CN110751110A - 身份影像信息核验方法、装置、设备及存储介质 - Google Patents

身份影像信息核验方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110751110A
CN110751110A CN201911016075.8A CN201911016075A CN110751110A CN 110751110 A CN110751110 A CN 110751110A CN 201911016075 A CN201911016075 A CN 201911016075A CN 110751110 A CN110751110 A CN 110751110A
Authority
CN
China
Prior art keywords
image information
identity
identity image
verification
result
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
CN201911016075.8A
Other languages
English (en)
Inventor
刘岩
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.)
Taikang Insurance Group Co Ltd
Original Assignee
Taikang Insurance Group 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 Taikang Insurance Group Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN201911016075.8A priority Critical patent/CN110751110A/zh
Publication of CN110751110A publication Critical patent/CN110751110A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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
    • G06V40/40—Spoof detection, e.g. liveness detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开一种身份影像信息核验方法、装置、设备及存储介质。该方法通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息；若判定身份影像信息属于正面身份影像信息，对身份影像信息中的身份证号码进行核验，获得第一核验结果；对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果；判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果和第二核验结果；若核验结果中不存在未通过结果，则判定身份影像信息通过核验。本发明能够避免篡改的证件信息通过核验，降低人工审核的工作量，提高身份证核验的自动化率。

Description

身份影像信息核验方法、装置、设备及存储介质
技术领域
本发明涉及模式识别技术领域，具体而言，涉及一种身份影像信息核验方法、装置、设备及计算机可读存储介质。
背景技术
为了方便证件信息的录入，在金融、安防等领域，基于光学字符识别(OpticalCharacter Recognition，简称OCR)技术的身份证信息自动采集的应用已经较为广泛。虽然身份证识别技术目前已经在许多实际业务场景中应用，提升了业务流程的自动化率，方便了人们的工作和生活。但是，日常中使用的主要是常规身份证卡面信息的识别，即对常规身份证进行拍照识别，但是在实际使用中存在以下问题：
(1)对于非有效身份证的识别缺乏判别性，无法阻挡篡改证件信息等行为，导致后台人工审核压力增大；
(2)无法识别部分客户错误上传的户口本、护照等其他证件信息，后续虽然经过人工审核后可以要求客户再次上传，但是中间往往浪费了一两天的时间，影响业务效率和客户体验；
(3)身份证种类覆盖不全，大多识别***只可识别常规身份证，导致许多客户无法使用信息自动抽取功能，证件不合规，以及增加了要求客户更换证件的时间成本。
如上所述，如何提供能够判断、识别多种身份证信息的核验方法成为亟待解决的问题。
在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
有鉴于此，本发明提供一种身份影像信息核验方法、装置、设备及计算机可读存储介质。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明的一方面，提供一种身份影像信息核验方法，包括：通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，所述身份影像信息类别包括正面身份影像信息和反面身份影像信息；若判定所述身份影像信息属于所述正面身份影像信息，对所述身份影像信息中的身份证号码进行核验，获得第一核验结果；对所述身份影像信息中的姓名、所述身份证号码和人脸图像进行核验，获得第二核验结果；判断核验结果中是否存在未通过结果，其中，所述核验结果包括所述第一核验结果和所述第二核验结果；若所述核验结果中不存在未通过结果，则判定所述身份影像信息通过核验。
根据本发明的一实施例，所述方法还包括：若判定所述身份影像信息属于所述反面身份影像信息，对所述身份影像信息中的有效期进行核验，获得第三核验结果；所述核验结果还包括所述第三核验结果。
