CN111126098B - 证件图像采集方法、装置、设备及存储介质 - Google Patents

证件图像采集方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111126098B
CN111126098B CN201911349138.1A CN201911349138A CN111126098B CN 111126098 B CN111126098 B CN 111126098B CN 201911349138 A CN201911349138 A CN 201911349138A CN 111126098 B CN111126098 B CN 111126098B
Authority
CN
China
Prior art keywords
ambiguity
detection
certificate
image
certificate image
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.)
Active
Application number
CN201911349138.1A
Other languages
English (en)
Other versions
CN111126098A (zh
Inventor
徐霄
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.)
Jingdong Technology Holding Co Ltd
Original Assignee
Jingdong Technology Holding 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 Jingdong Technology Holding Co Ltd filed Critical Jingdong Technology Holding Co Ltd
Priority to CN201911349138.1A priority Critical patent/CN111126098B/zh
Publication of CN111126098A publication Critical patent/CN111126098A/zh
Application granted granted Critical
Publication of CN111126098B publication Critical patent/CN111126098B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
    • 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
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

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

Abstract

本申请涉及一种证件图像采集方法、装置、设备及存储介质，方法，包括：确定当前的业务场景，并在所述业务场景下采集获得证件图像；获取所述业务场景所对应的N个检测项目以及所述N个检测项目的顺序，所述N为大于1的整数；按照所述N个检测项目的顺序，依次对所述证件图像进行所述N个检测项目的检测，其中，在任一所述检测项目的检测结果为未通过时，确定所述证件图像采集失败，在所述N个检测项目的检测结果均为通过时，确定所述证件图像采集成功。本申请用以解决采集的证件图像质量不符合要求导致无法识别，需要反复采集而增加额外操作时间以及增加操作复杂度，导致采集持续时间长的问题。

Description

证件图像采集方法、装置、设备及存储介质
技术领域
本申请涉及图像处理技术领域，尤其涉及一种证件图像采集方法、装置、设备及存储介质。
背景技术
随着互联网普及以及技术的发展，证券、银行、保险等行业中的很多业务的办理也逐渐可以在终端设备(如VTM，手机等)上实现，目前最普遍的是网上银行、手机银行等。这些业务按照规定都是需要“客户本人持本人有效证件”进行办理。
如果按传统方式在营业网点的柜面办理，需要客户本人持本人有效证件到柜面进行办理，由柜面工作人员现场验证客户身份。如果将这些业务搬到终端设备上，则面临的主要问题是对客户身份的验证，即如何确定是“客户本人持本人有效证件”在办理。上述过程需要进行两个阶段的验证：身份证信息验证，以及是否本人的验证。对于身份证信息验证，目前比较常用的做法是让客户分别拍身份证正反面的图像和人脸图像，然后传到后台审核人员进行人工审核(针对所有身份证)。
目前，身份证采集过程中，终端拍摄身份证正面、反面的图像后上传到后台，审核人员审核图像，经常会遇到图像质量不符合要求导致无法识别的情况，该情况下终端持续采集直至后台审核人员认为图像符合要求。
这就导致识别失败或者因反复录入而增加额外操作时间和复杂度，使得采集时长变长，用户体验不佳。
发明内容
本申请提供了一种证件图像采集方法、装置、设备及存储介质，用以解决采集的证件图像质量不符合要求导致无法识别，需要反复采集而增加额外操作时间以及增加操作复杂度，导致采集持续时间长的问题。
第一方面，本申请实施例提供了一种证件图像采集方法，包括：
确定当前的业务场景，并在所述业务场景下采集获得证件图像；
获取所述业务场景所对应的N个检测项目以及所述N个检测项目的顺序，所述N为大于1的整数；
