網(wǎng)上有很多關(guān)于pos機(jī)刷卡身份證,基于tensorflow 實(shí)現(xiàn)端到端的OCR的知識(shí)，也有很多人為大家解答關(guān)于pos機(jī)刷卡身份證的問(wèn)題，今天pos機(jī)之家(www.tjfsxbj.com)為大家整理了關(guān)于這方面的知識(shí)，讓我們一起來(lái)看下吧!

本文目錄一覽：

1、pos機(jī)刷卡身份證

pos機(jī)刷卡身份證

最近在研究OCR識(shí)別相關(guān)的東西，最終目標(biāo)是能識(shí)別身份證上的所有中文漢字+數(shù)字，不過(guò)本文先設(shè)定一個(gè)小目標(biāo)，先識(shí)別定長(zhǎng)為18的身份證號(hào)，當(dāng)然本文的思路也是可以復(fù)用來(lái)識(shí)別定長(zhǎng)的驗(yàn)證碼識(shí)別的。 本文實(shí)現(xiàn)思路主要來(lái)源于Xlvector的博客，采用基于CNN實(shí)現(xiàn)端到端的OCR，下面引用博文介紹目前基于深度學(xué)習(xí)的兩種OCR識(shí)別方法：

把OCR的問(wèn)題當(dāng)做一個(gè)多標(biāo)簽學(xué)習(xí)的問(wèn)題。4個(gè)數(shù)字組成的驗(yàn)證碼就相當(dāng)于有4個(gè)標(biāo)簽的圖片識(shí)別問(wèn)題（這里的標(biāo)簽還是有序的），用CNN來(lái)解決。把OCR的問(wèn)題當(dāng)做一個(gè)語(yǔ)音識(shí)別的問(wèn)題，語(yǔ)音識(shí)別是把連續(xù)的音頻轉(zhuǎn)化為文本，驗(yàn)證碼識(shí)別就是把連續(xù)的圖片轉(zhuǎn)化為文本，用CNN+LSTM+CTC來(lái)解決。

這里方法1主要用來(lái)解決固定長(zhǎng)度標(biāo)簽的圖片識(shí)別問(wèn)題，而方法2主要用來(lái)解決不定長(zhǎng)度標(biāo)簽的圖片識(shí)別問(wèn)題，本文實(shí)現(xiàn)方法1識(shí)別固定18個(gè)數(shù)字字符的身份證號(hào)。

下載地址：文章末尾。

##環(huán)境依賴(lài)

本文基于tensorflow框架實(shí)現(xiàn),依賴(lài)于tensorflow環(huán)境，建議使用anaconda進(jìn)行python包管理及環(huán)境管理本文使用freetype-py 進(jìn)行訓(xùn)練集圖片的實(shí)時(shí)生成，同時(shí)后續(xù)也可擴(kuò)展為能生成中文字符圖片的訓(xùn)練集，建議使用pip安裝

pip install freetype-py同時(shí)本文還依賴(lài)于numpy和opencv等常用庫(kù)

pip install numpy cv2

##知識(shí)準(zhǔn)備

本文不具體介紹CNN (卷積神經(jīng)網(wǎng)絡(luò))具體實(shí)現(xiàn)原理，不熟悉的建議參看集智博文卷積：如何成為一個(gè)很厲害的神經(jīng)網(wǎng)絡(luò)，這篇文章寫(xiě)得很本文實(shí)現(xiàn)思路很容易理解，就是把一個(gè)有序排列18個(gè)數(shù)字組成的圖片當(dāng)做一個(gè)多標(biāo)簽學(xué)習(xí)的問(wèn)題，標(biāo)簽的長(zhǎng)度可以任意改變，只要是固定長(zhǎng)度的，這個(gè)訓(xùn)練方法都是適用的，當(dāng)然現(xiàn)實(shí)中很多情況是需要識(shí)別不定長(zhǎng)度的標(biāo)簽的，這部分就需要使用方法2(CNN+lSTM+CTC)來(lái)解決了。

##正文 ###訓(xùn)練數(shù)據(jù)集生成 首先先完成訓(xùn)練數(shù)據(jù)集圖片的生成，主要依賴(lài)于freetype-py庫(kù)生成數(shù)字/中文的圖片。其中要注意的一點(diǎn)是就是生成圖片的大小，本文經(jīng)過(guò)多次嘗試后，生成的圖片是32 x 256大小的，如果圖片太大，則可能導(dǎo)致訓(xùn)練不收斂

