Differences

This shows you the differences between two versions of the page.

--- en:edu:zmitac:ai:projects:idrecognition [2018/04/07 11:55] – [2.2 Verify Engine] marikol897
+++ en:edu:zmitac:ai:projects:idrecognition [2018/04/13 23:20] (current) – [2.3 Video MRZ Recognition] maribaj746
@@ Line 1: / Line 1: @@
 ===== ID MRZ RECOGNITION =====
-====1. Co to jest MRZ ====
+====1. What the MRZ is ====
-**MRZ** //(ang. machine readable zone – strefa odczytu maszynowego)// – obszar na różnego rodzaju dokumentach, zawierający zapisane czcionką do odczytu maszynowego (w przypadku dowodów osobistych jest to OCR-B) dane zawarte w danym dokumencie w sposób skrócony. Celem takiego zapisu jest ułatwienie komputerowego odczytu dokumentu na lotniskach. Dane zawarte z MRZ dowodów osobistych ułożone są w 3 liniach po 30 znaków. Używane są, podobnie jak w paszportach, litery A-Z, cyfry 0-9 oraz znak "<".
+**MRZ** //(ang. machine readable zone)// – is a place in a different kind of documents, that contains data written in shorter way and using a special, machine readable letters. This zone helps computers to read the document in, for example, airport. Data in MRZ zone in personal ID are structured in 3 lines, 30 characters per line. It also contains characters from A-Z, number 0-9 and special character “<”, like in passports.
-**Wiersz 1**
+^**Example of ID card**^^
-^**Pole** ^**Znak** ^**Znaczenie**^
-|1|A-Z|I, A lub C na oznaczenie dokumentu podróży innego niż paszport|
-|2|A-Z|typ|
-|3-5|A-Z|kod kraju wydającego dokument|
-|6-14|A-Z, 0-9|Numer dokumentu|
-|15|0-9|cyfra kontrolna dla pól 6-14|
-|16-30|A-Z, 0-9|inne dane, zgodnie z uznaniem państwa wydającego|
-**Wiersz 2**
-^**Pole** ^**Znak** ^**Znaczenie**^
-|1-6|0-9|Data urodzenia (RRMMDD)|
-|7|0-9|cyfra kontrolna dla pól 1-6|
-|8|A-Z|płeć (M dla mężczyzn, F dla kobiet, < dla płci nieokreślonej)|
-|9-14|0-9|data ważności dokumentu (RRMMDD)|
-|15|0-9|cyfra kontrolna dla pól 9-14|
-|16-18|A-Z|obywatelstwo|
-|19-29|A-Z, 0-9|inne (dla posiadaczy dokumentów amerykańskich może to być umieszczony numer ich paszportu)|
-|30|0-9|cyfra kontrolna dla pól 6-30 z 1. wiersza oraz 1-7, 9-15, 19-29 z 2. wiersza|
-**Wiersz 3**
-Tu umieszczone są nazwisko (nazwiska) i imiona posiadacza w formacie NAZWISKO<<IMIE<<. W przypadku, gdy nazwisko jest dwuczłonowe, oba człony rozdziela znak "<", a gdy ma się 2 imiona to również są one rozdzielone znakiem "<". Dla osoby, która nazywa się Adam Jerzy Bachleda-Curuś, zapis będzie wyglądał BACHLEDA<CURUS<<ADAM<JERZY<<<. Narodowe znaki diakrytyczne są transliterowane na odpowiednie znaki alfabetu łacińskiego. Transliteracja znaków cyrylicy zależy od państwa.
