人工智能在電信實名認證中的關鍵技術及應用

人工智能在電信實名認證中的關鍵技術及應用姚慧;馬思研【摘要】應國務院及工業(yè)和信息化部的實名制要求,結(jié)合運營商業(yè)務轉(zhuǎn)型的需要,提出了一種基于人工智能技術的在線身份認證解決方案.首先介紹了基于深度學習技術的實名認證系統(tǒng)架構(gòu),分別對系統(tǒng)的4個模塊和系統(tǒng)整體特點進行詳細闡述.其次論述了應用在實名認證系統(tǒng)中的人證比對與識別、證件OCR、靜默活體和視頻認證等關鍵技術,介紹了身份認證解決方案的應用現(xiàn)狀,此外分別從安全性的角度介紹了實名認證業(yè)務場景中抵御攻擊的手段,從性能的角度分析了本方案在實際應用中取得的良好效果.最后,分析了人工智能技術在運營商業(yè)務領域中應用問題,并探討了未來基于實名認證的產(chǎn)品研發(fā)方向.期刊名稱】《電信科學》年(卷),期】2019(035)005【總頁數(shù)】8頁(P51-58)【關鍵詞】實名認證;深度學習;身份認證【作者】姚慧;馬思研【作者單位】中移在線服務有限公司,河南鄭州450001;中移在線服務有限公司,河南鄭州450001【正文語種】中文【中圖分類】TP393移動互聯(lián)網(wǎng)技術的發(fā)展促進了現(xiàn)代服務業(yè)的蓬勃發(fā)展，利用網(wǎng)絡提供遠程服務成為電信、銀行、證券、基金、保險等金融行業(yè)的發(fā)展趨勢。作為業(yè)務辦理和風險控制的關鍵環(huán)節(jié)，驗證客戶身份是業(yè)務提供方發(fā)展線上業(yè)務需要解決的首要問題。傳統(tǒng)業(yè)態(tài)的客戶認證多通過網(wǎng)點面簽的方式實現(xiàn)，存在運營成本高、覆蓋面不足、體驗不佳、耗費成本巨大等問題。在互聯(lián)網(wǎng)新業(yè)態(tài)下，很多公司對高效、準確地實現(xiàn)遠程客戶身份認證具有迫切需求。目前對客戶認證的需求主要分布在金融、電信政府等行業(yè)，這些行業(yè)各自獨立，重復投入，集約化程度不高，信息沒有共享，設計系統(tǒng)、全面、方便信息共享的遠程客戶認證系統(tǒng)存在巨大市場需求。2012年全國人民代表大會常務委員會出臺了《關于加強網(wǎng)絡信息保護的決定》，規(guī)定了一些重要的制度安排，要采取措施保護網(wǎng)絡信息。工業(yè)和信息化部（簡稱工信部）也隨即出臺了《電信和互聯(lián)網(wǎng)用戶個人信息保護規(guī)定》，就進一步強化安全防護措施、健全管理制度、落實安全責任，做了一些具體的規(guī)定，即《電話用戶真實身份信息登記規(guī)定》，拉開了電信運營商實名制工作序幕。規(guī)定要求用戶在辦理電話入網(wǎng)手續(xù)的時候，需要向電信企業(yè)出示有效證件、提供真實的身份信息，配合做好相關信息登記工作。人工智能、大數(shù)據(jù)與云計算、芯片等面向未來的核心技術，正在加速各行業(yè)發(fā)展與技術變革，高效的人工智能正在逐步取代傳統(tǒng)的服務方式［1］，本文介紹了一種基于深度學習的圖像視覺技術的整套實名制身份認證解決方案，闡述了實名認證系統(tǒng)架構(gòu)和關鍵的深度學習技術，重點介紹了人工智能技術在電信多產(chǎn)品形態(tài)中實名認證環(huán)節(jié)的應用情況。基于深度學習技術的實名認證系統(tǒng)，是在原有的實名認證系統(tǒng)中增加核心域的功能模塊，系統(tǒng)架構(gòu)示意圖如圖1所示。系統(tǒng)主要分為4個模塊：客戶端、接入域、能力域和存儲域。整體采用前后臺分離模式，后臺采用云化部署方案，保證客戶端快速通過網(wǎng)絡接入系統(tǒng)，后端管理系統(tǒng)可通過網(wǎng)絡隨時隨地登錄管理。同時，所有內(nèi)部接口及外部接口均統(tǒng)一設計風格，便于第三方對接開發(fā)。此外，整個系統(tǒng)系統(tǒng)采用模塊化設計，可以根據(jù)需求選擇不同模塊進行自由組合，數(shù)據(jù)在平臺中打通統(tǒng)一管理。客戶端：主要面向用戶，整合算法引擎輸出結(jié)果和業(yè)務校驗結(jié)果，向用戶反饋業(yè)務審核消息；提供對外接口，支持與第三方系統(tǒng)進行基礎數(shù)據(jù)的互通。