检测国民身份证并获取详细信息[关闭]

Posted 2023-04-17

【中文标题】检测国民身份证并获取详细信息[关闭]

【英文标题】：Detecting the National ID card and getting the details [closed]

【发布时间】：2014-08-06 11:05:24

【问题描述】：

我正在尝试检测以下类型的国民身份证并获取其详细信息，例如签名的位置应在人物图像的右上角，在本例中为“BC”。

我需要在 iphone 中执行此应用程序。我想过使用 Opencv，但我怎样才能实现标记的细节？我需要用类似的卡片或 OCR 来训练应用程序吗？

有没有针对移动应用的具体实现？

我也通过 card-io 检测信用卡详细信息，Card-io 是否也检测其他卡详细信息？

更新：

我使用tesseract 进行文本检测。如果图像只有文本，则 Tesseract 效果很好。所以我裁剪了红色标记的区域并将其作为 Tesseract 的输入，它适用于 MRZ 部分。

Tesseract 有一个ios implementation，我已经用它进行了测试。

我需要做什么？

现在我正在尝试自动化文本检测部分。现在我打算自动化以下项目，

1) 裁剪面部（我已经使用 Viola-jones 面部检测器完成了）。

2) 本例中的首字母“BC”需要取自照片。

3) 从身份证中提取/检测机读区。

我正在尝试做 2 和 3，任何想法或代码 sn-ps 都会很棒。

【问题讨论】：

如果那是一个真人，那么我希望 Antoine 不介意他的 ID 被发布到网络上让所有人看到！

您想从 ID 中提取数据吗？我认为您需要的所有数据都可以在 MRZ 中找到，所以问题是 MRZ 识别，对吗？

@Vitalik 你说得对，我没有注意到机读区的内容。谢谢回复。关于单独查找 MRZ 部分的任何想法，我计划尝试使用方形检测来查找 MRZ 部分。会锻炼吗？

@QED。我在身份证上看到一个“标本”。这通常意味着它是假的并且仅用于测试目的

@RobAu QED 是对的，我在他的评论后更改了图片。我从谷歌图片中得到了安东尼的图片，但在那之后我改变了！

【参考方案1】：

假设这些 ID 是根据具有特定宽度、高度、偏移量、间距等的标准模板准备的，您可以尝试基于模板的方法。

机读区很容易被发现。在图像中检测到它后，找到将模板中的 MRZ 映射到它的转换。当您知道此转换后，您可以将模板上的任何区域（例如个人照片）映射到图像并提取该区域。

下面是一个非常简单的程序，它遵循一条快乐的道路。您必须进行更多处理才能找到一般的机读区（例如，如果存在透视变形或旋转）。我只是通过测量图像来准备模板，它不适用于您的情况。我只是想传达这个想法。图片来自wiki

    Mat rgb = imread(INPUT_FILE);
    Mat gray;
    cvtColor(rgb, gray, CV_BGR2GRAY);

    Mat grad;
    Mat morphKernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
    morphologyEx(gray, grad, MORPH_GRADIENT, morphKernel);

    Mat bw;
    threshold(grad, bw, 0.0, 255.0, THRESH_BINARY | THRESH_OTSU);

    // connect horizontally oriented regions
    Mat connected;
    morphKernel = getStructuringElement(MORPH_RECT, Size(9, 1));
    morphologyEx(bw, connected, MORPH_CLOSE, morphKernel);

    // find contours
    Mat mask = Mat::zeros(bw.size(), CV_8UC1);
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(connected, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));

    vector<Rect> mrz;
    double r = 0;
    // filter contours
    for(int idx = 0; idx >= 0; idx = hierarchy[idx][0])
    
        Rect rect = boundingRect(contours[idx]);
        r = rect.height ? (double)(rect.width/rect.height) : 0;
        if ((rect.width > connected.cols * .7) && /* filter from rect width */
            (r > 25) && /* filter from width:hight ratio */
            (r < 36) /* filter from width:hight ratio */
            )
        
            mrz.push_back(rect);
            rectangle(rgb, rect, Scalar(0, 255, 0), 1);
        
        else
        
            rectangle(rgb, rect, Scalar(0, 0, 255), 1);
        
    
    if (2 == mrz.size())
    
        // just assume we have found the two data strips in MRZ and combine them
        CvRect max = cvMaxRect(&(CvRect)mrz[0], &(CvRect)mrz[1]);
        rectangle(rgb, max, Scalar(255, 0, 0), 2);  // draw the MRZ

        vector<Point2f> mrzSrc;
        vector<Point2f> mrzDst;

        // MRZ region in our image
        mrzDst.push_back(Point2f((float)max.x, (float)max.y));
        mrzDst.push_back(Point2f((float)(max.x+max.width), (float)max.y));
        mrzDst.push_back(Point2f((float)(max.x+max.width), (float)(max.y+max.height)));
        mrzDst.push_back(Point2f((float)max.x, (float)(max.y+max.height)));

        // MRZ in our template
        mrzSrc.push_back(Point2f(0.23f, 9.3f));
        mrzSrc.push_back(Point2f(18.0f, 9.3f));
        mrzSrc.push_back(Point2f(18.0f, 10.9f));
        mrzSrc.push_back(Point2f(0.23f, 10.9f));

        // find the transformation
        Mat t = getPerspectiveTransform(mrzSrc, mrzDst);

        // photo region in our template
        vector<Point2f> photoSrc;
        photoSrc.push_back(Point2f(0.0f, 0.0f));
        photoSrc.push_back(Point2f(5.66f, 0.0f));
        photoSrc.push_back(Point2f(5.66f, 7.16f));
        photoSrc.push_back(Point2f(0.0f, 7.16f));

        // surname region in our template
        vector<Point2f> surnameSrc;
        surnameSrc.push_back(Point2f(6.4f, 0.7f));
        surnameSrc.push_back(Point2f(8.96f, 0.7f));
        surnameSrc.push_back(Point2f(8.96f, 1.2f));
        surnameSrc.push_back(Point2f(6.4f, 1.2f));

        vector<Point2f> photoDst(4);
        vector<Point2f> surnameDst(4);

        // map the regions from our template to image
        perspectiveTransform(photoSrc, photoDst, t);
        perspectiveTransform(surnameSrc, surnameDst, t);
        // draw the mapped regions
        for (int i = 0; i < 4; i++)
        
            line(rgb, photoDst[i], photoDst[(i+1)%4], Scalar(0,128,255), 2);
        
        for (int i = 0; i < 4; i++)
        
            line(rgb, surnameDst[i], surnameDst[(i+1)%4], Scalar(0,128,255), 2);
        
    

结果：照片和姓氏区域为橙色。机读区为蓝色。

【参考方案2】：

Card.io 专为浮雕信用卡而设计。它不适用于此用例。

【讨论】：

感谢您的回复。我可以通过任何其他方法实现这个用例吗？

只要付出足够的努力，一切皆有可能。 ;) 我会从这里开始：***.com/questions/3750719/…

【参考方案3】：

现在有可用于此目的的 PassportEye 库。它并不完美，但根据我的经验，效果很好：https://pypi.python.org/pypi/PassportEye/

【讨论】：

来自我的测试和其他 cmets pyimagesearch.com/2015/11/30/…（参见 Don's），该模块还没有准备好进行生产（远非如此）