-^**Przykładowy dowód osobisty**^^
 |{{:en:edu:zmitac:ai:projects:id_1.jpg?nolink&300|}}|{{:en:edu:zmitac:ai:projects:id_2.jpg?nolink&300|}}|
-====2. Realizacja, opis program ====
+====2. Application description ====
-Program do odczytu strefy MRZ został napisyany w języku **PYTHON (ver 2.7)** z użyciem biblioteki** OpenCV**. Jako klasyfikator w naszej sieci użyliśmy algorytmu **KNN** //(Metoda K Najbliższych Sąsiadów (k-Nearest Neighbors)- (algorytm ten jest zaimplementowany w biliotece OpenCV)//
+Application are written in Python language (ver 2.7) with additional library- OpenCV. As a classifier in our neural network we use KNN (k-Nearest Neighbors) algorithm, that is already implemented in OpenCV library.
-Po uruchomieniu program wyświetli nam listę zadań które można wykonać:
+After application launch we can see menu:
 {{ :en:edu:zmitac:ai:projects:menu_programu.png?nolink&400 |}}
 ====2.1 Start Training ====
-Uczenie Nadzorowane - jest to funkcja, której zadaniem jest wygenerowanie niezbędnych  plików dla klasyfikatora **KNN** (pliki z tablicą binarną znaku //„generalresponses.data”//, tablica znaków: //„generalsamples.data”//.)
+Supervised learning- it is a function, that generate neccessary data for KNN classifier.
-**Algorytm działania:**
+**Working algorithm:**
 ^Step ^Description ^
-| 1 | Wyświetl przygotowany przez użytkownika plik z danymi wzorcowymi (w naszym przypadku będzie to zbiór znaków zapisanych przy użyciu trzcionki ** OCR-B**. W pliku każdy znak jest zapisany kilka razy w rożnych rozmiarach.{{:en:edu:zmitac:ai:projects:train_1.png?nolink|}}|
+| 1 | Shows file prepared by user which contains pattern data (characters are written using OCR-B font). In this file every character is prepared several time in a different size.{{:en:edu:zmitac:ai:projects:train_1.png?nolink|}}|
-|2|Funkcja nakłada niezbędne filtry na plik z danymi:<code python>
+|2|Function put some neccessary filters on file with data:<code python>
 gray = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)
 blur = cv2.GaussianBlur(gray, (5, 5), 0)
 thresh = cv2.adaptiveThreshold(blur, 255, 1, 1, 11, 2)
-</code>W wyniku czego uzyskujemy:{{:en:edu:zmitac:ai:projects:train_2.png?nolink|}}|
+</code>In result we get:{{:en:edu:zmitac:ai:projects:train_2.png?nolink|}}|
-|3 |Następnie funkcja wyszukuje znaki, wycina oraz skaluje do rozmiaru 20x20:<code python>
+|3 |In the next step function find characters, crop and scale it to size 20x20 pixels:<code python>
 image, contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
 for cnt in contours:
@@ Line 57: / Line 33: @@
             roi = thresh[y:y + h, x:x + w]
             roismall = cv2.resize(roi, (20, 20))
-</code>W wyniku czego otrzymujemy obraz znaku 20x20:{{ :en:edu:zmitac:ai:projects:train_char_1.png?nolink |}}{{ :en:edu:zmitac:ai:projects:train_char_2.png?nolink |}}|
+</code>In result we get 20x20 picture:{{ :en:edu:zmitac:ai:projects:train_char_1.png?nolink |}}{{ :en:edu:zmitac:ai:projects:train_char_2.png?nolink |}}|
-|4 |Następnie Użytkownik jest proszony o wpisanie na klawiaturze jaki to znak. Po tej operacji obraz oraz numer znaku jest zapisywany w tablicy pamięci programu. |
+|4 |In the last step user is obligate to show computer what this letter is, writing it on keyboard. After this operation picture and the letter number is push to array in application memory. |
-|5 |Po klasyfikacji wszystkich znaków tablice danych są zapisane na dysku <code python>
+|5 |When all characters are classified the arrays were save in drive <code python>
 np.savetxt('generalsamples.data', samples)
 np.savetxt('generalresponses.data', responses)
 </code>|
 ====2.2 Verify Engine ====
-Testowanie i weryfikacja „nauczenia Sieci
+Testing and verification "knowledge level" of our neural network
 ^Step ^Description ^
-| 1 |Inicjujemy Silnik sieci oraz ładujemy dane uczące: <code python>
+| 1 |We initialize engine and load data to learning: <code python>
 self.samples = np.loadtxt("generalsamples.data", np.float32)
 self.responses = np.loadtxt("generalresponses.data", np.float32)
@@ Line 72: / Line 48: @@
 self.model.train(self.samples, cv2.ml.ROW_SAMPLE, self.responses)
 </code>|
-| 2 |Funkcja lądujemy obrazek z danymi testowymi. {{ :en:edu:zmitac:ai:projects:verify_1.png?nolink |}}w/w obrazek  został przygotowany do testu pozytywnego (zakładamy że wszystkie znaki powinny być odczytane prawidłowo. Można w pliku do testu zapisać dane inna czcionka tak aby zweryfikować czy silnik „nie rozpoznaje” lecz w wielu Trzcionkach pewne znaki mogą zostać zinterpretowane prawidłowo. Nasz zespół skupił się na „porawidłowym” odczycie tylko i wyłącznie trzcionki OCR-B (tylko ta trzcionak występuje w dowodach osobistych MRZ)|
+| 2 |Function load picture with test data. {{ :en:edu:zmitac:ai:projects:verify_1.png?nolink |}}Picture above was prepared to pass the test with 100% accuracy. It is possibility to use in test data wrote in different font and verify how engine deal with this kind of data. It is possibility to positive interprate some characters in most of available font. Our team focus only on OCR-B font because it is used in ID card|
-| 3 |Nakładamy niezbędne filtry |
+| 3 |We put necessary filters |
-| 4 |Na podstawie konturów extraktujemy pojedyncze linie (uwaga sprawdzamy czy są rozpoznane 3 linie (obligatoryjnie dowód posiada 3) i listę z parametrami położenia linii, w innym przypadku zwracamy None.<code python>
+| 4 |Based on contours we extract single lines. We have to check that our application recognize 3 lines and if not we return "false".<code python>
 ef extract_lines(self, image):
     line_list = {}
@@ Line 97: / Line 73: @@
         return None
 </code>|
-| 4 |Wycinamy obrazki  każdej Lini na podstawie otrzymanych parametrów z extract_lines i przekazujemy je do funkcji OCR.<code python>
+| 5 |We cut and extract pictures of each lines based on parameters from extract_lines function and we pass it to OCR function.<code python>
 def decode(self, image):
     if len(image) > 0 and image is not None:
@@ Line 112: / Line 88: @@
     return None
 </code>|
-| 5 |Funkcja OCR extraktuje z każdej linii znak przy użyciu funkcji extract_chars_from_line:<code python>
+| 6 |OCR function extract character from lines using extract_chars_from_line function: <code python>
 def extract_chars_from_line(self, image):
     image, contours, _ = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
@@ Line 124: / Line 100: @@
             lista_rect[x] = [x, y, w, h]
     return sorted(lista_rect.items())
-</code>
+</code> Next based on returned character parameters OCR function cut picture, scale it to 20x20 pixels and pass it to neural network as output data. As returned infromation network give as a code of recognized character. <code python>
-Następnie na podstawie zwróconych parametrów znaku funkcja OCR wycina obrazek, skaluje do rozmiaru 20x20 i przekazuje do Sieci KNN jako dane wejściowe. Jako informacje zwrotną sieć KNN zwraca kod rozpoznanego znaku.
-<code python>
 def validate(self, read_data):
     print "Read Data: %s" % read_data
@@ Line 154: / Line 126: @@
     return Accuracy
 </code>|
+| 7 |Returned string in form of 3 lines array we compare with our prepared pattern. Counting all positive and negaive recognition we calculate accuracy of our engine.<code python>
+def validate(self, read_data):
+    print "Read Data: %s" % read_data
+    print "Test Data: %s" % self.test_lines
+    read_line_count = len(read_data)
+    test_line_count = len(self.test_lines)
+    PASS_COUNT = 0;
+    FAIL_COUNT = 0;
+    if (test_line_count == read_line_count):
+        for i in xrange(read_line_count):
+            read_line_data = read_data[i]
+            test_line_data = self.test_lines[i]
+            if (len(read_line_data) == len(test_line_data)):
+                for x in xrange(len(read_line_data)):
+                    if read_line_data[x] == test_line_data[x]:
+                        PASS_COUNT += 1
+                    else:
+                        FAIL_COUNT += 1
+            else:
+                return None
+    else:
+        return None
+    print "Validation Summary: PASS: %s, FAIL: %s" % (PASS_COUNT, FAIL_COUNT)
+    Accuracy = float(float(PASS_COUNT) / float(PASS_COUNT + FAIL_COUNT)) * 100
+    return Accuracy
+</code>|
+====2.3 Photo MRZ Recognition ====
+This module is responsible for decoding MRZ zone from static picture. Algorithm works like this:
+^Step ^Description ^
+| 1 | Application turn on camera and shows image, user are taking picture using 'space' on keyboard. The 'q' key turn off program and goes to main menu:<code python>
+def capture_process(self, cam):
+    cap = cv2.VideoCapture(cam)
+    while (True):
+        ret, frame = cap.read()
+        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
+        cv2.imshow('Camera data input', gray)
+        key = cv2.waitKey(1)
+        if chr(key & 255) == ' ':
+            thresh = self.filtr(gray)
+            text = self.locate_MZR(thresh, gray)
+            print text
+        if chr(key & 255) == 'q':
+            break
+</code>|
+| 2 |When picture are taken necessary filters are put and picture is passing to function. Original picture and picture with filters is passed to locate_MRZ function which localize and extract MRZ from picture.Filtr() function which localize MRZ zone on ID:<code python>
+def filtr(self, image):
+    rectKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (13, 5))
+    sqKernel = cv2.getStructuringElement(cv2.MORPH_RECT, (21, 21))
+    # load the image, resize it, and convert it to grayscal
+    # smooth the image using a 3x3 Gaussian, then apply the blackhat
+    # morphological operator to find dark regions on a light background
+    gray = cv2.GaussianBlur(image, (5, 5), 0)
+    blackhat = cv2.morphologyEx(gray, cv2.MORPH_BLACKHAT, rectKernel)
+    # compute the Scharr gradient of the blackhat image and scale the
+    # result into the range [0, 255]
+    gradX = cv2.Sobel(blackhat, ddepth=cv2.CV_32F, dx=1, dy=0, ksize=-1)
+    gradX = np.absolute(gradX)
+    (minVal, maxVal) = (np.min(gradX), np.max(gradX))
+    gradX = (255 * ((gradX - minVal) / (maxVal - minVal))).astype("uint8")
+    # apply a closing operation using the rectangular kernel to close
+    # gaps in between letters -- then apply Otsu's thresholding method
+    gradX = cv2.morphologyEx(gradX, cv2.MORPH_CLOSE, rectKernel)
+    thresh = cv2.threshold(gradX, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
+    # perform another closing operation, this time using the square
+    # kernel to close gaps between lines of the MRZ, then perform a
+    # series of erosions to break apart connected components
+    thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, sqKernel)
+    thresh = cv2.erode(thresh, None, iterations=4)
+    # during thresholding, it's possible that border pixels were
+    # included in the thresholding, so let's set 5% of the left and
+    # right borders to zero
+    p = int(image.shape[1] * 0.05)
+    thresh[:, 0:p] = 0
+    thresh[:, image.shape[1] - p:] = 0
+    return thresh
+</code> Result of function: white places are the localized text area: {{ :en:edu:zmitac:ai:projects:id_recognition_1.png?nolink |}} Next step is to pass this picture to locate_MRZ function which assumes that the largest white place of them are the MRZ and based on that cut data from original picture:<code python>
+def locate_MRZ(self, _thresh, _oryginal):
+    _oryginal = cv2.adaptiveThreshold(_oryginal, 255, 1, 1, 11, 2)
+    cnts = cv2.findContours(_thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]
+    cnts = sorted(cnts, key=cv2.contourArea, reverse=True)
+    if len(cnts) > 0:
+        (x, y, w, h) = cv2.boundingRect(cnts[0])
+        # Shape[1] jest najwiekszy zatem to zawsze bedzie MZR
+        pX = int((x + w) * 0.03)
+        pY = int((y + h) * 0.03)
+        (x, y) = (x - pX, y - pY)
+        (w, h) = (w + (pX * 2), h + (pY * 2))
+        result = _oryginal[y:y + h, x:x + w].copy()
+        return self.decode(result)
+</code>Result of locate_MRZ function:{{ :en:edu:zmitac:ai:projects:id_recognition_2.png?nolink |}}|
+| 3 | This picture are passing to Decode function which cuts picture of every line based on returned parameters of extract_lines function and pass it to OCR function.<code python>
+def decode(self, image):
+    if len(image) > 0 and image is not None:
+        contours = self.extract_lines(image)
+        MZR_lines = []
+        if contours is not None:
+            for key, value in contours:
+                # Get bounding box
+                x, y, w, h = value
+                line_image = image[y:y + h, x:x + w]
+                MZR_lines.append(self.ocr(line_image))
+                cv2.imshow("linie", line_image)
+            return MZR_lines
+    return None
+</code>|
+| 4 |OCR function extract characters of every line using extract_chars_from_line function: <code python>
+def extract_chars_from_line(self, image):
+    image, contours, _ = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
+    char_list = []
+    i = 0
+    lista_rect = {}
+    for cnt in contours:
+        [x, y, w, h] = cv2.boundingRect(cnt)
+        if cv2.contourArea(cnt) > 10:
+            char_list.append([x, y, w, h])
+            lista_rect[x] = [x, y, w, h]
+    return sorted(lista_rect.items())
+</code> Next, based on returned character parameters, OCR function cuts picture, scale it to 20x20 pixels and pass it to KNN network as an input data. As an output information  network returns code of recognized character. <code python> def ocr(self, image):
+    self.clear_folder('./log/ocr_img/')
+    result = ""
+    chars = self.extract_chars_from_line(image)
+    i = 0
+    for key, value in chars:
+        x, y, w, h = value
+        if h > 10:
+            # cv2.rectangle(oryginal,(x,y),(x+w,y+h),(0,255,0),2)
+            # cv2.imshow('oryginal', oryginal)
+            roi = image[y:y + h, x:x + w]
+            roismall = cv2.resize(roi, (20, 20))
+            file_name = "./log/ocr_img/%s" % i
+            self.save_image_to_png(roismall, file_name)
+            roismall = roismall.reshape((1, 400))
+            roismall = np.float32(roismall)
+            retval, results, neigh_resp, dists = self.model.findNearest(roismall, k=1)
+            string = str(chr((results[0][0])))
+            result += (string)
+    return result
+</code>|
+| 5 | Result are printed to console.|
-====2.3 Photo MRZ Recognition ====
-====2.3 Video MZR Recognition ====
+====2.3 Video MRZ Recognition ====
+The task of this module is decoding  MRZ zone in 'live' mode based on data stream from camera in real time. This function doesn't require using a space bar on keyboard becuse everything are automatically decoded. When application found 3 lines on MRZ zone, data are decoded and result are passed to output data stream. Decoding are made in the same way as Photo MRZ Recogition option described above. Decoded information are shown in the left upper corner
+{{ :en:edu:zmitac:ai:projects:video_result.png?nolink&600 |}}