CN112801165B - 一种卡片审核方法及装置 - Google Patents
一种卡片审核方法及装置 Download PDFInfo
- Publication number
- CN112801165B CN112801165B CN202110090570.4A CN202110090570A CN112801165B CN 112801165 B CN112801165 B CN 112801165B CN 202110090570 A CN202110090570 A CN 202110090570A CN 112801165 B CN112801165 B CN 112801165B
- Authority
- CN
- China
- Prior art keywords
- image
- card
- detected
- determining
- checked
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000013461 design Methods 0.000 claims abstract description 11
- 238000012550 audit Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 2
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 15
- 238000010586 diagram Methods 0.000 description 15
- 229910052709 silver Inorganic materials 0.000 description 15
- 239000004332 silver Substances 0.000 description 15
- 230000006870 function Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供一种卡片审核方法及装置,该方法包括:获取待检测图像中各个元素的特征信息,其中待检测图像为采集待审核卡片的图像或根据送检方提供的待审核卡片的卡面设计图像得到的,特征信息包括尺寸信息和位置信息,构建待审核卡片的卡片类型对应的标准图像,然后根据标准图像中各个元素的特征信息和待检测图像中各个元素的特征信息,确定待审核卡片的审核结果,上述方法中,可以实现对待审核卡片的尺寸信息和位置信息等非语义信息进行审核,从而提高卡片审核的准确性。
Description
技术领域
本申请涉及卡片审核技术领域,尤其涉及一种卡片审核方法及装置。
背景技术
随着银行卡产业的发展和成熟,各种形式的实体卡片设计层出不穷。在当前推广流程中,主要通过人工审核的方式对各个发卡银行提交的卡面设计进行审核,但是人工审核的效率较低。
为了提高审核效率,目前可能使用的机器视觉算法,主要对银行卡的***、文字等语义信息进行识别,而对于银行卡的尺寸信息、卡面上的各个元素的标准位置信息等非语义信息如何识别并没有涉及。
因此,现在亟需一种卡片审核方法,可以实现对卡片上的非语义信息的审核。
发明内容
本发明实施例提供一种卡片审核方法及装置,可以实现对卡片上的非语义信息的审核,提高卡片审核的准确性。
第一方面,本发明实施例提供一种卡片审核方法,该方法包括:
获取待检测图像中各个元素的特征信息;待检测图像为采集待审核卡片的图像或根据送检方提供的待审核卡片的卡面设计图像得到的;特征信息包括尺寸信息和位置信息;
构建待审核卡片的卡片类型对应的标准图像;
根据标准图像中各个元素的特征信息和待检测图像中各个元素的特征信息,确定待审核卡片的审核结果。
上述方法中,获取待检测图像中各个元素的特征信息,其中特征信息包括尺寸信息和位置信息,构建待审核卡片的卡片类型对应的标准图像,然后根据标准图像中各个元素的特征信息和待检测图像中各个元素的特征信息,确定待审核卡片的审核结果,从而可以实现对待审核卡片的尺寸信息和位置信息等非语义信息进行审核,有助于提高审核准确性。
可选的,构建待审核卡片的类型对应的标准图像,包括:
从模板库包括的N个模板中获取每个模板的第一元素的元素图像;所述N为大于1的整数;
针对N个模板中每个模板的第一元素的元素图像,执行:将元素图像与待检测图像进行匹配,得到待检测图像中与元素图像的匹配程度最高的第一区域;每个模板对应一个第一区域,每个第一区域对应一个匹配值;
从N个第一区域中确定出匹配值最大的第一区域;
以匹配值最大的第一区域作为定位锚点,根据待审核卡片的类型、以及匹配值最大的第一区域的特征信息,构建待审核卡片的类型对应的标准图像。
上述方法中,各个卡片类型的模板中的第一元素的位置信息和尺寸信息固定,可以通过将模板中的第一元素的元素图像与待检测图像进行匹配,可以准确的定位待检测图像中的第一元素的位置,从而构建出适合验证待审核卡片的检测数据的标准图像,有助于提高审核的准确性。