存儲域：用于存儲各類解析后的解碼視頻文件、音頻文件、人像、業(yè)務流水信息及日志信息。數(shù)據(jù)存儲部分：針對業(yè)務中沉淀的海量圖片，采取分布式存儲方案，分別存放于多臺物理主機硬盤中，在存入圖片的同時將圖片的相關基本信息存放于MySQL、Oracle等關系型數(shù)據(jù)庫中，以便實名認證業(yè)務進行調(diào)用，同時為確保相關數(shù)據(jù)信息安全，圖片數(shù)據(jù)和圖片信息在存儲時都進行了脫敏加密，存儲模塊示意圖如圖2所示。接入域：用于實現(xiàn)請求源調(diào)度和搭建外網(wǎng)通信協(xié)議。能力域：用于提供數(shù)據(jù)處理、解析服務和日志管理能力。服務解析能力包括人臉識別、OCR、靜默活體、視頻解析和語音識別；數(shù)據(jù)處理能力包括各種數(shù)據(jù)的存儲管理、資源調(diào)度、對外數(shù)據(jù)訪問服務、數(shù)據(jù)檢索服務及大數(shù)據(jù)分析服務。實名認證系統(tǒng)及能力建設，采取前后臺分離模式，統(tǒng)一承擔全網(wǎng)實名制人工智能技術的實施和部署，并擴展前后臺分離模式應用領域，致力于建立“前端屬地化、后端集中化”的低成本高效運營體系，將實現(xiàn)姓名、身份證號聯(lián)網(wǎng)校驗能力，并逐步發(fā)展迭代增加人像聯(lián)網(wǎng)校驗功能，形成全套的信息采集及聯(lián)網(wǎng)查驗解決方案，提高了實名認證的精確度。實名認證系統(tǒng)具備以下特點。（1）前后臺分離模式基于前后分離模式的認證技術，采用“互聯(lián)網(wǎng)+”模式，前端僅對客戶信息進行采集，并將所有采集到的密文信息傳到后臺服務器進行全網(wǎng)集中解密識別和認證，其中，客戶信息獲取方式包括NFC方式讀取有效證件信息、身份證件拍照上傳、手動錄入、客戶現(xiàn)場抓拍照，通過上述渠道采集后的信息進行加密傳輸，回傳至實名認證后臺進行信息解密和人證一致性校驗。前后臺分離模式示意圖如圖3所示。（2）多元校驗方式，嚴控信息安全信息安全主要包括：信息的安全傳遞和信息的安全存儲。本文介紹的系統(tǒng)通過運用IMEI、IMSI、隨機碼校驗、錯誤操作次數(shù)控制、清除緩存及離線數(shù)據(jù)、信息傳輸加密等多種手段保障信息安全。信息的安全存儲：該系統(tǒng)涉及用戶信息等高敏感數(shù)據(jù)，因此采用了高可靠性的數(shù)據(jù)庫管理系統(tǒng)與物理存儲功能，對客戶資料等敏感信息采用“軟+硬”雙重方式的加密存儲，數(shù)據(jù)庫采用嚴格的權限管理，具備備份與恢復功能；此外增加數(shù)字簽名措施，采取控制臺安全、機器物理隔離、保護安裝介質(zhì)等多重手段，保證數(shù)據(jù)存放的可靠性、完整性、保密性。信息的安全傳遞：在系統(tǒng)內(nèi)部進行處理時，數(shù)據(jù)嚴格執(zhí)行不允許出系統(tǒng)的系統(tǒng)安全限制要求，涉及外部系統(tǒng)的訪問，必須采取安全性更高的HTTPS加密方式，信息傳輸采用“軟+硬”的雙重加密方式，雙方根據(jù)唯一密鑰進行傳輸數(shù)據(jù)的加解密，密鑰獲取采用系統(tǒng)接口級方式，確保雙方數(shù)據(jù)傳輸?shù)陌踩?、不可獲取性。實名認證系統(tǒng)中廣泛使用了深度學習技術：利用先驗知識搭建神經(jīng)網(wǎng)絡模型，不斷地從線上獲取各業(yè)務場景中的數(shù)據(jù)，自動學習并獲取數(shù)據(jù)的特征表達。經(jīng)過有限次的迭代后，模型可以根據(jù)提供的數(shù)據(jù)進行決策（分類或回歸），算法模型訓練流程如圖4所示。首先通過對學習任務和具體業(yè)務場景的分析選取適合的網(wǎng)絡結(jié)構(gòu)搭建深度網(wǎng)絡模型或直接選取開源的預訓練模型，即初始模型架構(gòu)。對歷史數(shù)據(jù)（包括圖片、視頻和音頻）進行數(shù)據(jù)清洗以及必要的預處理，獲取可以用于訓練和測試的樣本數(shù)據(jù)。