Indian Id Validator

🚀 印度身份證驗證器

印度身份證驗證器 是一個強大的計算機視覺工具，它能夠對印度身份證文件進行分類、檢測和文本提取。支持的證件類型包括 Aadhaar 卡、PAN 卡、護照、選民證和駕照等，並且對於 Aadhaar 卡和駕照，還支持正反兩面的圖像識別。該項目由 YOLO11 模型和 PaddleOCR 提供支持。

🚀 快速開始

安裝

1. 克隆倉庫：

   git clone https://huggingface.co/logasanjeev/indian-id-validator
   cd indian-id-validator
   

2. 安裝依賴： 確保已安裝 Python 3.8 或更高版本，然後運行以下命令：

   pip install -r requirements.txt
   

   requirements.txt 文件中包含了 ultralytics、paddleocr、paddlepaddle、numpy==1.24.4、pandas==2.2.2 等依賴項。

3. 下載模型： 模型會通過 inference.py 腳本從 Hugging Face 倉庫自動下載。確保 config.json 文件位於項目根目錄。你也可以使用上面的 Ultralytics Hub 鏈接，以 PyTorch、ONNX 等格式下載模型。

使用

Python API

僅分類

使用 Id_Classifier 模型識別身份證類型：

from ultralytics import YOLO
import cv2

# 加載模型
model = YOLO("models/Id_Classifier.pt")

# 加載圖像
image = cv2.imread("samples/aadhaar_front.jpg")

# 進行分類
results = model(image)

# 打印預測的類別和置信度
for result in results:
    predicted_class = result.names[result.probs.top1]
    confidence = result.probs.top1conf.item()
    print(f"預測類別: {predicted_class}, 置信度: {confidence:.2f}")

輸出：

預測類別: aadhar_front, 置信度: 1.00

端到端處理

使用 inference.py 進行分類、檢測和 OCR：

from inference import process_id

# 處理 Aadhaar 卡背面圖像
result = process_id(
    image_path="samples/aadhaar_back.jpg",
    save_json=True,
    output_json="detected_aadhaar_back.json",
    verbose=True
)

# 打印結果
import json
print(json.dumps(result, indent=2))

輸出：

{
  "Aadhaar": "996269466937",
  "地址": "S/O Gocala Shinde Jay Bnavani Rahiwasi Seva Sangh ..."
}

處理護照圖像並可視化

處理護照圖像，進行分類、檢測字段和提取文本，並啟用可視化：

from inference import process_id

# 處理護照圖像並輸出詳細信息
result = process_id(
    image_path="samples/passport_front.jpg",
    save_json=True,
    output_json="detected_passport.json",
    verbose=True
)

# 打印結果
import json
print("\n護照處理結果:")
print(json.dumps(result, indent=4))

可視化結果： 啟用 verbose=True 標誌後，會生成原始圖像、邊界框以及每個檢測字段和提取文本的可視化結果。以下是 passport_front.jpg 的處理結果：

類型	圖像
原始圖像
帶邊界框的輸出

檢測到的字段：

字段	圖像
地址
代碼
出生日期
簽發日期
有效期至
性別
機器可讀區 1
機器可讀區 2
姓名
國籍
國家
簽發地

輸出：

護照處理結果:
{
    "國家": "INDIAN",
    "出生日期": "26/08/1996",
    "簽發地": "AMRITSAR",
    "簽發日期": "18/06/2015",
    "代碼": "NO461879",
    "有效期至": "17/06/2025",
    "地址": "SHER SINGH WALAFARIDKOTASPUNJAB",
    "姓名": "SHAMINDERKAUR",
    "國籍": "IND",
    "性別": "F",
    "機器可讀區 1": "P<INDSANDHU<<SHAMINDER<KAUR<<<<<<<<<<<<<<<<<",
    "機器可讀區 2": "NO461879<4IND9608269F2506171<<<<<<<<<<<<<<<2"
}

