面向验证系统的高效身份证语义分割方法探索
计算机视觉与模式识别
2021-11-29 v1
摘要
对于远程验证系统而言，去除身份证图像中的背景是一个真正的挑战，因为许多重新数字化的图像存在背景杂乱、光照条件差、失真和遮挡等问题。身份证图像中的背景会混淆分类器和文本提取。由于缺乏可用于研究的图像，该领域是当今计算机视觉中的一个开放问题。本工作提出了一种利用身份证语义分割去除背景的方法。最终，使用了来自实际操作的、在自然场景下拍摄的图像，以及一个包含45,007张图像的手动标注数据集，该数据集包含来自三个国家（智利、阿根廷和墨西哥）的五种身份证类型，并涵盖了典型的呈现攻击场景。该方法有助于改进常规身份验证或文档篡改检测系统中的后续阶段。探索了两种基于MobileUNet和DenseNet10的深度学习方法。使用MobileUNet获得了最佳结果，其参数量为650万。在一个包含4,988张图像的私有测试数据集上，智利身份证的平均交并比（IoU）为0.9926。融合了智利、阿根廷和墨西哥身份证图像的多国数据集的最佳结果达到了0.9911的IoU。所提出的方法足够轻量，可在移动设备上实时运行。
引用
@article{arxiv.2111.12764,
title = {Towards an Efficient Semantic Segmentation Method of ID Cards for Verification Systems},
author = {Rodrigo Lara and Andres Valenzuela and Daniel Schulz and Juan Tapia and Christoph Busch},
journal= {arXiv preprint arXiv:2111.12764},
year = {2021}
}