隨后經(jīng)過有限次的模型迭代（即模型的訓練）和遷移學習后，獲取具有較好效果的第一代模型。將第一代模型存儲在AI算法模型倉庫中，進入線上環(huán)節(jié)。服務上線后，系統(tǒng)將自動獲取、存儲線上采集到的實際場景數(shù)據(jù)并將其發(fā)布為標注平臺的任務，采用人工或半自動的標注方式進行數(shù)據(jù)標注，因此系統(tǒng)將不斷地獲取新的訓練數(shù)據(jù)，從而不斷優(yōu)化本文的模型倉庫中存儲的模型。通過版本管理功能對模型版本進行管理，評估并選取更優(yōu)的模型替換線上模型。通過這一閉環(huán)訓練平臺，可以自動地進行模型的迭代和優(yōu)化，不斷地提高系統(tǒng)的識別準確率。本文的實名認證系統(tǒng)中涉及的深度學習技術主要為人證比對與識別、身份證OCR、身份證件信息讀取與認證、視頻活體檢測和語音識別等。人臉識別是基于人的臉部特征信息進行用戶身份認證的一種生物識別技術［2］。人證比對與識別是特定于身份證人臉圖像與現(xiàn)場照進行比對識別的人臉識別任務。整個流程一般包含圖像采集、人臉檢測、人臉圖像預處理、人臉特征提取和人臉識別5部分。（1）圖像采集通過攝像機或手機攝像頭等前端設備獲取包含人臉的視頻或圖像。（2） 人臉檢測人臉檢測即從圖像中檢測得到人臉位置的技術。傳統(tǒng)的人臉檢測方法使用人工設計的特征如直方圖特征、顏色特征、模板特征、結(jié)構(gòu)特征及Haar特征等，訓練得到一個多尺度分類器，對人臉區(qū)域和背景區(qū)域進行分類，進而定位出人臉區(qū)域；深度學習方法則使用深度神經(jīng)網(wǎng)絡從數(shù)據(jù)中學習適合人臉檢測使用的深度特征。通過學習得到的特征往往比傳統(tǒng)人工設計的特征要更優(yōu)，基于深度學習的人臉檢測方法在精度方面要優(yōu)于傳統(tǒng)方法。（3） 人臉圖像預處理在得到人臉檢測框位置之后，人臉圖像需要經(jīng)過對齊操作，將人臉大小歸一化到統(tǒng)一尺度，并消除人臉姿態(tài)對于后續(xù)人臉識別的影響。通常的做法是定位出人臉面部若干個關鍵點，并根據(jù)這些關鍵點進行尺度歸一和人臉姿態(tài)矯正，最終得到一張便于做人臉識別的人臉圖像。（4）人臉特征提取目前主流的人臉特征提取方法是采用深度學習算法搭建深度網(wǎng)絡模型，使用海量數(shù)據(jù)訓練，獲取最能表征人臉身份信息的特征的提取方式。根據(jù)損失函數(shù)，可以分為基于度量學習的方法和基于分類的方法?；诙攘繉W習的方法核心出發(fā)點是讓同一個人的人臉圖像經(jīng)過特征變換以后盡量靠近，不同人的人臉圖像盡量拉遠，典型的方法包括ContrastiveLoss[3]和TripletLoss[4]?；诜诸惖姆椒词褂肧oftmaxLoss對訓練集中所有人進行分類學習。為了使類內(nèi)收縮更緊，類間拉到更開，在傳統(tǒng)SoftmaxLoss基礎上引入Margin變量，通過引入該變量提升人臉識別特征的判別能力，典型的方法包括Large-MarginSoftmaxLoss[5]、SphereFace[6]、CosFace[7]和ArcFace[8]。此外，隨著人臉數(shù)據(jù)的不斷增加，如何基于上千萬人的人臉圖像進行高效大規(guī)模訓練成為學術界和工業(yè)界研究的熱點問題。（5）人臉識別人臉識別是指通過計算前端設備獲取的人臉圖像的特征與數(shù)據(jù)庫中存儲的人臉特征的相似度來判斷是否為同一人的過程。在實名認證系統(tǒng)中，主要為兩個應用方向：一是確認，即前端設備采集到的人臉圖像特征與數(shù)據(jù)庫中存儲的人臉特征進行一對一的比對，通過設定的閾值來判斷是否為同一人；另一類是辨認，是前端獲取的人臉圖像的特征與數(shù)據(jù)庫中多個人臉特征的一對多的比對過程。1：1的人臉識別技術可以用于登錄驗證、身份識別等應用場景。通過人臉識別技術可以幫助用戶快速判定兩張照片是否為同一個人、判定視頻中的人臉是否為目標人臉并支持實時識別認證，還可以實現(xiàn)身份和人臉綁定等功能°1：N人臉識別技術可以將目標人臉圖片與人臉庫自動識別，返回識別信息來判斷目標人臉身份。