終端使用

通過命令行運行 inference.py 腳本：

python inference.py samples/aadhaar_front.jpg --verbose --output-json detected_aadhaar.json

選項：

• --model：指定模型（例如 Aadhaar、Passport）。默認值：自動檢測。
• --no-save-json：禁用 JSON 輸出。
• --verbose：顯示可視化結果。
• --classify-only：僅對身份證類型進行分類。

示例輸出：

檢測到的文檔類型: aadhar_front，置信度: 0.98
提取的文本:
{
  "Aadhaar": "1234 5678 9012",
  "出生日期": "01/01/1990",
  "性別": "M",
  "姓名": "John Doe",
  "地址": "123 Main St, City, State"
}

✨ 主要特性

• 分類：使用 Id_Classifier 模型對身份證類型（如 aadhar_front、passport）進行分類。
• 檢測：使用特定類型的 YOLO11 檢測模型檢測特定字段（如 Aadhaar 卡號、出生日期、姓名）。
• 提取：通過 PaddleOCR 對檢測到的字段進行文本提取，並進行圖像預處理（上採樣、去噪、增強對比度）。

支持的身份證類型：

• Aadhaar 卡（正面和背面）
• PAN 卡（正面）
• 護照（正面）
• 選民證（正面和背面）
• 駕照（正面和背面）

📦 安裝指南

克隆倉庫

git clone https://huggingface.co/logasanjeev/indian-id-validator
cd indian-id-validator

安裝依賴

pip install -r requirements.txt

下載模型

模型會通過 inference.py 腳本自動下載，確保 config.json 文件位於根目錄。也可通過 Ultralytics Hub 鏈接下載不同格式的模型。

💻 使用示例

基礎用法

Python API 分類示例

from ultralytics import YOLO
import cv2

# 加載模型
model = YOLO("models/Id_Classifier.pt")

# 加載圖像
image = cv2.imread("samples/aadhaar_front.jpg")

# 進行分類
results = model(image)

# 打印預測的類別和置信度
for result in results:
    predicted_class = result.names[result.probs.top1]
    confidence = result.probs.top1conf.item()
    print(f"預測類別: {predicted_class}, 置信度: {confidence:.2f}")

高級用法

端到端處理示例

from inference import process_id

# 處理 Aadhaar 卡背面圖像
result = process_id(
    image_path="samples/aadhaar_back.jpg",
    save_json=True,
    output_json="detected_aadhaar_back.json",
    verbose=True
)

# 打印結果
import json
print(json.dumps(result, indent=2))

📚 詳細文檔

模型

該流程包含以下模型，每個模型都針對身份證驗證過程中的特定任務進行了設計。可以從各自的 Ultralytics Hub 鏈接下載不同格式（如 PyTorch、ONNX、TensorRT 等）的模型，以部署到不同的環境中。

模型詳情

以下是每個模型的詳細信息，包括它們檢測的類別和在自定義印度身份證數據集上的評估指標。

更多詳細信息，請參考本 README 頂部 YAML 元數據中的 model-index 部分。

Colab 教程

你可以嘗試交互式教程，使用示例圖像或你自己的圖像測試模型： 在 Colab 中打開

鏈接

• 倉庫：Hugging Face
• 模型：
  • Id_Classifier：Ultralytics
  • Aadhaar：Kaggle
  • Pan_Card：Ultralytics
  • Passport：Ultralytics
  • Voter_Id：Ultralytics
  • Driving_License：Ultralytics
• 教程：Colab Notebook
• 推理腳本：inference.py
• 配置文件：config.json

貢獻

歡迎貢獻代碼！貢獻步驟如下：

1. 分叉倉庫。
2. 創建一個新分支：git checkout -b feature-name。
3. 提交包含更改的拉取請求。

通過 Hugging Face Issues 頁面報告問題或提出功能建議。

📄 許可證

本項目採用 MIT 許可證。