【技术实现步骤摘要】
证件图像处理方法、装置、电子设备及可读存储介质
本申请涉及人工智能
，具体而言，涉及一种证件图像处理方法、装置、电子设备及可读存储介质。
技术介绍
人工智能可以给人们的生活与工作带来便利性。例如，当前可以利用深度学习进行图像信息的识别，以减轻工作人员的工作量。目前，在利用深度学习模型检测证件的真假时，受限于真假证件的样本数量，存在所训练得到的深度学习模型检测证件图像真假的准确性及可靠性低的情况。比如，在利用生成式对抗网络(Generativeadversarialnetworks,GANs)生成假证件的图像时，存在所生成的证件图像的与实际的假证件图像的差异大的情况，因此，所生成的假证件图像无法作为负样本用于网络模型训练，无法用于实际生产业务中。
技术实现思路
本申请实施例的目的在于提供一种证件图像处理方法、装置、电子设备及可读存储介质，能够改善训练得到的深度学习模型检测证件图像真假的准确性及可靠性低的问题。为了实现上述目的，本申请的实施例通过如下方式实现：第一方面，本申请实施例提供一...
【技术保护点】
1.一种证件图像处理方法，其特征在于，所述方法包括：/n基于真证件的证件图像，提取得到所述真证件的目标背景图像，所述目标背景图像不包含用户信息；/n基于控制参数及所述目标背景图像，获得表征正样本的第一类图像集，以及表征负样本的第二类图像集，所述第一类图像集中的图像的数量为第一指定数量，所述第二类图像集中的图像的数量为第二指定数量；/n使用所述第一类图像集和所述第二类图像集，对深度学习模型进行训练测试，得到证件检测模型，用于对包含证件图区的待测图像进行证件真假检测，以得到检测结果。/n
【技术特征摘要】
1.一种证件图像处理方法，其特征在于，所述方法包括：
基于真证件的证件图像，提取得到所述真证件的目标背景图像，所述目标背景图像不包含用户信息；
基于控制参数及所述目标背景图像，获得表征正样本的第一类图像集，以及表征负样本的第二类图像集，所述第一类图像集中的图像的数量为第一指定数量，所述第二类图像集中的图像的数量为第二指定数量；
使用所述第一类图像集和所述第二类图像集，对深度学习模型进行训练测试，得到证件检测模型，用于对包含证件图区的待测图像进行证件真假检测，以得到检测结果。
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：
当待测图像包括证件图区时，从所述待测图像中提取包括所述证件图区的目标图像；
将所述目标图像输入所述证件检测模型，得到所述证件检测模型对所述目标图像进行证件真假检测的检测结果。
3.根据权利要求2所述的方法，其特征在于，从所述待测图像中提取包括所述证件图区的目标图像，包括：
从所述待测图像的所述证件图区中确定多个关键点；
基于所述多个关键点，根据透视变换模型对所述待测图像进行透视变换，得到经过透视变换的待测图像；
从所述经过透视变换的待测图像中提取所述证件图区，并将提取得到的所述证件图区作为所述目标图像。
4.根据权利要求1所述的方法，其特征在于，基于真证件的证件图像，提取得到所述真证件的目标背景图像，包括：
从所述真证件的所述证件图像中确定多个关键点；
基于所述多个关键点，根据透视变换模型对所述真证件的所述证件图像进行透视变换，得到经过透视变换的证件图像；
从所述经过透视变换的证件图像中，去除包含用户信息的图区，并对去除所述用户信息的图区进行内容填充，得到不包含所述用户信息的所述目标背景图像。
5.根据权利要求1所述的方法，其特征在于，所述控制参数包括表征正样本的第一类用户信息及表征负样本的第二类用户信息；
基于控制参数及所述目标背景图像，获得表征正样本的第一类图像集，以及表征负样本的第二类图像集，包括：
将与每个正样本对应的所述第一类用户信息添加在所述目标背景图像对应的区域，得到所述第一类图像集；
将与每个负样本对应的所述第二类用户信息添加在所述目标背景图像对应的区域，得到所述第二类图像集。
6.根据权利要求5所述的方法，...
【专利技术属性】
技术研发人员：赵小诣，周智杰，吕文勇，
申请(专利权)人：成都新希望金融信息有限公司，
类型：发明
国别省市：四川;51
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。