首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >darknet图像定位+tornado实现票据识别API,识别率达到95%以上

darknet图像定位+tornado实现票据识别API,识别率达到95%以上

作者头像
大数据技术与机器学习
发布2020-02-24 18:07:53
7770
发布2020-02-24 18:07:53
举报

此项目用于对中国购车发票进行内容识别,目前完成的是身份证,vin,发动机号,价格的识别提供了展示的demo页,以及提供了传入文件,路径,base64码的多种方式调用的api,返回识别出来的json数据。

完整代码下载地址:

关注微信公众号 datanlp 然后回复 发票 即可获取。

Quick Start

  • 首先找一张发票的图片:

http://club2.autoimg.cn/album/g13/M0F/A4/A3/userphotos/2015/10/10/21/500_wKgH1FYZE2mALP-JAAJQY1pp49o236.jpg

  • 启动识别服务(web接口服务) ./api_invoice/main.py 开启的是8888端口,暂时未做配置化,可以直接在main.py中修改
  • 访问demo页
    • 访问http://128.0.0.1:8888/invoice/index
    • 选择上传图片,会识别出来图片并将结果显示在页面上
    • 并显示识别的方法和识别定位的图片
  • 访问接口:
    • http://127.0.0.1:8888/invoice/url?url=http%3A%2F%2Fclub2.autoimg.cn%2Falbum%2Fg13%2FM0F%2FA4%2FA3%2Fuserphotos%2F2015%2F10%2F10%2F21%2F500_wKgH1FYZE2mALP-JAAJQY1pp49o236.jpg
    • 传入图片连接,返回json数据,例如: {"cardno": "130102198707041249", "vinno":"LSGHD5289FD298030", "engineno": "152306132", "price": "¥61500.00"}
    • 还支持上传文件,图片base64字符串传参等多种方式

代码执行过程说明

  • 使用tornado启动web服务,json格式化数据
  • 首先对图片做处理,opencv,PIL,找到需要识别的局部图片并截取出来
    • 使用darknet的yolo定位的方法,标识一批样本中关键数据的局部图片的位置
    • 然后进行训练
    • 训练完成后会得出一个权重文件
    • 改造darknet的代码
    • 为了能够更快的处理,在darknet里面启动了一个web服务
    • 可以传入图片地址(服务器绝对地址,无后缀)
    • 识别后返回图片中关键局部位置的坐标点
    • 再使用坐标点将图片的关键部位切割出来
    • 效果还好,主要是识别速度稍慢,作为第二方案,还有优化余地,甚至可以替代第一方案
    • 使用二值化加上轮廓等方法找到图片中最大方格,然后找到四个点
    • 对四个点对应的四边形进行矫正,变成正方形,使得字体不会是歪的
    • 检查长宽,处理横竖图片问题,这里还可以改进优化
    • 缩放到固定大小
    • 生成一张翻转的图片,因为暂时无法确定是否倒过来的,暂时做识别两次的处理,可以优化
    • 然后按照比例切出对应识别区域
    • 最后把这个局部的图片切割出来
    • 缺点是部分图片的方格不完整,图片打印的比较歪,明暗度差异的问题会导致识别准确率下降
    • 图像处理方式
    • 深度学习图片定位方式
  • 图片定位切割完成之后,做正向反向识别- 首先使用机器识别- 先将图片再次切割,根据灰度值和波峰波谷算法将每个字符切割开- 使用训练好的但字符模型镜像识别,有三个不同的模型,依次进行识别- 其次使用tesseract识别- 原图识别- 灰度图识别- 默认阈值二值化识别- 批量默认阈值二值化识别- 遍历阈值二值化识别
  • 识别结果校验
    • 如果不通过校验,则继续往下走

识别率校验

  • 将图片网络地址放到img.txt中,文件放到data/invoice目录下
  • 执行ipi_invoice/test.py,将文件导入到数据库
  • 然后删除img.txt文件
  • 继续执行执行ipi_invoice/test.py,将会逐个识别并将结果记录到数据库,
  • 通过sql可以判断出来识别率

模型训练

  • 训练出的模型包括:识别10个数字类别模型;用于身份证识别的 识别"数字+X" 11个类别的模型;识别"大写字母+数字" 26个类别的模型。
  • 训练样本处理的目录为/creatTrainDataSet, 模型训练的目录为 /train/ -准备图片:本项目将发票系统中的数字,字母图片切割出来,转换成统一的28*28图片
    • 为尽可能提高训练模型识别率,将图片做相应处理,剔除噪声较多的图片,尤其是每一类别有相同噪声的图片。
    • 已经处理好的训练样本图片见压缩包:/dataset/numberAndX.tar.gz,/dataset/numberAndUpper.tar.gz,解压缩到自定义目录
    • 修改/train目录下相应的模型训练文件,生成对应训练模型,已有模型在目录/trainmodel/下
    • 修改/train/keras_predict.py中需要识别的的图片路径或目录,使用已有模型识别图片类型。

darknet图片定位

给服务传入一个发票图片文件的路径,就可以返回对这个图片预测出来的身份证,vin码,

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2020-02-18,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习入门与实战 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Quick Start
  • 代码执行过程说明
  • 识别率校验
  • darknet图片定位
相关产品与服务
内容识别
内容识别(Content Recognition,CR)是腾讯云数据万象推出的对图片内容进行识别、理解的服务,集成腾讯云 AI 的多种强大功能,对存储在腾讯云对象存储 COS 的数据提供图片标签、图片修复、二维码识别、语音识别、质量评估等增值服务。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档