CN110880023A - 一种检测证件图片的方法及装置 - Google Patents
一种检测证件图片的方法及装置 Download PDFInfo
- Publication number
- CN110880023A CN110880023A CN201911220022.8A CN201911220022A CN110880023A CN 110880023 A CN110880023 A CN 110880023A CN 201911220022 A CN201911220022 A CN 201911220022A CN 110880023 A CN110880023 A CN 110880023A
- Authority
- CN
- China
- Prior art keywords
- picture
- classification model
- certificate
- target
- target picture
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013145 classification model Methods 0.000 claims abstract description 62
- 238000012015 optical character recognition Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- 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
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Character Discrimination (AREA)
Abstract
公开了一种检测证件图片的方法及装置。采用基于有监督学习算法构建的图片分类模型与光学字符识别算法相结合的方式,从非结构化存储中的图片中准确检测出证件图片。具体而言,先将图片分类模型认为属于证件图片的那部分图片筛选出来,然后再使用光学字符识别算法对筛选出的每个图片进行进一步的识别,克服图片分类模型可能识别不准确的问题,如果该图片显示有用户隐私信息,就最终将该图片检测为证件图片。
Description
技术领域
本说明书实施例涉及信息技术领域,尤其涉及一种检测证件图片的方法及装置。
背景技术
目前,互联网企业在向用户提供业务服务的过程中,往往会获取用户的证件图片(如身份证图片、驾驶证图片、银行卡图片等)。证件图片涉及用户隐私,需要严格管控。
从互联网企业的存储层面看,一般采用特定的非结构化存储方式来对图片这种非结构化数据进行存储,例如阿里云存储服务(Open Storage Service,OSS),在这类非结构化存储中,难以区分哪些图片是涉及用户隐私的证件图片,哪些图片是不涉及用户隐私的非证件图片。
现有的对证件图片进行管控的方式是严格禁止获取非结构化存储中的任何图片。然而,这种方式也阻碍了对非证件图片价值的利用。
发明内容
为了解决非结构化存储中的非证件图片难以被利用的问题,本说明书实施例提供一种检测证件图片的方法及装置,技术方案如下:
根据本说明书实施例的第1方面,提供1、一种检测证件图片的方法,包括:
获取待检测的目标图片;
将所述目标图片输入到图片分类模型进行识别;
若所述图片分类模型的识别结果表征所述目标图片为证件图片,则采用光学字符识别OCR算法,识别所述目标图片中显示的字符;
若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则将所述目标图片检测为证件图片。
根据本说明书实施例的第2方面,提供一种检测证件图片的装置,包括:
获取模块,获取待检测的目标图片;
第一识别模块,将所述目标图片输入到图片分类模型进行识别;
第二识别模块,若所述图片分类模型的识别结果表征所述目标图片为证件图片,则采用光学字符识别OCR算法,识别所述目标图片中显示的字符;
检测确定模块,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则将所述目标图片检测为证件图片。
本说明书实施例所提供的技术方案,基于图片分类模型与光学字符识别算法相结合的方式,从非结构化存储中的图片中准确检测出证件图片。具体而言,先将图片分类模型认为属于证件图片的那部分图片筛选出来,然后再使用光学字符识别算法对筛选出的每个图片进行进一步的识别,克服图片分类模型可能识别不准确的问题,如果该图片显示有用户隐私信息,就最终将该图片检测为证件图片。
通过本说明书实施例,可以从非结构化存储中区分出证件图片与非证件图片,从而可以仅针对证件图片进行严格管控,充分发挥非证件图片的利用价值。
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和解释性的,并不能限制本说明书实施例。
此外,本说明书实施例中的任一实施例并不需要达到上述的全部效果。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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说明书实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本说明书实施例提供的一种检测证件图片的方法的流程示意图;
图2是本说明书实施例提供的一种采用OCR算法识别图片中字符的流程示意图;
图3是本说明书实施例提供的一种检测证件图片的装置的结构示意图;
图4是用于配置本说明书实施例方法的一种设备的结构示意图。
具体实施方式
非结构化数据,相对于结构化数据而言,是指数据结构不规则或不完整,不方便使用数据库二维逻辑表来表现的数据。图片就是一种典型的非结构化数据。
从互联网企业的存储层面看,事实上难以从一堆图片中区分出那些图片是证件图片,那些图片是非证件图片。如此,也就难以仅针对证件图片进行严格管控(如限制存储位置、限制获取权限、进行流转监控等)。
为此,在本说明书实施例中,采用图片分类模型与光学字符识别(OpticalCharacter Recognition,OCR)的方式,可以从非结构化存储中准确检测出证件图片,进行重点管控。
为了使本领域技术人员更好地理解本说明书实施例中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行详细地描述,显然,所描述的实施例仅仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1是本说明书实施例提供的一种检测证件图片的方法的流程示意图,包括以下步骤:
S100:获取待检测的目标图片。
在本文中,为了描述的方便,以检测目标图片是否为证件图片为例进行说明。其中,目标图片可以是互联网企业的非结构化存储中的任一图片或特定图片。应当理解,在本说明书的一个实施例中,可以针对非结构化存储中的每个图片就执行图1所示的检测方法。
S102:将所述目标图片输入到图片分类模型进行识别。
本文所述图片分类模型可以是基于机器学习算法训练得到的模型。
进一步地,当所述图片分类模型为基于机器学习算法训练得到的模型时,其可以是二分类模型,用于针对输入的图片,输出该图片为证件图片类型或非证件图片类型;也可以是多分类模型,用于将输入到所述图片分类模型的图片识别为图片类型集合中的一个图片类型,所述图片类型集合包括至少两个证件图片类型与至少一个非证件图片类型。
S104:若所述图片分类模型的识别结果表征所述目标图片为证件图片,则采用光学字符识别OCR算法,识别所述目标图片中显示的字符。
当所述图片分类模型是二分类模型时,所述图片分类模型的识别结果有两种可能,可以是证件图片类型或非证件图片类型。
当所述图片分类模型是多分类模型时,所述图片分类模型的识别结果有多种可能,例如,可以是证件图片类型A、证件图片类型B、证件图片类型C、非证件图片类型。需要说明的是,这种情况下,所述图片分类模型的识别结果只要是任一证件图片类型,就能够表征所述目标图片为证件图片。
此处对如何训练上述的图片分类模型进行说明。
1、当需要训练二分类的图片分类模型时,根据图片样本是证件图片或非证件图片,对图片样本进行标注。
在实践中,有时搜集到的属于证件图片的图片样本较少,不足以训练出合格的图片分类模型。为此,可以对搜集到每个属于证件图片的图片样本进行数据增强操作,即采用旋转、移位(对证件图片中的证件部分进行移位)、缩放比例、加入噪点等方式获取更多的属于证件图片的图片样本。此外,也可以采用生成对抗网络(Generative AdversarialNetworks,GAN)算法生成更多属于证件图片的图片样本,此处不再赘述。
2、当需要训练多分类的图片分类模型时,可以根据图片样本具体属于哪种证件图片类型对图片样本进行标注,如果图片样本不属于证件图片,则将图片样本标注为非证件图片;当然,也可以对非证件图片包括的几种类型进行细化,如此,可以根据图片样本具体属于哪种证件图片类型或哪种非证件图片类型,对图片样本进行标注。
在实践中,有时搜集到的属于某个证件图片类型的图片样本数量不足。为此,可以针对数量不足的证件图片类型,采用数据增强或者GAN算法来得到更多的图片样本,此处不再赘述。
还需要说明的是,在训练图片分类模型时,可以从ImageNet开源数据集中获取足够数量的属于非证件图片的图片样本。此外,训练算法可以采用ResNet算法。
在本说明书实施例中,如果图片分类模型认为目标图片属于证件图片,则还需要采用OCR算法来进一步验证图片分类模型的识别结果是否准确。
这是因为,在实践中,图片的样式是非常复杂的,这意味着图片分类模型的精确度不会特别高。例如,现实中的银行卡(属于证件)的样式很多,使用这些银行卡图片训练处的图片分类模型可能会将一些非证件图片也识别为证件图片。又如,现实中一些证件图片已经经过了马赛克处理,并不会显示出用户隐私信息,对于这种特殊的证件图片,由于不存在隐私泄露的问题,因此也没有必要被检测出来。
进一步地,如果所述图片分类模型时多分类模型,则可以确定所述图片分类模型识别出的证件图片类型所匹配的OCR算法;然后采用确定的OCR算法,识别所述目标图片中显示的字符。使用某个证件图片类型专用的OCR算法可以更准确的识别出图片中的字符。
图2是本说明书实施例提供的一种采用OCR算法识别图片中字符的流程示意图。如图2所示,将图片输入OCR算法,OCR算法对证件图片区域内的证件部分的位置进行定位与旋转角度检测,然后,在对证件内的字段进行定位,从而对证件字段内的字符进行识别并输出。
S106:若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则将所述目标图片检测为证件图片。
基于图片分类模型与OCR算法相结合的方式,可以有效克服图片分类模型精度不太高的问题,使得最终的检测结果更为准确。
通过图1所示的方法,基于图片分类模型与光学字符识别算法相结合的方式,从非结构化存储中的图片中准确检测出证件图片。具体而言,先将图片分类模型认为属于证件图片的那部分图片筛选出来,然后再使用光学字符识别算法对筛选出的每个图片进行进一步的识别,克服图片分类模型可能识别不准确的问题,如果该图片显示有用户隐私信息,就最终将该图片检测为证件图片。