OCR（opticalcharacterrecognition，光學字符識別）是指將圖片中的文字內(nèi)容轉(zhuǎn)換為可編輯文本的過程［9］。一般來說，實名認證系統(tǒng)中證件OCR技術主要包括3個步驟：證件檢測、文本檢測和文字識別。（1） 證件檢測：在圖片中定位證件的角點信息或邊緣信息。通過證件檢測可以去除證件區(qū)域外的干擾信息，提高特定場景下OCR準確率。（2） 文字檢測：首先使用透視變換等圖像處理手段將上一步中得到的證件區(qū)域矯正為矩形區(qū)域，然后在該區(qū)域內(nèi)定位出需要識別的文本所在區(qū)域。傳統(tǒng)的文字檢測算法包括MSER［10］、SWT［11］、Multi-Oriented［12］等，隨著深度學習算法的不斷發(fā)展，各種基于深度學習的文字檢測算法也層出不窮，如PhotoOCR［13］、YOLO［14］、EAST［15］等。在實名認證系統(tǒng)中，采用EAST算法準確定位需要識別的關鍵字段，同時屏蔽無關信息字段，提高了整套OCR算法的識別準確率。（3） 文字識別：將檢測到的文本區(qū)域切片識別成文本。早期的文字識別算法需要對文本行進行字符切割，然后對單個的字符進行分類，從而達到文本行識別的目的本文采用CNN［16］、RNN［16］以及CTCLOSS［16］結(jié)合的方法，根據(jù)文字上下文直接識別整行文字，識別流程更加簡化，效率更高，并具有更高的識別準確率。靜默活體檢測技術是針對配合式的活體檢測技術提出的一種活體檢測技術。配合式的活體檢測技術通常需要用戶根據(jù)設備的提示做出指定動作來幫助算法確認用戶是否為真人，但是這種檢測技術存在用戶體驗較差和有攻破風險等弊端［17-18］。通過大量的數(shù)據(jù)分析，可以知道真人拍攝樣本和非真人直接拍攝的樣本（播放設備翻拍、照片或面具等）存在著特征區(qū)別，如邊框、反光、摩爾紋、分辨率和對比度等?；谶@樣的原理，本文采用深度學習算法，設計了一個深度卷積網(wǎng)絡來學習區(qū)分這些正負樣本，實現(xiàn)了僅需一張靜態(tài)照片即可判別是否為真人的靜默活體檢測技術。用戶僅需在前端圖像采集設備前停留較短的時間，算法通過分析視頻流中的一幀或多幀圖像即可判斷是否為真人用戶辦理業(yè)務，通過融合多幀檢測的結(jié)果，可以進一步提升靜默活體檢測的精度，配合人臉識別技術，保證業(yè)務辦理的高度安全。公安部認證身份信息能力，主要指通過對公民身份證號碼及姓名的真實性、一致性進行驗證，返回驗證通過與否的結(jié)果。其中獲取公民身份信息的方式有如下兩種。(1)通過OCR識別獲取用戶身份信息，實時公安部數(shù)據(jù)庫聯(lián)網(wǎng)比對，驗證身份信息真?zhèn)巍?2)通過在NFC手機上安裝App，實現(xiàn)NFC讀取身份證芯片信息，并與后端認證系統(tǒng)連接進行后端解碼，同公安部數(shù)據(jù)庫進行聯(lián)網(wǎng)比對，查驗證件信息真實性，核驗證件真實性。自動語音識別(automaticspeechrecognition，ASR)技術是將用戶錄制朗讀隨機碼視頻中的語音轉(zhuǎn)為文字，并進行隨機碼一致性比對。此技術基于電信行業(yè)數(shù)千萬小時的標注語音數(shù)據(jù)，應用業(yè)界先進的端到端的深度學習模型進行訓練，得到更加貼近實際業(yè)務場景的核心引擎，全面滿足電話錄音質(zhì)檢、視頻認證等多種場景下的語音轉(zhuǎn)文字需求。目前基于深度學習的語音識別模型主要包括兩種：一種是將深度學習模型替換GMM部分，得到DNN-HMM模型；另外一種是端到端的深度學習模型。其中基于端到端的模型主要包括基于CTC解碼模型、基于Attention解碼模型以及混合CTC與Attention共同解碼模型［19］，可以支持多語言體系和多方言的訓練，例如26個英文字符，數(shù)字、中文等語言，此外在實時預測部分耗時更短，更有利于業(yè)務應用。云存儲［20］是在云計算的概念上延伸和發(fā)展出來的一個新概念，是指通過集群應用、網(wǎng)格技術或分布式文件系統(tǒng)等功能，應用存儲虛擬化技術將網(wǎng)絡中大量各種不同類型的存儲設備通過應用軟件集合起來協(xié)同工作，共同對外提供數(shù)據(jù)存儲和業(yè)務訪問功能的一個系統(tǒng)，也可將云存儲理解為配置了大容量存儲設備的一個云計算系統(tǒng)。