基于拍照的端到端銀行卡卡號檢測與識別研究.pdf

1、隨著智能相機、移動手機等智能終端的不斷普及，基于拍照的文字自動識別技術(shù)正得到廣泛應(yīng)用。利用卡號自動識別技術(shù)，可以快速高效、自動準確地解析拍照獲取的銀行卡圖像信息。與自然場景下的文字檢測與識別問題類似，卡號檢測與識別面臨著相似的難題：光照影響、拍照視角影響、成像質(zhì)量、卡號字體顏色方向等影響。除此之外，卡號人為設(shè)計的復(fù)雜場景也增加了檢測與識別的難度。本文對基于拍照的端到端卡號檢測與識別進行了系統(tǒng)研究，主要工作和創(chuàng)新點如下：
　　在卡號

2、檢測方面，針對卡號成行排列的特性，為縮小卡號檢測搜索范圍，并排除無關(guān)背景干擾，巧妙采用LSD直線檢測算子檢測卡片；接著充分挖掘卡號字符與背景干擾在結(jié)構(gòu)邊緣上的顯著差異，提出了一種結(jié)合卡號字符邊緣框(Edge Boxes)與譜聚類的卡號行檢測方法。其次，針對在卡號行上，卡號字符與非卡號字符在梯度和紋理上的細微差異，提出了一種對梯度特征表達能力更強的FHOG特征和對細致紋理描述更趨合理的改進的IRLBP特征，并結(jié)合AdaBoost方法，提出

3、了融合多級級聯(lián)檢測器的卡號數(shù)字字符檢測方法，并通過實驗證實了卡號檢測方法的有效性。
　　在卡號識別方面，針對由于卡號數(shù)字包含復(fù)雜場景等因素的影響，其類間類內(nèi)差異相對特殊和復(fù)雜，提出了一種對類間固定差異進行描述的GLAC描述子，以及基于預(yù)先構(gòu)建的視覺詞典對類內(nèi)差異進行部分表達的SIFT-BoF描述子，將兩者融合并采用多分類SVM，構(gòu)建字符識別器?？紤]到卷積神經(jīng)網(wǎng)絡(luò)(CNN)在分類上的固有優(yōu)勢，提出分解卷積層從而增加網(wǎng)絡(luò)層數(shù)，最終提高