如此,可以从非结构化存储中区分出证件图片与非证件图片,从而可以仅针对证件图片进行严格管控,充分发挥非证件图片的利用价值。
此外,在本说明书实施例中,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则可以对所述目标图片进行标记。所述目标图片具有标记,则说明所述目标图片是证件图片,需要严格管控。
进一步地,可以将所述目标图片标记为其所属的证件图片类型(如身份证、银行卡、驾驶证)。
另外,在本说明书实施例中,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则可以从所述用户隐私信息中提取用户标识,并建立提取的用户标识与所述目标图片之间的对应关系。如此,后续可以根据业务请求中指定的用户标识快速索引到相应的该用户标识对应的证件图片,进行相应的业务处理。
图3是本说明书实施例提供的一种检测证件图片的装置的结构示意图,包括:
获取模块301,获取待检测的目标图片;
第一识别模块302,将所述目标图片输入到图片分类模型进行识别;
第二识别模块303,若所述图片分类模型的识别结果表征所述目标图片为证件图片,则采用光学字符识别OCR算法,识别所述目标图片中显示的字符;
检测确定模块304,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则将所述目标图片检测为证件图片。
所述图片分类模型为多分类模型,用于将输入到所述图片分类模型的图片识别为图片类型集合中的一个图片类型,所述图片类型集合包括至少两个证件图片类型与至少一个非证件图片类型。
所述第二识别模块303,确定所述图片分类模型识别出的证件图片类型所匹配的OCR算法;采用确定的OCR算法,识别所述目标图片中显示的字符。
所述装置还包括:
标记模块305,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则对所述目标图片进行标记。
所述装置还包括:
对应关系建立模块306,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则从所述用户隐私信息中提取用户标识,并建立提取的用户标识与所述目标图片之间的对应关系。
本说明书实施例还提供一种计算机设备,其至少包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行所述程序时实现图1所示的方法。
图4示出了本说明书实施例所提供的一种更为具体的计算设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作***和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
本说明书实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现图1所示的方法。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本说明书实施例可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本说明书实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务设备,或者网络设备等)执行本说明书实施例各个实施例或者实施例的某些部分所述的方法。
上述实施例阐明的***、方法、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于方法实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的方法实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,在实施本说明书实施例方案时可以把各模块的功能在同一个或多个软件和/或硬件中实现。也可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本说明书实施例的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本说明书实施例原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本说明书实施例的保护范围。
Claims (11)
1.一种检测证件图片的方法,包括:
获取待检测的目标图片;
将所述目标图片输入到图片分类模型进行识别;
若所述图片分类模型的识别结果表征所述目标图片为证件图片,则采用光学字符识别OCR算法,识别所述目标图片中显示的字符;
若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则将所述目标图片检测为证件图片。
2.如权利要求1所述的方法,所述图片分类模型为多分类模型,用于将输入到所述图片分类模型的图片识别为图片类型集合中的一个图片类型,所述图片类型集合包括至少两个证件图片类型与至少一个非证件图片类型。
3.如权利要求2所述的方法,采用所述OCR算法,识别所述目标图片中显示的字符,具体包括:
确定所述图片分类模型识别出的证件图片类型所匹配的OCR算法;
采用确定的OCR算法,识别所述目标图片中显示的字符。
4.如权利要求1所述的方法,所述方法还包括:
若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则对所述目标图片进行标记。
5.如权利要求1所述的方法,所述方法还包括:
若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则从所述用户隐私信息中提取用户标识,并建立提取的用户标识与所述目标图片之间的对应关系。
6.一种检测证件图片的装置,包括:
获取模块,获取待检测的目标图片;
第一识别模块,将所述目标图片输入到图片分类模型进行识别;
第二识别模块,若所述图片分类模型的识别结果表征所述目标图片为证件图片,则采用光学字符识别OCR算法,识别所述目标图片中显示的字符;
检测确定模块,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则将所述目标图片检测为证件图片。
7.如权利要求6所述的装置,所述图片分类模型为多分类模型,用于将输入到所述图片分类模型的图片识别为图片类型集合中的一个图片类型,所述图片类型集合包括至少两个证件图片类型与至少一个非证件图片类型。
8.如权利要求7所述的装置,所述第二识别模块,确定所述图片分类模型识别出的证件图片类型所匹配的OCR算法;采用确定的OCR算法,识别所述目标图片中显示的字符。
9.如权利要求6所述的装置,所述装置还包括:
标记模块,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则对所述目标图片进行标记。
10.如权利要求6所述的装置,所述装置还包括:
对应关系建立模块,若根据所述OCR算法的识别结果确定所述目标图片中显示有用户隐私信息,则从所述用户隐私信息中提取用户标识,并建立提取的用户标识与所述目标图片之间的对应关系。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如权利要求1~5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220022.8A CN110880023A (zh) | 2019-12-03 | 2019-12-03 | 一种检测证件图片的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911220022.8A CN110880023A (zh) | 2019-12-03 | 2019-12-03 | 一种检测证件图片的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110880023A true CN110880023A (zh) | 2020-03-13 |
Family
ID=69730669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911220022.8A Pending CN110880023A (zh) | 2019-12-03 | 2019-12-03 | 一种检测证件图片的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110880023A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160357A (zh) * | 2020-04-02 | 2020-05-15 | 支付宝(杭州)信息技术有限公司 | 一种基于对抗学习的模型训练、图片输出方法及装置 |
CN111553431A (zh) * | 2020-04-30 | 2020-08-18 | 上海眼控科技股份有限公司 | 图片清晰度检测方法、装置、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330848A (zh) * | 2017-05-18 | 2017-11-07 | 捷开通讯(深圳)有限公司 | 图片处理方法、移动终端和存储设备 |
CN109034159A (zh) * | 2018-05-28 | 2018-12-18 | 北京捷通华声科技股份有限公司 | 图像信息提取方法和装置 |
CN109492643A (zh) * | 2018-10-11 | 2019-03-19 | 平安科技(深圳)有限公司 | 基于ocr的证件识别方法、装置、计算机设备及存储介质 |
CN109544089A (zh) * | 2018-10-11 | 2019-03-29 | 平安科技(深圳)有限公司 | 基于图像识别建立电子证件的方法、装置和计算机设备 |
CN109815976A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 一种证件信息识别方法、装置及设备 |
CN110110588A (zh) * | 2019-03-21 | 2019-08-09 | 平安普惠企业管理有限公司 | 基于人脸识别在线办理业务的方法、装置计算机设备 |
US20190272438A1 (en) * | 2018-01-30 | 2019-09-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting text |
-
2019
- 2019-12-03 CN CN201911220022.8A patent/CN110880023A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107330848A (zh) * | 2017-05-18 | 2017-11-07 | 捷开通讯(深圳)有限公司 | 图片处理方法、移动终端和存储设备 |
US20190272438A1 (en) * | 2018-01-30 | 2019-09-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for detecting text |
