，Cov是某一类目标的特征向量的各维元素的协方差矩阵， 训练Bayes分类器是在整个识别过程之前进行的。
[0105] S33、选择最大概率值对应的类别作为待识别卡号数字的值。
[0106] 以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范 围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方 案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。
【主权项】
1. 一种基于边缘特征的信用卡卡号识别方法，其特征在于，包括以下步骤： (1) 精确定位信用卡位置，包括： (11) 获取待处理信用卡图像的水平边缘特征图，找出满足预设条件的信用卡水平边缘 连通区域对； (12) 获取待处理信用卡图像的垂直边缘特征图，找出满足预设条件的信用卡垂直边缘 连通区域对； (13) 基于找出的信用卡水平边缘连通区域对和信用卡垂直边缘连通区域对，找出满足 预设条件的信用卡矩形边缘连通区域对； (14) 基于找出的信用卡矩形边缘连通区域对，粗定位得到信用卡位置矩形区域； (15) 对粗定位的信用卡位置矩形区域进行倾斜校正； (16) 以倾斜校正后的信用卡位置矩形区域的每条边缘为基础，获取信用卡的精确边缘 位置； (2) 精确分割信用卡卡号数字； (3) 识别信用卡卡号数字。2. 根据权利要求1所述的基于边缘特征的信用卡卡号识别方法，其特征在于，步骤 (11)包括： a、 采用以下公式，获取待处理信用卡图像的水平边缘特征图： edgex(i，j) = f(i-2, j)+f(i-l，j)+f(i+l，j)+f(i+2, j)-4*f(i，j) 其中，edgeX(i，j)表示水平边缘特征图的第i行第j列位置的像素灰度值，表示 待处理信用卡图像的第i行第j列位置的像素灰度值； b、 基于最大类间距二值化算法，对所述水平边缘特征图进行二值化处理，得到二值水 平边缘特征图； c、 基于连通区域的面积和长宽比，去除所述二值水平边缘特征图上的干扰区域，获取 有效的水平边缘连通区域； d、 基于以下最小二乘法原理式，分别对每个水平边缘连通区域的前景目标点进行直线 拟合，获取每个水平边缘连通区域的倾斜角度：其中，ax[m]表示第m个水平边缘连通区域 x[m]的倾斜角度，Xi、yi分别表示第m个 水平边缘连通区域x[m]上前景目标点的横坐标、纵坐标，N表示第m个水平边缘连通区域 X [m]上前景目标点的数量； e、 寻找满足以下公式的信用卡水平边缘连通区域对：其中，a x[p]、a x[q]分别表示构成信用卡水平边缘连通区域对pairx(p，q)的两个水 平边缘连通区域X [p]、x[q]的倾斜角度，Lwx [p]、Lwx [q]分别表示两个水平边缘连通区域 x[p]、x[q]的宽度，Tw表示预设的信用卡水平边缘连通区域的最小宽度。3. 根据权利要求1所述的基于边缘特征的信用卡卡号识别方法，其特征在于，步骤 (12) 包括： a、 采用以下公式，获取待处理信用卡图像的垂直边缘特征图： edgey (i，j) = f(i，j-2)+f(i，j-1) +f(i，j+l)+f(i，j+2)-4*f(i，j) 其中，edgeu(i，j)表示垂直边缘特征图的第i行第j列位置的像素灰度值，f (i，j)表 示待处理信用卡图像的第i行第j列位置的像素灰度值； b、 基于最大类间距二值化算法，对所述垂直边缘特征图进行二值化处理，得到二值垂 直边缘特征图； c、 基于连通区域的面积和长宽比，去除所述二值垂直边缘特征图上的干扰区域，获取 有效的垂直边缘连通区域； d、 基于以下最小二乘法原理式，分别对每个垂直边缘连通区域的前景目标点进行直线 拟合，获取每个垂直边缘连通区域的倾斜角度：其中，a y[m]表示第m个垂直边缘连通区域y[m]的倾斜角度，X;、y;分别表示第m个 垂直边缘连通区域y[m]上前景目标点的横坐标、纵坐标，N表示第m个垂直边缘连通区域 y[m]上前景目标点的数量； e、 寻找满足以下公式的信用卡垂直边缘连通区域对：其中，a y[p]、a y[q]分别表示构成信用卡垂直边缘连通区域对Pairy(p，q)的两个垂 直边缘连通区域y[p]、y[q]的倾斜角度，Lhy [p]、Lhy [q]分别表示两个垂直边缘连通区域 y [P]、y[q]的高度，Th表示预设的信用卡垂直边缘连通区域的最小高度。