基于分类器的身份证号分类方法.docxVIP

基于分类器的身份证号分类方法 0 信息录入的应用 中国的每个公民都有一个独特的身份号。为了确保公民的合法权益和社会安全，社会中的许多行业要求进行真实登记。例如，通过旅行旅行、购买车票和参加加试考试，必须将身份信息输入计算机。手动识别身份的数量是显著提高的工作效率，因此具有广阔的应用前景。 本论文共讲述两个内容:1) 介绍三种分类器的基本公式;2) 将身份证号码图像进行特征降维处理, 再利用分类器进行分类, 提高分类效率。 1 图像特征降维 在本节中将会介绍距离分类器 (ED分类器) 、最小类距分类器 (MICD) 以及最大后验概率分类器 (MAP) 基本分类公式, 介绍图像特征降维方法。将身份证号码所组成的样本集合记为L, 故L={0, 1, 2, …, 9, X}。 1.1 距离分类器ed分类器 距离分类器简称为ED分类器 式中:m 1.2 特征分布不均匀时 ED分类器只是单纯的依据测试样本与训练样本的距离进行分类。并没有对训练样本作任何处理。当训练集的特征分布不均匀时, ED分类器的分类效果较差。 最小类间距分类器简称为MICD分类器 式中:x是测试样本, m 测试样本x到第i类的训练样本的距离比到其它类别的距离小, 所以样本x被判为i类。 1.3 最大最终概率分类器标度分类器 最大后验概率分类器简称为MAP分类器 式中:|∑ 1.4 图像分类器训练 图像中每一个像素都被认作是一个特征。训练分类器模型时, 为获得一个较好的分类器模型, 样本的数量要大于样本的特征维度, 但现实中, 往往没有足够多的样本用作训练, 例如一张中等大小的图像, 图像尺寸是400×800, 拥有320000个特征, 至少需要320000张相关图像作为训练才可以获得一个较好的分类器。因此对图像进行分类器训练时, 主要遇到两方面问题, 一方面很难获得足够多的图像样本进行训练, 另一方面, 样本过多也会增加训练复杂度。因此希望在不影响分类性能的前提下, 降低图像特征维度, 降低所需样本个数。 主成份分析简称为PCA特征降维 2 实验与分析 2.1 图像特征维度 照片在计算机里以矩阵形式存储, 将图像在电脑中存储的矩阵称之为图像矩阵, 矩阵中每一个数字不仅代表了图像中的一个像素值, 还代表了图像的一个特征。在照片拍摄过程中, 每一张图像的大小不一样, 而在分类过程中, 样本的训练与测试需要在同一特征维度下进行分类。所以需要将所有图像归一化到同一尺度下。为了探究归一化的尺度对分类器的影响, 通过缩放图像, 更改图像尺寸, 探究图像尺度对分类器的影响, 为减小误差, 将以图像的平均行列比进行缩放, 缩放的尺度如表1所示, 在表1中, 缩放图像行数在2行到53行之间, 相对应的列数在1列到35列之间。 2.2 micd分类器对身份证号码的识别效果 分类正确率为: 式中, FP代表图像分类正确的个数, N代表图像的总个数, p代表分类正确率。 首先对样本进行PCA特征降维处理, 再利用ED分类器、MICD分类器与MAP分类器对图像进行分类, 其分类结果如图1所示。 在图1中, 五角形实线代表的ED分类器对身份证号码识别的结果, 矩形框实线是MICD分类器对身份证号码识别的结果, 圆点实线是MAP分类器对身份证号码识别的结果。在图1中可以看出, MICD分类器与MAP分类器对身份证号码图像进行PCA降维后分类效果相同, 发生这一现象的原因是因为对图像进行PCA特征降维后, 协方差矩阵的行式的值在1左右, 导致ln[|∑|]≈0。ED分类器的分类效果一直在10%左右, 非常不理想。对图像进行PCA特征降维后, MICD分类器与MAP分类器的分类效果相同, 当图像的列数大于10列 (对应表1中, 图像大小为 3 micd分类器与map分类器对身份证号码训练与测试 本文进行了分类器对身份证号码识别的研究工作。通过ED分类器, MICD分类器与MAP分类器对身份证号码训练与测试。实验结果表明, 对身份证号码图像首先进行PCA特征降维, 再运用分类器识别身份证号码图像可以进一步提高分类效率。