基于OpenCV与深度神经网络——实现证件识别扫描并1比1还原证件到A4纸上

news2024/10/6 22:23:51

前言

1.用拍照的证件照片正反面,实现用证件去复印到A4纸上的效果,还有证件的格式化识别。

 图1:把拍照的证件1比1还原证件到A4纸上

 图2:证件OCR格式化识别

2.使用Yolo做目标识别,Enet做边缘检测,Paddle OCR做文字识别,OpenCV做处理图像,当前的开发环境为开发环境是win10,显卡RTX3080,cuda11.2,cudnn8.1,OpenCV4.5,ncnn,IDE 是Vs2019,界面是Qt 写的。

一、目标识别

1.要识别的证卡有身份证正反面、银行卡正反面、社保卡正反面、港澳通行证正反面、护照、驾驶证、居住证等,这些数据都涉及到个人数据安全,所以很难找到可以使用的数据集,但训练模型又不能没有数据集,解决的办法是从网上获取一些公开的证件样本数据集,然后使用生成对抗(GAN)生成可以训练的数据集。

2.使用yolov5训练目标识别模型,关于yolov5的如果训练模型,可以看我之前的博客《深度学习目标检测(YoloV5)项目——完整记录从数据处理开始到项目落地部署》https://blog.csdn.net/matt45m/article/details/118598706?spm=1001.2014.3001.5501

3.身份证的正面和社保卡、居住证特征很像,目标识别时往往会错检,为了更好的区分,在标注的时候,把头像,国徽这些统一的特征也标注出来,做目标识别时,再做逻辑判断。比如当前识别到身份证的背面时,要去判断有没有同时识别到国徽,国徽是否在背面识别框内。

static void mergeFrameRect(std::vector<cv::Rect> r1, std::vector<cv::Rect> r2, std::vector<cv::Rect>& r_m)
{
    for (int i = 0; i < r1.size(); i++)
    {
        for (int j = 0; j < r2.size(); j++)
        {
            if (computRectJoinUnion(r1.at(i), r2.at(j)))
            {
                r_m.push_back(r1.at(i));
            }
        }
    }
}

int filterTarget(std::vector<ObjectFlag>& objects, std::map<int, std::vector<cv::Rect>>& rect_frame)
{
    std::vector<cv::Rect> IDF_Frame, IDB_Frame, SSCB_Frame, SSCF_Frame, BCF_Frame, BCB_Frame, CNPF_Frame, RPF_Frame, DLF_Frame, OWPF_Frame, OWPB_Frame;

