一种卡面元素识别定位方法及装置与流程

1.本技术涉及图像处理技术领域，尤其涉及一种卡面元素识别定位方法及装置。


背景技术：

2.成员机构准入是维系成员机构的纽带，同时也是管理成员机构的重要方法。银行卡样卡准入是成员机构展开业务的重要环节，在银行卡样卡准入阶段，需要对成员机构提供的样卡图像中的元素的类型和位置进行审核，而人工难以对元素的类型和位置做出快速的合规性的判断。
3.相关技术下，采用机器视觉技术结合深度图中景深信息，实现图像元素识别，然而，在实际应用中，大多数场景难以获得深度图，从而导致上述图像元素识别方法适用范围较窄且不够便利。


技术实现要素：

4.本技术实施例提供了一卡面元素识别定位方法及装置，用于成员机构提供的样卡图像中的卡面元素的类型和位置进行识别和审核。
5.第一方面，本技术实施例提供了一种卡面元素识别定位方法，包括：
6.获取待处理卡面图像；
7.采用深度模型识别所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域；
8.针对每个卡面元素，对所述卡面元素的初步位置区域进行扩大处理，获得候选位置区域；
9.针对所述候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合，确定所述卡面元素对应的目标位置区域。
10.本技术实施例先通过深度模型识别待处理卡面图像中的卡面元素类型以及初步位置区域，然后通过对初步位置区域进行扩大和前景分割，得到卡面元素精确边界位置。无需基于深度图实现卡面元素的识别，即便在复杂的图像元素识别的背景条件下依然能取得较好的识别效果。并且在银行卡样卡准入阶段对卡面元素的识别和判定，保障了与成员机构之间业务的有效执行，并且提高了成员机构卡面设计的合规性。
11.可选地，所述待处理卡面图像和所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素对应的目标位置区域，用于对所述深度模型进行更新。
12.可选地，所述深度模型包括卷积层、候选区域生成网络、目标区池化网络和分类器；
13.所述采用深度模型识别所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域，包括：
14.将所述待处理卡面图像输入卷积层进行特征提取，输出卡面图像特征；
15.将所述卡面图像特征输入候选区域生成网络进行区域定位，获得区域候选图像
块；
16.将所述卡面图像特征和所述区域候选图像块，输入目标区池化网络进行区域特征提取获得区域特征图；
17.将所述区域候选图像块和所述区域特征图输入分类器进行分类，输出至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域。
18.可选地，所述针对所述候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合，确定所述卡面元素对应的目标位置区域，包括：
19.对所述候选位置区域进行前景分割，获得前景子区域和背景子区域；
20.将所述背景子区域内的像素点的像素值置为零；
21.基于所述前景子区域中的前景像素集合，确定所述卡面元素对应的目标位置区域。
22.可选地，所述基于所述前景子区域中的前景像素集合，确定所述卡面元素对应的目标位置区域，包括：
23.从所述前景像素集合中多个前景像素点的像素坐标中，确定极大像素坐标和极小像素坐标；
24.基于所述极小像素坐标和所述极大像素坐标，确定所述卡面元素对应的目标位置区域。
25.可选地，所述针对所述候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合，确定所述卡面元素对应的目标位置区域之后，还包括：
26.将所述目标位置区域的尺寸，作为所述卡面元素的尺寸。
27.可选地，若所述待处理卡面图像中的每个卡面元素的类型、每个卡面元素的尺寸以及每个卡面元素对应的目标位置区域均满足预设校验条件，则确定所述待处理卡面图像校验通过。
28.第二方面，本技术实施例提供了一种卡面元素识别定位装置，包括：
29.获取模块，用于获取待处理卡面图像；
30.元素定位模块，用于采用深度模型识别所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域；
31.分割模块，用于针对每个卡面元素，对所述卡面元素的初步位置区域进行扩大处理，获得候选位置区域；针对所述候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合；
32.元素轮廓定位模块，用于确定所述卡面元素对应的目标位置区域。
33.本技术实施例先通过深度模型识别待处理卡面图像中的卡面元素类型以及初步位置区域，然后通过对初步位置区域进行扩大和前景分割，得到卡面元素精确边界位置。无需基于深度图实现卡面元素的识别，即便在复杂的图像元素识别的背景条件下依然能取得较好的识别效果。并且在银行卡样卡准入阶段对卡面元素的识别和判定，保障了与成员机构之间业务的有效执行，并且提高了成员机构卡面设计的合规性。
34.可选地，所述元素定位模块具体用于：
