Indian Id Validator

🚀 印度身份证验证器

印度身份证验证器 是一个强大的计算机视觉工具，它能够对印度身份证文件进行分类、检测和文本提取。支持的证件类型包括 Aadhaar 卡、PAN 卡、护照、选民证和驾照等，并且对于 Aadhaar 卡和驾照，还支持正反两面的图像识别。该项目由 YOLO11 模型和 PaddleOCR 提供支持。

🚀 快速开始

安装

1. 克隆仓库：

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

2. 安装依赖： 确保已安装 Python 3.8 或更高版本，然后运行以下命令：

   pip install -r requirements.txt
   

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

3. 下载模型： 模型会通过 inference.py 脚本从 Hugging Face 仓库自动下载。确保 config.json 文件位于项目根目录。你也可以使用上面的 Ultralytics Hub 链接，以 PyTorch、ONNX 等格式下载模型。

使用

Python API

仅分类

使用 Id_Classifier 模型识别身份证类型：

from ultralytics import YOLO
import cv2

# 加载模型
model = YOLO("models/Id_Classifier.pt")

# 加载图像
image = cv2.imread("samples/aadhaar_front.jpg")

# 进行分类
results = model(image)

# 打印预测的类别和置信度
for result in results:
    predicted_class = result.names[result.probs.top1]
    confidence = result.probs.top1conf.item()
    print(f"预测类别: {predicted_class}, 置信度: {confidence:.2f}")

输出：

预测类别: aadhar_front, 置信度: 1.00

端到端处理

使用 inference.py 进行分类、检测和 OCR：

from inference import process_id

# 处理 Aadhaar 卡背面图像
result = process_id(
    image_path="samples/aadhaar_back.jpg",
    save_json=True,
    output_json="detected_aadhaar_back.json",
    verbose=True
)

# 打印结果
import json
print(json.dumps(result, indent=2))

输出：

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

处理护照图像并可视化

处理护照图像，进行分类、检测字段和提取文本，并启用可视化：

from inference import process_id

# 处理护照图像并输出详细信息
result = process_id(
    image_path="samples/passport_front.jpg",
    save_json=True,
    output_json="detected_passport.json",
    verbose=True
)

# 打印结果
import json
print("\n护照处理结果:")
print(json.dumps(result, indent=4))

可视化结果： 启用 verbose=True 标志后，会生成原始图像、边界框以及每个检测字段和提取文本的可视化结果。以下是 passport_front.jpg 的处理结果：

类型	图像
原始图像
带边界框的输出

检测到的字段：

字段	图像
地址
代码
出生日期
签发日期
有效期至
性别
机器可读区 1
机器可读区 2
姓名
国籍
国家
签发地

输出：

护照处理结果:
{
    "国家": "INDIAN",
    "出生日期": "26/08/1996",
    "签发地": "AMRITSAR",
    "签发日期": "18/06/2015",
    "代码": "NO461879",
    "有效期至": "17/06/2025",
    "地址": "SHER SINGH WALAFARIDKOTASPUNJAB",
    "姓名": "SHAMINDERKAUR",
    "国籍": "IND",
    "性别": "F",
    "机器可读区 1": "P<INDSANDHU<<SHAMINDER<KAUR<<<<<<<<<<<<<<<<<",
    "机器可读区 2": "NO461879<4IND9608269F2506171<<<<<<<<<<<<<<<2"
}

终端使用

通过命令行运行 inference.py 脚本：

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

选项：

• --model：指定模型（例如 Aadhaar、Passport）。默认值：自动检测。
• --no-save-json：禁用 JSON 输出。
• --verbose：显示可视化结果。
• --classify-only：仅对身份证类型进行分类。

示例输出：

检测到的文档类型: aadhar_front，置信度: 0.98
提取的文本:
{
  "Aadhaar": "1234 5678 9012",
  "出生日期": "01/01/1990",
  "性别": "M",
  "姓名": "John Doe",
  "地址": "123 Main St, City, State"
}

✨ 主要特性

• 分类：使用 Id_Classifier 模型对身份证类型（如 aadhar_front、passport）进行分类。
• 检测：使用特定类型的 YOLO11 检测模型检测特定字段（如 Aadhaar 卡号、出生日期、姓名）。
• 提取：通过 PaddleOCR 对检测到的字段进行文本提取，并进行图像预处理（上采样、去噪、增强对比度）。

支持的身份证类型：

• Aadhaar 卡（正面和背面）
• PAN 卡（正面）
• 护照（正面）
• 选民证（正面和背面）
• 驾照（正面和背面）

📦 安装指南

克隆仓库

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

安装依赖

pip install -r requirements.txt

下载模型

模型会通过 inference.py 脚本自动下载，确保 config.json 文件位于根目录。也可通过 Ultralytics Hub 链接下载不同格式的模型。

💻 使用示例

基础用法

Python API 分类示例

from ultralytics import YOLO
import cv2

# 加载模型
model = YOLO("models/Id_Classifier.pt")

# 加载图像
image = cv2.imread("samples/aadhaar_front.jpg")

# 进行分类
results = model(image)

# 打印预测的类别和置信度
for result in results:
    predicted_class = result.names[result.probs.top1]
    confidence = result.probs.top1conf.item()
    print(f"预测类别: {predicted_class}, 置信度: {confidence:.2f}")

高级用法

端到端处理示例

from inference import process_id

# 处理 Aadhaar 卡背面图像
result = process_id(
    image_path="samples/aadhaar_back.jpg",
    save_json=True,
    output_json="detected_aadhaar_back.json",
    verbose=True
)

# 打印结果
import json
print(json.dumps(result, indent=2))

📚 详细文档

模型

该流程包含以下模型，每个模型都针对身份证验证过程中的特定任务进行了设计。可以从各自的 Ultralytics Hub 链接下载不同格式（如 PyTorch、ONNX、TensorRT 等）的模型，以部署到不同的环境中。

模型详情

以下是每个模型的详细信息，包括它们检测的类别和在自定义印度身份证数据集上的评估指标。

更多详细信息，请参考本 README 顶部 YAML 元数据中的 model-index 部分。

Colab 教程

你可以尝试交互式教程，使用示例图像或你自己的图像测试模型： 在 Colab 中打开

链接

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

贡献

欢迎贡献代码！贡献步骤如下：

1. 分叉仓库。
2. 创建一个新分支：git checkout -b feature-name。
3. 提交包含更改的拉取请求。

通过 Hugging Face Issues 页面报告问题或提出功能建议。

📄 许可证

本项目采用 MIT 许可证。