    std::vector<cv::Rect> AC, BD, CNPF, DLF, OWPB, OWPF, RPF, SSCB, SSCF, UPAY, BCF, BCB, IDF, IDB, CNM, PTT;
    //"AC标识", "书本", "护照", "驾驶证", "港澳通行证背面", "港澳通行证正面", "居住证", 
    //"社保卡背面", "社保卡正面", "银联标示", "银行卡正面", "银行卡背面", "身体证正面", "身体证背面", "国徽", "头像"
    ///目标识别返回标志位///
    //AC芯片			0		AC
    //书本				1		BD
    //护照正面			2		CNPF
    //驾驶证			3       DLF
    //港澳通行证背面    4       OWPB
    //港澳通行证正面	5	    OWPF
    //居住证			6		RPF
    //社保卡反面		7		SSCB
    //社保卡正面		8		SSCF
    //银联标志			9		UPAY
    //银行卡正面		10		BCF
    //银行卡反面		11		BCB
    //身份证正面		12		IDF
    //身份证反面		13		IDB
    //国徽				14		CNM
    //头像				15		PTT
    for (int i = 0; i < objects.size(); i++)
    {
        const ObjectFlag obj = objects[i];
        if (obj.prob >= 0.4)
        {
            switch (obj.label)
            {
            case 0:
                AC.push_back(obj.rect);
                break;
            case 1:
                BD.push_back(obj.rect);
                break;
            case 2:
                CNPF.push_back(obj.rect);
                break;
            case 3:
                DLF.push_back(obj.rect);
                break;
            case 4:
                OWPB.push_back(obj.rect);
                break;
            case 5:
                OWPF.push_back(obj.rect);
                break;
            case 6:
                RPF.push_back(obj.rect);
                break;
            case 7:
                SSCB.push_back(obj.rect);
                break;
            case 8:
                SSCF.push_back(obj.rect);
                break;
            case 9:
                UPAY.push_back(obj.rect);
                break;
            case 10:
                BCF.push_back(obj.rect);
                break;
            case 11:
                BCB.push_back(obj.rect);
                break;
            case 12:
                IDF.push_back(obj.rect);
                break;
            case 13:
                IDB.push_back(obj.rect);
                break;
            case 14:
                CNM.push_back(obj.rect);
                break;
            case 15:
                PTT.push_back(obj.rect);
                break;
            default:
                break;
            }
        }
    }
    if (BD.size() > 0)//书本
    {
        rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(10, BD));
    }
    if (IDF.size() > 0 && PTT.size() > 0)//身份证正面
    {
        mergeFrameRect(IDF, PTT, IDF_Frame);
        if (IDF_Frame.size() > 0)
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(20, IDF_Frame));
        }
        else
        {
            return -2;
        }
    }
    if (IDB.size() > 0 && CNM.size() > 0)//身份证反面
    {
        mergeFrameRect(IDB, CNM, IDB_Frame);
        if (IDB_Frame.size() > 0)
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(21, IDB_Frame));
        }
        else
        {
            return -2;
        }
    }
    if (SSCF.size() > 0 && AC.size() > 0 && PTT.size() > 0) //社保卡正面
    {
        std::vector<cv::Rect> RECT;
        mergeFrameRect(SSCF, AC, RECT);
        if (RECT.size() > 0)
        {
            mergeFrameRect(RECT, PTT, SSCF_Frame);
        }
        if (SSCF_Frame.size() > 0)
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(30, SSCF_Frame));
        }
        else
        {
            return -2;
        }
    }
    if (SSCB.size() > 0 && CNM.size() > 0)//社保卡反面
    {
        mergeFrameRect(SSCB, CNM, SSCB_Frame);
        if (SSCB_Frame.size() > 0)
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(31, SSCB_Frame));
        }
        else
        {
            return -2;
        }
    }
    if (CNPF.size() > 0 && PTT.size() > 0)//护照正面
    {
        mergeFrameRect(CNPF, PTT, CNPF_Frame);
        rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(40, CNPF_Frame));
    }
    if (BCF.size() > 0 && UPAY.size()>0)//银行卡正面
    {
        mergeFrameRect(BCF, UPAY, BCF_Frame);
        if (BCF_Frame.size() > 0)
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(50, BCF_Frame));
        }
        else
        {
            return -2;
        }
    }
    if (BCB.size() > 0 && UPAY.size()>0)//银行卡反面
    {
        mergeFrameRect(BCB, UPAY, BCB_Frame);
        if (BCB_Frame.size() > 0)
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(51, BCB_Frame));
        }
        else
        {
            return -2;
        }
    }
    if (RPF.size() > 0 && PTT.size()>0)//居住证
    {
        mergeFrameRect(RPF, PTT, RPF_Frame);
        if (RPF_Frame.size())
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(60, RPF_Frame));
        }
        else
        {
            return -2;
        }
    }
    if (OWPF.size() > 0 && PTT.size()>0)//港澳通行证正面
    {
        mergeFrameRect(OWPF, PTT, OWPF_Frame);
        if (OWPF_Frame.size())
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(70, OWPF_Frame));
        }
        else
        {
            return -2;
        }
    }
    if (OWPB.size())//港澳通行证背面
    {
        rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(71, OWPB));
    }
    if (DLF.size() > 0 && PTT.size()>0)//驾驶证
    {
        mergeFrameRect(DLF, PTT, DLF_Frame);
        if (DLF_Frame.size() > 0)
        {
            rect_frame.insert(std::pair<int, std::vector<cv::Rect>>(80, DLF_Frame));
        }
        else
        {
            return -2;
        }
    }
    return 0;
}
int screeningTarget(cv::Rect& rect_out, std::map<int, std::vector<cv::Rect>>& rect_frame)
{
    std::vector<cv::Rect> IDF_Frame, IDB_Frame, SSCB_Frame, SSCF_Frame, BCF_Frame, BCB_Frame, CNPF_Frame, BD_Frame, RPF_Frame, DLF_Frame, OWPF_Frame, OWPB_Frame;
    std::vector<int> indes;
    for (auto i = rect_frame.begin(); i != rect_frame.end(); i++)
    {
        int index = i->first;

        //std::cout << index << std::endl;
        switch (index)
        {
        case 10:
            BD_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(BD_Frame.size())).c_str()));
            break;
        case 20:
            IDF_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(IDF_Frame.size())).c_str()));
            break;
        case 21:
            IDB_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(IDB_Frame.size())).c_str()));
            break;
        case 30:
            SSCF_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(SSCF_Frame.size())).c_str()));
            break;
        case 31:
            SSCB_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(SSCB_Frame.size())).c_str()));
            break;
        case 40:
            CNPF_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(CNPF_Frame.size())).c_str()));
            break;
        case 50:
            BCF_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(BCF_Frame.size())).c_str()));
            break;
        case 51:
            BCB_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(BCB_Frame.size())).c_str()));
            break;
        case 60:
            RPF_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(RPF_Frame.size())).c_str()));
            break;
        case 70:
          