CN109034159A (zh) * | 2018-05-28 | 2018-12-18 | 北京捷通华声科技股份有限公司 | 图像信息提取方法和装置 |
CN109492643A (zh) * | 2018-10-11 | 2019-03-19 | 平安科技(深圳)有限公司 | 基于ocr的证件识别方法、装置、计算机设备及存储介质 |
CN109544089A (zh) * | 2018-10-11 | 2019-03-29 | 平安科技(深圳)有限公司 | 基于图像识别建立电子证件的方法、装置和计算机设备 |
CN109815976A (zh) * | 2018-12-14 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 一种证件信息识别方法、装置及设备 |
CN110110588A (zh) * | 2019-03-21 | 2019-08-09 | 平安普惠企业管理有限公司 | 基于人脸识别在线办理业务的方法、装置计算机设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160357A (zh) * | 2020-04-02 | 2020-05-15 | 支付宝(杭州)信息技术有限公司 | 一种基于对抗学习的模型训练、图片输出方法及装置 |
CN111160357B (zh) * | 2020-04-02 | 2020-06-30 | 支付宝(杭州)信息技术有限公司 | 一种基于对抗学习的模型训练、图片输出方法及装置 |
CN111553431A (zh) * | 2020-04-30 | 2020-08-18 | 上海眼控科技股份有限公司 | 图片清晰度检测方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109347787B (zh) | 一种身份信息的识别方法及装置 | |
JP6887499B2 (ja) | セキュリティ質問生成および身元確認のための方法および装置 | |
JP6868119B2 (ja) | ホログラフィック偽造防止コードの検査方法及び装置 | |
US9928439B2 (en) | Facilitating text identification and editing in images | |
US10943140B2 (en) | Image processing to detect a rectangular object | |
US20170109948A1 (en) | Vehicle data collection and verification | |
US11699283B2 (en) | System and method for finding and classifying lines in an image with a vision system | |
CN108664364B (zh) | 一种终端测试方法及装置 | |
CN109190539A (zh) | 人脸识别方法及装置 | |
CN109766879A (zh) | 字符检测模型的生成、字符检测方法、装置、设备及介质 | |
CN106326802B (zh) | 二维码校正方法、装置及终端设备 | |
JP2019520647A (ja) | 画像妥当性確認の自動化 | |
US20200218772A1 (en) | Method and apparatus for dynamically identifying a user of an account for posting images | |
US9355338B2 (en) | Image recognition device, image recognition method, and recording medium | |
CN107909375B (zh) | 防伪与追溯二维码生成方法、终端及介质 | |
US20230409467A1 (en) | System and Method for User Interface Testing | |
EP3454244B1 (en) | Authentication method and device, method and device for generating information for authentication | |
CN110880023A (zh) | 一种检测证件图片的方法及装置 | |
JP6530432B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN106250755B (zh) | 用于生成验证码的方法及装置 | |
CN109583910B (zh) | 一种商品授权鉴定方法、装置及设备 | |
CN111310912A (zh) | 机器学习***、域变换装置、及机器学习方法 | |
JP2022009474A (ja) | ビジョンシステムでラインを検出するためのシステム及び方法 | |
CN105631850B (zh) | 对齐多视图扫描 | |
CN109753217B (zh) | 动态键盘操作方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20200313 |
|
RJ01 | Rejection of invention patent application after publication |