按照所述N个检测项目的顺序，依次对所述证件图像进行所述N个检测项目的检测，其中，在任一所述检测项目的检测结果为未通过时，确定所述证件图像采集失败，在所述N个检测项目的检测结果均为通过时，确定所述证件图像采集成功。
可选地，所述N个检测项目的顺序，为采用所述N个检测项目的检测耗费时长从低到高的顺序，所述检测耗费时长为采用所述检测项目对所述业务场景下采集的证件图像样本进行检测所耗费的时长。
可选地，所述N个检测项目包括：人脸检测、证件条纹码检测、边界检测、反光检测和模糊度检测中的至少两种。
可选地，所述N个检测项目中包括所述模糊度检测；
对所述证件图像进行所述模糊度检测，包括：
确定所述证件图像中的模糊度敏感区域；
计算所述模糊度敏感区域的模糊度；
判定所述模糊度敏感区域的模糊度不大于预设阈值后，定位所述证件图像中的Q个文字区域，其中，所述Q为大于或等于1的整数；
依次判断所述Q个文字区域中的每个文字区域的模糊度是否大于所述文字区域所对应的模糊度阈值；
若所述Q个文字区域中有至少一个文字区域所对应的判断结果为是，则确定所述证件图像的模糊度检测结果为不符合要求；
若所述Q个文字区域所对应的判断结果均为否，则确定所述证件图像的模糊度检测结果为符合要求。
可选地，确定所述证件图像中的模糊度敏感区域，包括：
获取图像信息能够被正确识别的第一样本证件图像的集合；分别对所述第一样本证件图像的集合中的每个第一样本图像进行模糊度逐步加大的模糊处理，直至在所述第一样本证件图像中，识别出第一块模糊度大于所述预设阈值的区域，作为备选区域；统计每个所述备选区域出现的次数，将出现次数最多的备选区域作为所述模糊度敏感区域；
或者，
获取第二样本证件图像的集合；分别对所述第二样本证件图像的集合中的每个第二样本证件图像进行以下处理：对所述第二样本证件图像进行模糊度逐步加大的S级模糊处理，对证件中的T个识别字段中的每个识别字段，统计所述识别字段的模糊度大于所述预设阈值时，经历的模糊处理的次数，作为所述识别字段的模糊度容忍度，其中，所述S为大于或者等于1的整数，所述T为大于或者等于1的整数；分别针对每个所述识别字段进行以下处理：计算所述识别字段在各所述第二样本证件图像的模糊度容忍度的平均值，作为所述识别字段的平均模糊度容忍度；选取平均模糊度容忍度最小的所述识别字段，作为所述模糊度敏感区域。
可选地，所述N个检测项目中包括所述反光检测；
对所述证件图像进行所述反光检测，包括：
定位所述证件图像中参考特征的位置，根据P个指定区域各自与所述参考特征的相对位置，定位所述证件图像中所述P个指定区域，所述P为大于或等于1的整数；
分别确定每个所述指定区域的反光度，并根据每个所述指定区域的反光度，确定所述证件图像的反光检测结果。
可选地，根据每个所述指定区域的反光度，确定所述证件图像的反光检测结果，包括：
分别针对每个所述指定区域进行以下处理：判断所述指定区域的反光度是否大于所述指定区域对应的反光度阈值，获得判断结果；
若每个所述指定区域的判断结果均为否，则确定所述证件图像的反光检测结果为通过，若至少有一个所述指定区域的判断结果为是，则确定所述证件图像的反光检测结果为不通过。
第二方面，本申请实施例提供了一种证件图像采集装置，包括：
确定模块，用于确定当前的业务场景，并在所述业务场景下采集获得证件图像；
获取模块，用于获取所述业务场景所对应的N个检测项目以及所述N个检测项目的顺序，所述N为大于1的整数；
检测模块，用于按照所述N个检测项目的顺序，依次对所述证件图像进行所述N个检测项目的检测，其中，在任一所述检测项目的检测结果为未通过时，确定所述证件图像采集失败，在所述N个检测项目的检测结果均为通过时，确定所述证件图像采集成功。
第三方面，本申请实施例提供了一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现第一方面所述的证件图像采集方法。
第四方面本申请实施例提供了一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现第一方面所述的证件图像采集方法。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点：本申请实施例提供的该方法，根据当前当前的业务场景，获取N个检测项目以及N个检测项目的顺序，按照该顺序依次对当前的业务场景下所采集的证件图像进行该N个检测项目的检测，在该N个检测项目的检测结果均通过时，确定该证件图像采集成功，从而保证采集到的证件图像的质量，避免了采集的证件图像质量不符合要求，导致传输到后台服务器后无法识别，需要反复采集的情况，降低了反复采集的次数，以及降低了操作复杂度，缩短了采集时序时长。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明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，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中证件图像采集的方法流程示意图；
图2为本申请实施例中模糊度检测的流程示意图；
图3为本申请实施例中证件图像采集装置结构示意图；
图4为本申请实施例中电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本申请的一部分实施例，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在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例中提供了一种证件图像采集方法，该方法可以应用于任意一个电子设备中，尤其适用于证件图像采集设备，例如手机等智能终端设备。