            OWPF_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(OWPF_Frame.size())).c_str()));
            break;
        case 71:
            OWPB_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(OWPB_Frame.size())).c_str()));
            break;
        case 80:
            DLF_Frame = i->second;
            indes.push_back(atoi((std::to_string(i->first) + std::to_string(DLF_Frame.size())).c_str()));
            break;
        default:
            break;
        }
    }
    if (indes.size() > 0)
    {
        for (int i = 0; i < indes.size(); i++)
        {

            int index = std::stoi(std::to_string(indes.at(i)).substr(0, 2));
            switch (index)
            {
            case 10:
            {
                rect_out = BD_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 20:
            {
                rect_out = IDF_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 21:
            {
                rect_out = IDB_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 30:
            {
                rect_out = SSCF_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 31:
            {
                rect_out = SSCB_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 40:
            {
                rect_out = CNPF_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 50:
            {
                rect_out = BCF_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 51:
            {
                rect_out = BCB_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 60:
            {
                rect_out = RPF_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 70:
            {
                rect_out = OWPF_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 71:
            {
                rect_out = OWPB_Frame.at(0);
                return indes.at(i);
            }
            break;
            case 80:
            {
                rect_out = DLF_Frame.at(0);
                return indes.at(i);
            }
            break;
            default:
                break;
            }
        }
    }
    return 0;
}


识别效果如下:

  

二、边缘提取与校正

1.获取当前目标之后,要对当前目标进行语义分割,为了分割速度,这里先择了Enet做目标分割,关于Enet网络的训练步骤可以参考我之前的博客《轻量化实时语义分割LiteSeg——从算法原理到模型训练与部署https://blog.csdn.net/matt45m/article/details/124539667?spm=1001.2014.3001.5502》,ENet的训练框架是Pytorch,可以使用git上的这个源码进行训练:GitHub - davidtvs/PyTorch-ENet: PyTorch implementation of ENetPyTorch implementation of ENet. Contribute to davidtvs/PyTorch-ENet development by creating an account on GitHub.https://github.com/davidtvs/PyTorch-ENet 。

2.训练好模型之后,把模型量化成FP16以提升速度,用NCNN实现模型推理

/// <summary>
/// 语义分割
/// </summary>
/// <param name="ncnn_net">分割模型</param>
/// <param name="cv_src">输入图像</param>
/// <param name="cv_enet">输出分割后的图像</param>
/// <param name="threadsm">阈值</param>
/// <param name="image_size">推理尺寸大小</param>
/// <returns></returns>
static int enetSegmentation(cv::Mat& cv_src, cv::Mat& cv_enet, ncnn::Net& ncnn_net, int threadsm, int image_size)
{

    if (cv_src.empty())
    {
        return -20;
    }
    ncnn::Mat in = ncnn::Mat::from_pixels_resize(cv_src.data, ncnn::Mat::PIXEL_BGR, cv_src.cols, cv_src.rows, image_size, image_size);

    const float norm_vals[3] = { 1 / 255.f, 1 / 255.f, 1 / 255.f };
    in.substract_mean_normalize(0, norm_vals);
    ncnn::Extractor ex = ncnn_net.create_extractor();
    ex.set_num_threads(threadsm);

    ncnn::Mat out;


    ex.input("input.1", in);
    ex.extract("887", out);

    cv::Mat cv_seg = cv::Mat::zeros(cv::Size(out.w, out.h), CV_8UC1);
    for (int i = 0; i < out.h; ++i)
    {
        for (int j = 0; j < out.w; ++j)
        {
            const float* bg = out.channel(0);
            const float* fg = out.channel(1);
            if (bg[i * out.w + j] < fg[i * out.w + j])
            {
                cv_seg.data[i * out.w + j] = 255;
            }
        }
    }

    cv::resize(cv_seg, cv_enet, cv::Size(cv_src.cols, cv_src.rows), cv::INTER_LINEAR);
    return 0;
}

分割效果:

 

 3.获取目标的分割位置之后要对目标的连边缘进行提取,要进行直线检测,直线可以用传统算法,OpenCV的霍夫曼直接检测,也可以用基于深度学习的M-LSD,如果用M-LSD也可以直接省掉语义分割的这一步,直线检测效果的对比可以看我之前的博客《直线检测——对比M-LSD直线检测(基于深度学习)与霍夫曼直线检测https://blog.csdn.net/matt45m/article/details/124362068?spm=1001.2014.3001.5502》。

