预测模型构建方法、装置、系统及银行卡卡号识别方法制造方法及图纸

本发明专利技术公开一种预测模型构建方法、装置、系统及银行卡卡号识别方法，属于计算机技术领域。预测模型构建方法包括：获取银行卡的银行卡样本图像并对银行卡样本图像进行计算处理以得到候选区域；将银行卡样本图像以及候选区域输入一Fast‑R‑CNN模型，根据预设的分类标签、与分类标签对应的回归位置以及Fast‑R‑CNN模型输出的分类预测结果、与分类预测结果对应的回归位置预测结果对Fast‑R‑CNN模型进行训练，将训练后的Fast‑R‑CNN模型确定为预测模型。本发明专利技术不同于大多数OCR的方法，无需额外进行字符分割、图像处理等工作，是一种端到端的方法，可以避免图像切割等过程带来的识别误差。

Prediction model construction method, device, system and bank card number identification method

【技术实现步骤摘要】
预测模型构建方法、装置、系统及银行卡卡号识别方法
本专利技术属于计算机
，尤其涉及一种预测模型构建方法、装置、系统及银行卡卡号识别方法。
技术介绍
线上支付已经成为大多数人的首选，而很多具有支付功能的金融机构APP会需要用户绑定银行卡。手动地输入银行卡号在用户体验上并不是最优，而银行卡光学字符识别(OpticalCharacterRecognition，以下简称OCR)功能能提供给用户一个快捷、方便的输入银行卡卡号的功能，用户只需要对着银行卡进行扫描，即可自动识别卡号，很好的提升了用户体验。然而，传统的OCR的方法，通常都需要预先进行字符分割及图像处理工作，获得的银行卡卡号受到银行卡组织标记四边形、相对位置等限制，容易被图像分割等过程影响从而造成识别误差。
技术实现思路
为了解决现有技术的问题，本专利技术提出一种预测模型构建方法、装置、系统及银行卡卡号识别方法，本专利技术不同于大多数OCR的方法，无需额外进行字符分割、图像处理等工作，是一种端到端的方法，可以避免图像切割等过程带来的识别误差。本专利技术实施例提供的具体技术方案如下：第一方面，本专利技术提供一种预测模型构建方法，所述方法包括：获取银行卡的银行卡样本图像并对所述银行卡样本图像进行计算处理以得到候选区域；将所述银行卡样本图像以及候选区域输入一Fast-R-CNN模型，根据预设的分类标签、与所述分类标签对应的回归位置以及所述Fast-R-CNN模型输出的分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行训练，将训练后的Fast-R-CNN模型确定为预测模型。在一些实施例中，将所述银行卡样本图像以及候选区域输入一Fast-R-CNN模型，根据预设的分类标签、与所述分类标签对应的回归位置以及所述Fast-R-CNN模型输出的分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行训练，将训练后的Fast-R-CNN模型确定为预测模型具体包括：提取输入的所述银行卡样本图像的特征以得到特征图像；将输入的所述候选区域映射至所述特征图像上并对所述候选区域进行池化，得到固定大小的候选区域的特征图像；对所述候选区域的特征图像进行分类及回归预测，得到分类预测结果、与所述分类预测结果对应的回归位置预测结果；根据预设的分类标签、与所述分类标签对应的回归位置以及所述分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行更新，将更新后的Fast-R-CNN模型确定为预测模型。在一些实施例中，提取输入的所述银行卡的银行卡样本图像的特征以得到特征图像包括：提取输入的所述银行卡样本图像的特征，结合上下文特征信息，对所述银行卡样本图像的特征进行特征增强以得到特征图像。在一些实施例中，所述方法还包括：对所述银行卡的银行卡样本图像进行去均值处理。第二方面，本专利技术提供一种银行卡卡号识别方法，所述方法包括：获取待识别银行卡的银行卡图像并对所述银行卡图像进行计算处理以得到候选区域；将所述银行卡图像和候选区域输入至所述预测模型，预测得到待识别银行卡的银行卡卡号以及所述银行卡卡号的位置。第三方面，本专利技术提供一种预测模型构建装置，所述装置包括：获取模块，用于获取银行卡的银行卡样本图像并对所述银行卡样本图像进行计算处理以得到候选区域；建模模块，用于将所述银行卡样本图像以及候选区域输入一Fast-R-CNN模型，根据预设的分类标签、与所述分类标签对应的回归位置以及所述Fast-R-CNN模型输出的分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行训练，将训练后的Fast-R-CNN模型确定为银行卡卡号识别模型。在一些实施例中，所述建模模块包括：特征提取模块：提取输入的所述银行卡的银行卡样本图像的特征以得到特征图像；将输入的所述候选区域映射至所述特征图像上并对所述候选区域进行池化，得到固定大小的候选区域的特征图像；分类与边界回归模块，用于对所述候选区域的特征图像进行分类及回归预测，得到分类预测结果、与所述分类预测结果对应的回归位置预测结果；模型更新模块，用于根据预设的分类标签、与所述分类标签对应的回归位置以及所述分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行更新，将更新后的Fast-R-CNN模型确定为银行卡卡号识别模型。在一些实施例中，所述特征提取模块还用于提取输入的所述银行卡的银行卡样本图像的特征，结合上下文特征信息，对所述银行卡样本图像的特征进行特征增强以得到特征图像。在一些实施例中，所述装置还包括：处理模块，用于对所述银行卡的银行卡样本图像进行去均值处理。第四方面，本专利技术提供一种计算机系统，包括：一个或多个处理器；以及与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：获取银行卡的银行卡样本图像并对所述银行卡样本图像进行计算处理以得到候选区域；将所述银行卡样本图像以及候选区域输入一Fast-R-CNN模型，根据预设的分类标签、与所述分类标签对应的回归位置以及所述Fast-R-CNN模型输出的分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行训练，将训练后的Fast-R-CNN模型确定为预测模型。本专利技术提出了一种预测模型构建方法、装置、系统及银行卡卡号识别方法，其中，构建预测模型时，只需获取银行卡的银行卡样本图像并结合目标检测方法的思想，即能完成预测模型的构建，利用本专利技术中的预测模型可以快速进行银行卡卡号及卡号所处位置的预测，是一种端到端的识别方法，无需对银行卡进行字符分割、图像处理等工作，因而也不受银行卡组织标识、四边形、相对位置等限制，同时还能避免图像切割等可能带来的识别误差。附图说明为了更清楚地说明本专利技术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单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是一个实施例中一种预测模型构建方法的应用环境图；图2是一个实施例中一种预测模型构建方法的流程示意图；图3是一个实施例中将银行卡样本图像以及候选区域输入一模型，根据预设的分类标签、与分类标签对应的回归位置以及Fast-R-CNN模型输出的分类预测结果、与分类预测结果对应的回归位置预测结果对Fast-R-CNN模型进行训练步骤的流程示意图；图4是一个实施例中一种银行卡卡号识别方法的流程示意图；图5是一个实施例中一种预测模型构建装置结构框图；图6是一个实施例中计算机系统的内部结构图。具体实施方本文档来自技高网...