如图1所示，证件图像采集的具体过程如下：
步骤101，确定当前的业务场景，并在该业务场景下采集获得证件图像。
一个具体实施例中，以手机为例介绍证件图像的获取过程：手机客户端在屏幕上显示用于采集证件图像的引导框；手机客户端通过语音或者文字提示用户将证件正面朝向手机客户端的后置摄像头，并将证件图像置于该引导框内；调整拍摄姿态，将整个证件图像全部置于引导框内，尽可能的使证件图像与引导框各边各角对齐，并保证亮度、模糊度足够明亮和清晰；手机客户端采集该引导框内的图像，得到该证件的正面图像。当然，也可以通过电脑、平板等智能终端采集证件图像，此处不再一一列举。
其中，不同的业务场景对应的业务需求不同，例如，在验证证件是否属于证件持有者的业务场景中，需要重点识别证件图像中的人脸特征；在需要获取证件中文字信息的场景中，需要重点识别证件图像中的文字部分；检测证件正面与检测证件反面对应的业务需求不同。
步骤102，获取业务场景所对应的N个检测项目以及该N个检测项目的顺序，N为大于1的整数。
一个具体实施例中，N个检测项目的顺序，为采用该N个检测项目的检测耗费时长从低到高的顺序。
其中，一个检测项目的检测耗费时长为：采用该检测项目，对该业务场景下采集的证件图像样本进行检测所耗费的时长。具体地，根据业务场景的需求，预先对该业务场景下采集的证件图像样本进行测试性检测，以确定该证件图像样本符合效率优先的各检测项目的顺序，并将业务场景、检测项目以及检测项目的效率三者的映射关系保存。例如，以表格的形式保存业务场景、检测项目以及效率之间的对应关系。检测项目的效率与检测项目所耗费的时长呈反比关系，即检测项目所耗费的时长越长，则效率越低，检测项目所耗费的时长越少，则效率越高。
一个具体实施例中，N个检测项目包括：人脸检测、证件条纹码检测、边界检测、反光检测和模糊度检测中的至少两种。
步骤103，按照该N个检测项目的顺序，依次对该证件图像进行该N个检测项目的检测，其中，在任一检测项目的检测结果为未通过时，确定该证件图像采集失败，在该N个检测项目的检测结果均为通过时，确定该证件图像采集成功。
一个具体实施例中，N个检测项目中包括模糊度检测。如图2所示，对证件图像进行模糊度检测的具体过程如下：
步骤201，确定证件图像中的模糊度敏感区域；
步骤202，计算模糊度敏感区域的模糊度；
步骤203，判定模糊度敏感区域的模糊度不大于预设阈值后，定位证件图像中的Q个文字区域，其中，Q为大于或等于1的整数；
步骤204，依次判断Q个文字区域中的每个文字区域的模糊度是否大于所述文字区域所对应的模糊度阈值；若所述Q个文字区域中有至少一个文字区域所对应的判断结果为是，则确定所述证件图像的模糊度检测结果为不符合要求；若所述Q个文字区域所对应的判断结果均为否，则确定所述证件图像的模糊度检测结果为符合要求。
该具体实施例中，确定证件图像中的模糊度敏感区域的方式有多种，以下列举两种具体实现方式：
方式一，获取图像信息能够被正确识别的第一样本证件图像的集合；分别对第一样本证件图像的集合中的每个第一样本图像进行模糊度逐步加大的模糊处理，直至在第一样本证件图像中，识别出第一块模糊度大于预设阈值的区域，作为备选区域。统计每个备选区域出现的次数，将出现次数最多的备选区域作为模糊度敏感区域。
该方式中，对采集过程中保存的每一帧证件图像进行逐步加大模糊处理，以可正确识别的证件图像为例，具体如下：对该可正确识别的证件图像进行逐步加大模糊处理，每经过一次模糊处理以后采用识别算法识别处理后的证件图像，直至找到第一块模糊度大于预设阈值，即无法正确识别的备选区域A，经过多次对该可正确识别的证件图像的模糊处理，得到一系列备选区域，备选区域B，备选区域C等。
通过对采集过程中保存的每一帧图像都经过逐步加大模糊处理，每经过一次模糊处理以后采用识别算法识别处理后的图像，进而得到一系列无法正确识别的区域。统计这一系列无法正确识别的区域在进行模糊度处理时出现无法识别的次数，得到出现次数最多的区域I，该区域I为模糊度敏感区域。当该区域I能够被有效识别时，可以认为其他区域也能够被有效识别，即确定该证件图像能够被有效识别，则该证件图像是符合要求的。否则，当该区域I不能被有效识别时，可以确定该证件图像不能被有效识别，则该证件图像是不符合要求的，需要用户重新采集证件图像。通过对大量的图像进行模糊度处理，相对于单张图像处理，提高了数据的准确性和可靠性。
方式二，获取第二样本证件图像的集合；分别对第二样本证件图像的集合中的每个第二样本证件图像进行以下处理：对第二样本证件图像进行模糊度逐步加大的S级模糊处理，对证件中的T个识别字段中的每个识别字段，统计识别字段的模糊度大于预设阈值时，经历的模糊处理的次数，作为识别字段的模糊度容忍度。其中，S为大于或者等于1的整数，T为大于或者等于1的整数。分别针对每个识别字段进行以下处理：计算识别字段在各第二样本证件图像的模糊度容忍度的平均值，作为识别字段的平均模糊度容忍度；选取平均模糊度容忍度最小的识别字段，作为模糊度敏感区域。
该方式中，对采集过程中保存的每一帧证件图像进行逐步加大的S级模糊处理，统计模糊处理过程中，证件中的T个识别字段中的每个识别字段的模糊度大于预设阈值的次数，将该次数作为该识别字段的模糊容忍度。计算多次处理该识别字段产生的模糊度容忍度的平均值，将该平均值作为该识别字段的平均模糊度容忍度，将平均模糊度容忍度最小的识别字段，作为模糊度敏感区域。当该模糊度敏感区域能够被有效识别时，可以认为其他区域也能够被有效识别，即确定该证件图像能够被有效识别，则该证件图像是符合要求的。否则，当该模糊度敏感区域不能被有效识别时，可以确定该证件图像不能被有效识别，则该证件图像是不符合要求的，需要用户重新采集证件图像。通过对大量的图像进行模糊度处理，相对于单张图像处理，提高了数据的准确性和可靠性。