可选的,将元素图像与待检测图像进行匹配,得到待检测图像中与元素图像的匹配程度最高的第一区域,包括:
将元素图像的最小外接矩形作为滑动窗口,遍历待检测图像中的所有区域,得到与最小外接矩形的特征信息匹配程度最高的区域;
将与最小外接矩形的特征信息匹配程度最高的区域,确定为待检测图像中与元素图像的匹配程度最高的第一区域。
上述方法中,以元素图像的最小外接矩形作为滑动窗口,遍历待检测图像中的所有区域,可以快速的得到待检测图像中与该元素图像匹配程度最高的区域。
可选的,获取待检测图像中各个元素的特征信息,包括:
对待检测图像进行处理,得到灰度图像;
根据灰度图像中沿长轴方向上的各像素点的灰度值、以及沿短轴方向上的各像素点的灰度值,确定待检测图像中的块状区域的特征信息;
检测待检测图像中的轮廓线,得到待审核卡片的轮廓线的特征信息。
上述方法中,待检测图像中的各个元素主要为块状区域和轮廓线,通过检测块状区域和轮廓线,可以准确的得到待检测图像中的各个元素的特征信息。
可选的,根据标准图像中各个元素的特征信息和待检测图像中各个元素的特征信息,确定待审核卡片的审核结果,包括:
针对标准图像中的每个元素,执行:
根据标准图像中元素的尺寸信息与待检测图像中元素的尺寸信息,确定元素的比例偏差;
根据标准图像中元素的位置信息与待检测图像中元素的位置信息,确定元素的位置偏差;
根据各个元素的比例偏差和各个元素的位置偏差,确定待审核卡片的审核结果。
上述方法中,通过确定各个元素的比例偏差和各个元素的位置偏差,可以实现通过量化的方式确定待审核卡片的审核结果。
可选的,根据各个元素的比例偏差和各个元素的位置偏差,确定待审核卡片的审核结果,包括:
若每个元素的比例偏差小于第一阈值,且每个元素的位置偏差小于第二阈值,则确定待审核卡片通过审核。
可选的,根据各个元素的比例偏差和各个元素的位置偏差,确定待审核卡片的审核结果,包括:
根据各个元素的偏差、以及各个元素对应的权重系数,确定待检测图像与标准图像的总偏差;
若总偏差小于第三阈值,则确定待审核卡片通过审核。
第二方面,本发明实施例提供一种卡片审核装置,该装置包括:
获取模块,用于获取待检测图像中各个元素的特征信息;所述待检测图像为采集待审核卡片的图像或根据送检方提供的待审核卡片的卡面设计图像得到的;所述特征信息包括尺寸信息和位置信息;
构建模块,用于构建所述待审核卡片的类型对应的标准图像;
确定模块,用于根据所述标准图像中各个元素的特征信息和所述待检测图像中各个元素的特征信息,确定所述待审核卡片的审核结果。
第三方面,本申请实施例还提供一种计算设备,包括:存储器,用于存储程序;处理器,用于调用所述存储器中存储的程序,按照获得的程序执行如第一方面的各种可能的设计中所述的方法。
第四方面,本申请实施例还提供一种计算机可读非易失性存储介质,包括计算机可读程序,当计算机读取并执行所述计算机可读程序时,使得计算机执行如第一方面的各种可能的设计中所述的方法。
本申请的这些实现方式或其他实现方式在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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为本发明实施例提供的一种卡片审核方法的流程示意图;
图2为本发明实施例提供的最小外接矩形示意图;
图3为本发明实施例提供的直角坐标系下的银行卡标准构建示意图;
图4为本发明实施例提供的银行卡在直角坐标系下的示意图;
图5为本发明实施例提供的直方图检测结果示意图;
图6为本发明实施例提供的待测直线示意图;
图7为本发明实施例提供的霍夫变换示意图;
图8为本发明实施例提供的卡片轮廓示意图;
图9为本发明实施例提供的一种卡片审核装置示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下文中所用的词语“示例性”的意思为“用作例子、实施例或说明性”。作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
文中的术语“第一”、“第二”仅用于描述目的,而不能理解为明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,在本发明实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的保护。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
以下对本发明实施例中的部分用语进行解释说明,以便于本领域技术人员理解。
最小外接矩形:是指以二维坐标表示的若干二维形状(例如点、直线、多边形)的最大范围,即以给定的二维形状各顶点中的最大横坐标、最小横坐标、最大纵坐标、最小纵坐标定下边界的矩形。这样的一个矩形包含给定的二维形状,且边与坐标轴平行。最小外接矩形是最小外接框(minimum bounding box)的二维形式。
