证在拍摄过程中往往由于摆放不整齐、光线投射、阴影、镜头对焦不准、身份证自身的折旧等原因，使得上传的身份证照片具有很多问题。而传统的图像算子处理，只能对处于相同环境条件下的规整身份证进行定位处理，对于各种环境下拍摄的、有问题的身份证照片则无能为力，经常会将身份证的字符位置和身份证背景搞混而无法定位打码。
综上，现有的身份证打码技术至少包括以下两方面的缺点：一、大多数采用人工打码实现，或者只能在规整的身份证上实现，无法实现自动化；二、处理速度慢，定位不精准，无法满足批量打码的需求。
针对相关技术中的上述问题，目前尚未提出有效的解决方案。
发明内容
针对相关技术中的上述问题，本申请提出一种身份证打码***及方法，能够结合深度学习和图像处理技术实现身份证信息的全自动打码，可以按照需求隐去用户信息。
本申请的技术方案是这样实现的：
根据本申请的一个方面，提供了一种身份证打码***，包括：
人脸定位模块，利用人脸检测深度学习模型定位身份证上的人脸区域；
字符定位模块，用于定位身份证上的多个字符区域；以及
区域打码模块，连接于人脸定位模块和字符定位模块，区域打码模块根据需要对人脸区域和多个字符区域中需要隐藏的区域进行打码处理。
在一个实施例中，字符定位模块利用字符定位深度学习模型和字符结构定位算法定位多个字符区域。
其中，字符定位模块包括：图像分层子模块，根据像素值的分布统计结果对身份证的图像像素进行分层处理；像素处理子模块，基于非参数核密度估计对每一层的字符图像像素进行二值化处理，并在二值化处理之后进行迭代搜索；以及定位信息生成子模块，根据迭代搜索的结果定位字符区域。
在一个实施例中，人脸检测深度学习模型为rcnn神经网络模型。
在一个实施例中，其中，字符定位模块包括tensorfolw机器学习平台；以及字符定位深度学习模型包括vgg16网络模型。
在一个实施例中，还包括：验证模块，连接于人脸定位模块、字符定位模块、和区域打码模块，验证模块通过字符结构定位算法对定位的人脸区域和多个字符区域进行交叉验证。
根据本申请的另一方面，提供了一种身份证打码方法，包括：
利用人脸检测深度学习模型定位身份证上的人脸区域；
定位身份证上的多个字符区域；以及
根据需要对人脸区域和多个字符区域中需要隐藏的区域进行打码处理。
在一个实施例中，定位身份证上的多个字符区域包括：利用字符定位深度学习模型定位和字符结构定位算法定位多个字符区域。
其中，利用字符定位深度学习模型定位和字符结构定位算法定位多个字符区域包括：根据像素值的分布统计结果对身份证的图像像素进行分层处理；基于非参数核密度估计对每一层的字符图像像素进行二值化处理，并在二值化处理之后进行迭代搜索；以及根据迭代搜索的结果定位字符区域。
其中，在定位身份证上的多个字符区域之后还包括：通过字符结构定位算法对定位的人脸区域和多个字符区域进行交叉验证。
本申请通过结合深度学习和图像处理技术，实现了身份证全自动打码，可以按照需求隐去身份证中的用户信息；实现了对身份证进行批量打码处理，速度快、效率高，可以实时、高效地处理各种身份证。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的身份证打码***的框图；
图2是根据本申请实施例的身份证打码***的工作流程图；
图3是根据本申请实施例的身份证打码方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。
根据本申请的实施例，提供了一种身份证打码***。
如图1所示，根据本申请实施例的身份证打码***100包括：
人脸定位模块102，利用人脸检测深度学习模型定位身份证上的人脸区域；其中，深度学习指利用神经网络模型，在带有计算卡的电脑上对大量数据进行学习，最终利用学习到的模型提供识别、分类等功能；
字符定位模块104，用于定位身份证上的多个字符区域；以及
区域打码模块106，连接于人脸定位模块102和字符定位模块104，区域打码模块106根据需要对人脸区域和多个字符区域中需要隐藏的区域进行打码处理。