将T个识别字段划分为M类字段区域，为所述M类字段区域设置M个模糊度阈值，不同类字段区域所对应的模糊度阈值不同，其中，所述M为大于或者等于1的整数，所述T为大于或者等于1的整数；分别对N个文字区域中的每个文字区域进行以下处理：确定该文字区域所对应的字段区域，并获取该文字区域所对应的字段区域的模糊度阈值，作为该文字区域对应的模糊度阈值。例如，文字区域1对应字段区域1，该字段区域1的模糊度阈值为a，则该文字区域1的模糊度阈值为a。
例如，可以将证件图像中的T个识别字段根据该模糊敏感度进行聚类划分，例如，当模糊敏感度小于设定值K时，该对应区域为不敏感区域，当模糊敏感度处于设定值K和L之间时，该对应区域为较敏感区域，当模糊敏感度大于设定值L时，该对应区域为很敏感区域。当然可以进一步细分，分为不敏感区域、稍微敏感区域、较大敏感区域、很敏感区域。
其中，可以采用现有的任意一种模糊度计算算法来计算模糊度敏感区的模糊度，例如，采用拉普拉斯方差法和数字采样***频域法计算模糊度敏感区域的模糊度。
该方式中，当模糊度敏感区域的模糊度大于预设阈值时，则该模糊度敏感区域不符合要求，即采集的该证件图像不符合要求，需要用户重新采集证件图像。另外，当预设时长内统计的多个证件图像的模糊检测结果总是为不符合要求，即都大于预设阈值，也有可能存在模糊度阈值设置的过于严苛情况。此时，需要判断历史最清晰证件图像的模糊度与N个文字区域对应的最小的模糊度阈值的差值，当该差值小于设定值时，采用历史最清晰证件图像替换该证件图像，否则，减小每个文字区域所对应的模糊度阈值，将减小后的模糊度阈值作为下一时间段的新阈值进行采集、判断。
其中，定位证件图像中的Q个文字区域，在Q等于1的情况下，将密集文字区域的模糊度作为整个证件图像的模糊度，定位密集文字区域的具体过程如下：定位采集证件图像，即引导框的中心位置，以该中心位置为中心，向外扩一定比例，例如，外扩整个引导框所占面积的10％，将外扩覆盖的区域作为密集文字区域。需要说明的是，以该中心位置为中心，外扩整个引导框所占面积的10％至40％都在可接受的范围内，不局限在10％。例如，以泰国身份证为例，密集文字区域包括泰国身份证明卡的泰文和英文说明、证号、持卡人的名和姓、出生日期、发卡日期、发卡部门以及官员签字等。
一个具体实施例中，N个检测项目中包括反光检测。
对证件图像进行反光检测的具体过程如下：定位证件图像中参考特征的位置，根据P个指定区域各自与该参考特征的相对位置，定位该证件图像中的P个指定区域，该P为大于或等于1的整数；分别确定每个指定区域的反光度，并根据每个指定区域的反光度，确定该证件图像的反光检测结果。
其中，该P个指定区域可以是证件信息采集过程中重要信息所在的区域。具体地，P个指定区域，包括：文字区域、头像区域以及证件号码区域等。
例如，P个指定区域中包括泰国身份证证明卡的泰文和英文说明所在的区域，证号、持卡人的名和姓，出生日期、发卡日期、发卡部门以及官员签字等文字区域，也包括泰国身份中的人脸区域。
其中，反光检测中的参考特征可以是证件图像中容易被识别的特征，例如，参考特征为证件图像中的脸部特征，或者，证件图像中证件边框的位置，或者，证件图像中证件边框的四个交点位置。
例如，检测到证件图像中的证件边框后，根据实际证件图像中文字区域与证件边框的相对位置，确定证件图像中的文字区域。
又例如，检测到证件图像中的脸部特征后，根据头像区域与脸部特征的相对位置关系，在证件图像中对脸部特征所在的位置进行设定范围的区域外扩，即可得到头像区域。
其中，采用人脸检测算法检测出证件图像中的脸部特征，根据该脸部特征定位到人脸区域。例如，采用哈尔瀑布(Haar Cascade)、Dlib算法或mtcnn(Multi-task CascadedConvolutional Networks)算法等检测脸部特征。
又例如，利用证件图像中证件边框的4个交点的位置，通过单应性变换(homography)映射到标准证件模板上，然后分别截取每个预设的每个指定区域。
另外，参考特征还可以是采集框的中心位置，即采集到的证件图像的中心位置。例如，在证件图像为泰国身份证时，以证件图像的中心位置为中心，外扩一定比例，假设外扩整个采集框所占面积的一定比例(10％～40％)，将外扩覆盖的区域作为文字区域。
其中，确定证件图像的反光检测结果的过程如下：分别针对每个指定区域进行以下处理：判断该指定区域的反光度是否大于该指定区域对应的反光度阈值，获得判断结果；若每个指定区域的判断结果均为否，则确定证件图像的反光检测结果为通过，若至少有一个指定区域的判断结果为是，则确定该证件图像的反光检测结果为不通过。
例如，同时定位身份证图像中的密集文字区域和头像区域，判断密集文字区域的反光度是否低于第一反光度阈值，以及判断头像区域的反光度是否低于第二反光度阈值，若密集文字区域和头像区域的判断结果均为是，则确定该身份证图像整体的反光度满足要求。
其中，根据需要为不同的指定区域设置不同的反光度阈值。
确定证件图像的反光检测结果为不通过之后，若在预设时长内，获得的证件图像的反光检测结果均为不通过，增大P个指定区域各自所对应的反光度阈值。该具体实施例中，如果在预设时长内都没有筛选到反光度符合要求的证件图像，则可能是反光度阈值设置过于严苛，采用降级措施，增大反光度阈值，以使得能够获得进行验证的证件图像，避免长时间采集不到证件图像，影响用户体验。