像素点:是指在由一个数字序列表示的图像中的一个最小单位,也称为像素。像素是整个图像中不可分割的单位或者是元素。每一个点阵图像包含了一定量的像素,这些像素决定图像在屏幕上所呈现的大小。一张图片由很多的像素点组成。例如图片尺寸是500×338的,表示图片是由一个500×338的像素点矩阵构成的,这张图片的宽度是500个像素点的长度,高度是338个像素点的长度,共有500×338=149000个像素点。把鼠标放在一个图片上,这个时候会显示尺寸和大小,这里的尺寸就是像素。
为了解决相关技术中的技术问题,本发明实施例提供了一种卡片审核方法及装置。本发明实施例提供的卡片审核方法可以应用于银行卡识别场景、新设计的银行卡审核场景等。
图1示出了本发明一个实施例提供的卡片审核方法的流程图。该卡片审核方法可以由卡片审核装置执行,如图1所示,该方法包括如下步骤:
步骤101,获取待检测图像中各个元素的特征信息。
此处,待检测图像为采集待审核卡片的图像或根据送检方提供的待审核卡片的卡面设计图像得到的,具体实施中,可以采集待审核卡片的正面和反面中的任一面的图像得到的,也可以是采集正面和反两面的图像得到的。
本发明实施例中,待审核卡片可以包括但不限于银行卡、购物卡等,下文中以待审核卡片为银行卡为例进行说明。示例性的,银行卡上包括但不限于以下各个元素:芯片、磁条、***、姓名、卡片有效期、银联logo、发卡银行的名称、卡片的轮廓线等。
在步骤101中,特征信息包括尺寸信息和位置信息,将待检测图像置于直角坐标系XOY下,元素的位置信息可以采用该元素在待检测图像上的位置坐标表示,例如,以元素在待检测图像上的左上角的坐标表示。元素的尺寸信息可以采用元素在X轴的长度和在Y轴的长度表示。
如果元素的形状不是一个矩形,例如元素是一个圆角矩形,又例如元素为一个平行四边形,这种情况下可以采用元素的最小外接矩形的位置信息和尺寸信息作为元素的特征信息。以元素为银联logo为例,如图2所示,银联logo的位置信息可以采用银联logo的最小外接矩形(图2中虚线矩形框)左上角的A点坐标(x,y)表示。元素的尺寸信息可以采用银联logo的最小外接矩形(图2中虚线矩形框)在X轴的width和在Y轴的长度height表示。在该示例中,银联logo的特征信息可以表示为[(x,y),width,height]。
步骤102,构建待审核卡片的卡片类型对应的标准图像。
步骤103,根据标准图像中各个元素的特征信息和待检测图像中各个元素的特征信息,确定待审核卡片的审核结果。
需要说明的是,上述步骤101和步骤102可以不分先后顺序,可以步骤101在步骤102前,也可以步骤101在步骤102在前。
上述方法中,获取待检测图像中各个元素的特征信息,其中特征信息包括尺寸信息和位置信息,构建待审核卡片的卡片类型对应的标准图像,然后根据标准图像中各个元素的特征信息和待检测图像中各个元素的特征信息,确定待审核卡片的审核结果,从而可以实现对待审核卡片的尺寸信息和位置信息等非语义信息进行审核,有助于提高审核准确性。
具体实施中,卡片审核装置中存储有模板库,模板库中可以包括多种卡片类型的模板,每个卡片类型对应至少一个模板,以模板库中包括N个模板为例,N为大于1的整数。每个模板包括各个元素的位置和尺寸的标准,可以根据模板制作对应的卡片类型对应的标准图像。
上述步骤102中,构建待审核卡片的类型对应的标准图像,包括:从模板库包括的N个模板中获取每个模板的第一元素的元素图像;针对N个模板中每个模板的第一元素的元素图像,执行:将元素图像与待检测图像进行匹配,得到待检测图像中与元素图像的匹配程度最高的第一区域;每个模板对应一个第一区域,每个第一区域对应一个匹配值。从N个第一区域中确定出匹配值最大的第一区域;以匹配值最大的第一区域作为定位锚点,根据待审核卡片的类型、以及匹配值最大的第一区域的特征信息,构建待审核卡片的类型对应的标准图像。
本申请实施例中,第一元素可以是从各个卡片类型的模板中选取位置信息和尺寸信息都比较固定的元素,例如银行卡上的银联logo。
具体实施中,以第一元素为银联logo为例,银联logo图像的获取方式可以为从已有的标准Logo图像中截取图像,例如命名为Image1,分辨率选择为600*800。同时,可以使用图像金字塔(例如高斯金字塔)的插值方法,对Image1进行缩放操作,以便与待检测图像中的各个区域在尺寸维度上进行匹配,倍数分别取1/4倍,1倍,4倍。由于高斯核是线性核,所以使用高斯金字塔对图像进行模糊等操作不会引入其他的噪声。在其他一些实施例中,可以使用线性插值的方法,相对于图像金字塔的差值方式来说,可以提高计算速度。