根据本发明的一实施例，若判定所述身份影像信息属于所述正面身份影像信息，在所述对所述身份影像信息中的身份证号码进行核验之前，还包括：对所述身份影像信息中待识别的子图像进行光学字符识别，获得识别出的字符串；根据所述身份影像信息的类别将所述字符串与所述身份影像信息对应的版式进行匹配，获得匹配后的字段；在所述获得第一核验结果之后，还包括：根据所述第一核验结果获得第一核验结果值，并将所述第一核验结果值与所述字段中的对应所述身份证号码的内容进行匹配；在所述获得第二核验结果之后，还包括：根据所述第二核验结果获得第二核验结果值，并将所述第二核验结果值与所述字段中的对应所述姓名和所述人脸图像的内容进行匹配。
根据本发明的一实施例，若判定所述身份影像信息属于所述反面身份影像信息，则在所述对所述身份影像信息中的有效期进行核验之前，还包括：对身份影像信息中待识别的子图像进行光学字符识别，获得识别出的字符串；根据所述身份影像信息的类别将所述字符串与所述身份影像信息对应的版式进行匹配，获得匹配后的字段；在所述获得第三核验结果之后，还包括：根据所述第三核验结果获得第三核验结果值，并将所述第三核验结果值与所述字段中的对应所述有效期的内容进行匹配。
根据本发明的一实施例，所述方法还包括：若所述核验结果中存在未通过结果，则判定所述身份影像信息未通过核验，并获得未通过核验信息；获得所述未通过结果对应的核验项信息，并将所述核验项信息与所述未通过核验信息相关联。
根据本发明的一实施例，所述通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，包括：通过第一卷积神经网络输出待核验的身份影像信息属于所述身份影像信息类别的置信度和子图像在所述身份影像信息中的位置。
根据本发明的一实施例，在所述通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别之前，还包括：通过第二卷积神经网络判断上传的图像的清晰度是否符合预设标准，获得第一判断结果；通过第二卷积神经网络判断所述上传的图像是否包含身份证图像，获得第二判断结果；若所述第一判断结果为是，并且所述第二判断结果为是，则获得与所述上传的图像对应的身份影像信息。
根据本发明的再一方面，提供一种身份影像信息核验装置，包括：身份影像分类模块，用于通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，所述身份影像信息类别包括正面身份影像信息和反面身份影像信息；合规研判模块，与所述身份影像分类模块相连接，所述合规研判模块包括第一核验模块、第二核验模块和综合研判模块，其中：所述第一核验模块，用于在所述身份影像分类模块判定所述身份影像信息属于所述正面身份影像信息之后，对所述身份影像信息中的身份证号码进行核验，获得第一核验结果；所述第二核验模块，用于对所述身份影像信息中的姓名、所述身份证号码和人脸图像进行核验，获得第二核验结果；所述综合研判模块，与所述第一核验模块和所述第二核验模块相连接，所述综合研判模块用于判断核验结果中是否存在未通过结果，其中，所述核验结果包括所述第一核验结果和所述第二核验结果；所述综合研判模块还用于在所述核验结果中不存在未通过结果时，判定所述身份影像信息通过核验。
根据本发明的一实施例，所述合规研判模块还包括第三核验模块，所述第三核验模块与所述综合研判模块相连接，所述第三核验模块用于在判定所述身份影像信息属于所述反面身份影像信息之后，对所述身份影像信息中的有效期进行核验，获得第三核验结果；所述核验结果还包括所述第三核验结果。
根据本发明的一实施例，所述装置还包括：字符识别模块，与所述身份影像分类模块相连接，所述字符识别模块用于对身份影像信息中待识别的子图像进行光学字符识别，获得识别出的字符串；结构化模块，与所述身份影像分类模块、所述字符识别模块和所述合规研判模块相连接，所述结构化模块包括拆拼模块和结构化输出模块，其中：所述拆拼模块，用于根据所述身份影像信息的类别将所述字符串与所述身份影像信息对应的版式进行匹配，获得匹配后的字段；所述结构化输出模块，用于根据所述核验结果获得核验结果值，并将所述核验结果值与所述字段中的对应的内容进行匹配。
根据本发明的一实施例，所述装置还包括影像质检模块，与所述身份影像分类模块相连接，所述影像质检模块用于通过第二卷积神经网络判断上传的图像的清晰度是否符合预设标准，获得第一判断结果；
所述影像质检模块，还用于通过第二卷积神经网络判断所述上传的图像是否包含身份证图像，获得第二判断结果；
所述影像质检模块，还用于当所述第一判断结果为是，并且所述第二判断结果为是时，获得与所述上传的图像对应的身份影像信息。
根据本发明的再一方面，提供一种身份影像信息核验设备，包括：存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令，所述处理器执行所述可执行指令时实现如上述任一种方法。
根据本发明的再一方面，提供一种计算机可读存储介质，其上存储有计算机可执行指令，所述可执行指令被处理器执行时实现如上述任一种方法。
根据本发明实施例提供的身份影像信息核验方法，通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别后，对正面身份影像信息中的身份证号码、姓名、人脸图像进行综合核验，从而可判断待核验的身份证是否为有效身份证，避免了篡改的证件信息通过核验，降低了人工审核的工作量，提高了身份证核验的自动化率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本发明。
附图说明
通过参照附图详细描述其示例实施例，本发明的上述和其它目标、特征及优点将变得更加显而易见。
图1是根据一示例性实施例示出的一种身份影像信息核验方法的流程图。
图2是根据一示例性实施例示出的另一种身份影像信息核验方法的流程图。
图3是根据一示例性实施例示出的再一种身份影像信息核验方法的流程图。
图4是根据一示例性实施例示出的再一种身份影像信息核验方法的流程图。
图5是根据一示例性实施例示出的一种身份影像信息核验装置的框图。
图6是根据一示例性实施例示出的另一种身份影像信息核验装置的框图。