直线检测与拟合边缘点:

static int getCorrectionPoint(cv::Mat cv_edge, cv::Mat& cv_enet, std::vector<cv::Point>& points_out,
    double theta = 50, int threshold = 30, double minLineLength = 10)
{
    std::vector<cv::Vec4f> lines;
    HoughLinesP(cv_edge, lines, 1, CV_PI * 1 / 180, theta, threshold, minLineLength);

    if (lines.size() <= 3)
    {
        int mask = enetLinesToPoint(cv_enet, points_out);

        return std::stoi(std::to_string(42) + std::to_string(mask));
    }

    std::vector<Line> horizontals, verticals;

    linesDichotomy(lines, horizontals, verticals, cv_edge);

    if (horizontals.size() < 2 || verticals.size() < 2)
    {
        int mask = enetLinesToPoint(cv_enet, points_out);

        return std::stoi(std::to_string(43) + std::to_string(mask));
    }
    std::vector<Line> lines_out;
    screenLines(horizontals, verticals, lines_out, 40);

    if (lines_out.size() < 4)
    {
        int mask = enetLinesToPoint(cv_enet, points_out);

        return std::stoi(std::to_string(44) + std::to_string(mask));
    }

    if (decideAngle(lines_out))
    {
        int mask = enetLinesToPoint(cv_enet, points_out);

        return std::stoi(std::to_string(45) + std::to_string(mask));
    }

    std::vector<cv::Point> points;
    points.push_back(computeIntersect(lines_out.at(0), lines_out.at(2)));
    points.push_back(computeIntersect(lines_out.at(0), lines_out.at(3)));
    points.push_back(computeIntersect(lines_out.at(2), lines_out.at(1)));
    points.push_back(computeIntersect(lines_out.at(1), lines_out.at(3)));

    if (decodeArea(cv_enet, points, 4))
    {
        int mask = enetLinesToPoint(cv_enet, points_out);

        return std::stoi(std::to_string(46) + std::to_string(mask));
    }
    if (((points.at(1).x - points.at(0).x) < 60) || ((points.at(3).x - points.at(2).x) < 60) || 
        ((points.at(2).y - points.at(0).y) < 60) || ((points.at(3).y - points.at(1).y) < 60))
    {
        int mask = enetLinesToPoint(cv_enet, points_out);

        return std::stoi(std::to_string(47) + std::to_string(mask));
    }

    points_out = points;

    return 400;
}

 4.获取边缘之后,要对边缘进行校正,校正就是把边缘的四个点重新映射到平面上,为了更智能化的处理,在这里加上了文字检测与文字角度检测,为了达到,不管用户拍照的证件照不管是什么方向,最终得到的校正后图像文字都是正过来的,避免用户过多的参与操作。

int reviseImage(cv::Mat& cv_src, cv::Mat& cv_dst, ncnn::Net& db_net, 
    ncnn::Net& angle_net, std::vector<cv::Point>& in_points)
{
    int val = verify();
    if (val != 0)
    {
        return val;
    }

    if (cv_src.empty())
    {
        return -20;
    }
    cv::Mat cv_warp = cv_src.clone();
    if (in_points.size() != 4)
    {
        return -444;
    }

    cv::Point point_f, point_b;

    point_f.x = (in_points.at(0).x < in_points.at(2).x) ? in_points.at(0).x : in_points.at(2).x;
    point_f.y = (in_points.at(0).y < in_points.at(1).y) ? in_points.at(0).y : in_points.at(1).y;
    point_b.x = (in_points.at(3).x > in_points.at(1).x) ? in_points.at(3).x : in_points.at(1).x;
    point_b.y = (in_points.at(3).y > in_points.at(2).y) ? in_points.at(3).y : in_points.at(2).y;

    //2020.8.24更新了比例不对的问题,加了点到点之间的距离运算,最终取水平与垂直线最长线
    float l_1 = getDistance(in_points.at(0), in_points.at(1));
    float l_2 = getDistance(in_points.at(2), in_points.at(3));
    float l_3 = getDistance(in_points.at(1), in_points.at(3));
    float l_4 = getDistance(in_points.at(0), in_points.at(2));

    int width = l_1 >= l_2 ? l_1 : l_2;
    int height = l_3 >= l_4 ? l_3 : l_4;

