基于Keras框架的身份證號碼識別算法

成利敏，王 寧，甄景濤，段曉霞

（廊坊師范學(xué)院，河北 廊坊065000）

0 引言

二代身份證作為證明我國公民身份的證件，身份證號碼包括持證者的出生年月、出生地等信息，是獨一無二的［1］。隨著大面積推廣使用實名制，很多行業(yè)都需要身份信息的驗證，錄入身份證號碼。傳統(tǒng)的通過身份證閱讀器比對或手工標(biāo)記訓(xùn)練人臉分類器的方式不能滿足更高的要求。

近年來，神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展迅速，在圖像識別方面取得不錯的成績，尤其深度學(xué)習(xí)受到了研究者們的青睞，深度學(xué)習(xí)具有快速、準(zhǔn)確率高等優(yōu)勢。卷 積 神 經(jīng) 網(wǎng) 絡(luò)［2］（Convolutional Neural Networks，CNN）是深度學(xué)習(xí)的重要算法，CNN 通過卷積來模擬特征區(qū)分，并且通過卷積的權(quán)值共享及池化，來降低網(wǎng)絡(luò)參數(shù)的數(shù)量級，最后通過傳統(tǒng)神經(jīng)網(wǎng)絡(luò)完成分類等任務(wù)［3］。

本文利用CNN中的Keras框架來實現(xiàn)身份證號碼識別。

1 卷積神經(jīng)網(wǎng)絡(luò)及Keras框架介紹

1.1 卷積神經(jīng)網(wǎng)絡(luò)

卷積神經(jīng)網(wǎng)絡(luò)是應(yīng)用較為廣泛的一種神經(jīng)網(wǎng)絡(luò)，在圖像識別方面取得了令人滿意的效果。CNN是一個真正成功地采用多層次結(jié)構(gòu)網(wǎng)絡(luò)的深度學(xué)習(xí)方法，除了輸入輸出層外、一般還包括卷積層、激活函數(shù)、池化層、全連接層［2，4，5］。

（1）卷積層

卷積層是指卷積核與圖像做卷積操作，即卷積核滑動到圖像上所有位置，在每個位置上與圖像做模板卷積運算。每層卷積層可生成一組特征圖，其中第一層卷積層可能只能提取一些邊緣、線條等低階特征，而之后各卷積的網(wǎng)絡(luò)提取特征能力明顯高于第一層網(wǎng)絡(luò)，能夠提取第一層所不能提取的更復(fù)雜高階的特征［6］。

卷積層的計算式為：

式中為卷積核，表示卷積后第j個特征圖，blj為偏置參數(shù)，Mj表示選擇輸入圖像的特征圖集合。

卷積核進(jìn)行卷積計算［7］過程示例如圖1 所示。圖中Input Volume 是一個三維矩陣，采用兩個卷積核Filter W0 和Filter W1（每個卷積核都是3*3*3 的模板），卷積核與Input Volume矩陣分別進(jìn)行模板卷積，偏置參數(shù)Bias b0=1 和Bias b1=0，得到輸出特征圖Output Volume（特征圖個數(shù)與卷積核個數(shù)對應(yīng)）。Output Volume 中畫方框的-3 計算過程為（1-1-2+1）+（-2-2-2）+（2+1）+1=-3。

圖1 卷積核進(jìn)行卷積計算過程示例

（2）激勵函數(shù)

由于樣本不一定是線性可分的，因此用激活函數(shù)來加入非線性因素，以克服線性模型的不足。在通常情況下，使用非線性卷積函數(shù)作為激活函數(shù)，不同的非線性函數(shù)對網(wǎng)絡(luò)的參數(shù)有不同的影響［8］。在卷積神經(jīng)網(wǎng)絡(luò)中，常使用的激活函數(shù)有Sigmoid函數(shù)、ReLU函數(shù)、Tanh函數(shù)等。本文選擇了廣泛使用的ReLU 函數(shù)［9，10］。ReLU 函數(shù)是分段線性函數(shù)，它的非線性很弱而且形式很簡單，且收斂速度遠(yuǎn)快于Sigmoid，函數(shù)曲線如圖2所示。