在全網(wǎng)推廣的過程中，基于人工智能技術的實名認證系統(tǒng)不僅要關注技術在復雜場景下的準確率，更要關注人工智能技術與運營商業(yè)務的緊耦合性。鑒于目前人工智能技術還有待進一步優(yōu)化，在應用場景中仍有誤識別情況存在，造成用戶體驗較差針對該問題，本文介紹了兩種解決方法，提升認證的安全性和準確性。（1）核心能力的保障與提升后臺人工審核環(huán)節(jié)作為實名認證重要組成部分，在審核高風險業(yè)務、及時發(fā)現(xiàn)作假手段上作用顯著。面向后臺審核人員打造界面優(yōu)化、操作便捷的專業(yè)化審核系統(tǒng)至關重要。通過引入搶單模式，將工單數(shù)據(jù)導入內(nèi)存，快速推向?qū)徍巳藛T，極大縮短前端信息采集到后臺審核時間，后臺工單審核效率明顯提升。審核界面引入快捷鍵操作，工單審核完成后進行快速頁面切換，審核照片支持縮放和旋轉(zhuǎn)，便捷支持后臺工單審核。人工審核服務功能的加入，可以在系統(tǒng)識別校驗基礎上，增加后臺渠道集中化稽核，由人工進行二次確認，提升審核結(jié)果的準確率。（2）適應多場景的全流程實名認證解決方案身份信息認證環(huán)節(jié)，線下創(chuàng)新性開發(fā)NFC+App實名認證方式，通過二代證讀卡器解耦，將SAM核心解碼模塊部署在云端統(tǒng)一解碼；同時開發(fā)App，引入NFC的技術，通過手機或者讀頭的NFC功能讀取身份證芯片信息（密文），將密文發(fā)向云端進行解碼，解碼信息通過App在前端手機顯示，實現(xiàn)低成本、便捷支撐實體渠道實名認證。線上通過接入公安部身份信息查驗中心，打造支持高并發(fā)、低時延實時驗證能力。人證一致性驗證環(huán)節(jié)，通過自主研發(fā)國內(nèi)領先人臉比對與識別技術和活體檢測技術，在保證身份信息真實基礎上，通過活體檢測保證驗證人為現(xiàn)場操作，通過實時抓取人臉照片與公安部照片進行人臉比對，保證認證一致性。線上利用人像比對技術，提供電渠售卡的認證服務；利用網(wǎng)頁和H5的形式在不改變省端流程的情況下靈活嵌入，通過OCR、公安聯(lián)網(wǎng)查驗及人像比對+人工審核的方式，實現(xiàn)線上售卡的自助激活工作，為客戶提供了便捷的認證方式。以上實名認證能力支持通過App、H5、Web等多模式進行接入，同時支持線上線下身份信息認證、人臉比對與識別、身份信息證件OCR、活體檢測等多模塊靈活配置適應實際業(yè)務場景。本文介紹了基于人工智能技術的在線身份認證場景下的解決方案，首先描述了實名認證系統(tǒng)架構(gòu)以及系統(tǒng)子模塊功能，重點講解了應用到該系統(tǒng)中的人臉比對與識別證件OCR、靜默活體檢測以及語音識別技術的主流實現(xiàn)方法。其次，從業(yè)務的安全性和性能角度考慮，本文介紹了系統(tǒng)在實際業(yè)務場景中的應用現(xiàn)狀和產(chǎn)品形態(tài)。從實踐情況來看，該系統(tǒng)不僅節(jié)約了時間和人力成本，簡化了認證流程，提高了身份認證的精確度，也有利于未來提高移動支付等功能的安全性，增強接入其他互聯(lián)網(wǎng)應用的便利性，并能夠有效打擊通信詐騙犯罪，為移動用戶提供一個安全的移動互聯(lián)網(wǎng)使用環(huán)境。姚慧(1991-)，女，中移在線服務有限公司工程師，主要從事圖像處理相關算法引擎的研究與開發(fā)工作，主要研究方向包括人臉識別、物體檢測與識別、圖像檢索和通用OCR等。馬思研(1989-)，女，中移在線服務有限公司工程師，主要從事圖像領域內(nèi)深度學習算法的研究與開發(fā)工作，主要研究方向包括人臉識別、OCR等?！鞠嚓P文獻】王志宏，楊震?人工智能技術的哲學集系統(tǒng)性思考[J].電信科學,2018,34(4):12-21.WANGZH,YANGZ.Philosophyandsystematicthinkingofartificialintelligencetechnology[J].TelecommunicationsScience,2018,34(4):12-21.