    //旧代码取目标的最小外接矩形,但倾斜45度时会出现比例变形的现象
    //cv::Rect rect(point_f, point_b);
    cv_dst = cv::Mat::zeros(height, width, CV_8UC3);

    std::vector<cv::Point2f> dst_pts;
    dst_pts.push_back(cv::Point2f(0, 0));
    dst_pts.push_back(cv::Point2f(width - 1, 0));
    dst_pts.push_back(cv::Point2f(0, height - 1));
    dst_pts.push_back(cv::Point2f(width - 1, height - 1));

    std::vector<cv::Point2f> tr_points;
    tr_points.push_back(in_points.at(0));
    tr_points.push_back(in_points.at(1));
    tr_points.push_back(in_points.at(2));
    tr_points.push_back(in_points.at(3));

    cv::Mat transmtx = getPerspectiveTransform(tr_points, dst_pts);

    cv::Mat cv_revise;
    cv::warpPerspective(cv_warp, cv_revise, transmtx, cv_dst.size());


    std::vector<cv::Mat> cv_dsts;
    int vh = cutTextLines(cv_revise, db_net, cv_dsts);

    int angle = directionTextLines(cv_dsts, angle_net);

    //std::cout << angle << std::endl;

    int rotate_angle = 0;

    if (vh == 7 && angle == 1)//横排文字竖放从上到下
    {
        rotate_angle = 90;
    }
    if (vh == 7 && angle == 0)//横排文字竖放从下到上
    {
        rotate_angle = 270;
    }
    if (vh == 4 && angle == 0)//横排文字颠倒
    {
        rotate_angle = 180;
    }
    if (vh == 7 && angle == 3)//竖排文字正常
    {
        rotate_angle = 0;
    }
    if (vh == 4 && angle == 2)//竖排文字横放从下到上
    {
        rotate_angle = 90;
    }
    if (vh == 4 && angle == 3)//竖排文字横放从上到下
    {
        rotate_angle = 270;
    }
    if (vh == 7 && angle == 2)//竖排文字颠倒
    {
        rotate_angle = 180;
    }
    if (vh == 4 && angle == 1)//横排文字正常
    {
        rotate_angle = 0;
    }
    if (vh == 7 && angle < 0)//横排文字检测不到多于3行的文字
    {
        rotate_angle = 0;
    }
    if (vh == 4 && angle < 0)//竖排文字检测不到多于3行的文字
    {
        rotate_angle = 90;
    }

    switch (rotate_angle)
    {
    case 0:
        cv_dst = cv_revise;
        break;
    case 90:
        cv_dst = rotateMat(cv_revise, 0);
        break;
    case 180:
        cv_dst = rotateMat(cv_revise, -1);
        //flip(cv_revise, cv_dst, -1);
        break;
    case 270:
        cv_dst = rotateMat(cv_revise, 1);
        break;
    default:
        break;
    }
   
    return std::stoi(std::to_string(vh) + std::to_string(angle));
}

 

三、正反面合并

1、按正常扫描逻辑,合并扫描时,正面的那张一般都是放在最上边,这里做了判断,如果合并的时同一类型的证件,比如只合并身份证,不混着合并身份证和银行卡,那么身份证的下面照片就放在上面。

void KL_SmartOffice::merge_imgae()
{
    ui.label_r->setMaximumWidth(0);
    ui.widget_d->setMaximumHeight(0);
    
    if (btnGroup->checkedId() == 1)
    {
        if (!cv_dis_1.empty() && !cv_dis_2.empty())
        {
            if (od_index_1 == 20 && od_index_2 == 21)
            {
                scan.merge_a4(cv_dis_1, cv_dis_2, cv_merge);
            }
            else if (od_index_1 == 21 && od_index_2 == 20)
            {
                scan.merge_a4(cv_dis_2, cv_dis_1, cv_merge);
            }
            else if (od_index_1 ==30 && od_index_2 == 31)
            {
                scan.merge_a4(cv_dis_1, cv_dis_2, cv_merge);
            }
            else if (od_index_1 == 31 && od_index_2 == 30)
            {
                scan.merge_a4(cv_dis_2, cv_dis_1, cv_merge);
            }
            else if (od_index_1 == 50 && od_index_2 == 51)
            {
                scan.merge_a4(cv_dis_1, cv_dis_2, cv_merge);
            }
            else if (od_index_1 == 51 && od_index_2 == 50)
            {
                scan.merge_a4(cv_dis_2, cv_dis_1, cv_merge);
            }
            else
            {
                scan.merge_a4(cv_dis_1, cv_dis_2, cv_merge);
            }
        }
       
        ui.pushButton_save->setEnabled(true);
        ui.pushButton_style->setEnabled(false);
        ui.pushButton_rotate->setEnabled(false);
        ui.pushButton_merge->setEnabled(false);
        ui.pushButton_ocr->setEnabled(false);
    }
}

