下载本文档
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
基于深度学习的身份证二维码识别算法
随着计算机科学的发展和多段制应用的发展,身份快速识别技术越来越受到重视。传统的身份证识别方法主要有2种:一种是通过芯片扫描设备读取身份证内嵌芯片信息,该方法需要专用的芯片识别装置,成本较高,且便携性不足;另一种方法是手动登记,效率低下且容易出错。近几年来,模式识别理论以及图像处理技术的发展为利用光学图像实现证件识别奠定了理论基础,具备拍照功能的智能手机广泛使用为证件识别提供了硬件平台。基于光学摄像头图像处理及模式识别理论的光学字符识别(opticalcharacterrecognition,OCR)在社会生活的各个行业得到了广泛的使用,如车牌识别、扫码支付等。OCR在文字识别方面具有高速、高效、低成本的优势。人工神经网络是对动物神经网络的简单模仿,依靠系统的复杂程度,通过调整内部大量节点之间的相互连接关系,从而达到处理信息的目的,被广泛应用于语音分析、图像识别、数字水印、计算机视觉等很多领域,取得了许多突出的成果1编码编码的切割在实际应用中,我们可以通过设定拍摄窗口的方式获得身份证的整个版面信息,如图1(a)是自然拍摄得到的一个身份证图片。为了减少数据的处理量和提取身份证号码区域,将拍摄得到的RGB图片做灰度化处理。Ostu是一种常用的二值化方法,通过统计整个图像的直方图特性来实现全局阈值的自动选取,图像像素能够根据阈值被分成背景和目标2部分。图1(a)是自然拍摄得到的身份证照片,对其进行ostu运算后得到二值化图像如图1(b)所示。观察身份证可知号码行与其他信息部分之间有明显的间隔,可以通过对图1(b)进行投影统计法来提取身份证号码行内容。遍历二值化图片,将其黑色像素点往水平方向投影,统计每一行黑色像素点数目如图2(a)所示。观察图2(a)可知,最右侧的波柱对应着身份证号码行,可以通过设置阈值来实现对号码行的切割,最终切割效果如图2(b)所示。同理,将提取到的身份证号码行进行垂直方向的投影,统计每一列黑色像素点的数目,选取合适阈值即可获得每个数字的字符图片。一般而言,投影得到的数字图片高度是一致的,但是宽度并不一致。为了规范神经网络的输入,我们需要对其进行大小归一化。数字图片的宽高比例大概为3∶4,所以本文统一将图片归一化为宽15pix,高20pix(即15×20)大小。图片大小归一化的常用方法有双线性插值法、最近邻法、面积插值法等。本文使用线性插值法来归一化图片大小,双线性插值法工作如下:设原图高宽为heightX×widthY,原图像素坐标用(x,y)表示,要变换为高宽heightI×widthJ的目标图,目标图像素坐标用(i,j)表示,变换公式为对于目标图中的(i,j)点,通过式(1)可以找到在原图中对应的一个点(x,y),取点(x,y)十字方向上的4个点(x-1,y)、(x+1,y)、(x,y-1)和(x,y+1)的像素值来确定目标图中的(i,j)点的像素值。式中s2从简单特征中提取更复杂的特征深度学习是机器学习的一个分支,它除了可以学习特征和任务之间的关联之外,还能自动从简单特征中提取更复杂的特征。多层神经网络可以解决异或运算。文献2.1网络生成神经元的分类搭建神经网络一般采用分层结构,输入层作为第一层神经网络,该层的每一个输入神经元对应特征向量中每一个特征的取值,同层节点彼此独立没有任何连接,按照传递方向每层节点只与后一层节点连接直至到输出层。传递是有方向性进行的,传递路径不可逆。在输入层和输出层之间的神经网络叫做隐藏层。网络中所有的神经元具有完全相同的结构。图片识别问题的本质是图像分类本文通过自然拍摄687张身份证图片(包含0~9个数字和英文字符X),并对其做如第1章的切割处理,得到的像素宽高为15pix×20pix的二值化图片共12366张,将其中8280张图片作为训练集,其余4086张图片作为测试机,训练集和测试集图片相互独立、没有重叠。