本申請(qǐng)涉及計(jì)算機(jī)應(yīng)用領(lǐng)域，特別是涉及一種打標(biāo)數(shù)據(jù)的收集方法、裝置以及證件識(shí)別系統(tǒng)。

背景技術(shù)：

字符識(shí)別系統(tǒng)是指用于識(shí)別字符信息真假的系統(tǒng)，如身份證字符識(shí)別系統(tǒng)、營(yíng)業(yè)執(zhí)照字符識(shí)別系統(tǒng)、護(hù)照字符識(shí)別系統(tǒng)等。以身份證字符識(shí)別系統(tǒng)為例，該系統(tǒng)識(shí)別用戶身份證圖像中的關(guān)鍵信息，如姓名、身份證號(hào)碼等字符，以驗(yàn)證用戶身份證圖像的真實(shí)性。

字符識(shí)別系統(tǒng)主要依賴于字符識(shí)別算法來(lái)實(shí)現(xiàn)身份識(shí)別，因此字符識(shí)別算法的性能好壞直接影響到該系統(tǒng)的識(shí)別性能的高低，在實(shí)際操作中，常通過(guò)人工打標(biāo)的方式來(lái)收集打標(biāo)數(shù)據(jù)，利用打標(biāo)數(shù)據(jù)訓(xùn)練得到更加準(zhǔn)確的字符識(shí)別模型，優(yōu)化該字符識(shí)別算法，使字符識(shí)別系統(tǒng)的性能更優(yōu)。在訓(xùn)練過(guò)程中，打標(biāo)數(shù)據(jù)越多、越真實(shí)，訓(xùn)練得到的字符識(shí)別模型的準(zhǔn)確性越高、可靠性越高。

目前，這種人工打標(biāo)的方式，需要投入大量的人工成本和時(shí)間成本，打標(biāo)數(shù)據(jù)的收集效率較低，從而限制了字符識(shí)別系統(tǒng)性能的優(yōu)化。

技術(shù)實(shí)現(xiàn)要素：

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種打標(biāo)數(shù)據(jù)的收集方法和裝置，提供了線上、自動(dòng)收集打標(biāo)數(shù)據(jù)的方式，這種自動(dòng)收集方式，能夠節(jié)省人力成本和時(shí)間成本，能夠促進(jìn)字符識(shí)別系統(tǒng)的優(yōu)化。

另外，本發(fā)明還提供了一種證件識(shí)別系統(tǒng)，既能夠?qū)崿F(xiàn)對(duì)證件的識(shí)別，又能夠?qū)崿F(xiàn)打標(biāo)數(shù)據(jù)的自動(dòng)收集。

本發(fā)明第一方面提供了一種打標(biāo)數(shù)據(jù)的收集方法，所述方法包括：

利用圖像字符識(shí)別系統(tǒng)識(shí)別圖片上的文本信息；

驗(yàn)證識(shí)別到的所述文本信息是否與可信數(shù)據(jù)源的信息一致；

如果一致，則對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；

針對(duì)所述單元圖片，利用與所述單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到所述單元圖片的打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括：所述單元圖片和所述單元圖片的標(biāo)記文本信息。

可選的，所述方法還包括：

如果不一致，則計(jì)算所述文本信息與可信數(shù)據(jù)源的信息之間的相似度，并判斷相似度是否落入預(yù)設(shè)的置信度區(qū)間；

如果是，則轉(zhuǎn)入執(zhí)行所述步驟：對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片。

可選的，所述方法還包括：

保存所述打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)用作所述圖像字符識(shí)別系統(tǒng)的機(jī)器識(shí)別模型的訓(xùn)練樣本。

