一种打标数据的收集方法、装置以及证件识别系统制造方法及图纸

本申请实施例公开了一种打标数据的收集方法、装置及证件识别系统，其中，方法包括：利用图像字符识别系统识别图片上的文本信息；验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，对所述图片进行切割，得到至少一个包含单个字符的单元图片；针对所述单元图片，利用与所述单元图片中包含的字符相对应的文本信息进行标记，得到所述单元图片的打标数据，所述打标数据包括：所述单元图片和所述单元图片的标记文本信息。因此，本发明专利技术是基于图像字符识别系统和可信数据源验证图片的真实性，通过对真实图片进行切割、标记以得到打标数据，整个过程不再需要人工参与，能够节省人工成本和时间成本，从而能够促进系统性能的改进和优化。

【技术实现步骤摘要】
一种打标数据的收集方法、装置以及证件识别系统
本申请涉及计算机应用领域，特别是涉及一种打标数据的收集方法、装置以及证件识别系统。
技术介绍
字符识别系统是指用于识别字符信息真假的系统，如身份证字符识别系统、营业执照字符识别系统、护照字符识别系统等。以身份证字符识别系统为例，该系统识别用户身份证图像中的关键信息，如姓名、身份证号码等字符，以验证用户身份证图像的真实性。字符识别系统主要依赖于字符识别算法来实现身份识别，因此字符识别算法的性能好坏直接影响到该系统的识别性能的高低，在实际操作中，常通过人工打标的方式来收集打标数据，利用打标数据训练得到更加准确的字符识别模型，优化该字符识别算法，使字符识别系统的性能更优。在训练过程中，打标数据越多、越真实，训练得到的字符识别模型的准确性越高、可靠性越高。目前，这种人工打标的方式，需要投入大量的人工成本和时间成本，打标数据的收集效率较低，从而限制了字符识别系统性能的优化。
技术实现思路
为了解决上述技术问题，本专利技术提供了一种打标数据的收集方法和装置，提供了线上、自动收集打标数据的方式，这种自动收集方式，能够节省人力成本和时间成本，能够促进字符识别系统的优化。另外，本专利技术还提供了一种证件识别系统，既能够实现对证件的识别，又能够实现打标数据的自动收集。本专利技术第一方面提供了一种打标数据的收集方法，所述方法包括：利用图像字符识别系统识别图片上的文本信息；验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，则对所述图片进行切割，得到至少一个包含单个字符的单元图片；针对所述单元图片，利用与所述单元图片中包含的字符相对应的文本信息进行标记，得到所述单元图片的打标数据，所述打标数据包括：所述单元图片和所述单元图片的标记文本信息。可选的，所述方法还包括：如果不一致，则计算所述文本信息与可信数据源的信息之间的相似度，并判断相似度是否落入预设的置信度区间；如果是，则转入执行所述步骤：对所述图片进行切割，得到至少一个包含单个字符的单元图片。可选的，所述方法还包括：保存所述打标数据，所述打标数据用作所述图像字符识别系统的机器识别模型的训练样本。可选的，在保存所述打标数据之前，所述方法还包括：对所述打标数据进行脱敏处理。可选的，对所述图片进行切割，得到至少一个包含单个字符的单元图片，包括：采用文本行定位算法定位所述图片中的文本区域；采用切字算法将文本区域切割成至少一个包含单个字符的单元图片。本专利技术第二方面提供了一种打标数据的收集装置，所述装置包括：识别单元，用于识别图片上的文本信息；验证单元，用于验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，触发分割单元；所述分割单元，用于对所述图片进行切割，得到至少一个包含单个字符的单元图片；标记单元，用于针对所述单元图片，利用与所述单元图片中包含的字符相对应的文本信息进行标记，得到所述单元图片的打标数据，所述打标数据包括：所述单元图片和所述单元图片的标记文本信息。可选的，所述装置还包括：计算单元；则所述验证单元在验证结果不一致时，触发所述计算单元；所述计算单元，用于计算所述文本信息与可信数据源的信息之间的相似度，并判断相似度是否落入预设的置信度区间；如果是，触发所述分割单元。可选的，所述装置还包括：保存单元，用于保存所述打标数据，所述打标数据用作所述识别单元的机器识别模型的训练样本。可选的，所述装置还包括：脱敏单元，用于对所述打标数据进行脱敏处理；则所述保存单元，具体用于保存所述脱敏单元脱敏处理后的打标数据。可选的，所述分割单元，包括：定位子单元，用于采用文本行定位算法定位所述图片中的文本区域；切割子单元，用于采用切字算法将文本区域切割成至少一个包含单个字符的单元图片。本专利技术第三方面提供了一种证件识别系统，所述系统包括：图像字符识别单元，用于识别待识别图片中的文本信息；信息验证单元，用于验证所述图像识别单元识别的文本信息与证件数据库中的信息是否一致，若一致，则验证所述待识别图片为真实图片；分割单元，用于对所述信息验证单元验证的真实图片进行切割，得到至少一个包含单个字符的单元图片；标记单元，用于针对所述单元图片，利用与该单元图片中包含的字符相对应的文本信息进行标记，得到打标数据，所述打标数据包括所述单元图片及所述单元图片的标记文本信息，所述打标数据用作所述图像字符识别单元的机器识别模型的训练样本。本专利技术提供的技术方案与现有技术相比，其具有如下有益效果：本专利技术提供的技术方案，利用图像字符识别系统识别图片上的文本信息；验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，表明图片上的文本信息是真实的，则对所述图片进行切割，得到至少一个包含单个字符的单元图片；这样，图像字符识别系统可以实时的、不间断的为后续打标数据的收集提供可靠的数据基础。然后针对所述单元图片，利用与所述单元图片中包含的字符相对应的文本信息进行标记，得到所述单元图片的打标数据，所述打标数据包括：所述单元图片和所述单元图片的标记文本信息。因此，本专利技术提供的技术方案基于图像字符识别系统和可信数据源验证图片的真实性，通过对这些真实图片进行切割、标记得到打标数据，整个过程不再需要人工参与，能够节省人工成本和时间成本，从而能够促进系统性能的改进和优化。附图说明为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，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是本专利技术提供的一种打标数据的收集方法实施例1的流程图；图2是本专利技术提供的打标数据的示意图；图3是本专利技术提供的一种打标数据的收集方法实施例2的流程图；图4是本专利技术提供的一种打标数据的收集装置实施例1的流程图；图5是本专利技术提供的一种打标数据的收集装置实施例2的结构图；图6是本专利技术提供的一种证件识别系统的结构图。具体实施方式为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请实施例进行详细描述。方法实施例请参阅图1，图1是本专利技术提供的一种打标数据的收集方法实施例1的流程图，该方法可以由用户机器来执行，例如个人的PC机，也可以由各种类型的网站服务器来执行，例如Web服务器，或者APP服务器。如图1所示该方法包括：步骤101：利用图像字符识别系统识别图片上的文本信息。步骤102：验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，执行步骤103-105。在本专利技术实施例中，图像字符识别系统是指用于识别图像上文本信息的系统，如身份证字符识别系统、营业执照字符识别系统、护照字符识别系统等。在本专利技术实施例中，可信数据源是指存储真实数据信息或已经过校验的数据信息的数据库，例如公安网等官方数据。如公安系网内储存用户身份证信息的数据库，或者，用于储存用户护照信息的数据库，或者，用于储存企业营业执照信息的数据库。为了便于解释说明，下文仅以身份证字符识别系统为例对本专利技术实施例进行示例性说明。举例说明：身份证字符识别系统根据不同的业务需求，可以识别用户身份证图片中不同的文本信息，如可以识别身份证图片上的姓名、身份证号、出生、民族、性别、住址、签本文档来自技高网...

