CN111062374A - 身份证信息的识别方法、装置、***、设备及可读介质 - Google Patents
身份证信息的识别方法、装置、***、设备及可读介质 Download PDFInfo
- Publication number
- CN111062374A CN111062374A CN201911260281.3A CN201911260281A CN111062374A CN 111062374 A CN111062374 A CN 111062374A CN 201911260281 A CN201911260281 A CN 201911260281A CN 111062374 A CN111062374 A CN 111062374A
- Authority
- CN
- China
- Prior art keywords
- identity card
- information
- character
- picture
- card 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
Images
Classifications
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
- G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
Abstract
本申请实施例提供了一种身份证信息的识别方法、装置、***、电子设备及计算机可读介质,涉及人工智能领域。其中,所述方法包括:通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。通过本申请实施例,能够自动有效地识别身份证图片中的身份信息。
Description
技术领域
本申请实施例涉及人工智能领域,尤其涉及一种身份证信息的识别方法、装置、***、电子设备及计算机可读介质。
背景技术
这些年,随着移动互联网的发展,越来越多的企业都推出了自己的金融项目,这些项目多数都涉及到个人身份证信息的输入认证,即实名认证,如果手动去输入身份证号码和姓名,速度非常慢,且用户体验非常差。
目前,身份证识别技术大多数基于对身份证图像的结构分析,进而提取出身份证图像中的身份信息,容错率较差。当身份证图像质量不高的时候,错误率较高。由此可见,如何自动有效地识别身份证图片中的身份信息成为当前亟待解决的技术问题。
发明内容
本申请的目的在于提出一种身份证信息的识别方法、装置、***、电子设备及计算机可读介质,用于解决现有技术中存在的如何自动有效地识别身份证图片中的身份信息的技术问题。
根据本申请实施例的第一方面,提供了一种身份证信息的识别方法。所述方法包括:通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
根据本申请实施例的第二方面,提供了一种身份证信息的识别装置。所述装置包括:第一检测模块,用于通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;矫正模块,用于基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;第一识别模块,用于对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
根据本申请实施例的第三方面,提供了一种身份证信息的识别***。所述***包括:终端设备,及与所述终端设备通信连接的服务器;所述终端设备,用于向所述服务器发送携带有待识别的身份证图片的身份识别请求;所述服务器,用于接收所述终端设备发送的所述身份识别请求,并对所述身份识别请求进行解析,以获得所述身份识别请求携带的所述待识别的身份证图片,再采用如上述实施例的第一方面所述的身份证信息的识别方法,对所述待识别的身份证图片进行识别,以获得所述身份证图片的识别结果,再向所述终端设备返回所述识别结果。
根据本申请实施例的第四方面,提供了一种电子设备,包括:一个或多个处理器;计算机可读介质,配置为存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例的第一方面所述的身份证信息的识别方法。
根据本申请实施例的第五方面,提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例的第一方面所述的身份证信息的识别方法。
根据本申请实施例提供的身份证信息的识别方案,通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得身份证图片的文字方向信息,再基于身份证图片的文字方向信息,对身份证图片进行矫正,以获得矫正后的身份证图片,再对矫正后的身份证图片中的文字进行识别,以获得身份证图片中的身份信息,与现有的其它方式相比,通过文字方向检测模型,获得身份证图片的文字方向信息,再基于身份证图片的文字方向信息,对身份证图片进行矫正,再对矫正后的身份证图片中的文字进行识别,能够自动有效地识别身份证图片中的身份信息。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请实施例一中身份证信息的识别方法的步骤流程图;
图2为本申请实施例二中身份证信息的识别方法的步骤流程图;
图3A为本申请实施例三中身份证信息的识别***的结构示意图;
图3B为根据本申请实施例三提供的身份证信息的识别过程的示意图;
图4为本申请实施例四中身份证信息的识别装置的结构示意图;
图5为本申请实施例五中身份证信息的识别装置的结构示意图;
图6为本申请实施例六中电子设备的结构示意图;
图7为本申请实施例七中电子设备的硬件结构。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅配置为解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