山世光?人臉識別中若干關鍵問題的研究[D].北京:中國科學院計算技術研究所,2004.SHANSG.Studyonsomekeyissuesinfacerecognition[D].Beijing:InstituteofComputingTechnology,ChineseAcademyofSciences,2004.MANGZB,LIUP,CAIJ,etal.Identity-awareconvolutionalneuralnetworksforfacialexpressionrecognition[J].JournalofSystemsEngineeringandElectronics,2017,28(4):784-792.HERMANSA,BEYERL,LEIBEB.Indefenseofthetripletlossforpersonre-identification[J].arXiv:1703.07737,2017.LIUWY,WENYD,YUZD,etal.Large-marginsoftmaxlossforconvolutionneuralnetwork[J].arXiv:1612.02295,2016.LIUWY,WENYD,YUZD,etal.SphereFace:deephypersphereembeddingforfacerecognition[J].arXiv:1704.08063,2017.WANGH,WANGYT,ZHOUZ,etal.CosFace:largemargincosinelossfordeepfacerecognition[J].arXiv:1801.09414,2018.DENGJK,GUOJ,XUENN,etal.ArcFace:additiveangularmarginlossfordeepfacerecognition[J].arXiv:1801.07698,2018.汪一文.深度卷積神經(jīng)網(wǎng)絡在OCR問題中的應用研究[D].成都:電子科技大學,2018.WANGYW.TheresearchandapplicationofdeepconvolutionneuralnetworkinOCRproblem[D].Chengdu:UniversityofElectronicScienceandTechnologyofChina,2018.NEUMANNL,MATASJ.Amethodfortextlocalizationandrecognitioninreal-worldimages[C]//AsianConferenceonComputerVision(ACCV2010),Nov8-12,2010,Queenstown,NewZealand.Heidelberg:Springer,2010:70-783.EPSHTEINB,OFEKE,WEXLERY.Detectingtextinnaturalsceneswithstrokewidthtransform[C]//IEEEConferenceonComputerVisionandPatternRecognition(CVPR2010),June13-18,2010,SanFrancisco,USA.Piscataway:IEEEPress,2010:2963-2970.YAOC,BAIX,LIUWY.Detectiontextsofarbitraryorientationsinnaturalimages[C]//IEEEConferenceonComputerVisionandPatternRecognition(CVPR2012),June16-21,2012,Providence,USA.Piscataway:IEEEPress,2012:1083-1090.BISSACCOA,CUMMINSM,NETZERY,etal.PhotoOCR:readingtextinuncontrolledconditions[C]//IEEEInternationalConferenceonComputerVision,Dec1-8,2013,Sydney,Australia.Piscataway:IEEEPress,2013:785-792.REDMONJ