【技术保护点】
一种打标数据的收集方法，其特征在于，所述方法包括：利用图像字符识别系统识别图片上的文本信息；验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，则对所述图片进行切割，得到至少一个包含单个字符的单元图片；针对所述单元图片，利用与所述单元图片中包含的字符相对应的文本信息进行标记，得到所述单元图片的打标数据，所述打标数据包括：所述单元图片和所述单元图片的标记文本信息。

【技术特征摘要】
1.一种打标数据的收集方法，其特征在于，所述方法包括：利用图像字符识别系统识别图片上的文本信息；验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，则对所述图片进行切割，得到至少一个包含单个字符的单元图片；针对所述单元图片，利用与所述单元图片中包含的字符相对应的文本信息进行标记，得到所述单元图片的打标数据，所述打标数据包括：所述单元图片和所述单元图片的标记文本信息。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：如果不一致，则计算所述文本信息与可信数据源的信息之间的相似度，并判断相似度是否落入预设的置信度区间；如果是，则转入执行所述步骤：对所述图片进行切割，得到至少一个包含单个字符的单元图片。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：保存所述打标数据，所述打标数据用作所述图像字符识别系统的机器识别模型的训练样本。4.根据权利要求3所述的方法，其特征在于，在保存所述打标数据之前，所述方法还包括：对所述打标数据进行脱敏处理。5.根据权利要求1所述的方法，其特征在于，对所述图片进行切割，得到至少一个包含单个字符的单元图片，包括：采用文本行定位算法定位所述图片中的文本区域；采用切字算法将文本区域切割成至少一个包含单个字符的单元图片。6.一种打标数据的收集装置，其特征在于，所述装置包括：识别单元，用于识别图片上的文本信息；验证单元，用于验证识别到的所述文本信息是否与可信数据源的信息一致；如果一致，触发分割单元；所述分割单元，用于对所述图片进行切割，得到至少一个包含单个字符的单元图片；标记单元，用于针对所述单元图片，利用与所述单元图片中包含的字符相对应...

【专利技术属性】
技术研发人员：方涛，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY