【技术实现步骤摘要】
证件校验方法、装置、电子设备及介质
本专利技术涉及人工智能领域,尤其涉及一种证件校验方法、装置、电子设备及计算机可读存储介质。
技术介绍
随着信息技术的发展,网上业务越来越多(例如,水电业务网上办理业务、银行业务网上办理业务),在网上业务办理时,通常需要进行用户身份的校验,在进行身份校验时,通常需要对用户的证件进行校验,进而再根据证件的内容确定用户的身份。现有技术中,证件校验方式是通过传统的图像处理或者机器学习等方法对单张证件图像进行识别,由于受光线等环境的影响这种方法会引起需要多次重复校验以及校验结果不准确的问题。
技术实现思路
本专利技术提供一种证件校验方法、装置、电子设备及计算机可读存储介质,其主要目的在于提高证件校验的准确性。为实现上述目的,本专利技术提供的一种证件校验方法,包括:获取待校验证件的图像集,所述图像集包括多张不同角度的所述待校验证件的图像;对所述图像集进行边缘检测处理,得到边缘证件图像集;提取所述边缘证件图像集中各图像的全息校验区域,将 ...
【技术保护点】
1.一种证件校验方法,其特征在于,所述方法包括:/n获取待校验证件的图像集,所述图像集包括多张不同角度的所述待校验证件的图像;/n对所述图像集进行边缘检测处理,得到边缘证件图像集;/n提取所述边缘证件图像集中各图像的全息校验区域,将提取到的多个全息校验区域进行合成处理,得到全息证件图像;/n将所述全息证件图像输入至训练的3D卷积网络模型识别所述全息证件图像的变化程度值;/n根据所述全息证件图像的变化程度值和预置校验算法计算所述待校验证件的校验值;/n若所述校验值大于或等于预设校验阈值,确定所述待校验证件为真实证件。/n
【技术特征摘要】
1.一种证件校验方法,其特征在于,所述方法包括:
获取待校验证件的图像集,所述图像集包括多张不同角度的所述待校验证件的图像;
对所述图像集进行边缘检测处理,得到边缘证件图像集;
提取所述边缘证件图像集中各图像的全息校验区域,将提取到的多个全息校验区域进行合成处理,得到全息证件图像;
将所述全息证件图像输入至训练的3D卷积网络模型识别所述全息证件图像的变化程度值;
根据所述全息证件图像的变化程度值和预置校验算法计算所述待校验证件的校验值;
若所述校验值大于或等于预设校验阈值,确定所述待校验证件为真实证件。
2.如权利要求1所述的证件校验方法,其特征在于,所述对所述图像集进行边缘检测处理,得到边缘证件图像集,包括:
对所述图像集进行平滑滤波处理,得到滤波图像集;
对所述滤波图像集进行边缘细化处理,得到细化图像集;
利用双阈值法对所述细化图像集进行边缘选取处理,得到边缘证件图像集。
3.如权利要求2所述的证件校验方法,其特征在于,所述对所述图像集进行平滑滤波处理,得到滤波图像集,包括:
利用高斯滤波器对所述图像集进行平滑滤波处理,得到滤波图像集G(x,y):
G(x,y)=f(x,y)*H(x,y)
H(x,y)=exp[-(x2+y2)/2σ2]
其中,f(x,y)为所述图像集,G(x,y)为所述滤波图像集,H(x,y)为所述高斯滤波器,exp为滤波处理运算,σ表示取值为常数的系统参数。
4.如权利要求2所述的证件校验方法,其特征在于,所述利用双阈值法对所述细化图像集进行边缘选取处理,得到所述边缘证件图像集,包括:
获取高像素阈值条件和低像素阈值条件;
选取所述细化图像集的各细化图像中符合所述高像素阈值条件的第一像素点集合,以及符合所述低像素阈值条件的第二像素点集合;
将各细化图像中所述第一像素点集合与所述第二像素点集合进行连接,得到边缘证件图像集。
5.如权利要求1所述的证件校验方法,其特征在于,所述将所述全息证件图像输入至训练的3D卷积网络模型识别所述全息证件图像的变化程度值之前,所述方法还包括:
获取训练全息图像集及所述训练全息图像集的标签值;
将所述训练全息图像集转换为全息图像向量集;
利用预构建的3D卷积网络模型中的卷积层对所述全息图像向量集进行卷积操作,得到卷积图像向量集;
利用所述预构建的3D卷积网络模型中的池化层提取所述卷积图像向量集的特征图像向量,得到特征图片向量...
【专利技术属性】
技术研发人员:雷晨雨,周建伟,张国辉,宋晨,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。