论文总字数：28132字

摘 要

本文的研究内容是银行卡卡号识别，通过额外参考车牌号识别及身份证识别的方法，结合银行卡自身的特点，将一些已有的方法与自己的创新相结合，实验并设计出了自己的银行卡识别的解决方案。

本文将从三个主要方向进行研究，即银行卡及卡号的提取、卡号字符分割、卡号字符识别。

在银行卡定位提取方面，本文通过比较基于边缘检测的定位方式与基于SVM物体检测的两种方式，经过实际仿真检测后发现在复杂背景下后者的准确率明显高于前者。在银行卡卡号字符串的提取方面，本文采用传统的投影法，通过银行卡图像的水平直方图特点来确定卡号所在的区域。

在卡号的字符分割方面。本文先对一些传统的字符分割方式进行分析比较，之后，结合对银行卡自身特点的分析，发现了一种基于特征点的银行卡格式判断的方式，并用此方法进行字符分割。

在卡号的字符识别方面。本文首先对一些常用的字符识别方式进行简单介绍对比，后又提出了本文所使用的字符识别方式。本文采用的方法是用基于HOG特征的SVM分类器进行字符识别，而不同点在于本文在识别一个数字之时采用的是多阈值反复识别的方式，因为受到实际条件的影响，在字符预处理方面，某些数字的处理结果可能并不是很好，从而导致识别结果的错误，而利用多阈值反复识别则可以避免此类情况，在多种情况下进行识别而后取其众数为最终结果，这样可提高其准确率。

经过实际实验发现，在样本训练足够的情况下，此方法能够达到较高准确率。

关键词：银行卡定位，字符分割，字符识别，SVM

Abstract

The research content of this article is bank card number recognition, license plate number recognition and id card recognition through additional reference method, combined with the characteristics of bank card, some existing methods and their own innovation, the combination of experiment and design out bank card identification solution.

This paper will study from three main directions: bank card and card number extraction, card number character segmentation, card number character recognition.

In terms of bank card positioning extraction, in this paper, by comparing the locate mode based on edge detection and two ways based on SVM object detection, through the actual simulation testing when under complex background and accuracy of the latter was obviously higher than that of the former. In terms of card number string extraction, this paper adopts the traditional projection method to determine the area of card number by the horizontal histogram features of bank card image.

In the case of card number character segmentation, this paper first analyzes some traditional character segmentation methods comparison, after combining the analysis of the characteristics of the bank itself, found a bank card format judgment way based on feature points, and use this method for character segmentation.

In card number character recognition, this paper firstly introduces and compares some commonly used character recognition methods, and then proposes the character recognition methods used in this paper. This article USES the method is to use the SVM classifier based on HOG feature in character recognition, the difference is that identification is presented in this paper a number of USES is more than threshold repeatedly recognition, because under the influence of the actual conditions, in terms of character pretreatment, some digital processing result may not be very good, which lead to the recognition result error, and the use of more than threshold repeatedly recognition can avoid this kind of situation, in many cases identification and then take the mode for the final result, which can improve the accuracy.

It is found that this method can achieve high accuracy when the sample training is enough.

KEY WORDS: positioning extraction, segmentation, recognition, SVM

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 银行卡识别的研究背景 1

1.2 银行卡号识别系统概述 1

1.2.1 银行卡特点 1

1.2.2 系统流程 1

1.2.3 银行卡识别研究现状 2

1.2.4 银行卡识别研究难点 2

1.3 本文研究内容及研究安排 2

第二章 银行卡号的定位 4

2.1 银行卡的定位 4

2.1.1 图像预处理 4

2.1.2 基于边缘检测的银行卡定位 6

2.1.3 基于SVM物体检测的银行卡定位 8

2.2 倾斜校正 9

2.3 边缘提取和字符串定位 10

2.4 本章小结 12

卡号字符分割 13

3.1 常见字符分割及分析 13

3.2 归一化处理与切分 14

3.2.1 卡号再次精确定位 14

3.2.2 特征点分析及卡号种类判断 16

3.2.3 卡号字符分割 17

3.3 本章小结 19

第四章 卡号字符识别 20

4.1 常见字符识别及分析 20

4.2 图像预处理 21

4.3 基于特征提取与支持向量机字符识别 23

4.3.1 HOG特征提取 23

4.3.2 支持向量机原理 25

4.3.3 字符识别结果及分析 26

4.4 本章小结 28

第五章 测试结果及分析 29

5.1 银行卡定位结果 29

5.2 字符串提取结果 29

5.3 字符分割结果 30

5.4 字符识别结果 30

5.5 界面设计与软件实现 31

第六章 总结与展望 34

致谢 36

参考文献 37

第一章 绪论

• 1. 银行卡识别的研究背景

随着智能化、信息化的时代的发展，各行各业的一些简单而繁琐的工作都渐渐的由人工智能所代替。而模式识别、机器视觉等领域方面的发展则更是人工智能发展的重要推助力。同时伴随着网络购物、网络支付等网络经济的兴起，人们在日常生活中通过手机等移动端进行交易的时候，自然无法避免对银行卡进行相应的操作。

同时随着经济时代的高速发展，现代人的经济管理方面的意识越来越重，因此，不论是银行等经济中枢，还是各种新兴的理财软件在人们日常生活中的重要性日益提高，人们与银行卡的接触越来越多，不论是对于移动支付还是在银行办理业务，用户必须要对银行卡进行操作，读取银行卡号。但是，由于银行卡卡号一般都在16位以上，位数较多，在人工读取或输入卡号时，很容易发生错误，尤其是很多的卡号都是压印出的凹凸字，更对人们读取卡号产生不便。为了提高速度和准确性，使其变得更加快捷方便，银行卡卡号自动识别系统的出现已经是在所难免的。

剩余内容已隐藏，请支付后下载全文，论文总字数：28132字