4. 根据权利要求1所述的基于边缘特征的信用卡卡号识别方法，其特征在于，步骤 (13) 中，所述预设条件为：其中，A(pairx(p，q))表示信用卡水平边缘连通区域对pairx(p，q)里的两个水平边 缘连通区域x[p]、x[q]的平均倾斜角度，A(pairy(p，q))表示信用卡垂直边缘连通区域对 pairy(p，q)里的两个垂直边缘连通区域y[p]、y[q]的平均倾斜角度，LH(pairx(p，q))表 示信用卡水平边缘连通区域对pairx(p，q)里的两个水平边缘连通区域x[p]、x[q]之间 的最小距离，LW(pairy(p，q))表示信用卡垂直边缘连通区域对pairy(p，q)里的两个垂 直边缘连通区域y[P]、y[q]之间的最小距离，WT表示预设的信用卡矩形边缘连通区域对 rect(pairx(p，q)，pairy(p，q))的宽度阈值，A表示标准信用卡的宽高比例系数。5. 根据权利要求1所述的基于边缘特征的信用卡卡号识别方法，其特征在于，步骤 (14) 包括： 对构成信用卡矩形边缘连通区域对的水平边缘连通区域对和垂直边缘连通区域对分 别进行直线拟合得到四条边缘直线，所述四条边缘直线构成的矩形区域即是粗定位的信用 卡位置矩形区域。6. 根据权利要求1所述的基于边缘特征的信用卡卡号识别方法，其特征在于，步骤 (15) 包括： 采用以下公式对粗定位的信用卡位置矩形区域进行旋转变换：其中，表示旋转变换前的坐标值，（x，y)表示旋转变换后的坐标值，（cx，Cy)表 示图像旋转基点，Y表示旋转角度，其值等于信用卡水平边缘连通区域对里的两个水平边 缘连通区域的平均倾斜角度。7. 根据权利要求1所述的基于边缘特征的信用卡卡号识别方法，其特征在于，步骤 (16) 包括： a、 选取信用卡边缘局部区域，所述信用卡边缘局部区域指的是将倾斜校正后的信用卡 位置矩形区域的每条边缘分别向两侧各扩展若干个像素而产生的四个矩形区域，即上边缘 局部区域、下边缘局部区域、左边缘局部区域和右边缘局部区域； b、 获取每个边缘局部区域的最大梯度边缘点，具体对于上、下边缘局部区域，获取每一 列的最大垂直梯度边缘点，对于左、右边缘局部区域，获取每一行的最大水平梯度边缘点； c、 对每个边缘局部区域，计算其所有最大梯度边缘点的位置均值，得到信用卡的精确 边缘位置。8. 根据权利要求1所述的基于边缘特征的信用卡卡号识别方法，其特征在于，步骤（2) 包括： a、 归一化信用卡图像； b、 将归一化后的信用卡图像与信用卡模板重叠，在相应位置直接获取卡号数字位置。9. 根据权利要求1所述的基于边缘特征的信用卡卡号识别方法，其特征在于，步骤（3) 包括： a、 按行优先顺序将每个待识别卡号数字的灰度图像串联成一维向量，得到每个待识别 卡号数字的特征向量； b、 将每个待识别卡号数字的特征向量输入训练好的Bayes分类器，采用以下公式计算 输入的特征向量属于某一类目标的概率：其中，X表示输入的待识别卡号数字的特征向量，u表示某一类目标的特征向量的各维 元素的均值，Cov表示某一类目标的特征向量的各维元素的协方差矩阵； c、 选择最大概率值对应的类别作为待识别卡号数字的值。
【专利摘要】本发明提供一种基于边缘特征的信用卡卡号识别方法，包括精确定位信用卡位置：获取卡片的水平边缘特征，获取卡片的垂直边缘特征，寻找卡片的矩形边缘对，粗定位卡片的位置，对卡片进行倾斜校正，精确定位卡片位置；精确分割信用卡卡号数字；识别信用卡卡号数字。本发明采用图像处理和字符识别技术，实现信用卡的定位、字符分割和识别，自动读取信用卡的卡号，具有识别精度较高、成本低、速度快、主动读取等优点。
【IPC分类】G06K9/32
【公开号】CN105139009
【申请号】CN201510408828
【发明人】张卡, 尼秀明, 何佳, 王静良
【申请人】安徽清新互联信息科技有限公司
【公开日】2015年12月9日
【申请日】2015年7月10日