图7是根据一示例性实施例示出的再一种身份影像信息核验装置的框图。
图8是根据一示例性实施例示出的再一种身份影像信息核验装置的框图。
图9是根据一示例性实施例示出的一种身份影像信息核验设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施例使得本发明将更加全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现或者操作以避免喧宾夺主而使得本发明的各方面变得模糊。
此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。符号“/”一般表示前后关联对象是一种“或”的关系。
在本发明中，除非另有明确的规定和限定，“连接”等术语应做广义理解，例如，可以是电连接或可以互相通讯；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如上所述，因相关技对于非有效身份证的识别缺乏判别性，无法阻挡篡改证件信息等行为，导致后台人工审核压力增大，业务效率低、客户体验差。因此，本发明提供了一种方法，通过卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别后，对身份影像信息中的身份证号码、姓名、人脸图像进行综合核验，从而可判断待核验的身份证是否为有效身份证，避免了篡改的证件信息通过核验，降低了人工审核的工作量，提高了身份证核验的自动化率。
图1是根据一示例性实施例示出的一种身份影像信息核验方法的流程图。如图1所示的方法例如可以应用于身份影像信息核验***的服务器端。
参考图1，方法10包括：
在步骤S102中，通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息。
在一些实施例中，采用53层全卷积神经网络对待核验的身份影像信息的类别进行判定，以及精确地分割确定待核验的身份影像信息的各子图像在待核验的身份影像信息中的位置。
为了实现目标位置和类别的一次性输出，在全卷积神经网络框架中，使用五个回归值{x,y,w,h,p}表示子图像的位置，其中{x,y}表示子图像所在的矩形区域的左上角的坐标点，{w,h}表示子图像所在的矩形区域的宽度和高度，p表示当前矩形区域包含该子图像的置信度。身份影像信息类别设置六类：常规身份证正面、常规身份证反面、临时身份证正面、身份证复印件正面、身份证复印件反面、其它。因此，单张身份影像信息图像输入全卷积神经网络后，得到N*11维的输出向量，其中N表示全卷积神经网络检测出的子图像的数量(例如：普通身份证图像中存在正反面两个子图像，那么N＝2；临时身份证图像中仅有正面一个子图像，那么N＝1)，11维等于6个身份影像信息类别+5个回归值。
全卷积神经网络分类结果将给出如下输出结构：
Figure BDA0002245746060000071
其中每个子数组分别表示检测到的各个子图像的属性，其中6个c值分别对应了当前子图像属于六种身份影像信息类别的置信度，6个c值中的最大值表示当前子图像最可能归属的类别；后面的四个x、y值分别表示子图像的矩形区域的左上角与右下角的坐标值；最后一个p值表示当前矩形区域包含该子图像的置信度。例如，可以设置在p>0.2的条件下，所在维度的数组前面的10个值可用于进行下一步的识别。实际p的取值需要根据业务实际数据进行训练验证。
在步骤S104中，若判定身份影像信息属于正面身份影像信息，对身份影像信息中的身份证号码进行核验，获得第一核验结果。
在一些实施例中，基于现行有效的二代身份证号码最后一位验证码的编码规则对身份证号的位数和内容进行合法性验证，以避免出现无效身份证号。验证规则如下：
Figure BDA0002245746060000081
其中i表示从右至左的18位身份证号的位置序号(1,2,...,18)；αi表示第i个位置上的号码数值；wi表示第i个位置上的加权因子，该加权因子的计算公式为：
wi＝(2i-1)％11
符号％表示计算前数除以后数的得到的余数。
基于上面的公式可以验证身份证号是否合法，如果身份证号合法，则第一核验结果为通过；如果证件号非法，则第一核验结果为未通过，并在第一核验结果中提示用户重新上传图像或人工修改证件号。
在步骤S106中，对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果；
在一些实施例中，在身份证号通过上一步的合法性验证后，为了避免人为对身份证内容的篡改，例如：故意遮挡证件照、篡改姓名或身份证号等，需要再对身份证件内容的合法性进行更高层级的安全验证，例如，可选地，进一步判断身份影像信息中是否包括姓名信息、身份证号码信息和人脸图像信息；若身份影像信息中不包括姓名信息、身份证号码信息和人脸图像信息中的至少一项信息，则第二核验结果为未通过。
可选地，采用姓名+身份证号+人脸图像三重要素验证的方式，通过连接公安部数据库中的普通公民身份证信息库，对身份证件内容进行三要素合一的合法性验证，若三要素对应的普通公民身份证信息库的公民不一致，将导致第二核验结果为未通过。
在步骤S108中，判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果和第二核验结果；
在步骤S110中，若核验结果中不存在未通过结果，则判定身份影像信息通过核验。在一些实施例中，可根据实际业务场景调整需要核验的对象及判断的规则，如投保业务不允许采用身份证复印件，那么对于该类业务，将优先基于身份影像信息分类的结果判定是否为复印件，如果是，则直接判定该身份影像信息的核验结果为未通过；如果否，则进行后续的身份证号码及三要素核验。本发明不以此为限。
根据本发明实施例提供的身份影像信息核验方法，通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别后，对正面身份影像信息中的身份证号码、姓名、人脸图像进行综合核验，从而可判断待核验的身份证是否为有效身份证，避免了篡改的证件信息通过核验，降低了人工审核的工作量，提高了身份证核验的自动化率。
