python银行卡号识别_EAST+CRNN银行卡号识别，附数据集

原标题：EAST+CRNN银行卡号识别，附数据集

实现功能与方法

卡号定位 (EAST)

交互界面 (PyQt5)使用方法

下载源码

下载训练好的模型

使用PyCharm打开(或其他IDE)，或者直接执行 python demo.py

出现GUI后即可使用

注*：因CRNN模型代码更新，此模型故已弃用。可在下文下载其预训练网络。

数据集，模型，代码 以及运行教程 获取：

银行卡即可获取。

功能介绍 卡号识别

模型的 训练方法如下：

下载预训练模型.并将其路径写入 crnn/cfg.py 的 PRE_TRAINED_MODEL_PATH 变量中

python crnn/preprocess.py

python crnn/run.py

注：模型训练的数据集是由子数据集(4-6个)拼凑而成的不定长度的数据， crnn/cfg.py 中的 MAX_LABEL_LENGTH 用来设置数据的最大长度。这部分数据是通过运行 crnn/preprocess.py 生成，可以通过 AUG_NBR 设置生成数据集个数。其效果如下:

卡号定位

这一部分是重中之重，考虑到自己还没有能力去研究新的图像字符定位算法，就参考了许多这类算法。现在比较成功的莫过于CTPN了，其次也有Faster-RCNN，EAST，Seg-Link等等。而偏偏选用EAST的原因可能是一见钟情吧(名字好听)。

此部分引用的是EAST的Keras实现，但此EAST并非原生的EAST，而是改进的AdvancedEAST

这个模型特点之一就是方便训练，直观也简练。训练方法及更多原理参见原文部分。

特别值得提起的是数据集，是我自己从互联网上搜罗来的，然后还进行了标注。过程比较痛苦。面临的问题是，几百张数据可能训练不出好的模型，所以后期使用自动定位不成功的，可能原因之一就是数据集太小(我…尽力了…)。但是用于这样的小系统开发，还是有一定的使用价值。

如果你有更多的数据的话，若想进行标注。懂的同学可以标注直接标注为 ICDAR 2015的格式，不懂的同学则可以使用 dataset/tagger.py 简陋的标注器来标注，标注方法：以目标区域 左上角开始， 顺时针的点击物体的角点，直到最后一个点，可在数据同目录的 txt 下看到形如 x1,y1,x2,y2,x3,y3,x4,y4,### 的值 ### 表示忽略目标内容。如果成功标注完成，在 east 目录下运行 python east/preprocess.py 得到形如以下形式的图像，就代表成功了。

模型的 训练方法如下：

python east/preprocess.py (可选，若数据集有变更则运行)

python east/run.py

注：部分参数可以在 east/cfg.py 中设置，推荐使用默认。

交互界面

使用了Qt对Python的接口PyQt5来完成，UI设计使用QtDesigner来完成。整体效果如下：(且不说美，起码能看，中规中矩吧)

但是也想之前所述，因为训练数据的贫乏，导致部分测试数据无法定位。后期可通过增大训练数据集解决。目前自动定位失败主要集中在卡号和卡片背景颜色相近的情况，例如都偏暗，或者都偏亮。可以在定位之前，给测试数据加上若干预处理操作，如提高亮度，增加对比度等。

责任编辑：