本发明专利技术涉及人工智能技术领域，提供了一种基于人工智能的签名识别方法、装置、设备及存储介质。所述方法包括：接收用户在签名框完成签名的确认信息，并读取签名框中的原始签名图像，对原始签名图像执行预处理操作，并对预处理后的签名图像执行矫正操作得到矫正后的签名区域图像，检测签名区域图像中的字迹是否符合工整度，若是，检测签名区域图像的签名信息是否为单行书写，当检测矫正后的签名区域图像为单行书写时，将签名区域图像输入预先构建的签名识别模型，得到签名区域图像对应的识别结果。本发明专利技术可以提高签名信息识别的准确性。本发明专利技术还涉及区块链技术领域，上述识别结果可以存储于一区块链的节点中。存储于一区块链的节点中。存储于一区块链的节点中。
【技术实现步骤摘要】
基于人工智能的签名识别方法、装置、设备及介质
[0001]本专利技术涉及人工智能
，尤其涉及一种基于人工智能的签名识别方法、装置、设备及存储介质。
技术介绍
[0002]用户在线上办理各种业务时，往往需要对业务办理信息进行签名确认，因此需要对用户的签名进行识别校验，以判断用户的签名是否符合设定的签名规定。然而用户在实际签名过程中，往往书写较潦草、出现多行书写、或者书写的字倾斜程度较大，导致现有的字符识别模型难以准确地识别出用户的签名信息。
技术实现思路
[0003]鉴于以上内容，本专利技术提供一种基于人工智能的签名识别方法、装置、设备及存储介质，其目的在于解决现有技术中由于用户签名书写不规范，难以识别签名信息的技术问题。
[0004]为实现上述目的，本专利技术提供一种基于人工智能的签名识别方法，该方法包括：
[0005]接收用户在预设签名框完成签名的确认信息，并读取所述签名框中的原始签名图像；
[0006]对所述原始签名图像执行预处理操作，并对预处理后的签名图像执行矫正操作得到矫正后的签名区域图像；
[0007]基于预设的字迹分类模型检测所述签名区域图像中的字迹是否符合预设的工整度，当检测所述签名区域图像的字迹不符合预设的工整度时，检测所述签名区域图像的签名信息是否为单行书写；
[0008]当检测所述矫正后的签名区域图像为单行书写时，将所述签名区域图像输入预先构建的签名识别模型，得到所述签名区域图像对应的识别结果。
[0009]优选的，所述方法还包括：
[0010]响应所述用户发出重新书写签名的请求，清空所述签名框的签名信息。
[0011]优选的，所述对预处理后的签名图像执行矫正操作得到矫正后的签名区域图像，包括：
[0012]对所述预处理后的签名图像分别在正负方向进行预设度数范围内的旋转遍历，每次旋转预设角度进行垂直方向的像素值累加，得到每次旋转预设角度对应的水平方向的一维数组；
[0013]确定所述一维数组中的像素值为0值的像素个数最多时对应的旋转角度，将所述旋转角度作为矫正角度，基于所述矫正角度对所述预处理后的签名图像执行矫正操作，得到所述签名区域图像。
[0014]优选的，所述对预处理后的签名图像执行矫正操作得到矫正后的签名区域图像，包括：
[0015]采用霍夫变换的概率算法检测出预处理后的签名图像中小于或等于预设长度的第一直线段；
[0016]从所述第一直线段中确定出倾斜角度小于或等于第一预设角度的第二直线段；
[0017]将所述第二直线段中心点的y坐标值之差小于或等于预设阈值的第二直线段分为一类；
[0018]将属于同一类的所述第二直线段作为一个目标类直线，并利用最小二乘法分别确定出各个目标类直线的拟合直线；
[0019]计算每条所述拟合直线的斜率，以及所有拟合直线的斜率的中位数和斜率的均值，取所述中位数与均值的较小者，并根据所述较小者调整所述预处理后的签名图像的倾斜角。
[0020]优选的，所述字迹分类模型的具体训练过程包括：
[0021]获取预设数量的样本签名图像，为各样本文本标注字迹类别标签，将各样本签名图像作为自变量、各样本签名图像的字迹类别标签作为因变量生成样本集；
[0022]将所述样本集中每个样本输入resnet50模型，得到所述样本集中每个样本的预测类别；
[0023]基于所述样本集中每个样本的字迹类别标签读取所述样本集中每个样本的真实类别；
[0024]通过最小化所述预测类别与所述真实类别之间的损失值确定所述字迹分类模型的结构参数，得到训练好的字迹分类模型。
[0025]优选的，所述方法还包括：
[0026]当检测所述签名区域图像的字迹不符合预设的工整度，或者检测所述签名区域图像的签名信息不为单行书写时，向所述用户反馈预设提示信息。
[0027]优选的，所述预先构建的文字识别模型包括：七个卷积层、四个池化层、三个批归一化层、八个激活层、一个BidirectionalLSTM层、一个Softmax层，所述将所述签名区域图像输入预先构建的签名识别模型，得到所述签名区域图像对应的识别结果，包括：
[0028]将所述签名区域图像调整为预设尺寸的输入图像，对所述输入图像执行卷积操作、池化操作、归一化操作、激活操作得到目标特征图，将所述目标特征图输入所述BidirectionalLSTM层得到预设维度的向量，将所述预设维度的向量输入Softmax层得到所述识别结果。