可選的，在保存所述打標(biāo)數(shù)據(jù)之前，所述方法還包括：

對(duì)所述打標(biāo)數(shù)據(jù)進(jìn)行脫敏處理。

可選的，對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片，包括：

采用文本行定位算法定位所述圖片中的文本區(qū)域；

采用切字算法將文本區(qū)域切割成至少一個(gè)包含單個(gè)字符的單元圖片。

本發(fā)明第二方面提供了一種打標(biāo)數(shù)據(jù)的收集裝置，所述裝置包括：

識(shí)別單元，用于識(shí)別圖片上的文本信息；

驗(yàn)證單元，用于驗(yàn)證識(shí)別到的所述文本信息是否與可信數(shù)據(jù)源的信息一致；如果一致，觸發(fā)分割單元；

所述分割單元，用于對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；

標(biāo)記單元，用于針對(duì)所述單元圖片，利用與所述單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到所述單元圖片的打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括：所述單元圖片和所述單元圖片的標(biāo)記文本信息。

可選的，所述裝置還包括：

計(jì)算單元；則所述驗(yàn)證單元在驗(yàn)證結(jié)果不一致時(shí)，觸發(fā)所述計(jì)算單元；

所述計(jì)算單元，用于計(jì)算所述文本信息與可信數(shù)據(jù)源的信息之間的相似度，并判斷相似度是否落入預(yù)設(shè)的置信度區(qū)間；如果是，觸發(fā)所述分割單元。

可選的，所述裝置還包括：

保存單元，用于保存所述打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)用作所述識(shí)別單元的機(jī)器識(shí)別模型的訓(xùn)練樣本。

可選的，所述裝置還包括：

脫敏單元，用于對(duì)所述打標(biāo)數(shù)據(jù)進(jìn)行脫敏處理；

則所述保存單元，具體用于保存所述脫敏單元脫敏處理后的打標(biāo)數(shù)據(jù)。

可選的，所述分割單元，包括：

定位子單元，用于采用文本行定位算法定位所述圖片中的文本區(qū)域；

切割子單元，用于采用切字算法將文本區(qū)域切割成至少一個(gè)包含單個(gè)字符的單元圖片。

本發(fā)明第三方面提供了一種證件識(shí)別系統(tǒng)，所述系統(tǒng)包括：

圖像字符識(shí)別單元，用于識(shí)別待識(shí)別圖片中的文本信息；

信息驗(yàn)證單元，用于驗(yàn)證所述圖像識(shí)別單元識(shí)別的文本信息與證件數(shù)據(jù)庫(kù)中的信息是否一致，若一致，則驗(yàn)證所述待識(shí)別圖片為真實(shí)圖片；

分割單元，用于對(duì)所述信息驗(yàn)證單元驗(yàn)證的真實(shí)圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；

標(biāo)記單元，用于針對(duì)所述單元圖片，利用與該單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括所述單元圖片及所述單元圖片的標(biāo)記文本信息，所述打標(biāo)數(shù)據(jù)用作所述圖像字符識(shí)別單元的機(jī)器識(shí)別模型的訓(xùn)練樣本。

本發(fā)明提供的技術(shù)方案與現(xiàn)有技術(shù)相比，其具有如下有益效果：

本發(fā)明提供的技術(shù)方案，利用圖像字符識(shí)別系統(tǒng)識(shí)別圖片上的文本信息；驗(yàn)證識(shí)別到的所述文本信息是否與可信數(shù)據(jù)源的信息一致；如果一致，表明圖片上的文本信息是真實(shí)的，則對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；這樣，圖像字符識(shí)別系統(tǒng)可以實(shí)時(shí)的、不間斷的為后續(xù)打標(biāo)數(shù)據(jù)的收集提供可靠的數(shù)據(jù)基礎(chǔ)。然后針對(duì)所述單元圖片，利用與所述 單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到所述單元圖片的打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括：所述單元圖片和所述單元圖片的標(biāo)記文本信息。因此，本發(fā)明提供的技術(shù)方案基于圖像字符識(shí)別系統(tǒng)和可信數(shù)據(jù)源驗(yàn)證圖片的真實(shí)性，通過(guò)對(duì)這些真實(shí)圖片進(jìn)行切割、標(biāo)記得到打標(biāo)數(shù)據(jù)，整個(gè)過(guò)程不再需要人工參與，能夠節(jié)省人工成本和時(shí)間成本，從而能夠促進(jìn)系統(tǒng)性能的改進(jìn)和優(yōu)化。