2.2化策略优化结合BP算法和梯度下降法来优化网络中参数的取值。参数调优是使用神经网络时最为关键的步骤之一,优化策略的优劣直接影响了网络最终的识别性能。梯度下降法能将单个参数更新迭代到局部最优值,反向传播算法给出了一个高效的方式能在所有参数上使用梯度下降算法用θ表示神经网络中的参数,J(θ)表示在参数为θ时网络模型在训练集上损失函数,则优化过程就是寻找一个参数θ,使得J(θ)最小。2.2.1过大的超参数会导致极优值被重塑学习率用来控制每次参数更新的幅度,参数更新公式为式中η表示学习率。学习率是训练神经网络最重要的超参数,如果η过大,则有可能导致参数在极优值的两侧来回震荡移动,更有甚者会不收敛;如果η过小,虽然保证网络收敛,但牺牲了优化速度。因此η的选取不能过大也不能过小,本文使用指数衰减法来设置学习率:式中:η是每一轮优化时所使用的学习率;η2.2.2网络过拟合问题的解决神经网络的训练并不是为了追求在训练集上有很好的表现,而是为了在测试未知样例时能有最好的表现。在训练时网络常会发生过拟合现象,通俗来讲就是网络“记住”了训练集中每一个随机噪声而忽略了根据趋势进行合理排除的能力常用正则化(regularization)来解决网络过拟合问题。正则化的思想是每一个网络参数(权重和偏置)都能对预测产生一点影响,而不是其中几个网络参数起决定作用。具体操作就是在优化时不是直接对J(θ)进行优化,而是对J(θ)+λR(w)进行优化。λ为参数惩罚系数,R(w)表示对网络参数的抑制惩罚。θ为神经网络参数集合(所有权重w和偏置b)。常用的惩罚函数R(w)有2种方式:L另一种减少过拟合的方式是dropout方法,dropout是一个同正则化完全不同的技术,与L通常对于同一批量训练样例,用不同神经元组合训练之后求输出的平均值可以减少过拟合,dropout利用这个原理在训练过程中对网络中的神经元按照一定的概率将其暂时从网络中丢弃,这样就相当于在不同的神经网络上进行训练,减少了层与层之间神经元的依赖性从而使得神经网络更加健壮。2.2.3神经网络的输出神经网络应用于分类时一般不直接输出结果为哪类,而是输出一个一维数组向量,向量的长度为类别个数。判断每一个样例分类网络就输出一个数组,数组中的每一个元素对应一个类别的得分。如果某个样本属于A类,那么此时网络的输出数组对应于A的元素应该为1,数组其余元素均为0。但是这样的输出在意义上很难直观理解,可以用softmax来优化分类。神经网络输出为y经过式(6)运算后,神经网络的输出数组变成了一个概率分布。能直观地看到一个样例为各个类别的概率是多大。采用交叉熵(crossentropy)评判输出向量和期望向量之间的接近程度式(7)的意义是通过概率分布q来表达概率分布p的困难程度。因为希望得到正确的结果,所以选取交叉熵作为神经网络的损失函数时,用p表示样例正确的分类标注,用q表示网络输出的预测值。交叉熵表示p、q越接近(即预测得越准确)。结合式(6)、(7),可以得到神经网络的损失函数为通过式(8)可以判断预测答案和真实答案之间的距离越小越好。3确定实验结果的比较为了验证本文算法识别性能,共设计3个实验进行验证。3.1knn模板匹配法识别结果根据我们切割算法及归一化处理可知。切割所得到的字符在15×20大小区域中位置相对固定,可使用模版匹配法来结合kNN算法来进行识别。kNN算法也叫最近邻法,算法的思想是,每个字符类各取n个有代表性的不同相态字符作为标准模版。待识别图片要进行识别时,将图片与模版里的每一张图片逐个像素点做灰度差值计算,求出2张图片的像素差值绝对之和。在所有模版选取出前k张(本文选取k=5)与待识别图片像素差值绝对值之和最小的图片,统计这k张图片属于哪一个字符类最多的即判断图片为该类,若图片所属类别样例数一样,则选排序在前的类别作为判断类别。如5张图片分别为(1,6,2,3,6),则判断图片为6;若为(2,7,4,X,1),则判断图片为2。