图2是根据一示例性实施例示出的另一种身份影像信息核验方法的流程图。如图2所示的方法例如可以应用于身份影像信息核验***的服务器端。
参考图2，方法20包括：
在步骤S202中，通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息。
在一些实施例中，采用53层全卷积神经网络对待核验的身份影像信息的类别进行判定，以及精确地分割确定待核验的身份影像信息的各子图像在待核验的身份影像信息中的位置。参见实施例1中对该分类方法的详述。
在步骤S204中，若判定身份影像信息属于正面身份影像信息，对身份影像信息中的身份证号码进行核验，获得第一核验结果。
在一些实施例中，基于现行有效的二代身份证号码最后一位验证码的编码规则对身份证号的位数和内容进行合法性验证，以避免出现无效身份证号。参见实施例1中对该验证规则的详述。
在步骤S206中，对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果。
在一些实施例中，在身份证号通过上一步的合法性验证后，为了避免人为对身份证内容的篡改，需要再对身份证件内容的合法性进行更高层级的安全验证。参见实施例1中对该验证方法的详述。
在步骤S208中，若判定身份影像信息属于反面身份影像信息，对身份影像信息中的有效期进行核验，获得第三核验结果。
在一些实施例中，对于判定为常规身份证反面的身份影像信息，可增加验证其合法性的第三核验。可选地，由于如果存在身份证反面的影像，那么肯定必须要同时存在该身份证正面的影像，基于这一要求，若该N*11维向量表示的身份影像信息分类结果中不存在常规身份证正面，则将直接导致第三核验结果为未通过核验。
可选地，对于常规身份证反面，还可进行验证有效期的合法性的第三核验，若有效期不合法，则导致第三核验结果为未通过核验。首先根据常规身份证正面的身份证号码计算与身份证号码对应的年龄，然后按照以下规则对年龄和有效期进行核验：
5年有效期——小于16岁周岁；
10年有效期——大于等于16周岁且小于等于25周岁；
20年有效期——大于等于26周岁小于等于45周岁；
长期有效——大于等于46周岁。
在一些实施例中，对于判定为临时身份证正面的身份影像信息，可增加验证有效期的合法性的第四核验，若有效期不合法，则导致第四核验结果为未通过核验。临时身份证的有效期是固定的3个月，任何差异化的有效期，都是非法证件。
在步骤S210中，判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果、第二核验结果和第三核验结果。在一些实施例中，核验结果还可包括验证临时身份证有效期的第四核验结果，验证过程如前。
在步骤S212中，若核验结果中不存在未通过结果，则判定身份影像信息通过核验。
根据本发明实施例提供的身份影像信息核验方法，通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别后，对正面身份影像信息中的身份证号码、姓名、人脸图像进行综合核验的同时，还对(反面)身份影像信息中的有效期进行核验，从而增加了核验结果的可信程度，避免了篡改的证件信息通过核验，降低了人工审核的工作量，提高了身份证核验的自动化率。
图3是根据一示例性实施例示出的再一种身份影像信息核验方法的流程图。如图3所示的方法例如可以应用于身份影像信息核验***的服务器端。
参考图3方法30包括：
在步骤S302中，通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息。
在一些实施例中，采用53层全卷积神经网络对待核验的身份影像信息的类别进行判定，以及精确地分割确定待核验的身份影像信息的各子图像在待核验的身份影像信息中的位置。参见实施例1中对该分类方法的详述。
在步骤S304中，若判定身份影像信息属于正面身份影像信息，对身份影像信息中待识别的子图像进行光学字符识别，获得识别出的字符串。在一些实施例中，将全卷积神经网络分割出的子图像送入影像OCR识别引擎，从中抽取文字数据，并将抽取的文字数据按照行字符串的形式返回。
在步骤S306中，根据身份影像信息的类别将字符串与身份影像信息对应的版式进行匹配，获得匹配后的字段。在一些实施例中，对OCR识别引擎返回的字符串，按照身份影像信息的版式(基于上述步骤得到身份影像信息类别获得版式类型)进行拆拼、组合，得到关键词-返回值(key-value)的匹配。以正面身份影像信息为例，即实现姓名、性别、出生日期、住址、身份证号等字段的key-value的组合。
在步骤S308中，对身份影像信息中的身份证号码进行核验，获得第一核验结果。
在一些实施例中，基于现行有效的二代身份证号码最后一位验证码的编码规则对身份证号的位数和内容进行合法性验证，以避免出现无效身份证号。参见实施例1中对该验证规则的详述。
在步骤S309中，根据第一核验结果获得第一核验结果值，并将第一核验结果值与字段中的对应身份证号码的内容进行匹配。
在步骤S310中，对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果。
在一些实施例中，在身份证号通过上一步的合法性验证后，为了避免人为对身份证内容的篡改，需要再对身份证件内容的合法性进行更高层级的安全验证。参见实施例1中对该验证方法的详述。
在步骤S311中，根据第二核验结果获得第二核验结果值，并将第二核验结果值与字段中的对应姓名和人脸图像的内容进行匹配。
在步骤S312中，判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果和第二核验结果。在一些实施例中，核验结果还可包括验证身份证有效期的第三、四核验结果，第三、四核验过程参见实施例2。
在步骤S314中，若核验结果中不存在未通过结果，则判定身份影像信息通过核验。
在步骤S316中，若核验结果中存在未通过结果，则判定身份影像信息未通过核验，并获得未通过核验信息。