圖2 ReLU函數(shù)

（3）池化層

池化層對提取到的特征進(jìn)行采樣，使特征圖變小，降低網(wǎng)絡(luò)復(fù)雜度。池化層的運算一般有最大值池化、高斯池化、均值池化和可訓(xùn)練池化。本文選擇最大值池化［10］，如圖3 所示，采用一個2*2 的filter，stride=2，對4*4的原特征圖提取每個2*2區(qū)域中最大值作為主要特征，得到一個2*2的結(jié)果圖。

圖3 最大值池化

（4）全連接層

全連接層是經(jīng)過多個卷積、池化層后的一層。全連接層能夠?qū)η懊鎺讓拥臄?shù)據(jù)進(jìn)行整合，用適合的函數(shù)提升自身性能。前一層的所有激活數(shù)據(jù)都是全連接層的輸入，全連接對輸入加權(quán)求和并通過激活函數(shù)得到相應(yīng)輸出。

（5）輸出層

對所得信息用諸如邏輯回歸（soft max regression）的方法進(jìn)行分類，需要注意選擇恰當(dāng)?shù)膿p失函數(shù)。

1.2 Keras框架介紹

Keras 是一個開放源碼的高級深度學(xué)習(xí)程序庫，它的設(shè)計參考了Torch，用Python 語言編寫，支持GPU 和CPU，是一個高度模塊化的神經(jīng)網(wǎng)絡(luò)庫。目前Keras 提供了Theano 與Tensor Flow 兩種后端引擎。

Keras 框架是用Python 語言編寫的高度模塊化的神經(jīng)網(wǎng)絡(luò)庫，支持GPU 和CPU。Keras 框架與Tensorflow 比較，Keras 提供了可以讓用戶更專注于模型設(shè)計并更快進(jìn)行模型實驗的API，代碼易讀，搭建新的網(wǎng)絡(luò)結(jié)構(gòu)時能夠節(jié)約更多的時間［11］。

本文基于Keras 框架，以Tensor Flow 為后端，采用Python3.6進(jìn)行程序設(shè)計，實現(xiàn)身份證號碼的識別與讀取。

2 預(yù)處理及身份證號碼區(qū)域分割

為了更好地把身份證號碼區(qū)域分割出來，對待檢測身份證圖像進(jìn)行了預(yù)處理［12］。調(diào)用CV2 模塊中cvtColor（）、threshold（）和dilate（）函數(shù)實現(xiàn)灰度化、二值化、形態(tài)學(xué)處理。二值化處理中采用最大類間方差法（OSTU法）選擇最佳閾值。預(yù)處理效果如圖4 所示。根據(jù)形態(tài)學(xué)處理結(jié)果，找到身份證號碼所在區(qū)域，用矩形框標(biāo)出，如圖5所示。

圖4 圖像預(yù)處理

圖5 標(biāo)出身份證號碼區(qū)域

根據(jù)標(biāo)出的矩形框，從二值化圖像中分割出身份證號碼區(qū)域，如圖6 所示。接著對身份證號碼區(qū)域圖像反轉(zhuǎn)、分割［12］，得到單個的數(shù)字和字符，保存到文件夾num中，如圖7所示。字符分割過程中，首先調(diào)用findContours（）查找輪廓，返回檢測出的每一個輪廓，循環(huán)取出每個輪廓；再調(diào)用contourArea（）計算面積，篩選掉面積小于300 的輪廓；然后最小矩形四個點的坐標(biāo)，并計算寬度和高度，最后去掉當(dāng)前循環(huán)中篩選出的輪廓中較細(xì)和較扁的輪廓，選出合適的矩陣，進(jìn)行字符分割。

