/Card-Ocr

身份证识别OCR

Primary LanguageJupyter Notebook

Card-Ocr

身份证识别OCR, 从身份证图片中自动提取身份证号。 测试图片来自百度搜索的样例图片。 找到的图片比较少，目前都能正确识别。 可用的数据集个人很难找到。

依赖

  • opencv
  • pytesseract
  • numpy
  • matplotlib

流程

  • 获取身份证号区域

image-》灰度=》反色=》膨胀=》findContours

  • 数字识别

采用tesseract识别，通过trainfont.py获得traineddata.

trainfont使用

  1. 通过autoBox = 1自动生成box文件
trainFont(fontName, fontPath, fontsize, txt, "eng", 0, autoBox=1)
  1. 通过jBoxEditor之类的修正box文件
  2. autoBox = 0 生成traineddata
 trainFont(fontName, fontPath, fontsize, txt, "eng", 0, autoBox=0)

识别

获取到身份证区域之后，截取身份证号，灰度化，然后交给pytesseract

 pytesseract.image_to_string(image, lang='ocrb', config=tessdata_dir_config)

Keras

除了用tesseract，也可以用机器学习的方式训练识别。这里用了Keras with Tensorflow，"开头两套双卷积池化层，后面接一个 dropout 防过拟合，再接两个全链接层，最后一个 softmax 输出结果。" 使用genData.py生成train数据。 截取身份证号之后的图片分割成18个图片，x-predict.png 用kerastrain.py进行预测识别 训练的结果有时候3和5能分清，有时候分不清。 因为没有支持CUDA的显卡，用的CPU训练。

效果

plot

TODO

  • Keras with Tesorflow 来训练识别

引用