买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国—东盟信息港股份有限公司申请的专利一种基于深度学习的身份证识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115273122B 。

龙图腾网通过国家知识产权局官网在2026-02-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210952398.3，技术领域涉及：G06V30/42；该发明授权一种基于深度学习的身份证识别方法及装置是由韦涛;梁勇;杜欢;李鹏;吴康杰设计研发完成，并于2022-08-09向国家知识产权局提交的专利申请。

本一种基于深度学习的身份证识别方法及装置在说明书摘要公布了：本发明公开了一种基于深度学习的身份证识别方法，属于计算机视觉技术领域，解决现有身份证识别方法存在识别率低的技术问题，方法包括：步骤S1.获取身份证图像，并对所述身份证图像进行倾斜校正处理得到预处理图像；步骤S2.构建基于yolov3的区域检测模型，通过所述区域检测模型检测出所述预处理图像中的各个字符区域；步骤S3.构建一个以卷积神经网络为基础的特征提取器，用来提取每个字符区域的图像特征，并从所述图像特征中提取特征向量序列；步骤S4.构建一个循环神经网络来处理所述特征向量序列，得到最终的字符识别结果。本发明还公开了一种基于深度学习的身份证识别装置。

本发明授权一种基于深度学习的身份证识别方法及装置在权利要求书中公布了：1.一种基于深度学习的身份证识别方法，其特征在于，包括： 步骤S1.获取身份证图像，并对所述身份证图像进行倾斜校正处理得到预处理图像； 步骤S2.构建基于yolov3的区域检测模型，通过所述区域检测模型检测出所述预处理图像中的各个字符区域； 步骤S3.构建一个以卷积神经网络为基础的特征提取器，用来提取每个字符区域的图像特征，并从所述图像特征中提取特征向量序列； 步骤S4.构建一个循环神经网络来处理所述特征向量序列，得到最终的字符识别结果； 在步骤S2中，构建区域检测模型包括： 步骤S21.设计CBL单元，该单元由1个卷积层、1个BN层和1个LeakyRelu层依次连接组成，LeakyRelu层使用LeakyRelu作为激活函数； 步骤S22.设计残差单元，该单元内部包含2个CBL单元，2个CBL单元依次连接，残差单元的输入会经过2个CBL单元的处理，将处理得到的结果与残差单元的输入相加，得到残差单元的输出； 步骤S23.设计残差模块，一个残差模块中包含2个CBL单元和3个残差单元，2个CBL单元依次连接后，再和3个残差单元依次连接； 步骤S24.设计模型的主干网络，通过串联若干个残差模块来形成模型的主干网络； 步骤S25.设计多尺度检测单元，用于在多种尺度上检测字符区域； 所述步骤S24中，通过串联3个残差模块来形成模型的主干网络，3个残差模块的卷积参数配置如下： 第1个残差模块的2个CBL单元使用的卷积核参数均为3×3×16；3个残差单元的卷积核参数配置均相同，残差单元中2个CBL单元的卷积核参数配置分别为3×3×8以及1×1×16； 第2个残差模块的2个CBL单元使用的卷积核参数均为3×3×32；3个残差单元的卷积核参数配置均相同，残差单元中2个CBL单元的卷积核参数配置分别为3×3×16以及1×1×32； 第3个残差模块的2个CBL单元使用的卷积核参数均为3×3×64；3个残差单元的卷积核参数配置均相同，残差单元中2个CBL单元的卷积核参数配置分别为3×3×32以及1×1×64； 步骤S25中，设计多尺度检测单元过程如下： 设计大目标尺度单元，大目标尺度单元包含3个CBL单元以及1个全卷积层，3个CBL单元的卷积核参数配置分别为1×1×64、3×3×128、1×1×64，全卷积层参数配置为1×1×21，该单元以主干网络第3个残差模块的输出为输入，通过全卷积层输出8×8×[3×2+5]个结果，表示在8×8特征图上的每一个点设置3个界定框，然后输出每个界定框的2个类别的得分、界定框中心点坐标x,y、界定框宽度w、界定框高度h以及界定框置信度； 设计中目标尺度单元，中目标尺度单元包含3个CBL单元以及1个全卷积层，3个CBL单元的卷积核参数配置分别为1×1×32、3×3×64、1×1×32，全卷积层参数配置为1×1×21，该单元以主干网络第2个残差模块的输出为输入，通过全卷积层输出16×16×[3×2+5]个结果，表示在16×16特征图上的每一个点设置3个界定框，然后输出每个界定框的2个类别的得分、界定框中心点坐标x,y、界定框宽度w、界定框高度h以及界定框置信度； 设计小目标尺度单元，小目标尺度单元包含3个CBL单元以及1个全卷积层，3个CBL单元的卷积核参数配置分别为1×1×16、3×3×32、1×1×16，全卷积层参数配置为1×1×21，该单元以主干网络第1个残差模块的输出为输入，通过全卷积层输出32×32×[3×2+5]个结果，表示在32×32特征图上的每一个点设置3个界定框，然后输出每个界定框的2个类别的得分、界定框中心点坐标x,y、界定框宽度w、界定框高度h以及界定框置信度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国—东盟信息港股份有限公司，其通讯地址为：530000 广西壮族自治区南宁市良庆区秋月路18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。