银行卡号识别python_CTPN CRNN-Pytorch 银行卡号识别

通过利用keras以及一些自定义函数进行数据增强, CTPN进行文字定位，CRNN进行文字识别以及Flask Web实现银行卡号码识别

Github地址

由于我并不是机器学习方向，完成此项目只是学校课程需要

所以文章可能只是如何开始并完成这个项目，至于深层次的原理，推荐两篇中文博文

构建基础运行环境

硬件设备以及部分驱动和依赖如下：

Ubuntu18.04 + CUDA 8.0.61 + GeForce GTX 960M + NVIDIA Driver 430.14 + Python3.6 + Tensorflow-gpu

(CUDA10.0 可参考文章末尾colab google配置)

安装完成后，可以通过下面命令在你的设备中检查

克隆源代码，并生成Python3虚拟环境

git clone https://github.com/bay1/card-crnn-ctpn.git

python3 -m virtualenv venv

source venv/bin/activate # 激活虚拟环境

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple some-package # 安装项目依赖，指定清华源

配置warpctc-pytorch

项目中用到了warpctc-pytorch，需要我们手动安装

注意这里的命令需要在Python虚拟环境中执行

git clone https://github.com/SeanNaren/warp-ctc.git

cd warp-ctc

mkdir build; cd build

cmake ..

make

你可能会遇到如下错误，这是因为你的gcc版本过高，需要低于5.0版本

/usr/local/cuda-8.0/include/host_config.h:119:2: error: #error -- unsupported GNU version! gcc versions later than 5 are not supported!

#error -- unsupported GNU version! gcc versions later than 5 are not supported!

^~~~~

如果你系统中有多个gcc版本，你可以执行下面的命令指定"gcc"命令链接的具体指令

比如我指定我系统中存在的另一个gcc版本： gcc-4.9

sudo rm /usr/bin/gcc

sudo ln -s /usr/bin/gcc-4.9 /usr/bin/gcc

你也可能会遇到如下错误

/usr/bin/ld: CMakeFiles/test_gpu.dir/tests/test_gpu_generated_test_gpu.cu.o: relocation R_X86_64_32S against `.bss' can not be used when making a PIE object; recompile with -fPIC

/usr/bin/ld: 最后的链结失败: 输出不可表示的节

collect2: error: ld returned 1 exit status

CMakeFiles/test_gpu.dir/build.make:98: recipe for target 'test_gpu' failed

make[2]: *** [test_gpu] Error 1

CMakeFiles/Makefile2:146: recipe for target 'CMakeFiles/test_gpu.dir/all' failed

make[1]: *** [CMakeFiles/test_gpu.dir/all] Error 2

Makefile:129: recipe for target 'all' failed

make: *** [all] Error 2

根据报错内容，我们可以直接修改目录下的CMakeCache.txt

CMAKE_CXX_FLAGS:STRING=-fPIC # 39 行

然后我们根据warp-ctc说明，执行下面命令

cd ../pytorch_binding

python setup.py install

此时你可能会遇到如下错误

src/binding.cpp:6:10: fatal error: torch/extension.h: 没有那个文件或目录

#include

^~~~~~~~~~~~~~~~~~~

compilation terminated.

error: command 'x86_64-linux-gnu-gcc' failed with exit status 1

git checkout ac045b6

CTPN

文本位置定位，我直接借用的此项目以及其训练的模型text-detection-ctpn

其实作者训练的模型效果不算很好，不过我手里并没有模型数据，自己训练还是需要下载这位作者的训练数据

所以干脆直接使用作者训练好的模型数据即可，可以从下面两种方式下载作者的ckpt file

将此文件夹放到ctpn/，然后执行如下命令

cd ctpn/utils/bbox

chmod +x make.sh

./make.sh

PS： 如果你想要自己训练CTPN模型数据，你可以执行ctpn文件夹下的train.py文件

其中text-detection-ctpn只是针对文本进行位置的定位

而我们针对银行卡号进行具体定位，所以还是需要进行一些自定义的处理

我的思路是对选取出来的所有Box进行长宽的计算，然后根据长宽的比例来进行截取卡号区域

当然这种效果的前提是，我们能够将卡号部分检测出来，不过这样实现的效果还是相当不错的

def get_wh(box_coordinate):

"""

计算box坐标宽高

box格式： [xmin, ymin, xmax, ymin, xmax, ymax, xmin, ymax, score]

"""

xmin = box_coordinate[0]

xmax = box_coordinate[2]

ymin = box_coordinate[1]

ymax = box_coordinate[5]

width = xmax - xmin

height = ymax - ymin

return width, height

CRNN

此时需要回到项目根目录，首先对我得到的图片数据进行简单的处理

即将原始图片数据，即data/images的图片，转化为生成lmdb需要的形式

python crnn/handle_images.py # 后续优化后，在此命令前需要执行数据增强

图片路径以及正确标签文本:

crnn/to_lmdb/train.txt

crnn/to_lmdb/test.txt

处理后的图片新路径:

crnn/to_lmdb/train_images

crnn/to_lmdb/test_images

然后我们就需要将我们手中的数据转换成train所需要的lmdb文件

执行下面命令

python crnn/to_lmdb/to_lmdb.py -i crnn/to_lmdb/train_images -l crnn/to_lmdb/train.txt -s crnn/to_lmdb/train_lmdb/

python crnn/to_lmdb/to_lmdb.py -i crnn/to_lmdb/test_images -l crnn/to_lmdb/test.txt -s crnn/to_lmdb/test_lmdb/