附圖說(shuō)明

為了更清楚地說(shuō)明本申請(qǐng)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本申請(qǐng)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明提供的一種打標(biāo)數(shù)據(jù)的收集方法實(shí)施例1的流程圖；

圖2是本發(fā)明提供的打標(biāo)數(shù)據(jù)的示意圖；

圖3是本發(fā)明提供的一種打標(biāo)數(shù)據(jù)的收集方法實(shí)施例2的流程圖；

圖4是本發(fā)明提供的一種打標(biāo)數(shù)據(jù)的收集裝置實(shí)施例1的流程圖；

圖5是本發(fā)明提供的一種打標(biāo)數(shù)據(jù)的收集裝置實(shí)施例2的結(jié)構(gòu)圖；

圖6是本發(fā)明提供的一種證件識(shí)別系統(tǒng)的結(jié)構(gòu)圖。

具體實(shí)施方式

為使本申請(qǐng)的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖對(duì)本申請(qǐng)實(shí)施例進(jìn)行詳細(xì)描述。

方法實(shí)施例

請(qǐng)參閱圖1，圖1是本發(fā)明提供的一種打標(biāo)數(shù)據(jù)的收集方法實(shí)施例1的流程圖，該方法可以由用戶機(jī)器來(lái)執(zhí)行，例如個(gè)人的PC機(jī)，也可以由各種類型的網(wǎng)站服務(wù)器來(lái)執(zhí)行，例如Web服務(wù)器，或者APP服務(wù)器。如圖1所示該方法包括：

步驟101：利用圖像字符識(shí)別系統(tǒng)識(shí)別圖片上的文本信息。

步驟102：驗(yàn)證識(shí)別到的所述文本信息是否與可信數(shù)據(jù)源的信息一致；如果一致，執(zhí)行步驟103-105。

在本發(fā)明實(shí)施例中，圖像字符識(shí)別系統(tǒng)是指用于識(shí)別圖像上文本信息的系統(tǒng)，如身份證字符識(shí)別系統(tǒng)、營(yíng)業(yè)執(zhí)照字符識(shí)別系統(tǒng)、護(hù)照字符識(shí)別系統(tǒng)等。

在本發(fā)明實(shí)施例中，可信數(shù)據(jù)源是指存儲(chǔ)真實(shí)數(shù)據(jù)信息或已經(jīng)過(guò)校驗(yàn)的數(shù)據(jù)信息的數(shù)據(jù)庫(kù)，例如公安網(wǎng)等官方數(shù)據(jù)。如公安系網(wǎng)內(nèi)儲(chǔ)存用戶身份證信息的數(shù)據(jù)庫(kù)，或者，用于儲(chǔ)存用戶護(hù)照信息的數(shù)據(jù)庫(kù)，或者，用于儲(chǔ)存企業(yè)營(yíng)業(yè)執(zhí)照信息的數(shù)據(jù)庫(kù)。

為了便于解釋說(shuō)明，下文僅以身份證字符識(shí)別系統(tǒng)為例對(duì)本發(fā)明實(shí)施例進(jìn)行示例性說(shuō)明。

舉例說(shuō)明：身份證字符識(shí)別系統(tǒng)根據(jù)不同的業(yè)務(wù)需求，可以識(shí)別用戶身份證圖片中不同的文本信息，如可以識(shí)別身份證圖片上的姓名、身份證號(hào)、出生、民族、性別、住址、簽發(fā)機(jī)關(guān)、有效期限等文本信息。