35.所述待处理卡面图像和所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素对应的目标位置区域，用于对所述深度模型进行更新。
36.可选地，所述元素定位模块具体用于：
37.所述深度模型包括卷积层、候选区域生成网络、目标区池化网络和分类器；
38.所述采用深度模型识别所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域，包括：
39.将所述待处理卡面图像输入卷积层进行特征提取，输出卡面图像特征；
40.将所述卡面图像特征输入候选区域生成网络进行区域定位，获得区域候选图像块；
41.将所述卡面图像特征和所述区域候选图像块，输入目标区池化网络进行区域特征提取获得区域特征图；
42.将所述区域候选图像块和所述区域特征图输入分类器进行分类，输出至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域。
43.可选地，所述分割模块具体用于：
44.所述针对所述候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合，确定所述卡面元素对应的目标位置区域，包括：
45.对所述候选位置区域进行前景分割，获得前景子区域和背景子区域；
46.将所述背景子区域内的像素点的像素值置为零；
47.基于所述前景子区域中的前景像素集合，确定所述卡面元素对应的目标位置区域。
48.可选地，所述元素轮廓定位模块具体用于：
49.从所述前景像素集合中多个前景像素点的像素坐标中，确定极大像素坐标和极小像素坐标；
50.基于所述极小像素坐标和所述极大像素坐标，确定所述卡面元素对应的目标位置区域。
51.可选地，所述元素轮廓定位模块具体用于：
52.将所述目标位置区域的尺寸，作为所述卡面元素的尺寸。
53.可选地，所述元素轮廓定位模块具体用于：
54.若所述待处理卡面图像中的每个卡面元素的类型、每个卡面元素的尺寸以及每个卡面元素对应的目标位置区域均满足预设校验条件，则确定所述待处理卡面图像校验通过。
55.通过对待处理卡面图像中的每个卡面元素的类型、每个卡面元素的尺寸以及每个卡面元素对应的目标位置区域进行校验，解决人工无法对元素的类型和位置做出快速的合规性的判断的问题。
56.第三方面，本技术实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行上述第一方面任意所述的卡面元素识别定位方法。
57.第四方面，本技术实施例提供了一种计算机可读存储介质，其存储有可由计算机设备执行的计算机程序，当所述程序在计算机设备上运行时，使得所述计算机设备执行上述第一方面任意所述的卡面元素识别定位方法。
58.本技术实施例先通过深度模型识别待处理卡面图像中的卡面元素类型以及初步
位置区域，然后通过对初步位置区域进行扩大和前景分割，得到卡面元素精确边界位置。无需基于深度图实现卡面元素的识别，即便在复杂的图像元素识别的背景条件下依然能取得较好的识别效果。并且在银行卡样卡准入阶段对卡面元素的识别和判定，保障了与成员机构之间业务的有效执行，并且提高了成员机构卡面设计的合规性。
附图说明
59.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
60.图1为本发明实施例提供的一种系统架构示意图；
61.图2为本发明实施例提供的一种卡面元素识别定位方法的流程示意图；
62.图3a为本发明施例提供的一种深度模型结构的示意图；
63.图3b为本发明施例提供的一种卡面元素初步位置区域方法的流程示意图；
64.图4a为本发明实施例提供的一种卡面元素候选位置区域的示意图；
65.图4b为本发明实施例提供的一种卡面元素前景分割结果的示意图；
66.图4c为本发明实施例提供的一种卡面元素目标位置区域的示意图；
67.图5为本发明实施例提供的一种卡面元素识别定位装置的结构示意图；
68.图6为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
69.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
70.参见图1，其为本技术实施例使用的一种系统架构图，该系统架构包括终端设备101和服务端102，其中，终端设备101用于采集待处理卡面图像；终端设备101可以是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。
71.服务端102接收终端设备101发送的待处理卡面图像，对待处理卡面图像中的元素进行识别，识别出卡面中元素的类型以及元素的位置。服务端102可以是独立的物理服务端，也可以是多个物理服务端构成的服务端集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务端。终端设备101和服务端102可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
72.基于上述系统架构，图2示例性的示出了一种卡面元素识别定位方法的流程，该方法的流程由服务端102执行，包括以下步骤：
73.步骤s201，获取待处理卡面图像。
74.具体地，服务端获取待处理卡面图像，待处理卡面图像为成员机构的银行卡样卡