生成的lmdb文件目录:

crnn/to_lmdb/train_lmdb

crnn/to_lmdb/test_lmdb

这时候我们就可以具体训练我们手中的数据

python crnn/train.py

自定义参数

这个项目有各种自定义的数据目录，以及训练模型的参数

如果你想修改这些参数或者数据路径,你可以到下面两个文件中

ctpn/params.py

crnn/params.py

其中crnn训练模型的参数详解

--random_sample 是否使用随机采样器对数据集进行采样, action='store_true'

--keep_ratio 设置图片保持横纵比缩放, action='store_true'

--adam 使用adma优化器, action='store_true'

--adadelta 使用adadelta优化器, action='store_true'

--saveInterval 设置多少次迭代保存一次模型

--valInterval 设置多少次迭代验证一次

--n_test_disp 每次验证显示的个数

--displayInterval 设置多少次迭代显示一次

--experiment 模型保存目录

--alphabet 设置检测分类

--crnn 选择预训练模型

--beta1

--lr 学习率

--niter 训练回合数

--nh LSTM隐藏层数

--imgW 图片宽度

--imgH 图片高度, default=32

--batchSize 设置batchSize大小, default=64

--workers 工作核数, default=2

--trainroot 训练集路径

--valroot 验证集路径

--cuda 使用GPU, action='store_true'

可视化

训练CRNN完成之后，crnn测试加载模型路径默认是: crnn/trained_models/crnn_Rec_done.pth

即我们需要把我们训练好的模型重命名放到这个目录

然后我们就可以在项目根目录执行如下命令

python run.py

效果展示

这是本地迭代了300次的效果,有待继续改进

测试集图片, 识别其中的一张银行卡号

后续

数据增强

数据增强模块，将数据集中的每一张图片使用数据增强方式拓展为n张图片(n,设置crnn/params.py中的total_num)

这样做的好处还可以为之后的图像识别训练提供充足的数据样本

而我们要做的目的是识别银行卡卡号，对于现有数据和实际识别中卡号的样式

个人认为，我们需要做的数据增强方式不应该包括角度旋转，水平翻转，大幅度平移

同时银行卡较不容易识别的是带有复杂背景图的卡面，所以杂色，噪点的增加是必要的

所以在keras的基础上我们自定义一些其他函数

完成上述设置之后，在handle_images.py之前执行下面的命令

python crnn/augmentation.py

生成的数据文件夹如下，理论上会生成86720项(猜测是文件名重复导致)

效果

data文件夹中的测试图片，几乎能够识别所有的银行卡号，预估测试正确率达85%+

训练过程中170多次迭代的acc，最高升至0.77

colab google免费训练

后来发现了，google提供的一种免费线上训练网站，GPU环境是K80配置，速度比本地快多了

而且可以省去很多配置环境的麻烦，这种线上环境的cuda版本是10.0，还是需要进行稍微调整

首先我们在colab中添加如下的单元格

!git clone https://github.com/bay1/card-crnn-ctpn.git

%cd /content/card-crnn-ctpn

!pip install -r requirements.txt

!pip install --upgrade tensorflow-gpu

!pip install https://download.pytorch.org/whl/cu100/torch-1.0.1.post2-cp36-cp36m-linux_x86_64.whl

!cp /content/train.py /content/card-crnn-ctpn/crnn

!python crnn/augmentation.py

!python crnn/handle_images.py

!python crnn/to_lmdb/to_lmdb.py -i crnn/to_lmdb/train_images -l crnn/to_lmdb/train.txt -s crnn/to_lmdb/train_lmdb/

!python crnn/to_lmdb/to_lmdb.py -i crnn/to_lmdb/test_images -l crnn/to_lmdb/test.txt -s crnn/to_lmdb/test_lmdb/

!python /content/card-crnn-ctpn/crnn/train.py

你可能注意到了这里升级了tensorflow-gpu和tourch版本以适配线上环境的硬件

pytorch.org在这里你可以找到相应的tourch对应的cuda版本安装方法

然后手动下载 card-crnn-ctpn/crnn/train.py 文件

由于tourch1.0版本直接支持CTCLoss,所以我们就不需要安装warpctc_pytorch,修改train.py文件如下

即注释warpctc引用的CTCLoss，直接改为torch中的CTCLoss

10 # from warpctc_pytorch import CTCLoss

158 # criterion = CTCLoss()

159 criterion = torch.nn.CTCLoss()

此时如果你想修改params.py文件，也可以像train.py一样修改

修改完成后上传到目录，在单元格代码中添加相应的替换命令即可

最后执行代码执行程序，享受速度

最终在colab训练90次的模型，测试网上找来的10+张图片

准确率大致可以达到95%+

(对于iter和准确率，每次数据增强的图片是随机的，生成的训练效果可能不同.....准确率升到95%+，有种瞎猫碰死耗子的感觉)