移动设备的信用卡号码自动提取技术

陈佳林

（应急管理部信息研究院，北京 100029）

随着智能手机、PAD 等智能设备的迅速发展，移动支付不断普及。对于移动支付而言，需要用户绑定16～19 位信用卡号码。手机端手工输入信用卡号码速度慢、易出错，造成用户体验差。为提高在移动终端设备包括智能手机、PAD 等的信用卡号码录入速度和准确率，提高移动支付用户体验，如何快速自动提取并录入信用卡号码则成为一个充满商机和亟待解决的问题。

字符识别技术研究，特别是印刷体字符的识别研究已经相对成熟。字符识别技术可以简单分为基于传统模式识别技术和基于深度学习的字符识别技术。传统的字符识别技术，由图像预处理、特征提取、分类器设计等几个关键步聚组成。经典的字符识别特征包括Gabor 特征[1]、方向线素特征[2-3]、梯度方向特征[4-5]等。分类器则有最小距离分类器MDC、修正二次鉴别分类MQDF[6]、支持向量集SVM等。基于深度学习的字符识别技术采用卷积神经网络CNN 提取特征和分类[7-9]，是一种端到端（Endto-End）的识别技术。基于深度学习的识别技术需要大量的训练样本，并且在一些中低端移动设备的推理速度较慢，很难达到实时。而传统的识别技术，只要每个类别字符样本数不为0 就可以训练，预测速度远快于基于深度学习的算法。信用卡作为个人隐私数据，很难收集大量样本，所以采用了传统技术方案。

传统的OCR 方法一般基于二值图像进行定位、切分和识别。很明显信用卡号码无法通过二值化得到满意的效果，必须另寻他路[10-19]。……