参照图1,示出了本申请实施例一中身份证信息的识别方法的步骤流程图。
具体地,本实施例提供的身份证信息的识别方法包括以下步骤:
在步骤S101中,通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息。
在本申请实施例中,所述文字方向检测模型可以是任意适当的可实现特征提取或目标对象检测的神经网络模型,包括但不限于卷积神经网络模型、增强学***方向的度数,例如,当用户使用手机终端的摄像头在10度的角度拍摄身份证,那么该身份证图片的文字方向信息为10度,又例如,当用户使用手机终端的摄像头在270度的角度拍摄身份证,那么该身份证图片的文字方向信息为270度。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,所述通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测之前,所述方法还包括:通过待训练的所述文字方向检测模型,对身份证图片样本中的文字的方向进行检测,以获得所述身份证图片样本的文字方向检测信息;基于所述身份证图片样本的文字方向检测信息和文字方向标注信息,对待训练的所述文字方向检测模型进行训练,以获得训练后的所述文字方向检测模型。籍此,通过身份证图片样本的文字方向检测信息和文字方向标注信息,能够有效地对待训练的文字方向检测模型进行训练。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,所述身份证图片样本可理解为样本库中的身份证图片,所述文字方向检测信息可理解为文字方向检测模型检测的身份证图片样本中的文字偏离水平方向的度数,所述文字方向标注信息可理解为人工标注的或者机器标注的身份证图片样本中的文字偏离水平方向的度数。在基于所述身份证图片样本的文字方向检测信息和文字方向标注信息,对待训练的所述文字方向检测模型进行训练时,通过目标损失函数,确定所述文字方向检测信息和所述文字方向标注信息的差异值;基于所述差异值,调整所述文字方向检测模型的模型参数。其中,所述目标损失函数可为交叉熵损失函数、softmax损失函数、L1损失函数、L2损失函数等任意损失函数。在调整所述文字方向检测模型的模型参数时,可采用反向传播算法,或者随机梯度下降算法来调整所述文字方向检测模型的模型参数。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,通过确定所述文字方向检测信息和所述文字方向标注信息之间的差异值,对当前获得的文字方向检测信息进行评估,以作为后续训练所述文字方向检测模型的依据。具体地,可将所述差异值反向传输给所述文字方向检测模型,从而迭代地训练所述文字方向检测模型。所述文字方向检测模型的训练是一个迭代的过程,本申请实施例仅对其中的一次训练过程进行了说明,但本领域技术人员应当明了,对所述文字方向检测模型的每次训练都可采用该训练方式,直至完成所述文字方向检测模型的训练。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在步骤S102中,基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片。
在本申请实施例中,当所述身份证图片的文字方向信息为身份证图片中的文字偏离右水平方向90度时,对所述身份证图片进行右旋,使得身份证图片中的文字偏离右水平方向0度,从而获得矫正后的身份证图片。例如,当所述身份证图片的文字方向信息为身份证图片中的文字偏离右水平方向120度时,对所述身份证图片进行右旋,使得身份证图片中的文字偏离右水平方向0度,从而获得矫正后的身份证图片。例如,当所述身份证图片的文字方向信息为身份证图片中的文字偏离左水平方向90度时,对所述身份证图片进行左旋,使得身份证图片中的文字偏离左水平方向0度,从而获得矫正后的身份证图片。例如,当所述身份证图片的文字方向信息为身份证图片中的文字偏离左水平方向120度时,对所述身份证图片进行左旋,使得身份证图片中的文字偏离左水平方向0度,从而获得矫正后的身份证图片。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在步骤S103中,对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
在本申请实施例中,所述身份信息包括以下中的至少一者:姓名、性别、民族、出生日期、住址、身份号码、签发机关、有效期限。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,在对矫正后的所述身份证图片中的文字进行识别时,通过文字识别模型,对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,所述文字识别模型可以是任意适当的可实现特征提取或目标对象检测的神经网络模型,包括但不限于卷积神经网络模型、增强学习神经网络模型、对抗神经网络模型中的生成网络模型等等。神经网络模型中具体结构的设置可以由本领域技术人员根据实际需求适当设定,如卷积层的层数、卷积核的大小、通道数等等。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
根据本申请实施例提供的身份证信息的识别方法,通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得身份证图片的文字方向信息,再基于身份证图片的文字方向信息,对身份证图片进行矫正,以获得矫正后的身份证图片,再对矫正后的身份证图片中的文字进行识别,以获得身份证图片中的身份信息,与现有的其它方式相比,通过文字方向检测模型,获得身份证图片的文字方向信息,再基于身份证图片的文字方向信息,对身份证图片进行矫正,再对矫正后的身份证图片中的文字进行识别,能够自动有效地识别身份证图片中的身份信息。
本实施例的身份证信息的识别方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、PC机、服务器、平板电脑、笔记本电脑等。
参照图2,示出了本申请实施例二中身份证信息的识别方法的步骤流程图。
具体地,本实施例提供的身份证信息的识别方法包括以下步骤:
在步骤S201中,通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息。
由于该步骤S201的具体实施方式与上述步骤S101的具体实施方式类似,在此不再赘述。
在步骤S202中,基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片。
由于该步骤S202的具体实施方式与上述步骤S102的具体实施方式类似,在此不再赘述。
在步骤S203中,通过文字区域检测模型,对矫正后的所述身份证图片中的文字区域进行检测,以获得矫正后的所述身份证图片的文字区域信息。
在本申请实施例中,所述文字区域检测模型可以是任意适当的可实现特征提取或目标对象检测的神经网络模型,包括但不限于卷积神经网络模型、增强学习神经网络模型、对抗神经网络模型中的生成网络模型等等。神经网络模型中具体结构的设置可以由本领域技术人员根据实际需求适当设定,如卷积层的层数、卷积核的大小、通道数等等。所述文字区域信息可理解为文字区域框,也即是文字区域***的框。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,所述通过文字区域检测模型,对矫正后的所述身份证图片中的文字区域进行检测之前,所述方法还包括:通过待训练的所述文字区域检测模型,对已矫正的身份证图片样本中的文字区域进行检测,以获得所述身份证图片样本的文字区域检测信息;基于所述身份证图片样本的文字区域检测信息和文字区域标注信息,对待训练的所述文字区域检测模型进行训练,以获得训练后的所述文字区域检测模型。籍此,通过身份证图片样本的文字区域检测信息和文字区域标注信息,能够有效地对待训练的文字区域检测模型进行训练。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,所述身份证图片样本可理解为样本库中的身份证图片,所述文字区域检测信息可理解为文字区域检测模型检测的身份证图片样本中的文字区域框,所述文字区域标注信息可理解为人工标注的或者机器标注的身份证图片样本中的文字区域框。在基于所述身份证图片样本的文字区域检测信息和文字区域标注信息,对待训练的所述文字区域检测模型进行训练时,通过目标损失函数,确定所述文字区域检测信息和所述文字区域标注信息的差异值;基于所述差异值,调整所述文字区域检测模型的模型参数。其中,所述目标损失函数可为交叉熵损失函数、softmax损失函数、L1损失函数、L2损失函数等任意损失函数。在调整所述文字区域检测模型的模型参数时,可采用反向传播算法,或者随机梯度下降算法来调整所述文字区域检测模型的模型参数。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,通过确定所述文字区域检测信息和所述文字区域标注信息之间的差异值,对当前获得的文字区域检测信息进行评估,以作为后续训练所述文字区域检测模型的依据。具体地,可将所述差异值反向传输给所述文字区域检测模型,从而迭代地训练所述文字区域检测模型。所述文字区域检测模型的训练是一个迭代的过程,本申请实施例仅对其中的一次训练过程进行了说明,但本领域技术人员应当明了,对所述文字区域检测模型的每次训练都可采用该训练方式,直至完成所述文字区域检测模型的训练。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在步骤S204中,基于矫正后的所述身份证图片的文字区域信息,对矫正后的所述身份证图片进行切割,以获得与矫正后的所述身份证图片对应的文字区域图片。
在本申请实施例中,在获得矫正后的身份证图片的文字区域框之后,基于矫正后的身份证图片中的文字区域框,对矫正后的身份证图片进行切割,以获得与矫正后的身份证图片对应的文字区域图片。其中,所述文字区域图片可理解为文字区域框内的区域的图片。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在步骤S205中,通过文字识别模型,对所述文字区域图片中的文字进行识别,以获得所述身份证图片中的身份信息。
在本申请实施例中,所述文字识别模型可以是基于OCR(Optical CharacterRecognition,光学字符识别)技术的神经网络模型。所述文字识别模型还可以是任意适当的可实现特征提取或目标对象检测的神经网络模型,包括但不限于卷积神经网络模型、增强学习神经网络模型、对抗神经网络模型中的生成网络模型等等。神经网络模型中具体结构的设置可以由本领域技术人员根据实际需求适当设定,如卷积层的层数、卷积核的大小、通道数等等。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,在通过文字识别模型,对所述文字区域图片中的文字进行识别时,通过所述文字识别模型,对每个所述文字区域图片中的文字进行识别,以获得每个所述文字区域图片的文字信息;对每个所述文字区域图片的文字信息和每个所述文字区域图片对应的所述文字区域信息进行解析,以获得所述身份证图片中的结构化的身份信息。籍此,通过对每个文字区域图片的文字信息和每个文字区域图片对应的文字区域信息进行解析,能够准确地获得身份证图片中的结构化的身份信息。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,所述结构化的身份信息可理解为在相应的文字区域框中展示相应的身份信息。