在步骤S318中，获得未通过结果对应的核验项信息，并将核验项信息与未通过核验信息相关联。
在一些实施例中，将最终的结果以key-value的形式输出，例如，对于常规身份证原件(包括正面和反面)，若核验结果为通过，输出内容包括：
Figure BDA0002245746060000121
Figure BDA0002245746060000131
若核验结果为不通过，输出内容包括：
Figure BDA0002245746060000132
根据本发明实施例提供的身份影像信息核验方法，通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别后，对身份影像信息中待识别的子图像进行OCR识别，然后将识别出的字符串与该身份影像信息类别对应的版式进行匹配，在对正面身份影像信息中的身份证号码、姓名、人脸图像进行综合核验后，输出与综合核验结果对应的各个关键词信息或未通过原因描述，从而实现了身份影像信息核验结果的高效输出，提高了身份证核验的业务作业效率和自动化率。
图4是根据一示例性实施例示出的再一种身份影像信息核验方法的流程图。如图4所示的方法例如可以应用于身份影像信息核验***的服务器端。
参考图4，方法40包括：
在步骤S402中，通过第二卷积神经网络判断上传的图像的清晰度是否符合预设标准，获得第一判断结果；
在步骤S404中，通过第二卷积神经网络判断上传的图像是否包含身份证图像，获得第二判断结果；
在步骤S406中，若第一判断结果为是，并且第二判断结果为是，则获得与上传的图像对应的身份影像信息。
在一些实施例中，采用一个包含两个输出的全卷积神经网络对上传的图像进行初步质检。初步质检主要检测两个方面，一是上传的图像清晰度是否合格；二是上传的图像中是否包含身份证。全卷积神经网络输出为{p1,p2}，p1表示上传的图像中包含身份证的置信度，p2表示上传的图像清晰度合格的置信度。p1、p2的阈值在不同业务场景数据下一般需要根据实际数据进行训练得到。例如，设0.35和0.02分别是p1、p2的阈值，则：
如果p1<0.35，则判定上传的图像中不包含身份证，要求客户重传；
如果p1>0.35，p2<0.02，则判定上传的图像清晰度不合格，要求客户重传；
如果p1>0.35，p2>0.02，则初步质检通过。
在步骤S408中，通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息。
在一些实施例中，采用53层全卷积神经网络对待核验的身份影像信息的类别进行判定，以及精确地分割确定待核验的身份影像信息的各子图像在待核验的身份影像信息中的位置。参见实施例1中对该分类方法的详述。
在步骤S410中，若判定身份影像信息属于正面身份影像信息，对身份影像信息中的身份证号码进行核验，获得第一核验结果。
在一些实施例中，基于现行有效的二代身份证号码最后一位验证码的编码规则对身份证号的位数和内容进行合法性验证，以避免出现无效身份证号。参见实施例1中对该验证规则的详述。
在步骤S412中，对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果。
在一些实施例中，在身份证号通过上一步的合法性验证后，为了避免人为对身份证内容的篡改，需要再对身份证件内容的合法性进行更高层级的安全验证。参见实施例1中对该验证方法的详述。
在步骤S414中，判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果和第二核验结果。
在步骤S416中，若核验结果中不存在未通过结果，则判定身份影像信息通过核验。
根据本发明实施例提供的身份影像信息核验方法，首先通过第二卷积神经网络判断上传的图像的清晰度是否符合预设标准、以及是否包含身份证图像来进行初步质检，然后再通过第一卷积神经网络判断通过初步质检的身份影像信息所属的身份影像信息类别，接着对正面身份影像信息中的身份证号码、姓名、人脸图像进行综合核验的，从而实现了身份影像质量的初步控制，增加了核验结果的可信程度，避免了篡改的证件信息通过核验，降低了人工审核的工作量，提高了身份证核验的自动化率。
图5是根据一示例性实施例示出的一种身份影像信息核验装置的框图。
如图5所示，装置50包括：身份影像分类模块502，用于通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息；
合规研判模块504，与身份影像分类模块502相连接，合规研判模块504包括第一核验模块5041、第二核验模块5042和综合研判模块5043，其中：
第一核验模块5041，用于在身份影像分类模块502判定身份影像信息属于正面身份影像信息之后，对身份影像信息中的身份证号码进行核验，获得第一核验结果；
第二核验模块5042，用于对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果；
综合研判模块5043，与第一核验模块5041和第二核验模块5042相连接，综合研判模块5043用于判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果和第二核验结果；
综合研判模块5043还用于在核验结果中不存在未通过结果时，判定身份影像信息通过核验。
图6是根据一示例性实施例示出的一种身份影像信息核验装置的框图。
如图6所示，装置60包括：身份影像分类模块602，用于通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息；
合规研判模块604，与身份影像分类模块602相连接，合规研判模块604包括第一核验模块6041、第二核验模块6042、第三核验模块6043和综合研判模块6044，其中：
第一核验模块6041，用于在身份影像分类模块602判定身份影像信息属于正面身份影像信息之后，对身份影像信息中的身份证号码进行核验，获得第一核验结果；
第二核验模块6042，用于对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果；
