網上有很多關于pos機刷卡身份證,基于tensorflow 實現端到端的OCR的知識，也有很多人為大家解答關于pos機刷卡身份證的問題，今天pos機之家(www.tonybus.com)為大家整理了關于這方面的知識，讓我們一起來看下吧!
本文目錄一覽：
pos機刷卡身份證
最近在研究OCR識別相關的東西，最終目標是能識別身份證上的所有中文漢字+數字，不過本文先設定一個小目標，先識別定長為18的身份證號，當然本文的思路也是可以復用來識別定長的驗證碼識別的。 本文實現思路主要來源于Xlvector的博客，采用基于CNN實現端到端的OCR，下面引用博文介紹目前基于深度學習的兩種OCR識別方法：
把OCR的問題當做一個多標簽學習的問題。4個數字組成的驗證碼就相當于有4個標簽的圖片識別問題（這里的標簽還是有序的），用CNN來解決。把OCR的問題當做一個語音識別的問題，語音識別是把連續的音頻轉化為文本，驗證碼識別就是把連續的圖片轉化為文本，用CNN+LSTM+CTC來解決。這里方法1主要用來解決固定長度標簽的圖片識別問題，而方法2主要用來解決不定長度標簽的圖片識別問題，本文實現方法1識別固定18個數字字符的身份證號。
下載地址：文章末尾。
##環境依賴
本文基于tensorflow框架實現,依賴于tensorflow環境，建議使用anaconda進行python包管理及環境管理本文使用freetype-py 進行訓練集圖片的實時生成，同時后續也可擴展為能生成中文字符圖片的訓練集，建議使用pip安裝pip install freetype-py同時本文還依賴于numpy和opencv等常用庫
pip install numpy cv2
##知識準備
本文不具體介紹CNN (卷積神經網絡)具體實現原理，不熟悉的建議參看集智博文卷積：如何成為一個很厲害的神經網絡，這篇文章寫得很本文實現思路很容易理解，就是把一個有序排列18個數字組成的圖片當做一個多標簽學習的問題，標簽的長度可以任意改變，只要是固定長度的，這個訓練方法都是適用的，當然現實中很多情況是需要識別不定長度的標簽的，這部分就需要使用方法2(CNN+lSTM+CTC)來解決了。##正文 ###訓練數據集生成 首先先完成訓練數據集圖片的生成，主要依賴于freetype-py庫生成數字/中文的圖片。其中要注意的一點是就是生成圖片的大小，本文經過多次嘗試后，生成的圖片是32 x 256大小的，如果圖片太大，則可能導致訓練不收斂
生成出來的示例圖片如下：
gen_image()方法返回 image_data：圖片像素數據 (32,256) label： 圖片標簽 18位數字字符 477081933151463759 vec : 圖片標簽轉成向量表示 (180,) 代表每個數字所處的列，總長度 18 * 10
#!/usr/bin/env python2# -*- coding: utf-8 -*-"""身份證文字+數字生成類@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" />
###構建網絡，開始訓練 首先定義生成一個batch的方法：
# 生成一個訓練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，個人還不是很理解，讀者可自行百度，代碼來源于參考博文
#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，網絡結構讀者可自行調參優化
# 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" />
最后執行訓練，使用sigmoid分類，每100次計算一次準確率，如果準確率超過80%，則保存模型并結束訓練
# 訓練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)) # 最后一層用來分類的softmax和sigmoid有什么不同？# optimizer 為了加快訓練 learning_rate應該開始大，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計算一次準確率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，訓練準確率為：%s" % (step, acc)# 如果準確率大80%,保存模型,完成訓練if acc > 0.8:saver.save(sess, "crack_capcha.model", global_step=step)breakstep += 1
執行結果，筆者在大概500次訓練后，得到準確率84.3%的結果
筆者在一開始訓練的時候圖片大小是64 x 512的，訓練的時候發現訓練速度很慢，而且訓練的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，猜測要么是網絡層級不夠，或者特征層數不夠吧。
小目標完成后，為了最終目標的完成，后續可能嘗試方法2，去識別不定長的中文字符圖片，不過要先去理解LSTM網絡和 CTC模型了。
下載地址：https://github.com/jimmyleaf/ocr_tensorflow_cnn/archive/master.zip
以上就是關于pos機刷卡身份證,基于tensorflow 實現端到端的OCR的知識，后面我們會繼續為大家整理關于pos機刷卡身份證的知識，希望能夠幫助到大家！