的图像。
75.步骤s202，采用深度模型识别待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素在待处理卡面图像对应的初步位置区域。
76.具体地，卡面元素为银行卡面包括的元素可以包括：银行卡名称、卡号、卡类型、银联标志、磁卡、打印制卡日期、卡的有效期等。服务端用深度模型识别出待处理卡面中至少一个卡面元素，以及每个卡面元素在卡面中的初步位置区域，将初步位置区域记为感兴趣区域(region of interest，简称为roi)，roi＝[(xroimin,yroimin),(xroimax,yroimax)]。其中，深度模型可以为快速区域卷积神经网络(faster region-cnn，简称为faster r-cnn)或者you look once(简称为yolo)目标检测算法。
[0077]
步骤s203，针对每个卡面元素，对卡面元素的初步位置区域进行扩大处理，获得候选位置区域。
[0078]
具体地，服务端以每个卡面元素的初步位置区域roi为中心，进行区域扩大处理，得到每个卡面元素的候选位置区域，将候选位置区域记为roie，roie＝[(xroimin-a,yroimin-a),(xroimax+a,yroimax+a)]，其中a为根据实际使用进行设置的可变参数。
[0079]
通过将每个卡面元素的初步位置区域进行扩大处理，以确保每个卡面元素完全包括在候选位置区域中。
[0080]
步骤s204，对候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合，确定卡面元素对应的目标位置区域。
[0081]
具体地，服务端使用前景分割(简称为grabcut)对候选位置区域roie进行前景分割，得到前景像素集合，将前景像素集合记为l。服务端基于得到的前景像素集合l确定出每个卡面元素对应的目标位置区域。
[0082]
本技术实施例先通过深度模型识别待处理卡面图像中的卡面元素类型以及初步位置区域，然后通过对初步位置区域进行扩大和前景分割，得到卡面元素精确边界位置。无需基于深度图实现卡面元素的识别，即便在复杂的图像元素识别的背景条件下依然能取得较好的识别效果。并且在银行卡样卡准入阶段对卡面元素的识别和判定，保障了与成员机构之间业务的有效执行，并且提高了成员机构卡面设计的合规性。
[0083]
在一些实施例中，待处理卡面图像和待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素对应的目标位置区域，用于对深度模型进行更新。
[0084]
具体地，服务器获取到待处理卡面图像中至少一个卡面元素的类型和该卡面元素对应的目标位置区域，可以对深度模型进行优化更新。使得深度模型对后续的卡面元素和卡面元素对应的目标位置区域有更精确的识别效果。
[0085]
在一些实施例中，深度模型如图3a所示，深度模型包括卷积层、候选区域生成网络、目标区池化网络和分类器；采用深度模型识别待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素在待处理卡面图像对应的初步位置区域，图3b示例性的示出了一种确定卡面元素初步位置区域方法的流程，该方法的流程由服务端102执行，包括以下步骤：
[0086]
步骤s301，将待处理卡面图像输入卷积层进行特征提取，输出卡面图像特征；
[0087]
具体地，服务器将待处理卡面图像输入到深度模型中的卷积层中，卷积层对待处理卡面图像进行特征提取，得到卡面图像特征，卡面图像特征中包括卡面元素和非卡面元
素。其中，卡面图像特征用特征向量表示。
[0088]
步骤s302，将卡面图像特征输入候选区域生成网络进行区域定位，获得区域候选图像块；
[0089]
具体地，再将卡面图像特征输入到候选区域生成网络(region proposal network，简称为rpn)中，候选区域生成网络对卡面图像中的卡面元素和非卡面元素的区域进行定位，生成区域候选图像块。
[0090]
步骤s303，将卡面图像特征和区域候选图像块，输入目标区池化网络进行区域特征提取获得区域特征图；
[0091]
具体地，目标区池化网络(region of interest pooling，简称为roi pooling)基于收集的卡面图像特征和区域候选图像块，进行区域特征提取，获得提取区域特征图，即获得卡面元素所在区域对应的区域特征图。
[0092]
步骤s304，将区域候选图像块和区域特征图输入分类器进行分类，输出至少一个卡面元素的类型，以及每个卡面元素在待处理卡面图像对应的初步位置区域。
[0093]
具体地，分类器为深度模型的全连接层，分类器基于获取的区域候选图像块和区域特征图，进行分类识别，得到待处理卡面图像中所有卡面元素的类型，和每个卡面元素在卡面图像中的初步位置区域。
[0094]
在一些实施例中，对候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合，确定卡面元素对应的目标位置区域，包括：对候选位置区域进行前景分割，获得前景子区域和背景子区域；将背景子区域内的像素点的像素值置为零；基于前景子区域中的前景像素集合，确定卡面元素对应的目标位置区域。
