基于深度学习的银行卡号识别系统的设计与实现开题报告

1. 研究目的与意义（文献综述）

目的及意义：由于移动互联网的迅速发展，移动支付成为最主流的支付方式之一，同时在生活中，很多场景会涉及到银行卡的绑定与识别，比如手机支付需要绑定银行卡，微信支付或支付宝支付，均需提前绑定银行卡，通过扫一扫功能，扫描银行卡，自动识别卡号，进行后续的验证操作。又如在银行转账业务中，银行进行业务前，都需要提供银行卡，扫描银行卡，进行卡号识别操作。银行卡的智能识别需求非常广泛，它不仅可以提高工作效率、减少人工成本，同时也可以提升用户体验。本系统旨在实现银行卡号的定位以及银行卡号的识别。

国内外现状分析：近些年来，随着技术的不断进步，ocr技术已经非常成熟，但是影像中的文本检测与识别面临着很多由低质量或是退化数据带来的障碍和挑战。目前，最好的方法的检测率不到80%，识别率低于60%，而对扫描文档可以达到99%以上的识别率，相对比，影像文本的检测和识别技术还有非常大的提升空间。近几年来,研究者们探索了很多获取文本的有效方法,特别是复杂背景中的附带文本,这些方法通常来源于先进的机器学习和优化算法,例如卷积神经网络、无监督学习、条件随机场和置信传播等等。总的来讲,这些年,自然场景中的文本检测和识别取得了不俗的成绩,在一定的场景下识别效果比较好,但是这些算法都有自己的一些针对性,例如有些算法只是针对水平文本,有的只是针对某一语言,还有一些算法要求文本的对比度比较高等,很难找到一种有效的方法能够解决自然场景中的文本检测面临的各种困难。

针对自然场景中的文字检测与识别问题,目前已经取得了比较有效的研究成果。但是,与在商业领域已经得到广泛应用、相对比较成熟的印刷体文档中的文字检测与识别技术相比而言,对自然场景文字检测与识别的研究及相应成果仍显得十分不其主要原因在于,受背景复杂性、场景任意性等因素的影响,自然场景中的文字与印刷体文档中的文字相比,无论在字体、颜色、大小、方向、排列、对比度等方面都存在很大的差异,而且还受拍摄角度和远近、光照变化、噪声干扰及场景背景等因素的严重影响。这使得采用传统的光学字符识别技术(ocr)在自然场景文字检测与识别的应用中很难取得相对满意的结果。

2. 研究的基本内容与方案

主要内容：

人类对外界信息的认识及感知，最基本的就来自于视觉，因此对视觉信息的搜集与处理，一直是人类认识世界、认识规律的重要手段。人工智能技术，通过对视觉信息的采集，对图形图像信息做科学的筛选、比对并分析，然后经过算法（深度学习）、理解和思考之后，将真实的现实内容呈现在计算机中。随着人工智能、深度学习技术的发展，人工智能技术在视觉领域方面的应用日益突出，得到了广泛的关注和研究。本题要求同学们使用基于深度学习的视觉识别技术，拓展现有的光学识别技术（ocr）来完成一个识别银行卡号的系统，此系统包括数据集处理、银行卡号定位检测、银行卡号识别三部分。

目标：

3. 研究计划与安排

3.2-3.8 完成数据集的建立

3.9-3.15 实现灰度化和尺寸归一化功能，噪声去除功能，学习east算法。

3.16-3.22 使用east算法实现银行卡卡号定位

4. 参考文献（12篇以上）

[1] hui li et al. (2019) methodbased on deep learning for concave-convex font identification

[2] liu yun et al. (2019) end-to-end bank card numberrecognition algorithm based on densenet

[3] boya wang et al. (2018) scene text recognitionalgorithm based on faster rcnn