例如,在身份证的姓名的区域框中展示姓名,在身份证的性别的区域框中展示性别,在身份证的住址的区域框中展示住址。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一些可选实施例中,在通过所述文字识别模型,对每个所述文字区域图片中的文字进行识别之前,所述方法还包括:通过待训练的所述文字识别模型,对文字区域图片样本中的文字区域进行识别,以获得所述文字区域图片样本的文字识别信息;基于所述文字区域图片样本的文字识别信息和文字标注信息,对待训练的所述文字识别模型进行训练,以获得训练后的所述文字识别模型。籍此,通过文字区域图片样本的文字识别信息和文字标注信息,能够有效地对待训练的文字识别模型进行训练。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,所述文字区域图片样本可理解为样本库中的文字区域图片,所述文字识别信息可理解为文字识别模型识别的文字区域图片样本中的文字信息,所述文字标注信息可理解为人工标注的或者机器标注的文字区域图片样本中的文字信息。在基于所述文字区域图片样本的文字识别信息和文字标注信息,对待训练的所述文字识别模型进行训练时,通过目标损失函数,确定所述文字识别信息和所述文字标注信息的差异值;基于所述差异值,调整所述文字识别模型的模型参数。其中,所述目标损失函数可为交叉熵损失函数、softmax损失函数、L1损失函数、L2损失函数等任意损失函数。在调整所述文字识别模型的模型参数时,可采用反向传播算法,或者随机梯度下降算法来调整所述文字识别模型的模型参数。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
在一个具体的例子中,通过确定所述文字识别信息和所述文字标注信息之间的差异值,对当前获得的文字识别信息进行评估,以作为后续训练所述文字识别模型的依据。具体地,可将所述差异值反向传输给所述文字识别模型,从而迭代地训练所述文字识别模型。所述文字识别模型的训练是一个迭代的过程,本申请实施例仅对其中的一次训练过程进行了说明,但本领域技术人员应当明了,对所述文字识别模型的每次训练都可采用该训练方式,直至完成所述文字识别模型的训练。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
根据本申请实施例提供的身份证信息的识别方法,通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得身份证图片的文字方向信息,并基于身份证图片的文字方向信息,对身份证图片进行矫正,以获得矫正后的身份证图片,再通过文字区域检测模型,对矫正后的身份证图片中的文字区域进行检测,以获得矫正后的身份证图片的文字区域信息,再基于矫正后的身份证图片的文字区域信息,对矫正后的身份证图片进行切割,以获得与矫正后的身份证图片对应的文字区域图片,再通过文字识别模型,对文字区域图片中的文字进行识别,以获得身份证图片中的身份信息,与现有的其它方式相比,通过文字方向检测模型,获得身份证图片的文字方向信息,再基于身份证图片的文字方向信息,对身份证图片进行矫正,再通过文字区域检测模型,对矫正后的身份证图片中的文字区域进行检测,再基于矫正后的身份证图片的文字区域信息,对矫正后的身份证图片进行切割,以获得与矫正后的身份证图片对应的文字区域图片,再通过文字识别模型,对文字区域图片中的文字进行识别,以获得身份证图片中的身份信息,不仅能够进一步自动有效地识别身份证图片中的身份信息,而且还能够快速地识别身份证图片中的身份信息。
本实施例的身份证信息的识别方法可以由任意适当的具有数据处理能力的设备执行,包括但不限于:摄像头、终端、移动终端、PC机、服务器、平板电脑、笔记本电脑等。
参照图3A,为实现本申请实施例提供的身份证信息的识别方法的一种身份证信息的识别***的结构示意图,该***可以包括服务器以及终端设备A,应该理解,图3A所呈现的服务器与终端设备A仅是示例性说明,并不会对两者的实现形式做限定。
在实际应用中,服务器与终端设备A之间可以是有线或无线网络连接,具体可以通过GSM、GPRS、LTE等移动网络实现通信连接,或者是通过蓝牙、WIFI、红外线等方式进行通信连接,本申请实施例对服务器与终端设备A之间的具体通信连接方式不做限定。
服务器可以是为用户提供服务的服务设备,具体可以是独立的应用服务设备,也可以是由多个服务器构成的服务集群,实际应用中,其可以是云服务器、云主机、虚拟中心等,本申请实施例对该服务器的结构及其实现形式不作限定。
终端设备A可以是面向用户,并能够与用户进行交互的终端,如手机、笔记本、电脑、iPad、智能音响等,还可以各种自助终端,如医院、银行、车站等场所中的自助服务机,此外,终端设备A还可以是支持交互的智能机器,如聊天机器人、扫地机器人、点餐服务机器人等。本申请实施例对终端设备的产品类型及其物理形态不做限定,本申请实施例需要其具有交互功能,可以通过安装如金融类等交互类应用程序实现。
在进行身份证信息的识别时,终端设备A可通过网络向服务器发送携带有待识别的身份证图片的身份识别请求。服务器接收终端设备A发送的身份识别请求,并对所述身份识别请求进行解析,以获得所述身份识别请求携带的所述待识别的身份证图片,再采用如上述实施例一或实施例二所述的身份证信息的识别方法,对所述待识别的身份证图片进行识别,以获得所述身份证图片的识别结果,再向所述终端设备A返回所述识别结果。由此可见,本申请实施例提供的身份证信息的识别方法可以由服务器执行,具体实现过程可以参照上述方法实施例一或者方法实施例二的描述。