圖6 身份證號碼區(qū)域分割

圖7 分割出的數(shù)字和字符

3 基于Keras框架的身份證號碼識別

3.1 基于Keras的卷積神經(jīng)網(wǎng)絡(luò)搭建及數(shù)據(jù)處理

本文采用Keras 框架的Sequential 順序模型搭建17 層卷積神經(jīng)網(wǎng)絡(luò)［11］，網(wǎng)絡(luò)結(jié)構(gòu)模型如圖8 所示。其中第1 和第2 個卷積層的卷積核個數(shù)都是64，第3和第4個卷積層的卷積核個數(shù)都是32，這四個卷積模板大小都是3*3；激勵層選擇ReLU 函數(shù)；池化層選擇2*2 的最大池化方法；結(jié)構(gòu)中使用兩次Dropout 層，防止過擬合；最后進(jìn)入11 分類的Softmax Classifier。

圖8 搭建的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型

訓(xùn)練前，對數(shù)據(jù)集進(jìn)行處理，數(shù)據(jù)集的標(biāo)簽以數(shù)字0-10 命名，其中10 代表字符X。先加載數(shù)據(jù)集，調(diào)用train_test_split（）函數(shù)按照交叉驗證的原則劃分?jǐn)?shù)據(jù)集，其中驗證集和測試集比例分別為0.3和0.5，再對類別標(biāo)簽進(jìn)行one-hot編碼，對圖像的像素值進(jìn)行歸一化處理。

3.2 訓(xùn)練

完成CNN網(wǎng)絡(luò)搭建后，進(jìn)行樣本訓(xùn)練。本文采用SGD+momentum 的優(yōu)化器進(jìn)行訓(xùn)練，設(shè)置batch_size=32，nb_epoch = 13，訓(xùn)練中選用categorical_crossentropy 作為損失函數(shù)。對訓(xùn)練集中的140個樣本訓(xùn)練13次，訓(xùn)練過程中準(zhǔn)確度和損失函數(shù)的數(shù)據(jù)如表1 所示。隨著訓(xùn)練次數(shù)的增加，損失函數(shù)由2.3747降到0.1247，訓(xùn)練準(zhǔn)確率由18.33%升高到98.33%，整體來看訓(xùn)練準(zhǔn)確率為99%。經(jīng)多次驗證，訓(xùn)練準(zhǔn)確率均在90%以上，所需時間短，訓(xùn)練效果較好。

表1 訓(xùn)練過程中準(zhǔn)確度和損失函數(shù)

3.3 識別

運行識別程序，先讀取保存在文件夾num 中分割好的字符；再調(diào)用訓(xùn)練學(xué)習(xí)好的神經(jīng)網(wǎng)絡(luò)，對分割好的字符依次識別，識別過程中與數(shù)據(jù)庫中11類標(biāo)簽的字符進(jìn)行比對，返回結(jié)果result 是待識別字符屬于每個標(biāo)簽的概率，選概率大的標(biāo)簽作為字符識別值；最終顯示識別出的身份證號碼。

返回結(jié)果result 值及識別出的身份證號碼如圖9 所示。經(jīng)比較，與待檢測身份證原圖像中的身份證號碼一致，識別準(zhǔn)確率較高。

圖9 部分result值及識別出的身份證號碼

4 結(jié)語

本文在Keras框架上搭建了17層的卷積神經(jīng)網(wǎng)絡(luò)，利用該網(wǎng)絡(luò)對身份證圖像進(jìn)行身份證號碼識別，操作簡單直觀，訓(xùn)練和識別速度較快。對現(xiàn)有的120 張身份證圖像進(jìn)行訓(xùn)練識別，識別準(zhǔn)確率為95.8%，錯誤識別的主要是數(shù)字4和8。為了進(jìn)一步提高識別準(zhǔn)確率，需要繼續(xù)改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，調(diào)整數(shù)據(jù)庫?？傮w來說，基于Keras 框架的身份證號碼識別算法具有一定的應(yīng)用價值。