-
公开(公告)号:CN110689010B
公开(公告)日:2021-05-11
申请号:CN201910927886.7
申请日:2019-09-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供了一种证件识别方法及装置,其中,该方法包括:首先,获取待识别的目标证件对应的证件版面模版,基于该证件版面模版确定目标证件的证件版面信息,来实现目标证件中文字区域的初步圈定,然后,再利用预设文字行检测方法并结合初步圈定出的文字区域,确定目标证件中各证件字段的实际位置信息,来实现目标证件中文字区域的精准定位。
-
公开(公告)号:CN111401320B
公开(公告)日:2022-04-12
申请号:CN202010296594.0
申请日:2020-04-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种生物特征图像处理方法及装置,该方法首先获取待编码的第一图像,将第一图像切分为第一数目的多个第一图块,且为多个第一图块顺序编号;按照预设的第一序列中的编号顺序,打乱多个第一图块的排列,得到乱序排布的第二图像;运行于服务端的神经网络模型对第二图像进行生物特征识别;神经网络模型为采用指定训练样本预先训练而得到,指定训练样本中的每一个训练样本均按照第一序列进行乱序排布。该方法可有效提升用户隐私数据安全性。
-
公开(公告)号:CN110688939B
公开(公告)日:2022-07-29
申请号:CN201910909541.9
申请日:2019-09-25
Applicant: 支付宝(杭州)信息技术有限公司
IPC: G06V20/40 , G06V20/62 , G06V30/146 , G06V30/19 , G06V30/14 , G06V10/141
Abstract: 本申请公开了一种验证待识别证件图像的方法、系统及设备。本说明书一实施例的方法流程包括:调用当前的图像采集设备拍摄目标对象,获取所述目标对象不同姿态和/或不同光照下的多张待识别证件图像;判断所述待识别证件图像是否有效,包括,提取所述多张待识别证件图像上的所述目标对象的相关信息进行综合分析,识别所述待识别证件图像是否为翻拍证件图像,当所述待识别证件图像为翻拍证件图像时,所述待识别证件图像无效。
-
公开(公告)号:CN110689010A
公开(公告)日:2020-01-14
申请号:CN201910927886.7
申请日:2019-09-27
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书一个或多个实施例提供了一种证件识别方法及装置,其中,该方法包括:首先,获取待识别的目标证件对应的证件版面模版,基于该证件版面模版确定目标证件的证件版面信息,来实现目标证件中文字区域的初步圈定,然后,再利用预设文字行检测方法并结合初步圈定出的文字区域,确定目标证件中各证件字段的实际位置信息,来实现目标证件中文字区域的精准定位。
-
公开(公告)号:CN110688939A
公开(公告)日:2020-01-14
申请号:CN201910909541.9
申请日:2019-09-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请公开了一种验证待识别证件图像的方法、系统及设备。本说明书一实施例的方法流程包括:调用当前的图像采集设备拍摄目标对象,获取所述目标对象不同姿态和/或不同光照下的多张待识别证件图像;判断所述待识别证件图像是否有效,包括,提取所述多张待识别证件图像上的所述目标对象的相关信息进行综合分析,识别所述待识别证件图像是否为翻拍证件图像,当所述待识别证件图像为翻拍证件图像时,所述待识别证件图像无效。
-
公开(公告)号:CN115439851A
公开(公告)日:2022-12-06
申请号:CN202210890215.X
申请日:2019-09-25
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本申请公开了一种验证待识别证件图像的方法、系统及设备。本说明书一实施例的方法流程包括:调用当前的图像采集设备拍摄目标对象,获取所述目标对象不同姿态和/或不同光照下的多张待识别证件图像;判断所述待识别证件图像是否有效,包括,提取所述多张待识别证件图像上的所述目标对象的相关信息进行综合分析,识别所述待识别证件图像是否为翻拍证件图像,当所述待识别证件图像为翻拍证件图像时,所述待识别证件图像无效。
-
公开(公告)号:CN111401320A
公开(公告)日:2020-07-10
申请号:CN202010296594.0
申请日:2020-04-15
Applicant: 支付宝(杭州)信息技术有限公司
Abstract: 本说明书实施例提供一种生物特征图像处理方法及装置,该方法首先获取待编码的第一图像,将第一图像切分为第一数目的多个第一图块,且为多个第一图块顺序编号;按照预设的第一序列中的编号顺序,打乱多个第一图块的排列,得到乱序排布的第二图像;运行于服务端的神经网络模型对第二图像进行生物特征识别;神经网络模型为采用指定训练样本预先训练而得到,指定训练样本中的每一个训练样本均按照第一序列进行乱序排布。该方法可有效提升用户隐私数据安全性。
-
-
-
-
-
-