1、隨著智能相機(jī)、移動(dòng)手機(jī)等智能終端的不斷普及，基于拍照的文字自動(dòng)識(shí)別技術(shù)正得到廣泛應(yīng)用。利用卡號(hào)自動(dòng)識(shí)別技術(shù)，可以快速高效、自動(dòng)準(zhǔn)確地解析拍照獲取的銀行卡圖像信息。與自然場景下的文字檢測與識(shí)別問題類似，卡號(hào)檢測與識(shí)別面臨著相似的難題：光照影響、拍照視角影響、成像質(zhì)量、卡號(hào)字體顏色方向等影響。除此之外，卡號(hào)人為設(shè)計(jì)的復(fù)雜場景也增加了檢測與識(shí)別的難度。本文對(duì)基于拍照的端到端卡號(hào)檢測與識(shí)別進(jìn)行了系統(tǒng)研究，主要工作和創(chuàng)新點(diǎn)如下：
　　在卡號(hào)

2、檢測方面，針對(duì)卡號(hào)成行排列的特性，為縮小卡號(hào)檢測搜索范圍，并排除無關(guān)背景干擾，巧妙采用LSD直線檢測算子檢測卡片；接著充分挖掘卡號(hào)字符與背景干擾在結(jié)構(gòu)邊緣上的顯著差異，提出了一種結(jié)合卡號(hào)字符邊緣框(Edge Boxes)與譜聚類的卡號(hào)行檢測方法。其次，針對(duì)在卡號(hào)行上，卡號(hào)字符與非卡號(hào)字符在梯度和紋理上的細(xì)微差異，提出了一種對(duì)梯度特征表達(dá)能力更強(qiáng)的FHOG特征和對(duì)細(xì)致紋理描述更趨合理的改進(jìn)的IRLBP特征，并結(jié)合AdaBoost方法，提出

3、了融合多級(jí)級(jí)聯(lián)檢測器的卡號(hào)數(shù)字字符檢測方法，并通過實(shí)驗(yàn)證實(shí)了卡號(hào)檢測方法的有效性。
　　在卡號(hào)識(shí)別方面，針對(duì)由于卡號(hào)數(shù)字包含復(fù)雜場景等因素的影響，其類間類內(nèi)差異相對(duì)特殊和復(fù)雜，提出了一種對(duì)類間固定差異進(jìn)行描述的GLAC描述子，以及基于預(yù)先構(gòu)建的視覺詞典對(duì)類內(nèi)差異進(jìn)行部分表達(dá)的SIFT-BoF描述子，將兩者融合并采用多分類SVM，構(gòu)建字符識(shí)別器?？紤]到卷積神經(jīng)網(wǎng)絡(luò)(CNN)在分類上的固有優(yōu)勢，提出分解卷積層從而增加網(wǎng)絡(luò)層數(shù)，最終提高