一般情況下，身份證字符識(shí)別系統(tǒng)接收用戶上傳的圖片，先驗(yàn)證圖片種類，如驗(yàn)證圖片是否為指定的身份證種類，如驗(yàn)證圖片是否為身份證的人臉面；在驗(yàn)證通過(guò)之后，身份證字符識(shí)別系統(tǒng)基于文字識(shí)別算法采用的文字識(shí)別模型，提取圖片上的文本信息。在得到文本信息之后，驗(yàn)證識(shí)別到的所述文本信息是否與可信數(shù)據(jù)源的信息一致。

例如：驗(yàn)證身份證圖片上的姓名、身份證號(hào)與公安網(wǎng)的信息是否一致，具體是：驗(yàn)證身份證圖片上的姓名、身份證號(hào)與公安網(wǎng)的信息的字符個(gè)數(shù)是否一致且多數(shù)字符是否一致，如果是，則認(rèn)定身份證圖片上的文本信息與公安網(wǎng)的信息是一致的，驗(yàn)證結(jié)果是一致的，說(shuō)明身份證圖片是真實(shí)圖片，該圖片上的文本信息是真實(shí)可靠的；如果否，則認(rèn)定身份證圖片上的文本信息與公安網(wǎng)的信息是不一致的，驗(yàn)證結(jié)果是不一致的，說(shuō)明身份證圖片是虛假圖片，該圖片上的文本信息是不真實(shí)、不可信的。

通過(guò)圖像字符識(shí)別系統(tǒng)和可信數(shù)據(jù)源能夠驗(yàn)證出圖片上文本信息是否是真實(shí)可靠的，這樣就會(huì)后續(xù)打標(biāo)數(shù)據(jù)的收集打好數(shù)據(jù)基礎(chǔ)，接下來(lái)對(duì)真實(shí)的圖片進(jìn)行處理。

步驟103：則對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片。

在具體實(shí)現(xiàn)時(shí)，步驟103可以包括：

采用文本行定位算法定位所述圖片中的文本區(qū)域；

采用切字算法將文本區(qū)域切割成至少一個(gè)包含單個(gè)字符的單元圖片。

下面以身份證字符識(shí)別系統(tǒng)識(shí)別身份證圖片中的姓名、身份證號(hào)為例，對(duì)步驟103的具體實(shí)現(xiàn)過(guò)程進(jìn)行說(shuō)明。

先采用文本行定位算法定位身份證圖片中的姓名、身份證號(hào)的文本區(qū)域；然后采用切字算法將這些文本區(qū)域切割成至少一個(gè)包含單個(gè)字符的單元圖片。

例如，用戶上傳的身份證圖片中姓名是“張三”，則先定位到姓名文本區(qū)域，然后將“張三”文本區(qū)域切割成“張”和“三”兩個(gè)包含字符的單元圖片。

再例如，用戶上傳的身份證圖片中身份證號(hào)是“110123201510100334”則先定位到身份證文本區(qū)域，然后將“110123201510100334”文本區(qū)域切割成18個(gè)包含單個(gè)數(shù)字的單元圖片。

步驟104：針對(duì)所述單元圖片，利用與所述單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到所述單元圖片的打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括：所述單元圖片和所述單元圖片的標(biāo)記文本信息。