在一个具体的例子中,如图3B所示,服务器接收终端设备发送的身份识别请求,并对身份识别请求进行解析,获得身份识别请求携带的待识别的身份证图片。在获得身份识别请求携带的待识别的身份证图片之后,利用文字方向检测模型进行文字方向的检测,得到待识别的身份证图片的文字方向信息,并且基于待识别的身份证图片的文字方向信息,对待识别的身份证图片进行矫正。具体地,当文字识别信息为身份证图片中的文字偏离水平方向零度时,则不需要对待识别的身份证图片进行矫正。当文字识别信息为身份证图片中的文字偏离水平方向非零度时,则需要对待识别的身份证图片进行矫正。然后,利用文字区域检测模型检测矫正后的身份证图片,得到身份证图片的文字区域框,并且基于身份证图片的文字区域框,对身份证图片进行切割;在得到文字区域图片之后,利用文字识别模型对文字区域图片中的文字进行识别。通过识别出的文字和文字区域图片对应的文字区域框,解析识别内容,返回结构化的身份识别结果。籍此,能够自动地识别身份证图片中的身份信息。另外,由于本申请实施例提供的身份证信息的识别方法对图片进行较少的预处理,保留图片更多的原始信息,能够更好地识别手机拍照的身份证图片,能够提高图片的容差性,保证身份证识别的准确度。此外,可以省去用户手动录入的过程,给用户带来极大的便利。可以理解的是,以上描述仅为示例性的,本申请实施例对此不做任何限定。
参照图4,示出了本申请实施例四中身份证信息的识别装置的结构示意图。
本实施例提供的身份证信息的识别装置包括:第一检测模块401,用于通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;矫正模块402,用于基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;第一识别模块403,用于对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
本实施例的身份证信息的识别装置用于实现前述多个方法实施例中相应的身份证信息的识别方法,并具有相应的方法实施例的有益效果,在此不再赘述。
参照图5,示出了本申请实施例五中身份证信息的识别装置的结构示意图。
本实施例提供的身份证信息的识别装置包括:第一检测模块503,用于通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;矫正模块504,用于基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;第一识别模块505,用于对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
可选地,所述第一检测模块503之前,所述装置还包括:第二检测模块501,用于通过待训练的所述文字方向检测模型,对身份证图片样本中的文字的方向进行检测,以获得所述身份证图片样本的文字方向检测信息;训练模块502,用于基于所述身份证图片样本的文字方向检测信息和文字方向标注信息,对待训练的所述文字方向检测模型进行训练,以获得训练后的所述文字方向检测模型。
可选地,所述第一识别模块505,包括:第二检测子模块5053,用于通过文字区域检测模型,对矫正后的所述身份证图片中的文字区域进行检测,以获得矫正后的所述身份证图片的文字区域信息;切割子模块5054,用于基于矫正后的所述身份证图片的文字区域信息,对矫正后的所述身份证图片进行切割,以获得与矫正后的所述身份证图片对应的文字区域图片;识别子模块5055,用于通过文字识别模型,对所述文字区域图片中的文字进行识别,以获得所述身份证图片中的身份信息。
可选地,所述第二检测子模块5053之前,所述第一识别模块505还包括:第一检测子模块5051,用于通过待训练的所述文字区域检测模型,对已矫正的身份证图片样本中的文字区域进行检测,以获得所述身份证图片样本的文字区域检测信息;训练子模块5052,用于基于所述身份证图片样本的文字区域检测信息和文字区域标注信息,对待训练的所述文字区域检测模型进行训练,以获得训练后的所述文字区域检测模型。
可选地,所述识别子模块5055,包括:第二识别单元5058,用于通过所述文字识别模型,对每个所述文字区域图片中的文字进行识别,以获得每个所述文字区域图片的文字信息;解析单元5059,用于对每个所述文字区域图片的文字信息和每个所述文字区域图片对应的所述文字区域信息进行解析,以获得所述身份证图片中的结构化的身份信息。
可选地,所述第二识别单元5058之前,所述识别子模块5055还包括:第一识别单元5056,用于通过待训练的所述文字识别模型,对文字区域图片样本中的文字区域进行识别,以获得所述文字区域图片样本的文字识别信息;训练单元5057,用于基于所述文字区域图片样本的文字识别信息和文字标注信息,对待训练的所述文字识别模型进行训练,以获得训练后的所述文字识别模型。
本实施例的身份证信息的识别装置用于实现前述多个方法实施例中相应的身份证信息的识别方法,并具有相应的方法实施例的有益效果,在此不再赘述。
图6为本申请实施例六中电子设备的结构示意图;该电子设备可以包括:
一个或多个处理器601;
计算机可读介质602,可以配置为存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例一或实施例二所述的身份证信息的识别方法。
图7为本申请实施例七中电子设备的硬件结构;如图7所示,该电子设备的硬件结构可以包括:处理器701,通信接口702,计算机可读介质703和通信总线704;
其中处理器701、通信接口702、计算机可读介质703通过通信总线704完成相互间的通信;
可选地,通信接口702可以为通信模块的接口,如GSM模块的接口;
其中,处理器701具体可以配置为:通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
处理器701可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