[0095]
具体地，采用前景分割(简称为grabcut)对候选位置区域(roie)进行分割，得到前景子区域和背景子区域，将前景子区域的像素点进行集合，得到前景像素集合，记为l；将背景子区域的像素点的像素值置为0。基于前景像素集合l，可以得到该卡面元素的目标位置区域。
[0096]
举例来说，图4a为某待处理卡面中确定的银联标志的候选位置区域，采用对grabcut算法对该候选区域进行前景分割，得到前景子区域和背景子区域，将前景子区域的像素点进行集合，背景子区域的像素点的像素值置为0，即将背景子区域的颜色设置为黑色，最后得到如图4b的前景分割结果。根据图4b的前景分割结果中显示的前景像素集合，就可以确定该银联标志的目标位置区域。
[0097]
在一些实施例中，基于前景子区域中的前景像素集合，确定卡面元素对应的目标位置区域，包括：从前景像素集合中多个前景像素点的像素坐标中，确定极大像素坐标和极小像素坐标；基于极小像素坐标和极大像素坐标，确定卡面元素对应的目标位置区域。
[0098]
具体地，对其中一个卡面元素的候选位置区域进行前景分割后，得到该卡面元素的前景像素集合l，通过计算前景像素集合l中的极大像素坐标(xmax,ymax)和极小像素坐标(xmin,ymin)的范围，将得到该卡面元素候选位置区域中极大像素坐标和极小像素坐标[(xmin,ymin),(xmax,ymax)]，确定出该卡面元素的目标位置区域。其中，目标位置区域相较于候选位置区域更为精确。
[0099]
举例来说，对图4b的前景分割后得到的前景像素集合，进行极大像素坐标和极小像素坐标的确定，最终图4c中的方框确定的区域为根据图4b的前景分割结果得到的目标位
置区域。
[0100]
在一些实施例中，对候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合，确定卡面元素对应的目标位置区域之后，还包括：将目标位置区域的尺寸，作为卡面元素的尺寸。
[0101]
具体地，目标位置区域为卡面元素在卡面中位置的精确区域，服务端根据该卡面元素的目标位置区域的尺寸，确定该卡面元素的尺寸。
[0102]
在一些实施例中，若待处理卡面图像中的每个卡面元素的类型、每个卡面元素的尺寸以及每个卡面元素对应的目标位置区域均满足预设校验条件，则确定待处理卡面图像校验通过。
[0103]
具体地，预设校验条件为成员机构的银行卡符合准入条件进行设置的，预设校验条件可以根据不同的业务标准进行修改。当待处理卡面图像中识别出的每个卡面元素的类型和每个卡面元素的尺寸以及每个卡面元素对应的目标位置区域均满足预设校验条件时，则判定该待处理卡面图像校验通过。
[0104]
通过对待处理卡面图像中的每个卡面元素的类型、每个卡面元素的尺寸以及每个卡面元素对应的目标位置区域进行校验，解决人工无法对元素的类型和位置做出快速的合规性的判断的问题。
[0105]
基于相同的技术构思，本技术实施例提供了一种卡面元素识别定位装置结构示意图，如图5所示，该装置500包括：
[0106]
获取模块501，用于获取待处理卡面图像；
[0107]
元素定位模块502，用于采用深度模型识别所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域；
[0108]
分割模块503，用于针对每个卡面元素，对所述卡面元素的初步位置区域进行扩大处理，获得候选位置区域；针对所述候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合；
[0109]
元素轮廓定位模块504，用于确定所述卡面元素对应的目标位置区域。
[0110]
本技术实施例先通过深度模型识别待处理卡面图像中的卡面元素类型以及初步位置区域，然后通过对初步位置区域进行扩大和前景分割，得到卡面元素精确边界位置。无需基于深度图实现卡面元素的识别，即便在复杂的图像元素识别的背景条件下依然能取得较好的识别效果。并且在银行卡样卡准入阶段对卡面元素的识别和判定，保障了与成员机构之间业务的有效执行，并且提高了成员机构卡面设计的合规性。
[0111]
可选地，所述元素定位模块502具体用于：
[0112]
所述待处理卡面图像和所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素对应的目标位置区域，用于对所述深度模型进行更新。
[0113]
可选地，所述元素定位模块502具体用于：
[0114]
所述深度模型包括卷积层、候选区域生成网络、目标区池化网络和分类器；
[0115]
所述采用深度模型识别所述待处理卡面图像中的至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域，包括：
[0116]
将所述待处理卡面图像输入卷积层进行特征提取，输出卡面图像特征；
[0117]
将所述卡面图像特征输入候选区域生成网络进行区域定位，获得区域候选图像
块；
[0118]
将所述卡面图像特征和所述区域候选图像块，输入目标区池化网络进行区域特征提取获得区域特征图；
[0119]
将所述区域候选图像块和所述区域特征图输入分类器进行分类，输出至少一个卡面元素的类型，以及每个卡面元素在所述待处理卡面图像对应的初步位置区域。