在一个示例中,以待检测图像为银行卡图像,第一元素的元素图像为银联logo图像为例,以N取值为10为例,从10个模板中的每个模板中获取到银联logo图像,这样可以获取到模板1对应的银联logo图像、模板2对应的银联logo图像、……、模板N对应的银联logo图像等N个银联logo图像,将每个银联logo图像都与银行卡图像进行匹配,以模板1对应的银联logo图像与银行卡图像进行匹配为例来说明,银行卡图像存在多个区域,模板1对应的银联logo图像与银行卡图像上的所有的区域进行匹配,从匹配结果中确定出与模板1对应的银联logo图像的匹配程度最高的区域,即第一区域,同时得到模板1对应的银联logo图像与第一区域的匹配值。依此类推,得到与模板n对应的银联logo图像匹配程度最高的第一区域、以及模板n对应的银联logo图像与第一区域的匹配值,n取遍2至10。从得到的这10个第一区域中确定出匹配值最大的第一区域,这个匹配值最大的第一区域就可以看作是待检测图像中的第一元素所在的区域。然后以匹配值最大的第一区域作为定位锚点,根据待审核卡片的类型、以及匹配值最大的第一区域的特征信息,构建待审核卡片的类型对应的标准图像。
上述方法中,通过将模板中的第一元素的元素图像与待检测图像进行匹配,可以准确的定位待检测图像中的第一元素的位置,从而构建出适合验证待审核卡片的检测数据的标准图像,有助于提高审核的准确性。
基于上述实施例,将元素图像与待检测图像进行匹配,得到待检测图像中与元素图像的匹配程度最高的第一区域,包括:将元素图像的最小外接矩形作为滑动窗口,遍历待检测图像中的所有区域,得到与最小外接矩形的特征信息匹配程度最高的区域;将与最小外接矩形的特征信息匹配程度最高的区域,确定为待检测图像中与元素图像的匹配程度最高的第一区域。
例如,第一元素为银联logo,元素图像为银联logo图像,银联logo图像的最小外接矩形作为滑动窗口在银行卡图像上遍历,可以得到与该最小外接矩形匹配程度最高的区域,该最小外接矩形以图2中的虚线矩形框为例,这样第一区域可以为图2中的银联logo所在的区域。然后,使用待审核卡片的类型、A点的坐标信息(x,y)以及尺寸信息[width,height],确定该待审核卡片的类型所需要达到的标准图像的坐标和尺寸信息。如图3所示,以第一区域作为定位锚点,即以银联logo为定位锚点,根据所需要达到的标准图像的坐标和尺寸信息,重建银行卡的各个元素,从而构建待审核卡片的类型对应的标准图像。
上述方法中,以元素图像的最小外接矩形作为滑动窗口,遍历待检测图像中的所有区域,可以快速的得到待检测图像中与该元素图像匹配程度最高的区域。
具体实施过程中,步骤102中,获取待检测图像中各个元素的特征信息,包括:对待检测图像进行处理,得到灰度图像;根据灰度图像中沿长轴方向上的各像素点的灰度值、以及沿短轴方向上的各像素点的灰度值,确定待检测图像中的块状区域的特征信息;检测待检测图像中的轮廓线,得到待审核卡片的轮廓线的特征信息。
其中,对待检测图像进行处理,可以包括对待检测图像进行灰度化处理,得到灰度图像。可选的,还可以对待检测图像进行高斯滤波操作,以便去除待检测图像中的部分干扰像素点。
然后,可以采用直方图检测的方法检测块状区域。以待检测图像为银行卡图像为例,如图4所示,将该银行卡图像置于直角坐标系XOY下,沿长轴方向可以为图4中的X轴方向,沿短轴方向可以为图4中的Y轴方向。需要说明的是,银行卡在X轴方向的长度又可以看作上文中的width,银行卡在Y轴方向的长度又可以看作上文中的height。
绘制银行卡图像在Y轴方向上各个像素点的像素值之和Sum函数的曲线,如图5所示的直方图检测结果,即绘制在Y轴方向上各个像素点的像素值之和Sum函数的曲线,图5中的X轴上数值表示图4中银行卡图像沿Y轴方向的尺寸范围0-260,图5的Y轴上数值表示尺寸范围中的任一值对应的灰度值之和。从图5中截取峰值的起点和终点投影到X轴上的值,可以确定出图4中的银行卡磁条在Y轴的位置和height值。
同样的,绘制银行卡图像在X轴方向上各个像素点的像素值之和Sum函数的曲线,然后可以确定出图4中的银行卡磁条在x轴的位置和width值。
通过上述示例,可以得到待检测图像的块状区域的特征信息。
对于银行卡的尺寸,可以使用霍夫直线检测的方法确定,霍夫变换算法通过一种投票算法在图像中寻找具有特定形状的目标。霍夫变换算法在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。需要检测直线时,为了对所有直线进行一般表示,使用极坐标系,从而极坐标系表示图上的每一个点将是一系列不同初相、幅度,且周期均为的正弦曲线,所有正弦曲线交点处的将代表x-y空间中的这条直线。示例的,例如将图6中的白色直线进行霍夫变换后获得如图7所示的图像,其中的交点即为图6中标定的白色直线。
如图8所示,在采用霍夫变换算法检测出银行卡的轮廓直线之后,我们将最长的直线延长获取交点,以交点的坐标位置来确认位置信息。
通过上述方法,可以完成对于待检测图像上的例如卡片的尺寸、芯片、磁条、轮廓线等规则图形的测定,获取真实的待审核卡片的各个元素的特征信息。
上述方法中,待检测图像中的各个元素主要为块状区域和轮廓线,通过检测块状区域和轮廓线,可以准确的得到待检测图像中的各个元素的特征信息。