2.合并到A4纸上,300dpi,如果太低了,合并出来的照片就是很模糊。

void ScanJia::merge_a4(const cv::Mat& cv_src_1, const cv::Mat& cv_src_2, cv::Mat& cv_dst)
{
    cv::Mat cv_1, cv_2;
    cv::resize(cv_src_1, cv_1, cv::Size(1031, 658));
    cv::resize(cv_src_2, cv_2, cv::Size(1031, 658));
    cv_dst = cv::Mat(3508, 2479, CV_8UC3, cv::Scalar(255, 255, 255));
    cv::Mat cv_one = cv_dst(cv::Rect(724, 700,cv_1.cols, cv_1.rows));
    cv_1.copyTo(cv_one);
    cv::Mat cv_two = cv_dst(cv::Rect(724, 2058,cv_2.cols, cv_2.rows));
    cv_2.copyTo(cv_two);
}

合并的效果如下,社保卡正反面合并:

身份证正反面合并:

四、OCR文字识别

1.证件的识别相对于场景简单一引起,使用的是paddle离线版本,为了库的统一,关于paddle模型转ncnn模型可以参考:

https://github.com/FeiGeChuanShu/ncnn_paddleocr ​​​​​​icon-default.png?t=N3I4https://github.com/FeiGeChuanShu/ncnn_paddleocr

2.NCNN推理代码 

 OcrResult OcrLite::detect(const cv::Mat& mat, int padding, int maxSideLen,
        float boxScoreThresh, float boxThresh, float unClipRatio, bool doAngle, bool mostAngle)
    {
        cv::Mat originSrc = mat;
        int originMaxSide = (std::max)(originSrc.cols, originSrc.rows);
        int resize;
        if (maxSideLen <= 0 || maxSideLen > originMaxSide) {
            resize = originMaxSide;
        }
        else {
            resize = maxSideLen;
        }
        resize += 2 * padding;
        cv::Rect paddingRect(padding, padding, originSrc.cols, originSrc.rows);
        cv::Mat paddingSrc = makePadding(originSrc, padding);
        ScaleParam scale = getScaleParam(paddingSrc, resize);
        OcrResult result;
        result = detect(NULL, NULL, paddingSrc, paddingRect, scale,
            boxScoreThresh, boxThresh, unClipRatio, doAngle, mostAngle);
        return result;
    }

    std::vector<cv::Mat> OcrLite::getPartImages(cv::Mat& src, std::vector<TextBox>& textBoxes)
    {
        std::vector<cv::Mat> partImages;
        for (int i = 0; i < textBoxes.size(); ++i)
        {
            cv::Mat partImg = getRotateCropImage(src, textBoxes[i].boxPoint);
            partImages.emplace_back(partImg);
        }
        return partImages;
    }

    OcrResult OcrLite::detect(const char*, const char*,
        cv::Mat& src, cv::Rect& originRect, ScaleParam& scale,
        float boxScoreThresh, float boxThresh, float unClipRatio, bool doAngle, bool mostAngle) {

        cv::Mat textBoxPaddingImg = src.clone();
        int thickness = getThickness(src);

        double startTime = getCurrentTime();
        std::vector<TextBox> textBoxes = dbNet.getTextBoxes(src, scale, boxScoreThresh, boxThresh, unClipRatio);
        double endDbNetTime = getCurrentTime();
        double dbNetTime = endDbNetTime - startTime;

        drawTextBoxes(textBoxPaddingImg, textBoxes, thickness);

        //---------- getPartImages ----------
        std::vector<cv::Mat> partImages = getPartImages(src, textBoxes);

        std::vector<Angle> angles;
        angles = angleNet.getAngles(partImages, doAngle, mostAngle);


        //Rotate partImgs
        for (int i = 0; i < partImages.size(); ++i) {
            if (angles[i].index == 1) {
                partImages.at(i) = matRotateClockWise180(partImages[i]);
            }
        }
        std::vector<TextLine> textLines = crnnNet.getTextLines(partImages);

        std::vector<TextBlock> textBlocks;
        for (int i = 0; i < textLines.size(); ++i) {
            std::vector<cv::Point> boxPoint = std::vector<cv::Point>(4);
            int padding = originRect.x;//padding conversion
            boxPoint[0] = cv::Point(textBoxes[i].boxPoint[0].x - padding, textBoxes[i].boxPoint[0].y - padding);
            boxPoint[1] = cv::Point(textBoxes[i].boxPoint[1].x - padding, textBoxes[i].boxPoint[1].y - padding);
            boxPoint[2] = cv::Point(textBoxes[i].boxPoint[2].x - padding, textBoxes[i].boxPoint[2].y - padding);
            boxPoint[3] = cv::Point(textBoxes[i].boxPoint[3].x - padding, textBoxes[i].boxPoint[3].y - padding);
            TextBlock textBlock{ boxPoint, textBoxes[i].score, angles[i].index, angles[i].score,
                                angles[i].time, textLines[i].text, textLines[i].charScores, textLines[i].time,
                                angles[i].time + textLines[i].time };
            textBlocks.emplace_back(textBlock);
        }

        double endTime = getCurrentTime();
        double fullTime = endTime - startTime;

