BP算法的身份证号码识别

摘要:基于反向传播算法的多层前馈网络(简称BP神经网络)在图像处理方面应用较为广泛。目前，身份证号码识别技术在图像识别领域迅猛发展，为提高识别身份证号码的速度及准确性，本文研究一种基于BP神经网络的身份证号码识别系统。首先，将身份证图像进行预处理，接着利用MATLAB对身份证号码进行定位以及分割，然后利用BP神经网络，通过调用MATLAB神经网络工具箱，设置相关参数对身份证号码进行训练、匹配数据库中的数字，最后识别并输出身份证号码。实验结果表明，基于 BP神经网络的身份证号码识别正确率为95% ,该系统具有较高的准确率以及鲁棒性。

自身份证在我国开始使用以来,身份证号码便被广泛应用于确定身份信息。在大多数情况下，采用人工方式来登记身份证号码，浪费了大量的时间和人力资源。另外,身份证号码识别技术⑴属于图像识别领域的研究,随着图像识别技术越来越普遍，利用神经网络⑵处理图像识别技术也吸引了群众的关注。其中,BP神经网络a数据流的正向传播与误差函数的反向传播相互结合,大大提高了图像识别的准确性和鲁棒性。

本文将BP神经网络应用于身份证号码的识别。结合 Matlab便捷的神经网络工具箱，⑷不仅避免了编程代码的复杂性,又能自动分析出网络性能。BP神经网络只需输入身份证图像，经过预处理后对字符进行训练，即可学习字符的特征，识别出身份证号码。

1身份证号码图像的预处理

为了提高计算机处理时的运行速度和身份证号码识别的准确率，我们需要对图像进行预处理。

首先运用加权平均值的方法，对图像灰度化。

然后使用直方图法来确定二值化阈值。在灰度直方图中，前景和背景都会形成高峰,两个峰间的最低点即阈值点。根据此阈值对图像二值化。

由于图像噪声的存在，需要先对图像进行开运算，⑸来去除孤点、毛刺、消除小物体的边界，这里采用方形结构进行开运算。

2身份证号码的定位与剪切

身份证是一种格式相对规范的证件，从整体来看，它的布局是一样的，所以要想完成身份证号码的提取，首先要提取出身份证号码在身份证上对应的区域，它位于证件下方，距离上、下、左、右边缘分另U为44 mm,6 mm,29 mm, 10 mm0

为了能够准确的提取出身份证号码图像,去除多余的部分，这里采用连通域标记算法⑹进行提取。连通域标记图如图 1所示。在Matlab中运用imcrop函数对图像进行剪切，如图2 所示。身份证号码采用水平投影和垂直投影分割的方式进行切割，得到18个字符图像。如图3所示。

3基于Bp神经网络的字符识别

3. 1 Bp神经网络

BP神经网络由三部分组成，如图4所示。分别是输入层，若干隐含层和输出层。各层通过线路连接，并且每条连接线具有相应的权重值w,通常，除了输入层之外，每个神经元还有相应的偏置b。⑺除了输入层中的神经元外，每个神经元通过加权求和得到输入值z。

BP算法包括前向传输和逆向反馈。前向传输即从输入层二〉隐含层二〉输出层，逐层计算所有神经元输出值的过程。逆向反馈即误差信号的反向传播，误差信号从输出端反馈到输入端来调整网络的权值，通过反复改变网络权值使网络的输出不断逼近期望值。

实验时通过对大量身份证号码图像的剪切，建立训练数据库。输入需要识别的身份证原图，通过对图像的预处理及字符的切割，得到测试集。识别时，测试集和数据库相匹配,得到识别结果，如图6所示,识别出的身份证号码将按顺序排列显示，如果未能识别成功，则显示“识别错误”。MATLAB对于bp神经网络的性能如图7所示。

输入层隐含层输出层图4 Bp神经元结构图

Fig. 4 Neuron structure chart

3.2模型建立

本文中Bp神经网络模型的建立分为五个步骤，如图5 所示。

-
建立训练库

络始并置数网初化设参