具体实施过程中,步骤103中,根据标准图像中各个元素的特征信息和待检测图像中各个元素的特征信息,确定待审核卡片的审核结果,包括:针对标准图像中的每个元素,执行:根据标准图像中元素的尺寸信息与待检测图像中元素的尺寸信息,确定元素的比例偏差;根据标准图像中元素的位置信息与待检测图像中元素的位置信息,确定元素的位置偏差;根据各个元素的比例偏差和各个元素的位置偏差,确定待审核卡片的审核结果。
上述方法中,通过确定各个元素的比例偏差和各个元素的位置偏差,可以实现通过量化的方式确定待审核卡片的审核结果。
基于上述实施例,根据各个元素的比例偏差和各个元素的位置偏差,确定待审核卡片的审核结果,可以有多种实现方式。
作为一种可能的实现方式,若每个元素的比例偏差小于第一阈值,且每个元素的位置偏差小于第二阈值,则确定待审核卡片通过审核。若每个元素的比例偏差大于或等于第一阈值,或者,每个元素的位置偏差大于或等于第二阈值,则确定待审核卡片未通过审核。
示例性的,每个元素以最小外接矩形的形式来测定坐标偏差,待检测图像中每个元素的对应的特征信息为[(x,y),w,h],标准图像中每个元素的特征信息为[(X,Y),W,H]。二者之间的偏差值的计算主要包括两部分,尺寸中心点(即最小外接矩形的左上角的坐标点)的偏差和尺寸比例的偏差。其中,中心点的偏差直接根据曼哈顿距离进行,尺寸比例的偏差取两者差值的平均值。
每个元素的偏差定义为:位置偏差、比例偏差两部分,其中,位置偏差为|x-X|,|y-Y|,比例偏差为w/h–W/H。|x-X|,|y-Y|,w/h–W/H这三个偏差值中有任何值一个大于0,则将该偏差值P置为0,反之则置为1,从而保证有图上该元素的位置和比例发生偏差时均能得到验证反馈。
作为另一种可能的实现方式,根据各个元素的偏差、以及各个元素对应的权重系数,确定待检测图像与标准图像的总偏差;若总偏差小于第三阈值,则确定待审核卡片通过审核。若总偏差大于或等于第三阈值,则确定待审核卡片未通过审核。
以待检测图像包括区芯片、Logo区、卡尺寸、卡尺寸等四个元素为例,根据不同的卡片类型,将这四个元素分别配置不同的权重。作为一个示例,根据卡型的不同,w的值可以取0和1,如果当前卡片类型设计有该元素,则置为1,反之则置为0。
示例性的,设定四个元素的偏差分别为:芯片区偏差P1、Logo区偏差P2,卡尺寸偏差P3以及卡尺寸偏差P4,四个元素对应的权重分别为w_1,w_2,w_3,w_4,计算总偏差为P=w_1*P1+w_2*P2+w_3*P3+w_4*P4。
上述方法中,通过确定各个元素的比例偏差和各个元素的位置偏差,可以实现通过量化的方式确定待审核卡片的审核结果。
下述为本发明装置实施例,对于装置实施例中未详尽描述的细节,可以参考上述一一对应的方法实施例。
基于同样的构思,本发明实施例提供一种卡片审核装置,图9为本申请实施例提供的一种卡片审核装置示意图,如图9示,包括:
获取模块901,用于获取待检测图像中各个元素的特征信息;待检测图像为采集待审核卡片的图像或根据送检方提供的待审核卡片的卡面设计图像得到的;特征信息包括尺寸信息和位置信息;
构建模块902,用于构建待审核卡片的卡片类型对应的标准图像;
确定模块903,用于根据标准图像中各个元素的特征信息和待检测图像中各个元素的特征信息,确定待审核卡片的审核结果。
可选的,构建模块902,具体用于:
从模板库包括的N个模板中获取每个模板的第一元素的元素图像;N为大于1的整数;
针对N个模板中每个模板的第一元素的元素图像,执行:将元素图像与待检测图像进行匹配,得到待检测图像中与元素图像的匹配程度最高的第一区域;每个模板对应一个第一区域,每个第一区域对应一个匹配值;
从N个第一区域中确定出匹配值最大的第一区域;
以匹配值最大的第一区域作为定位锚点,根据待审核卡片的类型、以及匹配值最大的第一区域的特征信息,构建待审核卡片的类型对应的标准图像。
可选的,构建模块902,具体用于:将元素图像的最小外接矩形作为滑动窗口,遍历待检测图像中的所有区域,得到与最小外接矩形的特征信息匹配程度最高的区域;
将与最小外接矩形的特征信息匹配程度最高的区域,确定为待检测图像中与元素图像的匹配程度最高的第一区域。
可选的,获取模块901,具体用于:
对待检测图像进行处理,得到灰度图像;
根据灰度图像中沿长轴方向上的各像素点的灰度值、以及沿短轴方向上的各像素点的灰度值,确定待检测图像中的块状区域的特征信息;
检测待检测图像中的轮廓线,得到待审核卡片的轮廓线的特征信息。
可选的,确定模块903,具体用于:
针对标准图像中的每个元素,执行:
根据标准图像中元素的尺寸信息与待检测图像中元素的尺寸信息,确定元素的比例偏差;
根据标准图像中元素的位置信息与待检测图像中元素的位置信息,确定元素的位置偏差;
根据各个元素的比例偏差和各个元素的位置偏差,确定待审核卡片的审核结果。
可选的,确定模块903,具体用于:
若每个元素的比例偏差小于第一阈值,且每个元素的位置偏差小于第二阈值,则确定待审核卡片通过审核。
可选的,确定模块903,具体用于:
根据各个元素的偏差、以及各个元素对应的权重系数,确定待检测图像与标准图像的总偏差;
若总偏差小于第三阈值,则确定待审核卡片通过审核。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种卡片审核的方法,其特征在于,包括:
获取待检测图像中各个元素的特征信息;所述待检测图像为采集待审核卡片的图像或根据送检方提供的待审核卡片的卡面设计图像得到的;所述特征信息包括尺寸信息和位置信息;
构建所述待审核卡片的卡片类型对应的标准图像;
根据所述标准图像中各个元素的特征信息和所述待检测图像中各个元素的特征信息,确定所述待审核卡片的审核结果;
其中,所述构建待审核卡片的类型对应的标准图像,包括:
从模板库包括的N个模板中获取每个模板的第一元素的元素图像;所述N为大于1的整数;
针对N个模板中每个模板的第一元素的元素图像,执行:将所述元素图像与所述待检测图像进行匹配,得到所述待检测图像中与所述元素图像的匹配程度最高的第一区域;每个模板对应一个第一区域,每个第一区域对应一个匹配值;
从N个第一区域中确定出匹配值最大的第一区域;
以所述匹配值最大的第一区域作为定位锚点,根据所述待审核卡片的类型、以及所述匹配值最大的第一区域的特征信息,构建所述待审核卡片的类型对应的标准图像。
2.根据权利要求1所述的方法,其特征在于,所述将所述元素图像与所述待检测图像进行匹配,得到所述待检测图像中与所述元素图像的匹配程度最高的第一区域,包括:
将所述元素图像的最小外接矩形作为滑动窗口,遍历所述待检测图像中的所有区域,得到与所述最小外接矩形的特征信息匹配程度最高的区域;
将与所述最小外接矩形的特征信息匹配程度最高的区域,确定为所述待检测图像中与所述元素图像的匹配程度最高的第一区域。
3.根据权利要求1-2任一项所述的方法,其特征在于,所述获取待检测图像中各个元素的特征信息,包括:
对所述待检测图像进行处理,得到灰度图像;
根据所述灰度图像中沿长轴方向上的各像素点的灰度值、以及沿短轴方向上的各像素点的灰度值,确定所述待检测图像中的块状区域的特征信息;
检测所述待检测图像中的轮廓线,得到所述待审核卡片的轮廓线的特征信息。
4.根据权利要求3所述的方法,其特征在于,根据所述标准图像中各个元素的特征信息和所述待检测图像中各个元素的特征信息,确定所述待审核卡片的审核结果,包括:
针对所述标准图像中的每个元素,执行:
根据所述标准图像中所述元素的尺寸信息与所述待检测图像中所述元素的尺寸信息,确定所述元素的比例偏差;
根据所述标准图像中所述元素的位置信息与所述待检测图像中所述元素的位置信息,确定所述元素的位置偏差;
根据各个所述元素的比例偏差和各个所述元素的位置偏差,确定所述待审核卡片的审核结果。
5.根据权利要求4所述的方法,其特征在于,所述根据各个所述元素的比例偏差和各个所述元素的位置偏差,确定所述待审核卡片的审核结果,包括:
若每个所述元素的比例偏差小于第一阈值,且每个所述元素的位置偏差小于第二阈值,则确定所述待审核卡片通过审核。
6.根据权利要求4所述的方法,其特征在于,所述根据各个所述元素的比例偏差和各个所述元素的位置偏差,确定所述待审核卡片的审核结果,包括:
根据各个元素的偏差、以及各个元素对应的权重系数,确定所述待检测图像与所述标准图像的总偏差;
若所述总偏差小于第三阈值,则确定所述待审核卡片通过审核。
7.一种卡片审核装置,其特征在于,包括:
获取模块,用于获取待检测图像中各个元素的特征信息;所述待检测图像为采集待审核卡片的图像或根据送检方提供的待审核卡片的卡面设计图像得到的;所述特征信息包括尺寸信息和位置信息;
构建模块,用于构建所述待审核卡片的卡片类型对应的标准图像;
确定模块,用于根据所述标准图像中各个元素的特征信息和所述待检测图像中各个元素的特征信息,确定所述待审核卡片的审核结果;
其中,所述构建待审核卡片的类型对应的标准图像,包括:
从模板库包括的N个模板中获取每个模板的第一元素的元素图像;所述N为大于1的整数;
针对N个模板中每个模板的第一元素的元素图像,执行:将所述元素图像与所述待检测图像进行匹配,得到所述待检测图像中与所述元素图像的匹配程度最高的第一区域;每个模板对应一个第一区域,每个第一区域对应一个匹配值;
从N个第一区域中确定出匹配值最大的第一区域;
以所述匹配值最大的第一区域作为定位锚点,根据所述待审核卡片的类型、以及所述匹配值最大的第一区域的特征信息,构建所述待审核卡片的类型对应的标准图像。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有程序,当所述程序在计算机上运行时,使得计算机实现执行权利要求1至6中任一项所述的方法。
