pos机刷卡身份证,基于tensorflow 实现端到端的OCR

网上有很多关于pos机刷卡身份证,基于tensorflow 实现端到端的刷卡身份w实OCR的知识，也有很多人为大家解答关于pos机刷卡身份证的证基问题，今天乐刷官方代理商(www.zypos.cn)为大家整理了关于这方面的现端知识，让我们一起来看下吧!

本文目录一览：

1、到端的pos机刷卡身份证

pos机刷卡身份证

最近在研究OCR识别相关的刷卡身份w实东西，最终目标是证基能识别身份证上的所有中文汉字+数字，不过本文先设定一个小目标，现端先识别定长为18的到端的身份证号，当然本文的刷卡身份w实思路也是可以复用来识别定长的验证码识别的。 本文实现思路主要来源于Xlvector的证基博客，采用基于CNN实现端到端的现端OCR，下面引用博文介绍目前基于深度学习的到端的两种OCR识别方法：

把OCR的问题当做一个多标签学习的问题。4个数字组成的刷卡身份w实验证码就相当于有4个标签的图片识别问题（这里的标签还是有序的），用CNN来解决。证基把OCR的现端问题当做一个语音识别的问题，语音识别是把连续的音频转化为文本，验证码识别就是把连续的图片转化为文本，用CNN+LSTM+CTC来解决。

这里方法1主要用来解决固定长度标签的图片识别问题，而方法2主要用来解决不定长度标签的图片识别问题，本文实现方法1识别固定18个数字字符的身份证号。

下载地址：文章末尾。

##环境依赖

本文基于tensorflow框架实现,依赖于tensorflow环境，建议使用anaconda进行python包管理及环境管理本文使用freetype-py 进行训练集图片的实时生成，同时后续也可扩展为能生成中文字符图片的训练集，建议使用pip安装

pip install freetype-py同时本文还依赖于numpy和opencv等常用库

pip install numpy cv2

##知识准备

本文不具体介绍CNN (卷积神经网络)具体实现原理，不熟悉的建议参看集智博文卷积：如何成为一个很厉害的神经网络，这篇文章写得很本文实现思路很容易理解，就是把一个有序排列18个数字组成的图片当做一个多标签学习的问题，标签的长度可以任意改变，只要是固定长度的，这个训练方法都是适用的，当然现实中很多情况是需要识别不定长度的标签的，这部分就需要使用方法2(CNN+lSTM+CTC)来解决了。

##正文 ###训练数据集生成 首先先完成训练数据集图片的生成，主要依赖于freetype-py库生成数字/中文的图片。其中要注意的一点是就是生成图片的大小，本文经过多次尝试后，生成的图片是32 x 256大小的，如果图片太大，则可能导致训练不收敛

生成出来的示例图片如下：

gen_image()方法返回 image_data：图片像素数据 (32,256) label： 图片标签 18位数字字符 477081933151463759 vec : 图片标签转成向量表示 (180,) 代表每个数字所处的列，总长度 18 * 10

#!/usr/bin/env python2# -*- coding: utf-8 -*-"""身份证文字+数字生成类@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" />

###构建网络，开始训练 首先定义生成一个batch的方法：

# 生成一个训练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，个人还不是很理解，读者可自行百度，代码来源于参考博文

#Batch Normalization? 有空再理解,tflearn or slim都有封装## 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

定义4层CNN和一层全连接层，卷积核分别是2层5x5、2层3x3，每层均使用tf.nn.relu非线性化,并使用max_pool，网络结构读者可自行调参优化

# 定义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" />

最后执行训练，使用sigmoid分类，每100次计算一次准确率，如果准确率超过80%，则保存模型并结束训练

# 训练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)) # 最后一层用来分类的softmax和sigmoid有什么不同？# optimizer 为了加快训练 learning_rate应该开始大，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计算一次准确率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，训练准确率为：%s" % (step, acc)# 如果准确率大80%,保存模型,完成训练if acc > 0.8:saver.save(sess, "crack_capcha.model", global_step=step)breakstep += 1

执行结果，笔者在大概500次训练后，得到准确率84.3%的结果

笔者在一开始训练的时候图片大小是64 x 512的，训练的时候发现训练速度很慢，而且训练的loss不收敛一直保持在33左右，缩小图片为32 x 256后解决，不知道为啥，猜测要么是网络层级不够，或者特征层数不够吧。

小目标完成后，为了最终目标的完成，后续可能尝试方法2，去识别不定长的中文字符图片，不过要先去理解LSTM网络和 CTC模型了。

下载地址：https://github.com/jimmyleaf/ocr_tensorflow_cnn/archive/master.zip

以上就是关于pos机刷卡身份证,基于tensorflow 实现端到端的OCR的知识，后面我们会继续为大家整理关于pos机刷卡身份证的知识，希望能够帮助到大家！