计算机可读介质703可以是,但不限于,随机存取存储介质(Random AccessMemory,RAM),只读存储介质(Read Only Memory,ROM),可编程只读存储介质(Programmable Read-Only Memory,PROM),可擦除只读存储介质(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储介质(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。
特别地,根据本公开的实施例,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,本公开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,该计算机程序包含配置为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从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述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。计算机可读介质例如可以但不限于是电、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、随机访问存储介质(RAM)、只读存储介质(ROM)、可擦式可编程只读存储介质(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储介质(CD-ROM)、光存储介质件、磁存储介质件、或者上述的任意合适的组合。在本申请中,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。而在本申请中,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、传播或者传输配置为由指令执行***、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。
可以以一种或多种程序设计语言或其组合来编写配置为执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络:包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的***、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,该模块、程序段、或代码的一部分包含一个或多个配置为实现规定的逻辑功能的可执行指令。上述具体实施例中有特定先后关系,但这些先后关系只是示例性的,在具体实现的时候,这些步骤可能会更少、更多或执行顺序有调整。即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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本申请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:一种处理器包括第一检测模块、矫正模块和第一识别模块。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,第一检测模块还可以被描述为“通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息的模块”。
作为另一方面,本申请还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例一或实施例二所描述的身份证信息的识别方法。
作为另一方面,本申请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装置中所包含的;也可以是单独存在,而未装配入该装置中。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该装置执行时,使得该装置:通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
在本公开的各种实施方式中所使用的表述“第一”、“第二”、“所述第一”或“所述第二”可修饰各种部件而与顺序和/或重要性无关,但是这些表述不限制相应部件。以上表述仅配置为将元件与其它元件区分开的目的。例如,第一用户设备和第二用户设备表示不同的用户设备,虽然两者均是用户设备。例如,在不背离本公开的范围的前提下,第一元件可称作第二元件,类似地,第二元件可称作第一元件。
当一个元件(例如,第一元件)称为与另一元件(例如,第二元件)“(可操作地或可通信地)联接”或“(可操作地或可通信地)联接至”另一元件(例如,第二元件)或“连接至”另一元件(例如,第二元件)时,应理解为该一个元件直接连接至该另一元件或者该一个元件经由又一个元件(例如,第三元件)间接连接至该另一个元件。相反,可理解,当元件(例如,第一元件)称为“直接连接”或“直接联接”至另一元件(第二元件)时,则没有元件(例如,第三元件)***在这两者之间。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种身份证信息的识别方法,其特征在于,所述方法包括:
通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;
基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;
对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
2.根据权利要求1所述的方法,其特征在于,所述通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测之前,所述方法还包括:
通过待训练的所述文字方向检测模型,对身份证图片样本中的文字的方向进行检测,以获得所述身份证图片样本的文字方向检测信息;
基于所述身份证图片样本的文字方向检测信息和文字方向标注信息,对待训练的所述文字方向检测模型进行训练,以获得训练后的所述文字方向检测模型。
3.根据权利要求1所述的方法,其特征在于,所述对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息,包括:
通过文字区域检测模型,对矫正后的所述身份证图片中的文字区域进行检测,以获得矫正后的所述身份证图片的文字区域信息;
基于矫正后的所述身份证图片的文字区域信息,对矫正后的所述身份证图片进行切割,以获得与矫正后的所述身份证图片对应的文字区域图片;
通过文字识别模型,对所述文字区域图片中的文字进行识别,以获得所述身份证图片中的身份信息。
4.根据权利要求3所述的方法,其特征在于,所述通过文字区域检测模型,对矫正后的所述身份证图片中的文字区域进行检测之前,所述方法还包括:
通过待训练的所述文字区域检测模型,对已矫正的身份证图片样本中的文字区域进行检测,以获得所述身份证图片样本的文字区域检测信息;
基于所述身份证图片样本的文字区域检测信息和文字区域标注信息,对待训练的所述文字区域检测模型进行训练,以获得训练后的所述文字区域检测模型。
5.根据权利要求3所述的方法,其特征在于,所述通过文字识别模型,对所述文字区域图片中的文字进行识别,以获得所述身份证图片中的身份信息,包括:
通过所述文字识别模型,对每个所述文字区域图片中的文字进行识别,以获得每个所述文字区域图片的文字信息;
对每个所述文字区域图片的文字信息和每个所述文字区域图片对应的所述文字区域信息进行解析,以获得所述身份证图片中的结构化的身份信息。
6.根据权利要求5所述的方法,其特征在于,所述通过所述文字识别模型,对每个所述文字区域图片中的文字进行识别之前,所述方法还包括:
通过待训练的所述文字识别模型,对文字区域图片样本中的文字区域进行识别,以获得所述文字区域图片样本的文字识别信息;
基于所述文字区域图片样本的文字识别信息和文字标注信息,对待训练的所述文字识别模型进行训练,以获得训练后的所述文字识别模型。
7.一种身份证信息的识别***,其特征在于,所述***包括:
终端设备,及与所述终端设备通信连接的服务器;
所述终端设备,用于向所述服务器发送携带有待识别的身份证图片的身份识别请求;
所述服务器,用于接收所述终端设备发送的所述身份识别请求,并对所述身份识别请求进行解析,以获得所述身份识别请求携带的所述待识别的身份证图片,再采用如权利要求1-6中任意一项权利要求所述的身份证信息的识别方法,对所述待识别的身份证图片进行识别,以获得所述身份证图片的识别结果,再向所述终端设备返回所述识别结果。
8.一种身份证信息的识别装置,其特征在于,所述装置包括:
第一检测模块,用于通过文字方向检测模型,对待识别的身份证图片中的文字的方向进行检测,以获得所述身份证图片的文字方向信息;
矫正模块,用于基于所述身份证图片的文字方向信息,对所述身份证图片进行矫正,以获得矫正后的所述身份证图片;
第一识别模块,用于对矫正后的所述身份证图片中的文字进行识别,以获得所述身份证图片中的身份信息。
9.一种电子设备,其特征在于,所述设备包括:
一个或多个处理器;
计算机可读介质,配置为存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任意一项权利要求所述的身份证信息的识别方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任意一项权利要求所述的身份证信息的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260281.3A CN111062374A (zh) | 2019-12-10 | 2019-12-10 | 身份证信息的识别方法、装置、***、设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911260281.3A CN111062374A (zh) | 2019-12-10 | 2019-12-10 | 身份证信息的识别方法、装置、***、设备及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111062374A true CN111062374A (zh) | 2020-04-24 |
Family
ID=70300357
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911260281.3A Pending CN111062374A (zh) | 2019-12-10 | 2019-12-10 | 身份证信息的识别方法、装置、***、设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111062374A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101317A (zh) * | 2020-11-17 | 2020-12-18 | 深圳壹账通智能科技有限公司 | 页面方向识别方法、装置、设备及计算机可读存储介质 |
CN112464852A (zh) * | 2020-12-09 | 2021-03-09 | 重庆大学 | 一种车辆行驶证图片自适应矫正与识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3151180A1 (en) * | 2015-09-29 | 2017-04-05 | STH Development & Design AB | Identification method and system |