        //cropped to original size
        cv::Mat textBoxImg;

        if (originRect.x > 0 && originRect.y > 0) {
            textBoxPaddingImg(originRect).copyTo(textBoxImg);
        }
        else {
            textBoxImg = textBoxPaddingImg;
        }

        std::string strRes;
        for (int i = 0; i < textBlocks.size(); ++i) {
            strRes.append(textBlocks[i].text);
            strRes.append("\n");
        }

        return OcrResult{ dbNetTime, textBlocks, textBoxImg, fullTime, strRes };
    }
}

 3.识别的效果

 

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/451732.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【数据结构与算法】常用数据结构(一)

&#x1f600;大家好&#xff0c;我是白晨&#xff0c;一个不是很能熬夜&#xff0c;但是也想日更的人✈。如果喜欢这篇文章&#xff0c;点个赞&#x1f44d;&#xff0c;关注一下&#x1f440;白晨吧&#xff01;你的支持就是我最大的动力&#xff01;&#x1f4aa;&#x1f4…

燃气管道定位83KHZ地下电子标识器探测仪ED-8000操作说明1

1、功能简要说明 ED-8000地下电子标识器探测仪是华翔天诚推出的一款可支持模拟电子标识器&#xff08;无 ID&#xff09;探测和数字 ID 电子标识器 探测两种工作模式&#xff0c;在模拟电子标识器&#xff08;无 ID&#xff09;探测模式下&#xff0c;可探测 所有按标准频率生…

Unity-ML-Agents安装

目录 1.下载ML-Agents 1.1 前往官网 1.2 选择版本 1.3 下载文件 2.下载Anaconda 3.虚拟环境 3.1 构建虚拟环境 3.2 创建项目&#xff0c;导入package.json 3.2.1 创建项目&#xff0c;导入package.json 3.2.2 导入成功 3.2.3 将模板项目拖入unity项目中 3.3 开始训练 …

低代码感觉很能打——可视化搭建系统,把格局做大

有人说「可视化搭建系统」说到底只是重复造轮子产生的玩具&#xff1b; 有人说「可视化搭建系统」本质是组件枚举&#xff0c;毫无意义。 片面的认知必有其产生的道理&#xff0c;但我们不妨从更高的角度出发&#xff0c;并真切落地实践&#xff0c;也许你会发现&#xff1a;我…

Java面试题总结 | Java面试题总结5- 数据结构模块(持续更新)

数据结构 文章目录 数据结构顺序表和链表的区别HashMap 和 Hashtable 的区别Java中用过哪些集合&#xff0c;说说底层实现&#xff0c;使用过哪些安全的集合类Java中线程安全的基本数据结构有哪些ArrayList、Vector和LinkedList有什么共同点与区别&#xff1f;ArrayList和Linke…

怎样正确做web应用的压力测试?

web应用&#xff0c;通俗来讲就是一个网站&#xff0c;主要依托于浏览器实现其功能。 提到压力测试&#xff0c;我们想到的是服务端压力测试&#xff0c;其实这是片面的&#xff0c;完整的压力测试包含服务端压力测试和前端压力测试。 下文将从以下几部分内容展开&#xff1a…

源码简读 - AlphaFold2的2.3.2版本源码解析 (1)

欢迎关注我的CSDN&#xff1a;https://spike.blog.csdn.net/ 本文地址&#xff1a;https://blog.csdn.net/caroline_wendy/article/details/130323566 时间&#xff1a;2023.4.22 官网&#xff1a;https://github.com/deepmind/alphafold AlphaFold2是一种基于深度学习的方法…

torch中fft和ifft新旧版本使用

pytorch旧版本&#xff08;1.7之前&#xff09;中有一个函数torch.rfft()&#xff0c;但是新版本&#xff08;1.8、1.9&#xff09;中被移除了&#xff0c;添加了torch.fft.rfft()&#xff0c;但它并不是旧版的替代品。 torch.fft label_fft1 torch.rfft(label_img4, signal…

25岁走出外包后,感到迷茫了.....