以上文示例中的單元圖片“張”、“三”為例，對(duì)步驟104進(jìn)行示例性說(shuō)明。

請(qǐng)參閱圖2，圖2示出的灰色底的攜帶“張”的單元圖片1和灰色底的攜帶“三”的單元圖片2；單元圖片1右側(cè)的文字“張”和單元圖片2右側(cè)的文字“三”都是可信數(shù)據(jù)源中信息；利用文字“張”、“三”分別對(duì)單元圖片1和單元圖片2進(jìn)行標(biāo)記，得到打標(biāo)數(shù)據(jù)。從上述方法實(shí)施例1可以看出，本發(fā)明通過(guò)圖像字符識(shí)別系統(tǒng)和可信數(shù)據(jù)源來(lái)識(shí)別圖片上文本信息的真實(shí)性；如果真實(shí)，則對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；針對(duì)所述單元圖片，利用與所述單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到所述單元圖片的打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括：所述單元圖片和所述單元圖片的標(biāo)記文本信息。則對(duì)該圖片進(jìn)行切割得到包含字符的小圖片；因此，本發(fā)明提供的技術(shù)方案基于圖像字符識(shí)別系統(tǒng)和可信數(shù)據(jù)源驗(yàn)證 圖片的真實(shí)性，通過(guò)對(duì)這些真實(shí)圖片進(jìn)行切割、標(biāo)記以得到打標(biāo)數(shù)據(jù)，整個(gè)過(guò)程不再需要人工參與，能夠節(jié)省人工成本和時(shí)間成本，從而能夠促進(jìn)系統(tǒng)性能的改進(jìn)和優(yōu)化。

為了進(jìn)一步提高打標(biāo)數(shù)據(jù)的收集效率，本發(fā)明還提供了另一種收集方法。下面結(jié)合圖3對(duì)該方法進(jìn)行解釋說(shuō)明。

請(qǐng)參閱圖3，圖3是本發(fā)明提供的一種打標(biāo)數(shù)據(jù)的收集方法實(shí)施例2的流程圖，該方法包括：

步驟301：利用圖像字符識(shí)別系統(tǒng)識(shí)別圖片上的文本信息；

步驟302：驗(yàn)證識(shí)別到的所述文本信息是否與可信數(shù)據(jù)源的信息一致；如果一致，執(zhí)行步驟303和304；如果不一致，執(zhí)行步驟305。

步驟303：對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；

步驟304：針對(duì)所述單元圖片，利用與所述單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到所述單元圖片的打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括：所述單元圖片和所述單元圖片的標(biāo)記文本信息。

步驟305：計(jì)算所述文本信息與可信數(shù)據(jù)源的信息之間的相似度，并判斷相似度是否落入預(yù)設(shè)的置信度區(qū)間；如果是，執(zhí)行步驟303和304。

其中，步驟301-304與上述實(shí)施例中步驟101-104相同，可以參照上文描述，此處不再贅述。

其中，在步驟301中，圖像字符識(shí)別系統(tǒng)可能因?yàn)橛脩羯蟼鞯膱D片格式無(wú)法識(shí)別、圖片不清楚等原因，導(dǎo)致識(shí)別出的文本信息與可信數(shù)據(jù)源的信息不一致，但這些圖片卻很有可能就是真實(shí)可靠的?；诖耍景l(fā)明進(jìn)一步的利用步驟305來(lái)進(jìn)一步衡量圖片的真實(shí)性和可信度。

其中，在步驟305中，通過(guò)所述文本信息與可信數(shù)據(jù)源的信息之間的相似度來(lái)衡量圖片的可靠性；如果，相似度落入了預(yù)設(shè)的置信度區(qū)間，表明該該圖片是可信的。那么該圖片就可以作為后續(xù)打標(biāo)數(shù)據(jù)的數(shù)據(jù)基礎(chǔ)，進(jìn)而通過(guò)步驟303和304來(lái)收集打標(biāo)數(shù)據(jù)。

本發(fā)明方法實(shí)施例2與方法實(shí)施例1相比，其在方法實(shí)施例1的基礎(chǔ)上，增加了通過(guò)相似度進(jìn)一步衡量驗(yàn)證結(jié)果不一致的圖片的可信度，將可信度滿足需求的圖片也作為打標(biāo)數(shù)據(jù)的數(shù)據(jù)基礎(chǔ)，這樣就擴(kuò)展了打標(biāo)數(shù)據(jù)的數(shù)據(jù)源， 能夠進(jìn)一步提高打標(biāo)數(shù)據(jù)的收集效率和質(zhì)量。另外，在上述方法實(shí)施例1或方法實(shí)施例2的基礎(chǔ)上，還可以增加如下步驟：

保存所述打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)用作所述圖像字符識(shí)別單元的機(jī)器識(shí)別模型的訓(xùn)練樣本。