【技术保护点】
1.一种预测模型构建方法，其特征在于，所述方法包括：/n获取银行卡的银行卡样本图像并对所述银行卡样本图像进行计算处理以得到候选区域；/n将所述银行卡样本图像以及候选区域输入一Fast-R-CNN模型，根据预设的分类标签、与所述分类标签对应的回归位置以及所述Fast-R-CNN模型输出的分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行训练，将训练后的Fast-R-CNN模型确定为预测模型。/n

【技术特征摘要】
1.一种预测模型构建方法，其特征在于，所述方法包括：
获取银行卡的银行卡样本图像并对所述银行卡样本图像进行计算处理以得到候选区域；
将所述银行卡样本图像以及候选区域输入一Fast-R-CNN模型，根据预设的分类标签、与所述分类标签对应的回归位置以及所述Fast-R-CNN模型输出的分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行训练，将训练后的Fast-R-CNN模型确定为预测模型。


2.根据权利要求1所述的方法，其特征在于，将所述银行卡样本图像以及候选区域输入一Fast-R-CNN模型，根据预设的分类标签、与所述分类标签对应的回归位置以及所述Fast-R-CNN模型输出的分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行训练，将训练后的Fast-R-CNN模型确定为预测模型具体包括：
提取输入的所述银行卡样本图像的特征以得到特征图像；
将输入的所述候选区域映射至所述特征图像上并对所述候选区域进行池化，得到固定大小的候选区域的特征图像；
对所述候选区域的特征图像进行分类及回归预测，得到分类预测结果、与所述分类预测结果对应的回归位置预测结果；
根据预设的分类标签、与所述分类标签对应的回归位置以及所述分类预测结果、与所述分类预测结果对应的回归位置预测结果对所述Fast-R-CNN模型进行更新，将更新后的Fast-R-CNN模型确定为预测模型。


3.根据权利要求2所述的方法，其特征在于，提取输入的所述银行卡的银行卡样本图像的特征以得到特征图像包括：
提取输入的所述银行卡样本图像的特征，结合上下文特征信息，对所述银行卡样本图像的特征进行特征增强以得到特征图像。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对所述银行卡的银行卡样本图像进行去均值处理。


5.一种基于权利要求1～4任意一项所述的预测模型构建方法的银行卡卡号识别方法，其特征在于，所述方法包括：
获取待识别银行卡的银行卡图像并对所述银行卡图像进行计算处理以得到候选区域；
将所述银行卡图像和候选区域输入至所述预测模型，预测得到待识别银行卡的银行卡卡号以及所述银行卡卡号的位置。


6.一种预测模型构建装置，其特...

【专利技术属性】
技术研发人员：赵毅仁，顾少丰，
申请(专利权)人：上海上湖信息技术有限公司，
类型：发明
国别省市：上海;31