第三核验模块6043，用于在判定身份影像信息属于反面身份影像信息之后，对身份影像信息中的有效期进行核验，获得第三核验结果；
综合研判模块6044，与第一核验模块6041、第二核验模块6042和第三核验模块6043相连接，综合研判模块6044用于判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果、第二核验结果和第三核验结果；
综合研判模块6044还用于在核验结果中不存在未通过结果时，判定身份影像信息通过核验。
图7是根据一示例性实施例示出的另一种身份影像信息核验装置的框图。
如图7所示，装置70包括：身份影像分类模块702，用于通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息；
字符识别模块703，与身份影像分类模块702相连接，字符识别模块用于对身份影像信息中待识别的子图像进行光学字符识别，获得识别出的字符串；
合规研判模块704，与身份影像分类模块702相连接，合规研判模块704包括第一核验模块7041、第二核验模块7042、第三核验模块7043和综合研判模块7044，其中：
第一核验模块7041，用于在身份影像分类模块702判定身份影像信息属于正面身份影像信息之后，对身份影像信息中的身份证号码进行核验，获得第一核验结果；
第二核验模块7042，用于对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果；
第三核验模块7043，用于在判定身份影像信息属于反面身份影像信息之后，对身份影像信息中的有效期进行核验，获得第三核验结果；
综合研判模块7044，与第一核验模块7041、第二核验模块7042和第三核验模块7043相连接，综合研判模块7044用于判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果、第二核验结果和第三核验结果；
综合研判模块7044还用于在核验结果中不存在未通过结果时，判定身份影像信息通过核验；
结构化模块705，与身份影像分类模块702、字符识别模块703和合规研判模块704相连接，结构化模块705包括拆拼模块7051和结构化输出模块7052，其中：
拆拼模块7051，用于根据身份影像信息的类别将字符串与身份影像信息对应的版式进行匹配，获得匹配后的字段；
结构化输出模块7052，用于根据核验结果获得核验结果值，并将核验结果值与字段中的对应的内容进行匹配。
图8是根据一示例性实施例示出的再一种身份影像信息核验装置的框图。
如图8所示，装置80包括：影像质检模块801，影像质检模块801用于通过第二卷积神经网络判断上传的图像的清晰度是否符合预设标准，获得第一判断结果；
影像质检模块801，还用于通过第二卷积神经网络判断上传的图像是否包含身份证图像，获得第二判断结果；
影像质检模块801，还用于当第一判断结果为是，并且第二判断结果为是时，获得与上传的图像对应的身份影像信息。
身份影像分类模块802，与影像质检模块801相连接，用于通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，身份影像信息类别包括正面身份影像信息和反面身份影像信息；
字符识别模块803，与身份影像分类模块802相连接，字符识别模块用于对身份影像信息中待识别的子图像进行光学字符识别，获得识别出的字符串；
合规研判模块804，与身份影像分类模块802相连接，合规研判模块804包括第一核验模块8041、第二核验模块8042、第三核验模块8043和综合研判模块8044，其中：
第一核验模块8041，用于在身份影像分类模块802判定身份影像信息属于正面身份影像信息之后，对身份影像信息中的身份证号码进行核验，获得第一核验结果；
第二核验模块8042，用于对身份影像信息中的姓名、身份证号码和人脸图像进行核验，获得第二核验结果；
第三核验模块8043，用于在判定身份影像信息属于反面身份影像信息之后，对身份影像信息中的有效期进行核验，获得第三核验结果；
综合研判模块8044，与第一核验模块8041、第二核验模块8042和第三核验模块8043相连接，综合研判模块8044用于判断核验结果中是否存在未通过结果，其中，核验结果包括第一核验结果、第二核验结果和第三核验结果；
综合研判模块8044还用于在核验结果中不存在未通过结果时，判定身份影像信息通过核验；
结构化模块805，与身份影像分类模块802、字符识别模块803和合规研判模块804相连接，结构化模块805包括拆拼模块8051和结构化输出模块8052，其中：
拆拼模块8051，用于根据身份影像信息的类别将字符串与身份影像信息对应的版式进行匹配，获得匹配后的字段；
结构化输出模块8052，用于根据核验结果获得核验结果值，并将核验结果值与字段中的对应的内容进行匹配。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括身份影像分类模块和合规研判模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，合规研判模块还可以被描述为“判断身份影像信息是否有效的模块”。
需要说明的是，图9示出的设备仅以计算机***为示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示，设备900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM903中，还存储有设备900操作所需的各种程序和数据。CPU901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907；包括硬盘等的存储部分908；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器910上，以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时，执行本发明的方法中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：存储器、处理器及存储在该存储器中并可在该处理器中运行的可执行指令，该处理器执行该可执行指令时实现上述的方法。
以上具体地示出和描述了本发明的示例性实施例。应可理解的是，本发明不限于这里描述的详细结构、设置方式或实现方法；相反，本发明意图涵盖包含在所附权利要求的精神和范围内的各种修改和等效设置。

Claims (10)

1.一种身份影像信息核验方法，其特征在于，包括：
通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，所述身份影像信息类别包括正面身份影像信息和反面身份影像信息；
若判定所述身份影像信息属于所述正面身份影像信息，对所述身份影像信息中的身份证号码进行核验，获得第一核验结果；
对所述身份影像信息中的姓名、所述身份证号码和人脸图像进行核验，获得第二核验结果；
判断核验结果中是否存在未通过结果，其中，所述核验结果包括所述第一核验结果和所述第二核验结果；
若所述核验结果中不存在未通过结果，则判定所述身份影像信息通过核验。
2.根据权利要求1所述的方法，其特征在于，还包括：
若判定所述身份影像信息属于所述反面身份影像信息，对所述身份影像信息中的有效期进行核验，获得第三核验结果；
所述核验结果还包括所述第三核验结果。
3.根据权利要求2所述的方法，其特征在于，若判定所述身份影像信息属于所述反面身份影像信息，则在所述对所述身份影像信息中的有效期进行核验之前，还包括：
对身份影像信息中待识别的子图像进行光学字符识别，获得识别出的字符串；
根据所述身份影像信息的类别将所述字符串与所述身份影像信息对应的版式进行匹配，获得匹配后的字段；
在所述获得第三核验结果之后，还包括：根据所述第三核验结果获得第三核验结果值，并将所述第三核验结果值与所述字段中的对应所述有效期的内容进行匹配。
4.根据权利要求1所述的方法，其特征在于，若判定所述身份影像信息属于所述正面身份影像信息，在所述对所述身份影像信息中的身份证号码进行核验之前，还包括：
对所述身份影像信息中待识别的子图像进行光学字符识别，获得识别出的字符串；
根据所述身份影像信息的类别将所述字符串与所述身份影像信息对应的版式进行匹配，获得匹配后的字段；
在所述获得第一核验结果之后，还包括：根据所述第一核验结果获得第一核验结果值，并将所述第一核验结果值与所述字段中的对应所述身份证号码的内容进行匹配；
在所述获得第二核验结果之后，还包括：根据所述第二核验结果获得第二核验结果值，并将所述第二核验结果值与所述字段中的对应所述姓名和所述人脸图像的内容进行匹配。
5.根据权利要求1或2所述的方法，其特征在于，还包括：若所述核验结果中存在未通过结果，则判定所述身份影像信息未通过核验，并获得未通过核验信息；
获得所述未通过结果对应的核验项信息，并将所述核验项信息与所述未通过核验信息相关联。
6.根据权利要求1或2所述的方法，其特征在于，所述通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，包括：
通过第一卷积神经网络输出待核验的身份影像信息属于所述身份影像信息类别的置信度和子图像在所述身份影像信息中的位置。
7.根据权利要求1或2所述的方法，其特征在于，在所述通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别之前，还包括：
通过第二卷积神经网络判断上传的图像的清晰度是否符合预设标准，获得第一判断结果；
通过第二卷积神经网络判断所述上传的图像是否包含身份证图像，获得第二判断结果；
若所述第一判断结果为是，并且所述第二判断结果为是，则获得与所述上传的图像对应的身份影像信息。
8.一种身份影像信息核验装置，其特征在于，包括：
身份影像分类模块，用于通过第一卷积神经网络判断待核验的身份影像信息所属的身份影像信息类别，所述身份影像信息类别包括正面身份影像信息和反面身份影像信息；
合规研判模块，与所述身份影像分类模块相连接，所述合规研判模块包括第一核验模块、第二核验模块和综合研判模块，其中：
所述第一核验模块，用于在所述身份影像分类模块判定所述身份影像信息属于所述正面身份影像信息之后，对所述身份影像信息中的身份证号码进行核验，获得第一核验结果；
所述第二核验模块，用于对所述身份影像信息中的姓名、所述身份证号码和人脸图像进行核验，获得第二核验结果；
所述综合研判模块，与所述第一核验模块和所述第二核验模块相连接，所述综合研判模块用于判断核验结果中是否存在未通过结果，其中，所述核验结果包括所述第一核验结果和所述第二核验结果；
所述综合研判模块还用于在所述核验结果中不存在未通过结果时，判定所述身份影像信息通过核验。
9.一种身份影像信息核验设备，包括：存储器、处理器及存储在所述存储器中并可在所述处理器中运行的可执行指令，其特征在于，所述处理器执行所述可执行指令时实现如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机可执行指令，其特征在于，所述可执行指令被处理器执行时实现如权利要求1-7任一项所述的方法。
CN201911016075.8A 2019-10-24 2019-10-24 身份影像信息核验方法、装置、设备及存储介质 Pending CN110751110A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911016075.8A CN110751110A (zh) 2019-10-24 2019-10-24 身份影像信息核验方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911016075.8A CN110751110A (zh) 2019-10-24 2019-10-24 身份影像信息核验方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN110751110A true CN110751110A (zh) 2020-02-04