另外，還考慮到圖像字符識(shí)別系統(tǒng)識(shí)別的圖片會(huì)涉及到用戶私密信息，如用戶身份證圖片攜帶有用戶姓名、身份證號(hào)等私密信息等；為了保證這些私密信息在打標(biāo)數(shù)據(jù)收集過(guò)程中安全性，防止私密信息的泄露。基于此，在上述保存所述打標(biāo)數(shù)據(jù)之前，還可以對(duì)所述打標(biāo)數(shù)據(jù)進(jìn)行脫敏處理，則保存脫敏處理后的打標(biāo)數(shù)據(jù)。脫敏處理可以采取對(duì)所述打標(biāo)數(shù)據(jù)進(jìn)行隨機(jī)命名等方式。

針對(duì)“對(duì)打標(biāo)數(shù)據(jù)進(jìn)行脫敏處理”步驟，下面給出兩種可實(shí)現(xiàn)的方式。

一種實(shí)現(xiàn)方式是，對(duì)所述打標(biāo)數(shù)據(jù)中的多個(gè)所述單元圖片和所述單元圖片的標(biāo)記文本信息進(jìn)行隨機(jī)排序。

一般情況下，針對(duì)一個(gè)圖片收集到的打標(biāo)數(shù)據(jù)都是按照順序排序的。例如，針對(duì)身份證圖片收集到的打標(biāo)數(shù)據(jù)是姓名、身份證號(hào)中各個(gè)字符的單元圖片和單元圖片的標(biāo)記文本信息。如姓名“張”、“三”這些打標(biāo)數(shù)據(jù)都是順序排列的。這樣，非法份子竊取這些打標(biāo)數(shù)據(jù)后，可以直接恢復(fù)出特定用戶的私密信息，如用戶姓名“張三”。為了防止在打標(biāo)數(shù)據(jù)收集過(guò)程中泄露私密信息。則對(duì)打標(biāo)數(shù)據(jù)中多個(gè)單元圖片和單元圖片的標(biāo)記文本信息進(jìn)行隨機(jī)排序，尤其是在打標(biāo)數(shù)據(jù)量比較大的情況，就很難從這些打標(biāo)數(shù)據(jù)中恢復(fù)出特定用戶的私密信息，從而保證了用戶私密信息的安全性。

另一種實(shí)現(xiàn)方式是，對(duì)打標(biāo)數(shù)據(jù)進(jìn)行加密。

采用這種方式對(duì)打標(biāo)數(shù)據(jù)進(jìn)行脫敏處理，最終保存的是打標(biāo)數(shù)據(jù)的密文，這樣，防止非法份子直接從數(shù)據(jù)庫(kù)中竊取用戶私密信息，增加了破解難度。當(dāng)然，在本發(fā)明中脫敏處理并不局限于以上兩種方式，還可以采用其他脫敏方式進(jìn)行處理。

裝置實(shí)施例

與上述一種打標(biāo)數(shù)據(jù)的收集方法相對(duì)應(yīng)，本申請(qǐng)實(shí)施例還提供了一種打標(biāo)數(shù)據(jù)的收集裝置。

請(qǐng)參閱圖4，圖4是本發(fā)明提供的一種打標(biāo)數(shù)據(jù)的收集裝置實(shí)施例1的結(jié)構(gòu)圖。下面結(jié)合該裝置的工作原理進(jìn)一步介紹其內(nèi)部結(jié)構(gòu)以及連接關(guān)系。該裝置包括：

識(shí)別單元401，用于識(shí)別圖片上的文本信息；

其中識(shí)別單元可以是利用圖像字符識(shí)別系統(tǒng)識(shí)別圖片上的文本信息。

驗(yàn)證單元402，用于驗(yàn)證識(shí)別到的所述文本信息是否與可信數(shù)據(jù)源的信息一致；如果一致，觸發(fā)分割單元403；

所述分割單元403，用于對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；

標(biāo)記單元404，用于針對(duì)所述單元圖片，利用與所述單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到所述單元圖片的打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括：所述單元圖片和所述單元圖片的標(biāo)記文本信息。

