前言
前两篇文章讲了检测模型和识别模型的实现,这一篇文章姗姗来迟,将讲解下两个模型的串联应用和PaddleOCR的源码精简,下面我们来看看如何实现,文章最后有全源码下载。
银行卡卡号识别源码分析
1、添加预测代码
新建deploy目录,加入预测py文件
核心代码如下:
def predict(self, image=None, path="", **kwargs):
if image is not None:
predicted_data = image
elif path != "":
predicted_data = self.read_image(path)
else:
raise TypeError("The input data is inconsistent with expectations.")
dt_boxes, rec_res, _ = self.text_sys(predicted_data)
dt_num = len(dt_boxes)
if dt_num > 0:
rec_res_final = dict()
text, score = rec_res[0]
rec_res_final.update({
'bank_card_number': text,
'score': float(score),
'location': dt_boxes[0].astype(np.int).tolist()
})
url = "https://ccdcapi.alipay.com/validateAndCacheCardInfo.json?cardNo=" + rec_res_final[
"bank_card_number"] + "&cardBinCheck=true"
r = requests.get(url=url)
res = r.json()
if res["validated"]:
card_types = {
"DC": "借记卡",
"CC": "信用卡",
"SCC": "准贷记卡",
"PC": "预付费卡"
}
if res["cardType"] in card_types:
card_type = card_types[res["cardType"]]
else:
card_type = "未知卡类型【" + res["cardType"] + "】"
if res["bank"] in self.bank:
bank_name = self.bank[res["bank"]]
else:
bank_name = "未知银行"
rec_res_final.update({
"card_type": card_type,
"bank_name": bank_name
})
else:
rec_res_final.update({
"card_type": "未知卡类型",
"bank_name": "未知银行"
})
return rec_res_final
else:
return ""
2、模型存放位置
det为检测模型,rec为识别模型
3、参数说明
目前的识别模型是在PP-OCRv2的基础上训练出来的,如何是v3或v4训练的,需要将这里的re_image_shape改成“3,48,320”
4、预测
ocr_bank.py文件中添加main方法:
if __name__ == '__main__':
args = {
"use_gpu": False,
"enable_mkldnn": True
}
ocr_bank = OCRBank(args=args)
print(ocr_bank.predict(None, "1.jpg"))
python .\deploy\ocr_bank.py
结果:
[2023/11/29 15:31:50] ppocr DEBUG: dt_boxes num : 1, elapsed : 0.5060036182403564
[2023/11/29 15:31:50] ppocr DEBUG: rec_res num : 1, elapsed : 0.10000085830688477
{'bank_card_number': '622991116400066409', 'score': 0.9891971945762634, 'location': [[164, 368], [789, 374], [789, 424], [164, 417]], 'card_type': '借记卡', 'bank_name': '河南省农村信用社'}
5、命令行检测模型预测
python tools/infer/predict_det.py --det_algorithm="DB" --det_model_dir="./inference/det/" --image_dir="1.jpg" --use_gpu=False --det_db_unclip_ratio=2.5
完毕
以上就是银行卡识别的整个流程,精简后可直观的进行部署,这里只是做了第一步精简,在infer中和后处理中,还有部分代码可以进一步精简。
精简后源码下载: