机器视觉学习系列四：身份证识别

项目背景：基于手机平台，识别身份证编号、姓名、年龄、地址，性别等；

具体实施方案：

1、基于身份证分类器检测身份证的位置，关于身份证分类器，采用的是HAAR+adaboost算法进行训练；

2、在已经检测到的候选身份证区域里，进行垂直边缘检测；

3、形态学运行，连接垂直边缘；

3、去除干扰连通区域，主要基于连通区域的长宽比，面积，质心相对位置，去除典型的非编号区域；

4、选择质心纵坐标最大的连通区域作为编号数字区域；

5、垂直投影，进行编号的数字分割；

6、基于分割的数字位置，综合判断该区域是不是真正的身份证编号区域，如果是，说明当前候选区域是真正的身份证，否则，说明当前区域是误检区域 ；

7、基于所有的数字中心，通过最小二乘直线拟合，进行身份证的倾斜校正；

8、按照身份证的固定布局规则，获得剩下各个元素的位置，即姓名、性别、地址等；

9、基于垂直投影方法，获取各个元素的单个字符位置；

10、数字识别，采用最简单的模板匹配算法；

11、汉字识别，基于tessract库，但是直接使用该库，识别率很低，只要60%左右，本项目进行了汉字增强处理，主要是外部做一些预处理，比如去除一些干扰，把一些粘连区域分开等，然后在使用tessract库，汉字识别率显著提高；

12、android平台移植，关于opencv的android开发，可以直接参考opencv相关历程，tessract这一块，有一个分支哭可以直接在android上跑，不过不能做到随心的去修改调用，本项目使用的是tessract的源码，通过NDK，自己编译的，呵呵，花了很长时间的尝试，最终搞定；

实验结果：针对清晰的身份证图像，同时倾斜角度在正负10度以内的，数字 识别率99%，汉字识别率在92%以上；

不足：地址里的数字和汉字有时很难区域开来，造成一定的错误识别，美中不足啊，