其中，人脸定位模块102利用人脸检测深度学习模型对身份证上的人脸部分进行检测，检测样本采用尺寸为80mm×50mm的身份证，识别率达到99.9％以上。
上述技术方案，通过结合深度学习和图像处理技术，实现了身份证全自动打码，可以按照需求隐去身份证中的用户信息；实现了对身份证进行批量打码处理，速度快、效率高，可以实时、高效地处理各种身份证。
需要说明的是，上述字符包括身份证号码中的各个字符，还可包括身份证上任意其它用户信息中的各个字符。相应地，上述多个字符区域可包括身份证号码中各个字符所在的区域。多个字符区域还可包括身份证上任意其它用户信息中各个字符所在的区域。
在一个实施例中，字符定位模块104利用字符定位深度学习模型和字符结构定位算法定位多个字符区域。字符定位模块104通过结合字符定位深度学习模型和字符结构定位算法，能够对身份证的字符进行精准定位和处理，并能够对身份证的字符区域进行识别和校验，对于各种环境下拍摄的身份证的字符定位可达到99.9％以上。
其中，字符定位模块104包括：图像分层子模块(未示出)，根据像素值的分布统计结果对身份证的图像像素进行分层处理；像素处理子模块(未示出)，基于非参数核密度估计对每一层的字符图像像素进行二值化处理，并在二值化处理之后进行迭代搜索；定位信息生成子模块(未示出)，根据迭代搜索的结果定位字符区域。在本实施例中，字符定位模块104结合了字符结构定位算法来定位字符。该字符结构定位算法对图像像素进行分层，分层的原则是根据像素值的分布统计，基于非参数核密度估计(KDE)技术，分别对每一层的像素做二值化处理并进行迭代搜索，查找符合身份证字符的位置的点，进而根据字符位置的定位来打码。
区域打码模块106可通过小波分解将图像高低频分离、然后恢复图像，来对需要隐藏的区域进行打码从而得到打码后的身份证图片。
在一个实施例中，身份证打码***100还包括：验证模块(未示出)，连接于人脸定位模块102、字符定位模块104、和区域打码模块106，验证模块通过字符结构定位算法对定位的人脸区域和多个字符区域进行交叉验证。
在一个实施例中，身份证打码***100还可包括调用算法服务接口。算法服务是指利用算法实现软件功能，并提供给其它工程调用的服务。该服务具有智能化、单一化等特点。调用算法服务接口提供给外部的接口，用于调用身份证打码功能。参考图2所示，算法服务调用流程包括人脸检测、字符定位、区域打码三个步骤。用户传送身份证图像过来，先进行人脸检测和字符识别，人脸检测和字符识别结果通过字符结构定位算法进行交叉验证。得到各个区域后，最后再进行打码处理，将处理完毕的身份证图片返回给调用端。
具体地，在步骤S202处，通过调用算法服务接口调用身份证打码功能。在步骤S204处：对身份证人脸部位进行定位，结合人脸检测深度学习模型进行。在步骤S206处，将定位后的身份证图片再进行字符定位，通过字符定位深度学习模型和字符结构定位算法进行。在步骤S208处，获得身份证上各个区域(人脸区域和各个字符区域)的定位信息后，根据需要对各个要求隐藏信息的区域进行打码处理。
在一个实施例中，人脸检测深度学习模型为rcnn(区域cnn)神经网络模型。即，用于人脸定位的人脸检测深度学习模型采用rcnn神经网络模型，在该模型的基础上，通过增加身份证头像样本，可增强识别效果。
在一个实施例中，其中，字符定位模块104包括tensorfolw机器学***台，结合vgg16网络模型训练得到。
在一个可选的实施例中，身份证打码***100采用的操作***为linux centos7.3；开发语言为c、python；深度学习平台为tensorflow；硬件为双tesla k80计算卡超算。
如图3所示，根据本申请的实施例，还提供了一种身份证打码方法，包括以下步骤：
S302，利用人脸检测深度学习模型定位身份证上的人脸区域；
S304，定位身份证上的多个字符区域；以及
S306，根据需要对人脸区域和多个字符区域中需要隐藏的区域进行打码处理。
在一个实施例中，步骤S304可具体包括：利用字符定位深度学习模型定位和字符结构定位算法定位多个字符区域。