9.一种计算机设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于调用所述存储器中存储的计算机程序,按照获得的程序执行如权利要求1至6任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110090570.4A CN112801165B (zh) | 2021-01-22 | 2021-01-22 | 一种卡片审核方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110090570.4A CN112801165B (zh) | 2021-01-22 | 2021-01-22 | 一种卡片审核方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801165A CN112801165A (zh) | 2021-05-14 |
CN112801165B true CN112801165B (zh) | 2024-03-22 |
Family
ID=75811300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110090570.4A Active CN112801165B (zh) | 2021-01-22 | 2021-01-22 | 一种卡片审核方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801165B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113792267B (zh) * | 2021-08-09 | 2023-03-14 | 中国人民银行数字货币研究所 | 一种支付机构卡面图片数字版权审核的方法和装置 |
CN116242843A (zh) * | 2023-01-17 | 2023-06-09 | 深圳职业技术学院 | 一种纸盒包装的缺陷检测方法、终端及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19539801A1 (de) * | 1995-10-26 | 1997-04-30 | Ibm | Überwachung von Transaktionen mit Chipkarten |
KR101660476B1 (ko) * | 2015-11-19 | 2016-10-14 | 권해원 | 인쇄 결제카드에서 결제 정보를 인식하는 방법 |
CN108510036A (zh) * | 2018-03-27 | 2018-09-07 | 武汉天喻信息产业股份有限公司 | 一种基于参数化的卡面图像生成方法 |
CN110674819A (zh) * | 2019-12-03 | 2020-01-10 | 捷德(中国)信息科技有限公司 | 卡面图片检测方法、装置、设备及存储介质 |
CN110674818A (zh) * | 2019-12-03 | 2020-01-10 | 捷德(中国)信息科技有限公司 | 卡面检测的方法、装置、设备和介质 |
CN111199240A (zh) * | 2018-11-16 | 2020-05-26 | 马上消费金融股份有限公司 | 银行卡识别模型的训练方法、银行卡识别方法以及装置 |
CN111415243A (zh) * | 2020-03-24 | 2020-07-14 | 支付宝(杭州)信息技术有限公司 | 辅助国际银行卡审核的方法及其装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11049372B2 (en) * | 2007-06-13 | 2021-06-29 | CPI Card Group—Colorado, Inc. | System and methods for generating user interfaces for custom card design session |
-
2021
- 2021-01-22 CN CN202110090570.4A patent/CN112801165B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19539801A1 (de) * | 1995-10-26 | 1997-04-30 | Ibm | Überwachung von Transaktionen mit Chipkarten |
KR101660476B1 (ko) * | 2015-11-19 | 2016-10-14 | 권해원 | 인쇄 결제카드에서 결제 정보를 인식하는 방법 |
CN108510036A (zh) * | 2018-03-27 | 2018-09-07 | 武汉天喻信息产业股份有限公司 | 一种基于参数化的卡面图像生成方法 |
CN111199240A (zh) * | 2018-11-16 | 2020-05-26 | 马上消费金融股份有限公司 | 银行卡识别模型的训练方法、银行卡识别方法以及装置 |