其中，增大反光度阈值的方式可以有多种，以下对其中的两种方式进行说明；
方式一，直接将每个反光度阈值增加预设值，或者，增加原值的设定比例。
方式二，获取预设时长内采集的证件图像的反光度中的最小值，根据最小值，增大N个指定区域各自所对应的反光度阈值。
具体地，在预设时长内采集的证件图像的反光度均不满足要求的情况下，若该预设时长内采集的证件图像中反光度的最小值，与P个指定区域各自所对应的反光度阈值的差值，均小于设定门限值，则将该最小值作为P个指定区域各自所对应的反光度阈值。
若该最小值与P个指定区域各自所对应的反光度阈值的差值中，至少有一个不小于设定门限值，则分别将P个指定区域各自所对应的反光度阈值增加预设值。
其中，指定区域的反光度的具体计算过程如下：将采集的证件图像缩放到预设大小，并将该指定区域的图像转换为灰度图；遍历该灰度图中的每个像素，对每个像素进行以下处理：假如该像素的灰度值大于灰度阈值，或者，该像素的R、G、B三个分量中至少有一个分量的值大于指定值，则将该像素标记为曝光像素；遍历整个灰度图后，得到标记曝光像素的曝光二值图；对该曝光二值图进行形态学闭操作后，得到多个曝光区域；获取该多个曝光区域的轮廓，并过滤掉像素数小于100的曝光区域后，将剩余的曝光区域的面积相加，得到总面积，计算该总面积占整个指定区域面积的比例，将该比例作为反光度的值。
一个具体实施例中，N个检测项目中包括人脸检测，人脸检测的具体过程为：采用人脸检测算法检测出证件图像中的脸部特征，根据该脸部特征定位到人脸区域。例如，采用哈尔瀑布(Haar Cascade)、Dlib算法或mtcnn(Multi-task Cascaded ConvolutionalNetworks)算法等检测脸部特征。
一个具体实施例中，N个检测项目中包括边界检测。具体地，采用第一识别模型识别证件图像中证件的边界，该第一识别模型的输入为采集的证件图像，输出该证件边界的像素位置。该第一识别模型为：采用第三样本证件图像的集合对预设模型进行训练得到，其中，第三样本证件图像的集合中包括样本证件图像中证件边界的像素位置。
一个具体实施例中，N个检测项目中包括证件条纹码检测。具体地，采用第二识别模型识别证件图像中证件条纹码，该第二识别模型的输入为采集的证件图像，输出为该证件图像中是否包含证件条纹码的指示信息。该第二识别模型为：采用第四样本证件图像的集合对预设模型进行训练得到，其中，第四样本证件图像的集合中包括包含证件条纹码的证件图像，以及不包含证件条纹码的证件图像，以及样本证件图像与是否包含证件条纹码的对应关系。
训练第一识别模型或第二识别模型时采用的预设模型，可以是残差神经网络模型，例如Resnet50或者Resnet18等，也可以是其他的网络模型，例如GoogleNet，DenseNet等。
一个具体实施例中，在确定证件图像采集失败后，可以通过界面提示用户或者声音提示用户，例如在证件图像采集的APP界面上进行时长为2s的提示。并且，可以提示用户采集不符合要求的原因，以及提示用户调整证件的方位，以便于快速采集到符合要求的证件图像。
本申请实施例中，根据当前当前的业务场景，获取N个检测项目以及N个检测项目的顺序，按照该顺序依次对当前的业务场景下所采集的证件图像进行该N个检测项目的检测，在该N个检测项目的检测结果均通过时，确定该证件图像采集成功，从而保证采集到的证件图像的质量，避免了采集的证件图像质量不符合要求，导致传输到后台服务器后无法识别，需要反复采集的情况，降低了反复采集的次数，以及降低了操作复杂度，缩短了采集时序时长。
并且，根据业务场景的需求，对证件图像按照效率优先的原则对多种检测项目进行排序，优先进行效率高的检测项目，在任一检测项目检测的过程中，判断该检测项目是否符合要求，如果不符合，则中断采集过程，并且可以在中断时提示用户本次采集未通过的原因，如果每项检测均通过，则可以提示用户证件图像采集成功。
按照效率优先的原则对多个检测项目进行排序，能够提升检测效率，节约检测时间。
基于同一构思，本申请实施例中提供了一种证件图像采集装置，该装置的具体实施可参见方法实施例的描述，重复之处不再重述，如图3所示，该装置主要包括：
确定模块301，用于确定当前的业务场景，并在所述业务场景下采集获得证件图像；
获取模块302，用于获取所述业务场景所对应的N个检测项目以及所述N个检测项目的顺序，所述N为大于1的整数；
检测模块303，用于按照所述N个检测项目的顺序，依次对所述证件图像进行所述N个检测项目的检测，其中，在任一所述检测项目的检测结果为未通过时，确定所述证件图像采集失败，在所述N个检测项目的检测结果均为通过时，确定所述证件图像采集成功。
基于同一构思，本申请实施例中还提供了一种电子设备，如图4所示，该电子设备主要包括：处理器401、通信接口402、存储器403和通信总线404，其中，处理器401、通信接口402和存储器403通过通信总线404完成相互间的通信。其中，存储器403中存储有可被至处理器401执行的程序，处理器401执行存储器403中存储的程序，实现如下步骤：确定当前的业务场景，并在所述业务场景下采集获得证件图像；获取所述业务场景所对应的N个检测项目以及所述N个检测项目的顺序，所述N为大于1的整数；按照所述N个检测项目的顺序，依次对所述证件图像进行所述N个检测项目的检测，其中，在任一所述检测项目的检测结果为未通过时，确定所述证件图像采集失败，在所述N个检测项目的检测结果均为通过时，确定所述证件图像采集成功。