其中，利用字符定位深度学习模型定位和字符结构定位算法定位多个字符区域可具体包括包括以下步骤：
S3041，根据像素值的分布统计结果对身份证的图像像素进行分层处理；
S3042，基于非参数核密度估计对每一层的字符图像像素进行二值化处理，并在二值化处理之后进行迭代搜索；以及
S3043，根据迭代搜索的结果定位字符区域。
在一个实施例中，在步骤S304之后还可包括：通过字符结构定位算法对定位的人脸区域和多个字符区域进行交叉验证。
综上所述，本申请的身份证打码***及方法结合了深度学***均每张图片的处理损耗时间可保持在0.4秒至0.6秒之间。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种身份证打码***，其特征在于，包括：
人脸定位模块，利用人脸检测深度学习模型定位身份证上的人脸区域；
字符定位模块，用于定位所述身份证上的多个字符区域；以及
区域打码模块，连接于所述人脸定位模块和所述字符定位模块，所述区域打码模块根据需要对所述人脸区域和所述多个字符区域中需要隐藏的区域进行打码处理。
2.根据权利要求1所述的身份证打码***，其特征在于，所述字符定位模块利用字符定位深度学习模型和字符结构定位算法定位所述多个字符区域。
3.根据权利要求2所述的身份证打码***，其特征在于，所述字符定位模块包括：
图像分层子模块，根据像素值的分布统计结果对所述身份证的图像像素进行分层处理；
像素处理子模块，基于非参数核密度估计对每一层的字符图像像素进行二值化处理，并在所述二值化处理之后进行迭代搜索；以及
定位信息生成子模块，根据所述迭代搜索的结果定位所述字符区域。
4.根据权利要求1所述的身份证打码***，其特征在于，
人脸检测深度学习模型为rcnn神经网络模型。
5.根据权利要求2所述的身份证打码***，其特征在于，
其中，所述字符定位模块包括tensorfolw机器学习平台；以及
所述字符定位深度学习模型包括vgg16网络模型。
6.根据权利要求3所述的身份证打码***，其特征在于，还包括：
验证模块，连接于所述人脸定位模块、所述字符定位模块、和所述区域打码模块，所述验证模块通过所述字符结构定位算法对定位的所述人脸区域和所述多个字符区域进行交叉验证。
7.一种身份证打码方法，其特征在于，包括：
利用人脸检测深度学习模型定位身份证上的人脸区域；
定位所述身份证上的多个字符区域；以及
根据需要对所述人脸区域和所述多个字符区域中需要隐藏的区域进行打码处理。
8.根据权利要求7所述的身份证打码方法，其特征在于，定位所述身份证上的多个字符区域包括：
利用字符定位深度学习模型定位和字符结构定位算法定位所述多个字符区域。
9.根据权利要求8所述的身份证打码方法，其特征在于，利用字符定位深度学习模型定位和字符结构定位算法定位所述多个字符区域包括：
根据像素值的分布统计结果对所述身份证的图像像素进行分层处理；
基于非参数核密度估计对每一层的字符图像像素进行二值化处理，并在所述二值化处理之后进行迭代搜索；以及
根据所述迭代搜索的结果定位所述字符区域。
10.根据权利要求9所述的身份证打码方法，其特征在于，在定位所述身份证上的多个字符区域之后还包括：
通过所述字符结构定位算法对定位的所述人脸区域和所述多个字符区域进行交叉验证。
CN201710545725.2A 2017-07-06 2017-07-06 一种身份证打码***及方法 Pending CN107369086A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710545725.2A CN107369086A (zh) 2017-07-06 2017-07-06 一种身份证打码***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710545725.2A CN107369086A (zh) 2017-07-06 2017-07-06 一种身份证打码***及方法