另外，本發(fā)明還提供了另一種打標(biāo)數(shù)據(jù)的收集裝置，具體請(qǐng)參閱圖5示出的一種打標(biāo)數(shù)據(jù)的收集裝置實(shí)施例2的結(jié)構(gòu)圖。下面結(jié)合該裝置的工作原理進(jìn)一步介紹其內(nèi)部結(jié)構(gòu)以及連接關(guān)系。該裝置包括：

識(shí)別單元501，用于識(shí)別圖片上的文本信息；

驗(yàn)證單元502，用于驗(yàn)證識(shí)別到的所述文本信息是否與可信數(shù)據(jù)源的信息一致；如果一致，觸發(fā)分割單元503；如果不一致，觸發(fā)計(jì)算單元505；

所述分割單元503，用于對(duì)所述圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；

標(biāo)記單元504，用于針對(duì)所述單元圖片，利用與所述單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到所述單元圖片的打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括：所述單元圖片和所述單元圖片的標(biāo)記文本信息。

計(jì)算單元505，用于計(jì)算所述文本信息與可信數(shù)據(jù)源的信息之間的相似度，并判斷相似度是否落入預(yù)設(shè)的置信度區(qū)間；如果是，觸發(fā)所述分割單元503和標(biāo)記單元504。

在上述圖4或圖5所示裝置的基礎(chǔ)上，所述裝置還可以包括：

保存單元，用于保存所述打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)用作識(shí)別單元501的機(jī)器識(shí)別模型的訓(xùn)練樣本。

更進(jìn)一步的，在上述圖4或圖5所示裝置的基礎(chǔ)上，所述裝置還可以包括：

脫敏單元，用于對(duì)所述打標(biāo)數(shù)據(jù)進(jìn)行脫敏處理；

則所述保存單元，具體用于保存脫敏處理后的打標(biāo)數(shù)據(jù)。

可選的，所述脫敏單元具體用于：對(duì)所述打標(biāo)數(shù)據(jù)中的多個(gè)所述單元圖片和所述單元圖片的標(biāo)記文本信息進(jìn)行隨機(jī)排序。

在上述圖4或圖5所示裝置中，所述分割單元，可以包括：

定位子單元，用于采用文本行定位算法定位所述圖片中的文本區(qū)域；

切割子單元，用于采用切字算法將文本區(qū)域切割成至少一個(gè)包含單個(gè)字符的單元圖片。

本發(fā)明提供的裝置，基于圖像字符識(shí)別系統(tǒng)和可信數(shù)據(jù)源驗(yàn)證圖片的真實(shí)性，通過(guò)對(duì)這些真實(shí)圖片進(jìn)行切割、標(biāo)記以得到打標(biāo)數(shù)據(jù)，整個(gè)過(guò)程不再需要人工參與，能夠節(jié)省人工成本和時(shí)間成本，從而能夠促進(jìn)系統(tǒng)性能的改進(jìn)和優(yōu)化。

本發(fā)明還提供了一種證件識(shí)別系統(tǒng)，下面結(jié)合圖6對(duì)該系統(tǒng)進(jìn)行解釋說(shuō)明。

請(qǐng)參閱圖6，圖6是本發(fā)明提供的一種證件識(shí)別系統(tǒng)的結(jié)構(gòu)圖，如圖6所示，該系統(tǒng)可以包括：

圖像字符識(shí)別單元601，用于識(shí)別待識(shí)別圖片中的文本信息；

信息驗(yàn)證單元602，用于驗(yàn)證所述圖像識(shí)別單元識(shí)別的文本信息與證件數(shù)據(jù)庫(kù)中的信息是否一致，若一致，則驗(yàn)證所述待識(shí)別圖片為真實(shí)圖片；