上述电子设备中提到的通信总线404可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线404可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口402用于上述电子设备与其他设备之间的通信。
存储器403可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器401的存储装置。
上述的处理器401可以是通用处理器，包括中央处理器(Central ProcessingUnit，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(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的证件图像采集方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种证件图像采集方法，其特征在于，包括：
确定当前的业务场景，并在所述业务场景下采集获得证件图像；
获取所述业务场景所对应的N个检测项目以及所述N个检测项目的顺序，所述N为大于1的整数；
按照所述N个检测项目的顺序，依次对所述证件图像进行所述N个检测项目的检测，其中，在任一所述检测项目的检测结果为未通过时，确定所述证件图像采集失败，在所述N个检测项目的检测结果均为通过时，确定所述证件图像采集成功；
所述N个检测项目中包括模糊度检测；对所述证件图像进行所述模糊度检测，包括：
确定所述证件图像中的模糊度敏感区域；计算所述模糊度敏感区域的模糊度；判定所述模糊度敏感区域的模糊度不大于预设阈值后，定位所述证件图像中的Q个文字区域，其中，所述Q为大于或等于1的整数；依次判断所述Q个文字区域中的每个文字区域的模糊度是否大于所述文字区域所对应的模糊度阈值；若所述Q个文字区域中有至少一个文字区域所对应的判断结果为是，则确定所述证件图像的模糊度检测结果为不符合要求；若所述Q个文字区域所对应的判断结果均为否，则确定所述证件图像的模糊度检测结果为符合要求；
确定所述证件图像中的模糊度敏感区域，包括：
获取图像信息能够被正确识别的第一样本证件图像的集合；分别对所述第一样本证件图像的集合中的每个第一样本图像进行模糊度逐步加大的模糊处理，直至在所述第一样本证件图像中，识别出第一块模糊度大于所述预设阈值的区域，作为备选区域；统计每个所述备选区域出现的次数，将出现次数最多的备选区域作为所述模糊度敏感区域；
或者，
获取第二样本证件图像的集合；分别对所述第二样本证件图像的集合中的每个第二样本证件图像进行以下处理：对所述第二样本证件图像进行模糊度逐步加大的S级模糊处理，对证件中的T个识别字段中的每个识别字段，统计所述识别字段的模糊度大于所述预设阈值时，经历的模糊处理的次数，作为所述识别字段的模糊度容忍度，其中，所述S为大于或者等于1的整数，所述T为大于或者等于1的整数；分别针对每个所述识别字段进行以下处理：计算所述识别字段在各所述第二样本证件图像的模糊度容忍度的平均值，作为所述识别字段的平均模糊度容忍度；选取平均模糊度容忍度最小的所述识别字段，作为所述模糊度敏感区域。
2.根据权利要求1所述的证件图像采集方法，其特征在于，所述N个检测项目的顺序，为采用所述N个检测项目的检测耗费时长从低到高的顺序，所述检测耗费时长为采用所述检测项目对所述业务场景下采集的证件图像样本进行检测所耗费的时长。
3.根据权利要求2所述的证件图像采集方法，其特征在于，所述N个检测项目还包括：人脸检测、证件条纹码检测、边界检测、反光检测中的至少一种。
4.根据权利要求3所述的证件图像采集方法，其特征在于，所述N个检测项目中包括所述反光检测；
对所述证件图像进行所述反光检测，包括：
定位所述证件图像中参考特征的位置，根据P个指定区域各自与所述参考特征的相对位置，定位所述证件图像中所述P个指定区域，所述P为大于或等于1的整数；
分别确定每个所述指定区域的反光度，并根据每个所述指定区域的反光度，确定所述证件图像的反光检测结果。
5.根据权利要求4所述的证件图像采集方法，其特征在于，根据每个所述指定区域的反光度，确定所述证件图像的反光检测结果，包括：
分别针对每个所述指定区域进行以下处理：判断所述指定区域的反光度是否大于所述指定区域对应的反光度阈值，获得判断结果；
若每个所述指定区域的判断结果均为否，则确定所述证件图像的反光检测结果为通过，若至少有一个所述指定区域的判断结果为是，则确定所述证件图像的反光检测结果为不通过。
6.一种证件图像采集装置，其特征在于，包括：
确定模块，用于确定当前的业务场景，并在所述业务场景下采集获得证件图像；
获取模块，用于获取所述业务场景所对应的N个检测项目以及所述N个检测项目的顺序，所述N为大于1的整数；
检测模块，用于按照所述N个检测项目的顺序，依次对所述证件图像进行所述N个检测项目的检测，其中，在任一所述检测项目的检测结果为未通过时，确定所述证件图像采集失败，在所述N个检测项目的检测结果均为通过时，确定所述证件图像采集成功；所述N个检测项目中包括模糊度检测；对所述证件图像进行所述模糊度检测，包括：确定所述证件图像中的模糊度敏感区域；计算所述模糊度敏感区域的模糊度；判定所述模糊度敏感区域的模糊度不大于预设阈值后，定位所述证件图像中的Q个文字区域，其中，所述Q为大于或等于1的整数；依次判断所述Q个文字区域中的每个文字区域的模糊度是否大于所述文字区域所对应的模糊度阈值；若所述Q个文字区域中有至少一个文字区域所对应的判断结果为是，则确定所述证件图像的模糊度检测结果为不符合要求；若所述Q个文字区域所对应的判断结果均为否，则确定所述证件图像的模糊度检测结果为符合要求；确定所述证件图像中的