[0120]
可选地，所述分割模块503具体用于：
[0121]
所述针对所述候选位置区域进行前景分割，并基于前景分割后获得的前景像素集合，确定所述卡面元素对应的目标位置区域，包括：
[0122]
对所述候选位置区域进行前景分割，获得前景子区域和背景子区域；
[0123]
将所述背景子区域内的像素点的像素值置为零；
[0124]
基于所述前景子区域中的前景像素集合，确定所述卡面元素对应的目标位置区域。
[0125]
可选地，所述元素轮廓定位模块504具体用于：
[0126]
从所述前景像素集合中多个前景像素点的像素坐标中，确定极大像素坐标和极小像素坐标；
[0127]
基于所述极小像素坐标和所述极大像素坐标，确定所述卡面元素对应的目标位置区域。
[0128]
可选地，所述元素轮廓定位模块504具体用于：
[0129]
将所述目标位置区域的尺寸，作为所述卡面元素的尺寸。
[0130]
可选地，所述元素轮廓定位模块504具体用于：
[0131]
若所述待处理卡面图像中的每个卡面元素的类型、每个卡面元素的尺寸以及每个卡面元素对应的目标位置区域均满足预设校验条件，则确定所述待处理卡面图像校验通过。
[0132]
通过对待处理卡面图像中的每个卡面元素的类型、每个卡面元素的尺寸以及每个卡面元素对应的目标位置区域进行校验，解决人工无法对元素的类型和位置做出快速的合规性的判断的问题。
[0133]
基于相同的技术构思，本技术实施例提供了一种计算机设备，该计算机设备可以是图1所示的终端设备101和/或服务端102，如图6所示，包括至少一个处理器601，以及与至少一个处理器连接的存储器602，本技术实施例中不限定处理器601与存储器602之间的具体连接介质，图6中处理器601和存储器602之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
[0134]
在本技术实施例中，存储器602存储有可被至少一个处理器601执行的指令，至少一个处理器601通过执行存储器602存储的指令，可以执行上述卡面元素识别定位方法的步骤。
[0135]
其中，处理器601是计算机设备的控制中心，可以利用各种接口和线路连接计算机设备的各个部分，通过运行或执行存储在存储器602内的指令以及调用存储在存储器602内的数据，从而实现对卡面元素的类型和位置进行审核。可选的，处理器601可包括一个或多个处理单元，处理器601可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上
述调制解调处理器也可以不集成到处理器601中。在一些实施例中，处理器601和存储器602可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
[0136]
处理器601可以是通用处理器，例如中央处理器(cpu)、数字信号处理器、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件，可以实现或者执行本技术实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0137]
存储器602作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器602可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(random access memory，ram)、静态随机访问存储器(static random access memory，sram)、可编程只读存储器(programmable read only memory，prom)、只读存储器(read only memory，rom)、带电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、磁性存储器、磁盘、光盘等等。存储器602是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机设备存取的任何其他介质，但不限于此。本技术实施例中的存储器602还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
[0138]
基于同一发明构思，本技术实施例提供了一种计算机可读存储介质，其存储有可由计算机设备执行的计算机程序，当程序在计算机设备上运行时，使得计算机设备执行上述卡面元素识别定位方法的步骤。
[0139]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0140]
本技术是参照根据本技术的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0141]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0142]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。
[0143]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。