CN114418948B 一种基于人工智能的证件质检系统及方法 （航天信息股份有限公司）

号A,2014.10.22A,2020.04.10A,2020.12.01A,2020.12.01本发明公开一种基于人工智能的证件质检未全部通过上述三项检测的证件输送至质检不2发证及翻页模块，用于将待质检的卡式证件输送至信打印信息识别模块，用于基于获取的证件图像获取所信息比对模块，用于对所述芯片信息、所述打印信息打印质量检测模块，用于基于获取的证件图像对通过所覆膜质量检测模块，用于基于获取的证件图像对通过所述打印收证模块，用于将未通过所述三者一致性检测、所述一证件质量检测方法实现所述打印质量检测和所述覆基于预构建的图像方向检测模型检测输入的目标证件根据所述目标文字的实际位置信息与预获取的所述目标文字的标准位置信息获取所若所述目标文字的打印偏移量超出预定的打印偏移量阈值基于预构建的图像语义分割模型检测输入的通过所述打印位置偏移检测的目标证件基于预构建的迁移分类模型检测输入的通过所述黑边及杂质检测的目标证件图像是基于预构建的目标检测网络模型检测输入的通过所述文字和人3第一相机模块，用于分别在所述白光光源、所述紫外光源和第二相机模块，用于分别在所述白光光源、所述紫外光源和证件回退模块，用于将通过所述覆膜质量检测的本式护照回退至所述发证及翻页模所述发证及翻页模块还用于将回退的本式护照从个人资料页翻至所述拍照模块还用于获取所述信息采集区内的本式护照所述打印信息识别模块还用于基于获取的签证页图像获取签所述信息比对模块还用于对所述签证页打印信息以及在先获取的所述本式护照的芯所述收证模块还用于将未通过所述四者一致性检测的本式护照输送至所述质检不合对所述标准打印图像和所述目标证件图像进行预处理及特根据提取到的所述标准打印图像的特征点和所述目标证件图像的特征点进行特征匹对所述形态学相减结果进行相似度检测和缺若检测到的相似度高于预定相似度阈值且计算出的缺陷面积小于预定的缺陷面积阈所述第三证件质量检测方法基于预构建的生成对抗网络解码器GD(z)，用于基于输入的所述特征向量z和目标证件的芯片信息获若所述特征向量z与所述特征向量z'的向量差超出预定的向量差阈值，则判断所述目4所述第四证件质量检测方法基于预构建的改进生成对抗网络所述改进生成对抗网络模型基于数据增强的方式进行训练，所述改进生将待质检的卡式证件输送至信息采集区，或者对待质检的本式证件基于获取的证件图像获取所述证件的打印信息和条码信息，基于获取的证件图像对通过所述三者一致性检测的证件进行打基于获取的证件图像对通过所述打印质量检测的证件进行覆将未通过所述三者一致性检测、所述打印质量检测或者所述覆膜将回退的本式护照从个人资料页翻至签证页，并将所述本式护对所述签证页打印信息以及在先获取的所述本式护照的芯片信息将未通过所述四者一致性检测的本式护照输送至所述质检不合56[0026]所述信息比对模块还用于对所述签证页打印信息以及在先获取的所述本式护照[0027]所述收证模块还用于将未通过所述四者一致性检测的本式护照输送至所述质检所述打印质量检测模块和所述覆膜质量检测模块共同基于边缘计算[0031]基于预构建的图像方向检测模型检测输入的目标证件图像的方向是否为正，若[0033]根据所述目标文字的实际位置信息与预获取的所述目标文字的标准位置信息获[0035]基于预构建的图像语义分割模型检测输入的通过所述打印位置偏移检测的目标[0036]基于预构建的迁移分类模型检测输入的通过所述黑边及杂质检测的目标证件图7[0042]根据提取到的所述标准打印图像的特征点和所述目标证件图像的特征点进行特[0044]若检测到的相似度高于预定相似度阈值且计算出的缺陷面积小于预定的缺陷面[0051]若所述特征向量z与所述特征向量z'的向8所述四者一致性检测的本式护照输送至所述质的证件的芯片信息；通过打印信息识别模块基于获取的证件图像获取所述证件的打印信[0076]本发明的基于人工智能的证件质检方法与上述基于人工智能的证件质检系统属[0079]图1示出了根据本发明的实施例的一种基于人工智能的证件质检系统的结构框9[0081]图3示出了根据本发明的实施例的另一种基于人工智能的证件质检系统的系统构[0104]所述信息比对模块还用于对所述签证页打印信息以及在先获取的所述本式护照[0105]所述收证模块还用于将未通过所述四者一致性检测的本式护照输送至所述质检[0114]基于预构建的图像方向检测模型检测输入的目标证件图像的方向是否为正，若[0116]根据所述目标文字的实际位置信息与预获取的所述目标文字的标准位置信息获[0118]基于预构建的图像语义分割模型检测输入的通过所述打印位置偏移检测的目标[0119]基于预构建的迁移分类模型检测输入的通过所述黑边及杂质检测的目标证件图[0126]3)对于证件质量检测：对于黑边和杂质类型的图片使用图像语义分割网络[0133]根据提取到的所述标准打印图像的特征点和所述目标证件图像的特征点进行特[0135]若检测到的相似度高于预定相似度阈值且计算出的缺陷面积小于预定的缺陷面[0145]若所述特征向量z与所述特征向量z'的向[0149]1)生成网络：由编码器GE(x)和解码器GD(z)构成，对于送入图像x经过编码器GE器GD(z)得到x的重构数据x'。[0166]4)从数据增强操作集里面选取2种数据增强操作对异常纹理图像A进行数据增一部分是SSIMloss(LSSIM)计算)映射Mo与图像I大小一致。判别子网络的损失Lseg主要使用平衡交叉熵函数(balancedcrossentropy)来增强异常分割的准[0179]Ma,M分别是判别子网络输出的异常分割图和数据集里面正确打标记(ground型的网络模型进行识别和检测。证件打印覆膜质量的质检功能的网络模型包括目标检测，检效率。使用自研的OCR和打印位置检测方法提高证件打印信息的核验能力。使用[0193]11)解决证件缺陷样本不易获取的问题，使用正常证件样本图像结合异常图像生一种基于人工智能的证件质检方法。图2示出了本发明实施例的基于人工智能的证件质检方法的实现流程图。参照图2，本发明实施例的基于人工智能的证件质检方法包括以下步[0200]S600、基于获取的证件图