基于多任务学习的第二代身份证结构化信息提取研究  

Research on Structured Information Extraction of Second Generation ID Cards Based on Multi-task Learning

作　　者：邹宇[1,2] 周先春 ZOU Yu;ZHOU Xianchun(Nanjing University of Information Science and Technology,Nanjing 210044;Jiangshu Open University,Nanjing 210036)

机构地区：[1]南京信息工程大学,南京210044 [2]江苏开放大学,南京210036

出　　处：《计算机与数字工程》2024年第3期802-807,共6页Computer & Digital Engineering

基　　金：江苏省教育科学“十四五”规划2021年度课题“人工智能视域下基于机器学习的开放教育监督模型研究”(编号:C-c/2021/03/30);2022年度高校哲学社会科学研究一般项目“人工智能背景下基于深度学习的远程教育预警模型研究”(编号:2022SJYB0852);江苏省高等学校基础科学(自然科学)研究项目“基于政策分析视角构建科技成果评价指标体系及实证研究”(编号:20KJB630009)资助。

摘　　要：论文设计和实现了一个端到端的身份证识别系统。该系统对传统的身份证识别流程进行了改进,采用多任务深度学习算法,将目标检测和结构化分析融合到同一深度网络中,然后对检测出的文字进行识别,最终输出身份证的结构化信息。实验结果表明,相较于传统身份证模板匹配方法,该方法在最终识别效果上得到了极大的提升,针对复杂场景下的身份证识别也取得了很好的效果。This paper designs and implements an end-to-end ID card recognition system.The system improves the traditional OCR recognition process,adopts a multi-task deep learning algorithm,integrates target detection and structural analysis into the same deep network,then recognizes the detected text,and finally outputs the structured information of the ID card.The experimen-tal results show that compared with the traditional ID card template matching method,this method greatly improves the final recogni-tion effect,and also achieves good results for ID card recognition in complex scenarios.

关 键 词：证卡识别 模板匹配 深度学习 目标检测 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]