生成出來(lái)的示例圖片如下：

gen_image()方法返回 image_data：圖片像素?cái)?shù)據(jù) (32,256) label： 圖片標(biāo)簽 18位數(shù)字字符 477081933151463759 vec : 圖片標(biāo)簽轉(zhuǎn)成向量表示 (180,) 代表每個(gè)數(shù)字所處的列，總長(zhǎng)度 18 * 10

#!/usr/bin/env python2# -*- coding: utf-8 -*-"""身份證文字+數(shù)字生成類(lèi)@author: pengyuanjie"""import numpy as npimport freetypeimport copyimport randomimport cv2class put_chinese_text(object): def __init__(self, ttf): self._face = freetype.Face(ttf) def draw_text(self, image, pos, text, text_size, text_color): \'\'\' draw chinese(or not) text with ttf :param image: image(numpy.ndarray) to draw text :param pos: where to draw text :param text: the context, for chinese should be unicode type :param text_size: text size :param text_color:text color :return: image \'\'\' self._face.set_char_size(text_size * 64) metrics = self._face.size ascender = metrics.ascender/64.0 #descender = metrics.descender/64.0 #height = metrics.height/64.0 #linegap = height - ascender + descender ypos = int(ascender) if not isinstance(text, unicode): text = text.decode(\'utf-8\') img = self.draw_string(image, pos[0], pos[1]+ypos, text, text_color) return img def draw_string(self, img, x_pos, y_pos, text, color): \'\'\' draw string :param x_pos: text x-postion on img :param y_pos: text y-postion on img :param text: text (unicode) :param color: text color :return: image \'\'\' prev_char = 0 pen = freetype.Vector() pen.x = x_pos << 6 # div 64 pen.y = y_pos << 6 hscale = 1.0 matrix = freetype.Matrix(int(hscale)*0x10000L, int(0.2*0x10000L),\\ int(0.0*0x10000L), int(1.1*0x10000L)) cur_pen = freetype.Vector() pen_translate = freetype.Vector() image = copy.deepcopy(img) for cur_char in text: self._face.set_transform(matrix, pen_translate) self._face.load_char(cur_char) kerning = self._face.get_kerning(prev_char, cur_char) pen.x += kerning.x slot = self._face.glyph bitmap = slot.bitmap cur_pen.x = pen.x cur_pen.y = pen.y - slot.bitmap_top * 64 self.draw_ft_bitmap(image, bitmap, cur_pen, color) pen.x += slot.advance.x prev_char = cur_char return image def draw_ft_bitmap(self, img, bitmap, pen, color): \'\'\' draw each char :param bitmap: bitmap :param pen: pen :param color: pen color e.g.(0,0,255) - red :return: image \'\'\' x_pos = pen.x >> 6 y_pos = pen.y >> 6 cols = bitmap.width="360px",height="auto" />

###構(gòu)建網(wǎng)絡(luò)，開(kāi)始訓(xùn)練 首先定義生成一個(gè)batch的方法：

# 生成一個(gè)訓(xùn)練batchdef get_next_batch(batch_size=128): obj = gen_id_card() batch_x = np.zeros([batch_size, IMAGE_HEIGHT*IMAGE_width="360px",height="auto" />

reshape((IMAGE_HEIGHT*IMAGE_width="360px",height="auto" />

用了Batch Normalization，個(gè)人還不是很理解，讀者可自行百度，代碼來(lái)源于參考博文

#Batch Normalization? 有空再理解,tflearn or slim都有封裝## http://stackoverflow.com/a/34634291/2267819def batch_norm(x, beta, gamma, phase_train, scope=\'bn\', decay=0.9, eps=1e-5):with tf.variable_scope(scope):#beta = tf.get_variable(name=\'beta\', shape=[n_out], initializer=tf.constant_initializer(0.0), trainable=True)#gamma = tf.get_variable(name=\'gamma\', shape=[n_out], initializer=tf.random_normal_initializer(1.0, stddev), trainable=True)batch_mean, batch_var = tf.nn.moments(x, [0, 1, 2], name=\'moments\')ema = tf.train.ExponentialMovingAverage(decay=decay)def mean_var_with_update():ema_apply_op = ema.apply([batch_mean, batch_var])with tf.control_dependencies([ema_apply_op]):return tf.identity(batch_mean), tf.identity(batch_var)mean, var = tf.cond(phase_train, mean_var_with_update, lambda: (ema.average(batch_mean), ema.average(batch_var)))normed = tf.nn.batch_normalization(x, mean, var, beta, gamma, eps)return normed

定義4層CNN和一層全連接層，卷積核分別是2層5x5、2層3x3，每層均使用tf.nn.relu非線性化,并使用max_pool，網(wǎng)絡(luò)結(jié)構(gòu)讀者可自行調(diào)參優(yōu)化

# 定義CNNdef crack_captcha_cnn(w_alpha=0.01, b_alpha=0.1):x = tf.reshape(X, shape=[-1, IMAGE_HEIGHT, IMAGE_width="360px",height="auto" />

最后執(zhí)行訓(xùn)練，使用sigmoid分類(lèi)，每100次計(jì)算一次準(zhǔn)確率，如果準(zhǔn)確率超過(guò)80%，則保存模型并結(jié)束訓(xùn)練

# 訓(xùn)練def train_crack_captcha_cnn():output = crack_captcha_cnn()# loss#loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=output, labels=Y))loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=output, labels=Y)) # 最后一層用來(lái)分類(lèi)的softmax和sigmoid有什么不同？# optimizer 為了加快訓(xùn)練 learning_rate應(yīng)該開(kāi)始大，然后慢慢衰optimizer = tf.train.AdamOptimizer(learning_rate=0.002).minimize(loss) predict = tf.reshape(output, [-1, MAX_CAPTCHA, CHAR_SET_LEN])max_idx_p = tf.argmax(predict, 2)max_idx_l = tf.argmax(tf.reshape(Y, [-1, MAX_CAPTCHA, CHAR_SET_LEN]), 2)correct_pred = tf.equal(max_idx_p, max_idx_l)accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32)) saver = tf.train.Saver()with tf.Session() as sess:sess.run(tf.global_variables_initializer()) step = 0while True:batch_x, batch_y = get_next_batch(64)_, loss_ = sess.run([optimizer, loss], feed_dict={X: batch_x, Y: batch_y, keep_prob: 0.75, train_phase:True})print(step, loss_)# 每100 step計(jì)算一次準(zhǔn)確率if step % 100 == 0 and step != 0:batch_x_test, batch_y_test = get_next_batch(100)acc = sess.run(accuracy, feed_dict={X: batch_x_test, Y: batch_y_test, keep_prob: 1., train_phase:False})print "第%s步，訓(xùn)練準(zhǔn)確率為：%s" % (step, acc)# 如果準(zhǔn)確率大80%,保存模型,完成訓(xùn)練if acc > 0.8:saver.save(sess, "crack_capcha.model", global_step=step)breakstep += 1

執(zhí)行結(jié)果，筆者在大概500次訓(xùn)練后，得到準(zhǔn)確率84.3%的結(jié)果

筆者在一開(kāi)始訓(xùn)練的時(shí)候圖片大小是64 x 512的，訓(xùn)練的時(shí)候發(fā)現(xiàn)訓(xùn)練速度很慢，而且訓(xùn)練的loss不收斂一直保持在33左右，縮小圖片為32 x 256后解決，不知道為啥，猜測(cè)要么是網(wǎng)絡(luò)層級(jí)不夠，或者特征層數(shù)不夠吧。

小目標(biāo)完成后，為了最終目標(biāo)的完成，后續(xù)可能?chē)L試方法2，去識(shí)別不定長(zhǎng)的中文字符圖片，不過(guò)要先去理解LSTM網(wǎng)絡(luò)和 CTC模型了。

下載地址：https://github.com/jimmyleaf/ocr_tensorflow_cnn/archive/master.zip

以上就是關(guān)于pos機(jī)刷卡身份證,基于tensorflow 實(shí)現(xiàn)端到端的OCR的知識(shí)，后面我們會(huì)繼續(xù)為大家整理關(guān)于pos機(jī)刷卡身份證的知識(shí)，希望能夠幫助到大家！