[0029]为实现上述目的，本专利技术还提供一种基于人工智能的签名识别装置，该基于人工智能的签名识别装置包括：
[0030]读取模块：用于接收用户在预设签名框完成签名的确认信息，并读取所述签名框中的原始签名图像；
[0031]矫正模块：用于对所述原始签名图像执行预处理操作，并对预处理后的签名图像执行矫正操作得到矫正后的签名区域图像；
[0032]检测模块：用于基于预设的字迹分类模型检测所述签名区域图像中的字迹是否符合预设的工整度，当检测所述签名区域图像的字迹不符合预设的工整度时，检测所述签名区域图像的签名信息是否为单行书写；
[0033]识别模块：用于当检测所述矫正后的签名区域图像为单行书写时，将所述签名区
域图像输入预先构建的签名识别模型，得到所述签名区域图像对应的识别结果。
[0034]为实现上述目的，本专利技术还提供一种电子设备，所述电子设备包括：
[0035]至少一个处理器；以及，
[0036]与所述至少一个处理器通信连接的存储器；其中，
[0037]所述存储器存储有可被所述至少一个处理器执行的程序，所述程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于人工智能的签名识别方法的任意步骤。
[0038]为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有基于人工智能的签名识别程序，所述基于人工智能的签名识别程序被处理器执行时，实现如上所述基于人工智能的签名识别方法的任意步骤。
[0039]本专利技术提出的基于人工智能的签名识别方法、装置、设备及存储介质，通过用户的原始签名图像进行矫正，并对矫正后的签名检测字迹是否潦草，再对签名的书写格式进行检测，检测通过后将签名图像输入至预先构建的签名识别模型得到签名的文字信息，可以提高签名识别的准确性。
附图说明
[0040]图1为本专利技术基于人工智能的签名识别方法较佳实施例的流程图示意图；
[0041]图2为本专利技术基于人工智能的签名识别装置较佳实施例的模块示意图；
[0042]图3为本专利技术电子设备较佳实施例的示意图；
[0043]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0044]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的签名识别方法，应用于电子设备，其特征在于，所述方法包括：接收用户在预设签名框完成签名的确认信息，并读取所述签名框中的原始签名图像；对所述原始签名图像执行预处理操作，并对预处理后的签名图像执行矫正操作得到矫正后的签名区域图像；基于预设的字迹分类模型检测所述签名区域图像中的字迹是否符合预设的工整度，当检测所述签名区域图像的字迹不符合预设的工整度时，检测所述签名区域图像的签名信息是否为单行书写；当检测所述矫正后的签名区域图像为单行书写时，将所述签名区域图像输入预先构建的签名识别模型，得到所述签名区域图像对应的识别结果。2.如权利要求1所述的基于人工智能的签名识别方法，其特征在于，所述方法还包括：响应所述用户发出重新书写签名的请求，清空所述签名框的签名信息。3.如权利要求1所述的基于人工智能的签名识别方法，其特征在于，所述对预处理后的签名图像执行矫正操作得到矫正后的签名区域图像，包括：对所述预处理后的签名图像分别在正负方向进行预设度数范围内的旋转遍历，每次旋转预设角度进行垂直方向的像素值累加，得到每次旋转预设角度对应的水平方向的一维数组；确定所述一维数组中的像素值为0值的像素个数最多时对应的旋转角度，将所述旋转角度作为矫正角度，基于所述矫正角度对所述预处理后的签名图像执行矫正操作，得到所述签名区域图像。4.如权利要求1所述的基于人工智能的签名识别方法，其特征在于，所述对预处理后的签名图像执行矫正操作得到矫正后的签名区域图像，包括：采用霍夫变换的概率算法检测出预处理后的签名图像中小于或等于预设长度的第一直线段；从所述第一直线段中确定出倾斜角度小于或等于第一预设角度的第二直线段；将所述第二直线段中心点的y坐标值之差小于或等于预设阈值的第二直线段分为一类；将属于同一类的所述第二直线段作为一个目标类直线，并利用最小二乘法分别确定出各个目标类直线的拟合直线；计算每条所述拟合直线的斜率，以及所有拟合直线的斜率的中位数和斜率的均值，取所述中位数与均值的较小者，并根据所述较小者调整所述预处理后的签名图像的倾斜角。5.如权利要求1所述的基于人工智能的签名识别方法，其特征在于，所述字迹分类模型的具体训练过程包括：获取预设数量的样本签名图像，为各样本文本标注字迹类别标签，将各样本签名图像作为自变量、各样本签名图像的字迹类别标签作为因变量生成样本集；将所述样本集中每个样本输入resnet50模型，得到所述样本集中每个样本的预测...
【专利技术属性】
技术研发人员：董伟，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
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。