分割單元603，用于對(duì)所述信息驗(yàn)證單元驗(yàn)證的真實(shí)圖片進(jìn)行切割，得到至少一個(gè)包含單個(gè)字符的單元圖片；

標(biāo)記單元604，用于針對(duì)所述單元圖片，利用與該單元圖片中包含的字符相對(duì)應(yīng)的文本信息進(jìn)行標(biāo)記，得到打標(biāo)數(shù)據(jù)，所述打標(biāo)數(shù)據(jù)包括所述單元圖片及所述單元圖片的標(biāo)記文本信息，所述打標(biāo)數(shù)據(jù)用作所述圖像字符識(shí)別單元的機(jī)器識(shí)別模型的訓(xùn)練樣本。

在圖6所示系統(tǒng)的基礎(chǔ)上，還可以包括：

計(jì)算單元，用于計(jì)算所述文本信息與可信數(shù)據(jù)源的信息之間的相似度， 并判斷相似度是否落入預(yù)設(shè)的置信度區(qū)間；如果是，觸發(fā)所述分割單元和標(biāo)記單元。這樣，能夠進(jìn)一步地將一些可信度較高的圖片作為打標(biāo)數(shù)據(jù)的基礎(chǔ)，從而提高打標(biāo)數(shù)據(jù)的收集效率。

本發(fā)明提供的證件識(shí)別系統(tǒng)，一方面利用圖像字符識(shí)別單元和信息驗(yàn)證單元對(duì)圖片進(jìn)行驗(yàn)證；另一方面，利用分割單元和標(biāo)記單元對(duì)驗(yàn)證的真實(shí)圖片進(jìn)行切割、標(biāo)記以得到打標(biāo)數(shù)據(jù)，該打標(biāo)數(shù)據(jù)能夠用作圖像字符識(shí)別單元的機(jī)器識(shí)別模型的訓(xùn)練樣本，以對(duì)圖像字符識(shí)別單元進(jìn)行進(jìn)一步優(yōu)化。因此，該證據(jù)識(shí)別系統(tǒng)既能夠驗(yàn)證圖片的真實(shí)性，又能夠自動(dòng)收集打標(biāo)數(shù)據(jù)，為系統(tǒng)的自優(yōu)化打好基礎(chǔ)。

所述領(lǐng)域的技術(shù)人員可以清楚地了解到，為了描述的方便和簡(jiǎn)潔，上述描述的系統(tǒng)、裝置和單元的具體工作過(guò)程，可以參考前述方法實(shí)施例中的對(duì)應(yīng)過(guò)程，在此不再贅述。

在本申請(qǐng)所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的系統(tǒng)、裝置和方法，可以通過(guò)其它的方式實(shí)現(xiàn)。例如，以上所描述到的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式，例如多個(gè)單元或組件可以結(jié)合或可以集成到另一個(gè)系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點(diǎn)，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過(guò)一些接口，裝置或單元的間接耦合或通信連接，可以是電性、機(jī)械或其它的形式。

所述作為分離部件說(shuō)明的單元可以是或者也可以是物理上分開(kāi)的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上?？梢愿鶕?jù)實(shí)際的需要選擇其中的部分或者全部單元來(lái)實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本申請(qǐng)各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，可以采用軟件功能單元的形式實(shí)現(xiàn)。

需要說(shuō)明的是，本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過(guò)計(jì)算機(jī)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的 程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體(Read-Only Memory，ROM)或隨機(jī)存儲(chǔ)記憶體(Random Access Memory，RAM)等。

以上對(duì)本申請(qǐng)所提供的一種打標(biāo)數(shù)據(jù)的收集方法、裝置以及證件識(shí)別系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體實(shí)施例對(duì)本申請(qǐng)的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說(shuō)明只是用于幫助理解本申請(qǐng)的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本申請(qǐng)的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說(shuō)明書內(nèi)容不應(yīng)理解為對(duì)本申請(qǐng)的限制。