基于特征识别的业扩报装订单现场检验系统研究.docxVIP

基于特征识别的业扩报装订单现场检验系统研究 0 电子手续校验系统可行性测试 工业扩张业务是供电企业回应和实施能源客户新或新增需求的营销业务。 在证件识别与应用方面，国内外研究人员开展了一些研究。文献 本文针对业扩报装申请材料校验，提出了基于图像识别、文字识别以及与公用信息特征智能识别对比的业扩报装用户身份证校验系统，以客户核心资料身份证校验验证了系统的可行性。算例表明借助图像识别、文字识别与公用信息，可自动检验业扩报装中用户资料的准确性，为优化业扩报装材料校验流程，减少供电公司工作时间，提高客户服务满意度提供了重要的理论与现实指导。 1 工程教学系统的设计与技术支持 1.1 校验的特征信息 业扩报装客户申请材料中，身份证等身份证明有唯一的持证人员图像信息和证件号码信息，房屋产权证明有唯一的注册号码信息，属于申请材料的核心权威特征信息。采用身份证明图像信息、证件号码信息和房屋产权证明注册号码信息作为数字化校验的特征信息，可保证校验的正确性和权威性。 根据申请材料的核心特征信息以及校验的目的，设计校验系统核心功能为：自动获取证件头像信息数字化特性；自动获取身份证号码的数字化特征；自动获取房屋产权证明注册编号的数字化特征；与公用系统图像、号码信息特征进行对比；输出身份证、房屋产权证明的校验结果。 校验系统总体方案为：首先对证件图像进行图像预处理，然后利用改进的LBP（局部二值模式）算法获取客户及经办人身份证人脸图像的数字化特征，并通过卷积神经网络获取身份证号码、房屋产权证编码的数字化特征，采用4SF特征相似度匹配算法实现客户提交的身份证人脸图像、身份证号码、房屋产权证号码特征与政府公用系统信息进行特征对比，从而有效验证证件的真伪。校验系统技术流程见图1。 1.2 数据输入系统的关键技术 1.2.1 数字化特征特征 校验系统采用改进的统一化LBP算子获取证件图像纹理信息的精确化数字化特征。统一化LBP首先计算身份证头像信息图形特征的基础跳变信息U(uLBP): 式中：g 然后，根据基础跳变信息，计算图像特征编码uLBP: 1.2.2 编码图像特征分类统计 校验系统采用卷积神经网络实现身份证明、房屋产权证明编码的数字化特征提取。卷积神经网络由多个卷积层、池化层组合以及全连接层和特定分类器组成，在卷积层中将身份证明、房屋产权证明编码元素矩阵与卷积核相乘，并求取编码元素矩阵的特征矩阵；在池化层中通过矩阵运算，进一步提取编码元素矩阵的降维特征矩阵；在全连接层中，降维特征矩阵进入全连接层，连接计算输入元素的所有特征，对特征进行分类。卷积神经网络原理示意见图2。 全连接层计算如式（3）所示： 式中：x为降维特征值；W为权重值；b为偏执变量。 经过卷积神经网络卷积层、池化层、全连接层计算得到编码的图像特征分类后，采用softmax分类器对输入的编码图片特征进行概率分类统计，根据输出概率大小判定输入数字图片的数字类型。 softmax分类器公式为： 1.2.3 别信息数字化特征对比 校验系统采用4SF特征相似度匹配算法实现客户申请材料的识别信息数字化特征与公有系统标准信息数字化特征的对比分析。相似度特征值越接近1，表示识别信息与标准信息越相似。 识别信息数字化特征与标准信息数字化特征为同维度向量X、Y(X=[x 2 系统的实现和测试分析 2.1 校验系统功能模块 为提高系统通用性，在Windows平台上构建校验系统。校验系统适用于32位操作系统、64位操作系统等主流操作系统。 校验系统开发采用支持Windows系统的数据库和工具，软件界面工具采用.net Framework系列的软件界面通用开发平台，使验证系统具有强兼容性。 校验系统共有UI界面、证件图像信息载入模块、校验比对模块以及数据管理模块4个核心模块，校验系统功能模块见图3。 UI界面模块实现系统与操作人员的操作、显示交互，并反馈显示校验结果信息；证件图像信息载入模块，载入并读取用电客户证件图像信息；校验比对模块，实现基于改进LBP算子的用电客户证件核心图像信息数字化特征识别，实现基于卷积神经网络的用电客户证件核心号码信息数字化特征识别，并使用4SF特征相似度匹配算法实现数字化特征对比识别，相似度大于0.8时，认为资料准确；数据管理模块实现用电客户图像信息以及校验结果信息的保存。 2.2 系统界面设计 业扩报装用户材料校验系统未运行状态的界面如图4所示。系统界面共设有用户证件图片上传、证件信息校验以及校验结果打印3个功能键，分别实现操作人员上传用户证件图片、进行用户证件信息的校验，以及打印校验结果3项核心功能。 2.3 系统功能测试 以业扩报装中用户的核心资料身份证作为实验对象，对业扩报装用户资料校验系统进行了实验测试。测试环境为Intel I5 3337U型CPU、4G系统内存、Wind