表1为kNN模板匹配法识别结果表。kNN模版匹配法识别的正确性很大程度上依赖于标准模版的规模。标准模版规模越大,识别正确率越高,但是因为每一次识别时图片都要与模版库里面所有的图片做比较,模版库规模越大,识别所需时间越长。3.2神经网络的构建待识别图片大小为15×20=300个像素点,因此输入层神经元为300个,输出为11类,所以输出层为11个神经元。搭建一个3层全连接神经网络(输入层+掩藏层+输出层),采用2.2节的优化策略,隐藏层数目与正确率的关系如表2所示。搭建一个4层全连接神经网络,输入层和2个隐藏层神经元数目相同,每层都为300个,输出层神经元为11个,测试的正确率为99.40%。搭建一个5层的全连接神经网络(每层隐藏层神经元数目与输入层一致),测试集上测试正确率为99.38%,由此可判断多层全连接神经网络与3层全连接神经网络识别性能相当。3.3卷积层筛选和正确率分析卷积神经网络是一种深度前馈人工神经网络输入层→(卷积层+→池化层?)+→全连接层+“卷积层+”表示一层或多层卷积层;“池化层?”表示有或者没有池化层。在经过多轮卷积层和池化层之后,卷积神经网络在输出前一般会经过1~2个全连接层。实验所用为7层卷积网络(图6所示,不含输入层),使用了2个卷积层+池化层组合。第1层卷积层接收的输入层大小为15×20×1的原始文字灰度图片像素,第1个卷积层过滤器的尺寸为5×5,深度为32,使用全0填充,步长为1。第2层池化层,采用最大池化降采样,选择尺寸为2×2的过滤器,使用全0填充且移动步长为2。第3层卷积层,选取边长为5,深度为64的过滤器,移动的步长为1,使用全0填充。第4层池化层结构和第2层池化层结构一致。使用2.1节优化策略训练如图7。经过1200轮迭代训练,CNN网络在测试集上的识别正确率能达到99.96%。实验看到BP全连接神经网络和卷积神经网络的识别正确率相近,为了进一步比较2种网络的识别性能,对他们分别初始化训练5次,比较2个网络在5次训练中测试集上的识别正确率如表3。不使用优化策略,CNN连续进行5次的识别平均正确率为98.926%;采用优化算法后的网络识别性能提升了0.7%,健壮性更强。由图6可以看出随着训练次数的增加,网络的模型识别率也在稳步提高,没发生强过拟合现象。在识别用时上,识别4086张图片各模型用时如表4所示。图8是识别时错误识别的样本,左图实际为5,但网络识别为3;右图实际为6,被识别为0。观察图片可以发现,误判很大的原因在于拍摄时曝光不适导致提取字符时噪声过多,致使网络识
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 快消品企业销售经理业绩达成率考核表
- 建筑项目安全管理与质量控制绩效考核表
- 便利店食品冷藏存储规范指引
- 酒店客房服务质量与服务环境细节管理考核表
- 远程教育智能交互平台操作指引
- 申请组建跨部门危机处理小组函(4篇)
- 2026企业 AI 智能体研究报告:就绪度、落地现状与阻碍The Rise of Agentic AI From Experimentation to Enterprise Readiness
- 供应原材料合同签订通知函(4篇)
- 合作方2026年度预算调整事宜确认函(3篇)
- 电商节日营销流量放大方案手册
- 农村污水处理工程施工组织设计
- 雨课堂学堂在线学堂云《信息检索与科技写作( 理大)》单元测试考核答案
- 概念验证中心运营细则
- 期末考试质量分析报告写作模板
- 银行绿色信贷宣传课件
- 大学版画教学课件
- 食品生物技术专业教学标准(高等职业教育专科)2025修订
- 住院患者沐浴管理制度
- T/CADBM 51-2021室内装饰用竹木纤维集成墙板应用技术规程
- 妊娠合并下肢静脉血栓护理
- PowerSurfacing-威力曲面-中文教程
评论
0/150
提交评论