模糊度敏感区域，包括：获取图像信息能够被正确识别的第一样本证件图像的集合；分别对所述第一样本证件图像的集合中的每个第一样本图像进行模糊度逐步加大的模糊处理，直至在所述第一样本证件图像中，识别出第一块模糊度大于所述预设阈值的区域，作为备选区域；统计每个所述备选区域出现的次数，将出现次数最多的备选区域作为所述模糊度敏感区域；或者，获取第二样本证件图像的集合；分别对所述第二样本证件图像的集合中的每个第二样本证件图像进行以下处理：对所述第二样本证件图像进行模糊度逐步加大的S级模糊处理，对证件中的T个识别字段中的每个识别字段，统计所述识别字段的模糊度大于所述预设阈值时，经历的模糊处理的次数，作为所述识别字段的模糊度容忍度，其中，所述S为大于或者等于1的整数，所述T为大于或者等于1的整数；分别针对每个所述识别字段进行以下处理：计算所述识别字段在各所述第二样本证件图像的模糊度容忍度的平均值，作为所述识别字段的平均模糊度容忍度；选取平均模糊度容忍度最小的所述识别字段，作为所述模糊度敏感区域。
7.一种电子设备，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，处理器、通信接口和存储器通过通信总线完成相互间的通信；
所述存储器，用于存储计算机程序；
所述处理器，用于执行所述存储器中所存储的程序，实现权利要求1至5任一项所述的证件图像采集方法。
8.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现1至5任一项所述的证件图像采集方法。
CN201911349138.1A 2019-12-24 2019-12-24 证件图像采集方法、装置、设备及存储介质 Active CN111126098B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911349138.1A CN111126098B (zh) 2019-12-24 2019-12-24 证件图像采集方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911349138.1A CN111126098B (zh) 2019-12-24 2019-12-24 证件图像采集方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111126098A CN111126098A (zh) 2020-05-08
CN111126098B true CN111126098B (zh) 2023-11-07

Family

ID=70501783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911349138.1A Active CN111126098B (zh) 2019-12-24 2019-12-24 证件图像采集方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111126098B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112163575B (zh) * 2020-09-23 2023-11-03 平安科技（深圳）有限公司 证件录入检测方法、装置、设备及存储介质
CN112333356B (zh) * 2020-10-09 2022-09-20 支付宝实验室(新加坡)有限公司 一种证件图像采集方法、装置和设备
CN112666182A (zh) * 2020-12-29 2021-04-16 苏州天准科技股份有限公司 柔性电路板用自动视觉检测方法及装置
CN113379713B (zh) * 2021-06-23 2024-02-09 京东科技信息技术有限公司 证件图像的检测方法及其装置
CN114677635B (zh) * 2022-05-30 2022-09-27 成都新希望金融信息有限公司 基于视频流的证件检测方法、***、电子设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262727A (zh) * 2011-06-24 2011-11-30 常州锐驰电子科技有限公司 客户采集终端人脸图像质量实时监控方法
CN102867179A (zh) * 2012-08-29 2013-01-09 广东铂亚信息技术股份有限公司 一种数字证件照片采集质量检测的方法
CN108133207A (zh) * 2017-11-24 2018-06-08 阿里巴巴集团控股有限公司 辅助物品的图像合规的方法、装置和电子设备
CN108648189A (zh) * 2018-05-15 2018-10-12 北京五八信息技术有限公司 图像模糊检测方法、装置、计算设备及可读存储介质
CN108875731A (zh) * 2017-12-28 2018-11-23 北京旷视科技有限公司 目标识别方法、装置、***及存储介质
CN108875452A (zh) * 2017-05-11 2018-11-23 北京旷视科技有限公司 人脸识别方法、装置、***和计算机可读介质
CN109063604A (zh) * 2018-07-16 2018-12-21 阿里巴巴集团控股有限公司 一种人脸识别方法及终端设备
CN110427909A (zh) * 2019-08-09 2019-11-08 杭州有盾网络科技有限公司 一种移动端驾驶证检测方法、***及电子设备和存储介质