Family

ID=69279722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911016075.8A Pending CN110751110A (zh) 2019-10-24 2019-10-24 身份影像信息核验方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110751110A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021196935A1 (zh) * 2020-04-01 2021-10-07 深圳壹账通智能科技有限公司 数据校验方法、装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504321A (zh) * 2015-01-05 2015-04-08 湖北微模式科技发展有限公司 一种基于摄像头实现远程用户身份验证的方法与***
CN106874968A (zh) * 2016-12-21 2017-06-20 江苏国光信息产业股份有限公司 一种高效鲁棒的二代身份证真伪鉴别方法
CN106886774A (zh) * 2015-12-16 2017-06-23 腾讯科技（深圳）有限公司 识别身份证信息的方法和装置
CN106991421A (zh) * 2017-03-22 2017-07-28 湖南联信科技有限公司 一种身份证信息提取***
CN109657673A (zh) * 2017-10-11 2019-04-19 阿里巴巴集团控股有限公司 图像识别方法和终端
CN110135992A (zh) * 2019-05-14 2019-08-16 北京智签科技有限公司 区块链网络Fabric-CA数字证书的获取方法和获取装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104504321A (zh) * 2015-01-05 2015-04-08 湖北微模式科技发展有限公司 一种基于摄像头实现远程用户身份验证的方法与***
CN106886774A (zh) * 2015-12-16 2017-06-23 腾讯科技（深圳）有限公司 识别身份证信息的方法和装置
CN106874968A (zh) * 2016-12-21 2017-06-20 江苏国光信息产业股份有限公司 一种高效鲁棒的二代身份证真伪鉴别方法
CN106991421A (zh) * 2017-03-22 2017-07-28 湖南联信科技有限公司 一种身份证信息提取***
CN109657673A (zh) * 2017-10-11 2019-04-19 阿里巴巴集团控股有限公司 图像识别方法和终端
CN110135992A (zh) * 2019-05-14 2019-08-16 北京智签科技有限公司 区块链网络Fabric-CA数字证书的获取方法和获取装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021196935A1 (zh) * 2020-04-01 2021-10-07 深圳壹账通智能科技有限公司 数据校验方法、装置、电子设备和存储介质

Similar Documents

Publication Publication Date Title
CN107798299B (zh) 票据信息识别方法、电子装置及可读存储介质
WO2020253508A1 (zh) 异常细胞检测方法、装置及计算机可读存储介质
WO2021042747A1 (zh) ***图片识别及验真方法、***、设备及可读存储介质
WO2021259096A1 (zh) 身份认证方法、装置、电子设备及存储介质
CN112036295B (zh) 票据图像处理方法、装置、存储介质及电子设备
CN109871845B (zh) 证件图像提取方法及终端设备
CN111476268A (zh) 翻拍识别模型训练、图像识别方法、装置、设备及介质
CN111046879A (zh) 证件图像分类方法、装置、计算机设备及可读存储介质
CN112668575B (zh) 关键信息提取方法、装置、电子设备及存储介质
CN108628993B (zh) 电子地图自适应分类方法、装置、设备及存储介质
CN112508145B (zh) 电子***生成及验证方法、装置、电子设备及存储介质
CN111783896A (zh) 一种基于核方法的图像识别方法及***
CN112396047B (zh) 训练样本生成方法、装置、计算机设备和存储介质
CN111415336A (zh) 一种图像篡改识别方法、装置、服务器及存储介质
CN112487982A (zh) 商户信息的审核方法、***和存储介质
CN110751110A (zh) 身份影像信息核验方法、装置、设备及存储介质
CN113066223A (zh) ***自动验证方法及装置
CN116612486A (zh) 基于图像识别和图计算的风险群体识别方法和***
CN116485344A (zh) 在线理赔材料智能收集方法、装置、电子设备及介质
CN113177543B (zh) 证件识别方法、装置、设备及存储介质
CN112686244B (zh) 基于图片处理接口的自动审批方法、装置、设备及介质
CN113569839A (zh) 证件识别方法、***、设备及介质
CN114820476A (zh) 基于合规性检测的身份证识别方法
WO2021164122A1 (zh) 智能化用户识别方法、装置及计算机可读存储介质
CN113434912A (zh) 一种材料合规性校验方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200204