一种基于图像处理的银行卡号码识别方法与流程

本发明具体涉及一种基于图像处理的银行卡号码识别方法，属于图像处理技术领域。

背景技术：

当前，随着机器学习，深度学习技术的发展，带动了各个领域的发展，尤其是在金融领域，以前需要手工录入的一些信息，比如身份证信息，银行卡号码信息等，现在随着技术的发展，可以采用图像拍照识别，实现自动录入，大大节省人力和时间成本，同时也提高录入的准确率。

现在还没有一套完整的技术方案来识别银行卡号码，现有技术普遍存在识别率低的问题。

技术实现要素：

因此，针对现有技术的上述不足，本发明皆在提供一种基于图像处理的银行卡号码识别方法，通过对银行卡图像进行有效的矫正处理，然后再做字符分割和字符识别，大大的提高了最终的准确率。

本发明提供的基于图像处理的银行卡号码识别方法，包括以下步骤，

步骤1银行卡切分

通过边缘检测算法，找到银行卡的四条边界线，然后定位到银行卡图像的四个边界点，根据这四个点做透视变换，将银行卡图像进行校正处理；

步骤2字符区域粗定位

针对校正后的银行卡图像，根据字符序列出现的位置，设置一个矩形区域，在此区域内采用canny边缘检测算法，检测区域内的水平和垂直边缘信息，找到边缘信息最丰富的区域作为进一步字符分割区域；

步骤3字符分割

基于步骤2确定的字符区域，采用sobel垂直边缘检测算法，检测字符的垂直边缘信息，然后针对不同的银行卡类型，设置不同的模板，每个模板分割出一个字符序列；

步骤4字符识别

对字符进行归一化处理，提取字符的gabor特征，对gabor特征进行LDA降维，然后与库中模板进行匹配识别。

进一步的，步骤1中通过边缘检测算法，找到银行卡的四条边界线具体为，采用基于灰度差值的方法，首先寻找水平方向的梯度，按行搜索，设置阈值T_Hor，判别每个像素点的上下两个点的像素值差值，如果差值的绝对值大于T_Hor阈值，则水平边缘图上设置为1，否则设置为0，采用相同的方法再生成垂直边缘图，在水平和垂直边缘图上采用霍夫变换方法寻找水平和垂直线段，从水平和垂直线段中分别选取两条，组合水平和垂直线段，生成银行卡区域，选取面积最大的区域作为银行卡的四条边界的结果输出。

本发明的有益效果在于：本发明专利提供的基于图像处理的银行卡号码识别方法，通过前期的银行卡预处理和矫正处理，有效的增加了后续分割和识别步骤的准确率，字符分割步骤采用了基于多模板匹配的方法，有效的提高了不同类型银行卡的分割准确率。本发明不仅可用于银行卡识别，同样可以应用于身份证识别，驾驶证，行驶证识别等应用中。

附图说明

图1为本发明一种基于图像处理的银行卡号码识别方法的原理图。

具体实施方式

下面结合附图对本发明的具体实施方式进行说明：

本发明为解决现有技术银行卡号码识别率低的问题而设计，其基本原理如图1所示，本发明基于图像处理的银行卡号码识别方法的步骤包括，

步骤1银行卡切分

通过边缘检测算法，找到银行卡的四条边界线，然后定位到银行卡图像的四个边界点，根据这四个点做透视变换，将银行卡图像进行校正处理；

步骤2字符区域粗定位

针对校正后的银行卡图像，根据字符序列出现的位置，设置一个矩形区域，在此区域内采用canny边缘检测算法，检测区域内的水平和垂直边缘信息，找到边缘信息最丰富的区域作为进一步字符分割区域；

步骤3字符分割

基于步骤2确定的字符区域，采用sobel垂直边缘检测算法，检测字符的垂直边缘信息，然后针对不同的银行卡类型，设置不同的模板，每个模板分割出一个字符序列；

步骤4字符识别

对字符进行归一化处理，提取字符的gabor特征，对gabor特征进行LDA降维，然后与库中模板进行匹配识别。

其中，步骤1中通过边缘检测算法，找到银行卡的四条边界线具体为，采用基于灰度差值的方法，首先寻找水平方向的梯度，按行搜索，设置阈值T_Hor，判别每个像素点的上下两个点的像素值差值，如果差值的绝对值大于T_Hor阈值，则水平边缘图上设置为1，否则设置为0，采用相同的方法再生成垂直边缘图，在水平和垂直边缘图上采用霍夫变换方法寻找水平和垂直线段，从水平和垂直线段中分别选取两条，组合水平和垂直线段，生成银行卡区域，选取面积最大的区域作为银行卡的四条边界的结果输出。

本发明的识别方法，通过前期的银行卡预处理和矫正处理，有效的增加了后续分割和识别步骤的准确率，字符分割步骤采用了基于多模板匹配的方法，有效的提高了不同类型银行卡的分割准确率。本发明不仅可用于银行卡识别，同样可以应用于身份证识别，驾驶证、行驶证识别等应用中。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。