CN110443237A (zh) * 2019-08-06 2019-11-12 北京旷视科技有限公司 证件识别方法、装置、电子设备及计算机可读存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102262727A (zh) * 2011-06-24 2011-11-30 常州锐驰电子科技有限公司 客户采集终端人脸图像质量实时监控方法
CN102867179A (zh) * 2012-08-29 2013-01-09 广东铂亚信息技术股份有限公司 一种数字证件照片采集质量检测的方法
CN108875452A (zh) * 2017-05-11 2018-11-23 北京旷视科技有限公司 人脸识别方法、装置、***和计算机可读介质
CN108133207A (zh) * 2017-11-24 2018-06-08 阿里巴巴集团控股有限公司 辅助物品的图像合规的方法、装置和电子设备
CN108875731A (zh) * 2017-12-28 2018-11-23 北京旷视科技有限公司 目标识别方法、装置、***及存储介质
CN108648189A (zh) * 2018-05-15 2018-10-12 北京五八信息技术有限公司 图像模糊检测方法、装置、计算设备及可读存储介质
CN109063604A (zh) * 2018-07-16 2018-12-21 阿里巴巴集团控股有限公司 一种人脸识别方法及终端设备
CN110443237A (zh) * 2019-08-06 2019-11-12 北京旷视科技有限公司 证件识别方法、装置、电子设备及计算机可读存储介质
CN110427909A (zh) * 2019-08-09 2019-11-08 杭州有盾网络科技有限公司 一种移动端驾驶证检测方法、***及电子设备和存储介质

Also Published As

Publication number Publication date
CN111126098A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
CN111126098B (zh) 证件图像采集方法、装置、设备及存储介质
US8724856B1 (en) Method, system and computer program for comparing images
CN107093066B (zh) 业务实现方法和装置
WO2020248387A1 (zh) 基于多路摄像的人脸识别方法、装置、终端及存储介质
WO2018166116A1 (zh) 车损识别方法、电子装置及计算机可读存储介质
US20130028502A1 (en) Systems and methods for mobile image capture and processing of checks
CN111046879B (zh) 证件图像分类方法、装置、计算机设备及可读存储介质
CN110516672A (zh) 卡证信息识别方法、装置及终端
CN110245573B (zh) 一种基于人脸识别的签到方法、装置及终端设备
CN108416343B (zh) 一种人脸图像识别方法及装置
CN111091126A (zh) 证件图像反光检测方法、装置、设备及存储介质
CN111178147B (zh) 屏幕破碎分级方法、装置、设备及计算机可读存储介质
CN110443237B (zh) 证件识别方法、装置、电子设备及计算机可读存储介质
JP2020170495A (ja) 単一画素攻撃サンプルの生成方法、装置、設備及び記憶媒体
CN111008623A (zh) 证件图像采集方法、装置、设备及存储介质
CN112487982A (zh) 商户信息的审核方法、***和存储介质
CN111178347B (zh) 证件图像的模糊度检测方法、装置、设备及存储介质
CN113379713B (zh) 证件图像的检测方法及其装置
CN108289176B (zh) 一种拍照搜题方法、搜题装置及终端设备
CN114820476A (zh) 基于合规性检测的身份证识别方法
CN113239339A (zh) 证件拍摄方法、装置、计算机设备及存储介质
CN111213156A (zh) 字符识别锐度确定
CN111008925A (zh) 证件水印的验证方法、装置、设备及存储介质
CN111767845B (zh) 证件识别方法及装置
CN111178346B (zh) 文字区域的定位方法、装置、设备及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: Jingdong Digital Technology Holding Co.,Ltd.

Address after: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant after: Jingdong Digital Technology Holding Co.,Ltd.

Address before: Room 221, 2 / F, block C, 18 Kechuang 11th Street, Daxing District, Beijing, 100176

Applicant before: JINGDONG DIGITAL TECHNOLOGY HOLDINGS Co.,Ltd.

GR01 Patent grant
GR01 Patent grant