我认识一个老哥&#xff0c;他前段时间从外包出来了&#xff0c;他在外包干了3年左右的点工&#xff0c;可能也是自身的原因&#xff0c;也没有想到提升自己的技术水平&#xff0c;后面觉得快废了&#xff0c;待着没意思就出来了&#xff0c;出来后他自己更迷茫了&#xff0c;本…

Linux安装Jenkins搭配Gitee自动化部署Springboot项目

目录 前言一、环境准备二、全局工具配置jdk、maven、git三、配置Gitee四、新建任务-部署Springboot项目 前言 Jenkins是一款流行的开源持续集成&#xff08;CI&#xff09;和持续交付&#xff08;CD&#xff09;工具。它可以帮助开发人员自动构建、测试和部署软件应用程序&…

广州蓝景分享—快速了解Typescript 5.0 中重要的新功能

作为一种在开发人员中越来越受欢迎的编程语言&#xff0c;TypeScript 不断发展&#xff0c;带来了大量的改进和新功能。在本文中&#xff0c;我们将深入研究 TypeScript 的最新迭代版本 5.0&#xff0c;并探索其最值得注意的更新。 1.装饰器 TypeScript 5.0 引入了改进的装饰…

二、SQLServer 的适配记录

SQLServer 适配记录 说明:由于 SQLSERVER 数据库本身和MYSQL数据库有一定的语法,创表结构,物理模式等差别,在适配过程中,可能会出现各种错误情况,可参考本次适配记录。 当前环境: 适配项目:JDK11,SpringBoot服务。 适配数据库:SELECT @@VERSION,得 Microsoft SQL …

ProtocolBuffer入门和使用

<<<<<<< HEAD 基础 入门 优势 protocol buffer主要用于结构化数据串行化的灵活、高效、自动的方法&#xff08;简单来说就是结构化数据的可串行化传输&#xff0c;类似JSON、XML等&#xff09;。 比XML解析更快&#xff1a;解析的层数更少&#xff0c;…

【技术发烧】MySqlServer,MySQL WorkBench安装详细教程

目录 一.下载安装MySQLSever 1.下载 2.安装 1.解压 2.编写配置文件 二.初始化数据库 1.以管理员身份打开命令提示符 2.初始化数据库 3.安装mysql服务并启动 4.连接MySQL 5. 修改密码 三.MySQL WorkBench下载 一.下载安装MySQLSever 1.下载 下载路径&#xff1a;https:/…

java导入导出excel数据图片合成工具

目录 java导出和导入excel数据java读取excel数据java数据导出成excel表格 java服务端图片合成的工具 java导出和导入excel数据 可以使用hutool的ExcelUtil工具。 在项目中加入以下依赖&#xff1a; <dependency><groupId>cn.hutool</groupId><artifactI…

【计算机基础】绝对路径和相对路径

目录 一.绝对路径 二.相对路径 例如 三.举例 一.绝对路径 绝对路径是指从根目录开始的完整路径&#xff0c;包括所有父目录的路径&#xff0c;直到目标文件或者目录 所在的位置。 全文件名全路径文件名绝对路经完整的路径 例如&#xff0c;在windows系统中&#xff0c;绝…

《Linux基础》09. Shell 编程

Shell 编程 1&#xff1a;Shell 简介2&#xff1a;Shell 脚本2.1&#xff1a;规则与语法2.2&#xff1a;执行方式2.3&#xff1a;第一个 Shell 脚本 3&#xff1a;变量3.1&#xff1a;系统变量3.2&#xff1a;用户自定义变量3.2.1&#xff1a;规则3.2.2&#xff1a;基本语法3.2…

Python自动发送消息小脚本,可用于各种聊天框~

作者主页&#xff1a;爱笑的男孩。的博客_CSDN博客-深度学习,YOLO,活动领域博主爱笑的男孩。擅长深度学习,YOLO,活动,等方面的知识,爱笑的男孩。关注算法,python,计算机视觉,图像处理,深度学习,pytorch,神经网络,opencv领域.https://blog.csdn.net/Code_and516?typecollect 个…

安装k3s

k3s官方文档 architecture quick start 概述&#xff1a;k3s一个轻量级的kubernetes,因资源消耗知识kubernetes的一半&#xff0c;故取名k3s k3s的node分为 server node 和agent node: server node: 可以运行kubectl等命令&#xff0c;且包含 agent node的功能。agent node:…

【升级】专为小白设计的TypeScript入门课无密拟把疏狂图一醉

TypeScript&#xff1a;JavaScript的超集&#xff0c;提高代码可靠性和可维护性 【升级】专为小白设计的TypeScript入门课 download&#xff1a;https://www.666xit.com/3817/ 随着现代Web应用程序的复杂性增加&#xff0c;使用JavaScript编写大型项目变得越来越困难。TypeS…