CN108427950A (zh) * | 2018-02-01 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 一种文字行检测方法及装置 |
CN108549881A (zh) * | 2018-05-02 | 2018-09-18 | 杭州创匠信息科技有限公司 | 证件文字的识别方法和装置 |
CN109583445A (zh) * | 2018-11-26 | 2019-04-05 | 平安科技(深圳)有限公司 | 文字图像校正处理方法、装置、设备及存储介质 |
-
2019
- 2019-12-10 CN CN201911260281.3A patent/CN111062374A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3151180A1 (en) * | 2015-09-29 | 2017-04-05 | STH Development & Design AB | Identification method and system |
CN108427950A (zh) * | 2018-02-01 | 2018-08-21 | 北京捷通华声科技股份有限公司 | 一种文字行检测方法及装置 |
CN108549881A (zh) * | 2018-05-02 | 2018-09-18 | 杭州创匠信息科技有限公司 | 证件文字的识别方法和装置 |
CN109583445A (zh) * | 2018-11-26 | 2019-04-05 | 平安科技(深圳)有限公司 | 文字图像校正处理方法、装置、设备及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101317A (zh) * | 2020-11-17 | 2020-12-18 | 深圳壹账通智能科技有限公司 | 页面方向识别方法、装置、设备及计算机可读存储介质 |
CN112101317B (zh) * | 2020-11-17 | 2021-02-19 | 深圳壹账通智能科技有限公司 | 页面方向识别方法、装置、设备及计算机可读存储介质 |
CN112464852A (zh) * | 2020-12-09 | 2021-03-09 | 重庆大学 | 一种车辆行驶证图片自适应矫正与识别方法 |
CN112464852B (zh) * | 2020-12-09 | 2023-12-05 | 重庆大学 | 一种车辆行驶证图片自适应矫正与识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830235B (zh) | 用于生成信息的方法和装置 | |
CN109117831B (zh) | 物体检测网络的训练方法和装置 | |
CN108427939B (zh) | 模型生成方法和装置 | |
US11328401B2 (en) | Stationary object detecting method, apparatus and electronic device | |
CN111368685B (zh) | 关键点的识别方法、装置、可读介质和电子设备 | |
US20170111532A1 (en) | Real-time processing of video streams captured using mobile devices | |
US8971591B2 (en) | 3D image estimation for 2D image recognition | |
CN112954450B (zh) | 视频处理方法、装置、电子设备和存储介质 | |
KR102002024B1 (ko) | 객체 라벨링 처리 방법 및 객체 관리 서버 | |
EP3893125A1 (en) | Method and apparatus for searching video segment, device, medium and computer program product | |
TW202026948A (zh) | 活體檢測方法、裝置以及儲存介質 | |
CN109583389B (zh) | 绘本识别方法及装置 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN110033423B (zh) | 用于处理图像的方法和装置 | |
CN108280422B (zh) | 用于识别人脸的方法和装置 | |
CN109377508B (zh) | 图像处理方法和装置 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN113496208B (zh) | 视频的场景分类方法及装置、存储介质、终端 | |
CN111325798A (zh) | 相机模型纠正方法、装置、ar实现设备及可读存储介质 | |
CN114723646A (zh) | 带标注的图像数据生成方法、装置、存储介质及电子设备 | |
CN111563398A (zh) | 用于确定目标物的信息的方法和装置 | |
CN114663871A (zh) | 图像识别方法、训练方法、装置、***及存储介质 | |
CN111062374A (zh) | 身份证信息的识别方法、装置、***、设备及可读介质 | |
CN113255685A (zh) | 一种图像处理方法、装置、计算机设备以及存储介质 | |
CN112417947A (zh) | 关键点检测模型的优化及面部关键点的检测方法及装置 |
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 |