Publications (1)

Publication Number Publication Date
CN107369086A true CN107369086A (zh) 2017-11-21

Family

ID=60305898

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710545725.2A Pending CN107369086A (zh) 2017-07-06 2017-07-06 一种身份证打码***及方法

Country Status (1)

Country Link
CN (1) CN107369086A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509885A (zh) * 2018-03-26 2018-09-07 东南大学 一种高效的身份证照片筛选方法
CN109886730A (zh) * 2019-01-15 2019-06-14 北京奇艺世纪科技有限公司 投放方法、设备及***、服务设备及方法、处理设备、介质
CN111695559A (zh) * 2020-04-28 2020-09-22 深圳市跨越新科技有限公司 基于YoloV3模型的运单图片信息打码方法及***
CN113012264A (zh) * 2021-03-25 2021-06-22 北京有竹居网络技术有限公司 一种图片处理方法、装置和设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425978A (zh) * 2013-09-02 2013-12-04 北方工业大学 利用隐蔽视频采集快速比对网上通缉犯的方法和***
CN103488998A (zh) * 2013-09-11 2014-01-01 东华大学 一种基于神经网络和图像处理技术的身份证识别方法
CN104680161A (zh) * 2015-01-09 2015-06-03 安徽清新互联信息科技有限公司 一种身份证数字识别方法
CN105701488A (zh) * 2016-01-01 2016-06-22 广州恒巨信息科技有限公司 一种身份证识别方法
CN105957001A (zh) * 2016-04-18 2016-09-21 深圳感官密码科技有限公司 一种隐私保护方法及装置
CN106682694A (zh) * 2016-12-27 2017-05-17 复旦大学 一种基于深度学习的敏感图像识别方法
CN106682629A (zh) * 2016-12-30 2017-05-17 佳都新太科技股份有限公司 一种复杂背景下身份证号识别算法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425978A (zh) * 2013-09-02 2013-12-04 北方工业大学 利用隐蔽视频采集快速比对网上通缉犯的方法和***
CN103488998A (zh) * 2013-09-11 2014-01-01 东华大学 一种基于神经网络和图像处理技术的身份证识别方法
CN104680161A (zh) * 2015-01-09 2015-06-03 安徽清新互联信息科技有限公司 一种身份证数字识别方法
CN105701488A (zh) * 2016-01-01 2016-06-22 广州恒巨信息科技有限公司 一种身份证识别方法
CN105957001A (zh) * 2016-04-18 2016-09-21 深圳感官密码科技有限公司 一种隐私保护方法及装置
CN106682694A (zh) * 2016-12-27 2017-05-17 复旦大学 一种基于深度学习的敏感图像识别方法
CN106682629A (zh) * 2016-12-30 2017-05-17 佳都新太科技股份有限公司 一种复杂背景下身份证号识别算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘超 等: "基于改进CAMShift 的运动目标跟踪算法", 《计算机工程与应用》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509885A (zh) * 2018-03-26 2018-09-07 东南大学 一种高效的身份证照片筛选方法
CN109886730A (zh) * 2019-01-15 2019-06-14 北京奇艺世纪科技有限公司 投放方法、设备及***、服务设备及方法、处理设备、介质
CN111695559A (zh) * 2020-04-28 2020-09-22 深圳市跨越新科技有限公司 基于YoloV3模型的运单图片信息打码方法及***
CN111695559B (zh) * 2020-04-28 2023-07-18 深圳市跨越新科技有限公司 基于YoloV3模型的运单图片信息打码方法及***
CN113012264A (zh) * 2021-03-25 2021-06-22 北京有竹居网络技术有限公司 一种图片处理方法、装置和设备

Similar Documents

Publication Publication Date Title
CN104766063B (zh) 一种活体人脸识别方法
WO2020228515A1 (zh) 伪造人脸的识别方法、装置和计算机可读存储介质
CN108701234A (zh) 车牌识别方法及云***
CN110349136A (zh) 一种基于深度学习的篡改图像检测方法
CN107316029B (zh) 一种活体验证方法及设备
CN105205453B (zh) 基于深度自编码器的人眼检测和定位方法
CN109871845B (zh) 证件图像提取方法及终端设备
CN107369086A (zh) 一种身份证打码***及方法
CN111242837A (zh) 基于生成对抗网络的人脸匿名隐私保护方法
Türkyılmaz et al. License plate recognition system using artificial neural networks
KR20170006355A (ko) 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치
CN103971112B (zh) 图像特征提取方法及装置
CN111222433B (zh) 自动人脸稽核方法、***、设备及可读存储介质
WO2021139171A1 (zh) 人脸增强识别方法、装置、设备及存储介质
CN105335719A (zh) 活体检测方法及装置
CN106846011A (zh) 营业执照识别方法和装置
CN106446862A (zh) 一种人脸检测方法及***
KR20200029659A (ko) 얼굴 인식 방법 및 장치
CN112686258A (zh) 体检报告信息结构化方法、装置、可读存储介质和终端
CN114118303B (zh) 基于先验约束的人脸关键点检测方法及装置
Devadethan et al. Face detection and facial feature extraction based on a fusion of knowledge based method and morphological image processing
CN110826534A (zh) 一种基于局部主成分分析的人脸关键点检测方法及***
CN107368817A (zh) 人脸识别方法和装置
CN110119702A (zh) 基于深度学习先验的人脸表情识别方法
CN109829475A (zh) 一种基于深度学习的图像暗水印处理方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20171121

RJ01 Rejection of invention patent application after publication