CN110674819A (zh) * | 2019-12-03 | 2020-01-10 | 捷德(中国)信息科技有限公司 | 卡面图片检测方法、装置、设备及存储介质 |
CN110674818A (zh) * | 2019-12-03 | 2020-01-10 | 捷德(中国)信息科技有限公司 | 卡面检测的方法、装置、设备和介质 |
CN111415243A (zh) * | 2020-03-24 | 2020-07-14 | 支付宝(杭州)信息技术有限公司 | 辅助国际银行卡审核的方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112801165A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112801165B (zh) | 一种卡片审核方法及装置 | |
US20090245638A1 (en) | Method And Apparatus For Region-Based Segmentation Image Processing Using Region Mapping | |
EP1944731A2 (en) | Method and apparatus for detecting objects in an image | |
CN101147159A (zh) | 利用统计模板匹配进行对象检测的快速方法 | |
CN105894521A (zh) | 基于高斯拟合的亚像素边缘检测方法 | |
CN111222507B (zh) | 数字式仪表读数的自动识别方法、计算机可读存储介质 | |
JP3078166B2 (ja) | 物体認識方法 | |
EP4131177A1 (en) | Imaging system and method using a multi-layer model approach to provide robust object detection | |
CN110135288B (zh) | 一种电子证照的快速核对方法及装置 | |
US6813377B1 (en) | Methods and apparatuses for generating a model of an object from an image of the object | |
CN112233104B (zh) | 实时位移场和应变场检测方法、***、装置和存储介质 | |
CN107480710B (zh) | 特征点匹配结果处理方法和装置 | |
CN107566826B (zh) | 栅格图像处理器的测试方法及装置 | |
US20220351532A1 (en) | Method for detecting fraud in documents | |
Bogacz et al. | Homogenization of 2d & 3d document formats for cuneiform script analysis | |
US7379599B1 (en) | Model based object recognition method using a texture engine | |
US11978197B2 (en) | Inspection method for inspecting an object and machine vision system | |
CN115393172A (zh) | 基于gpu实时提取光条纹中心的方法及设备 | |
JPWO2010113217A1 (ja) | 文字認識装置及び文字認識方法 | |
Sitnik et al. | Segmentation of unsorted cloud of points data from full field optical measurement for metrological validation | |
JPH08502376A (ja) | エンティティの真実性の確認 | |
Mara | Made in the humanities: Dual integral invariants for efficient edge detection | |
JP2004102402A (ja) | 区画データ作成方法、装置 | |
CN117496499B (zh) | 3d结构光成像中虚假深度边缘的识别和补偿方法、*** | |
Basavaraj et al. | Real Time Object Distance and Dimension Measurement using Deep Learning and OpenCV |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |