身份证信息OCR识别提取

要实现Python中的身份证OCR识别，可以采用以下步骤和工具（结合开源库和API服务），以下是两种主流方案：

---

方案1：使用第三方OCR API（推荐百度/腾讯云）

百度OCR API 示例

1. 注册并获取API Key：百度AI开放平台
2. 安装SDK：

   pip install baidu-aip
   

3. 代码实现：

   from aip import AipOcrAPP_ID = '你的AppID'
   API_KEY = '你的API Key'
   SECRET_KEY = '你的Secret Key'client = AipOcr(APP_ID, API_KEY, SECRET_KEY)def baidu_id_card_ocr(image_path):with open(image_path, "rb") as f:image = f.read()# 调用身份证识别接口（正面: idcard_front, 背面: idcard_back）result = client.idcard(image, "front")# 提取结构化数据if "words_result" in result:return result["words_result"]return None# 输出结果示例：
   # {'姓名': {'words': '张三'}, '性别': {'words': '男'}, ...}
   

---

方案2：使用开源OCR库（推荐 PaddleOCR）

安装依赖

pip install paddlepaddle paddleocr opencv-python

示例代码

from paddleocr import PaddleOCR
import cv2# 初始化OCR模型（使用中英文超轻量模型）
ocr = PaddleOCR(use_angle_cls=True, lang='ch')  # 设置语言为中文def id_card_ocr(image_path):# 读取图片img = cv2.imread(image_path)# OCR识别result = ocr.ocr(img, cls=True)# 提取所有识别文本texts = [line[1][0] for line in result[0]]# 关键字段提取（简单规则匹配）info = {}for text in texts:if "姓名" in text:info["name"] = text.split("姓名")[-1].strip()elif "性别" in text:info["gender"] = text.split("性别")[-1][0]  # 取第一个字符elif "公民身份号码" in text:# 提取18位身份证号（兼容末尾X）id_num = ''.join(filter(str.isalnum, text))info["id_number"] = id_num[-18:].upper()# 添加更多字段（出生、住址等）...return info# 测试识别
result = id_card_ocr("id_card.jpg")
print(result)

优化方向

1. 图像预处理（提高准确率）：

   # 灰度化 + 二值化
   gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
   _, binary = cv2.threshold(gray, 180, 255, cv2.THRESH_BINARY_INV)
   

2. 字段精确匹配：使用正则表达式提取出生日期、地址等。
3. 文字区域定位：通过轮廓检测或深度学习定位身份证关键区域。

---

关键问题处理

1. 提高准确率：

   • 图像预处理（去噪、增强对比度、透视矫正）
   • 使用高分辨率图像（建议≥1024px）
   • 针对身份证训练专用OCR模型（需标注数据）

2. 字段结构化：

   # 正则提取身份证号
   import re
   id_text = "公民身份号码 12345620000101123X"
   id_num = re.search(r'[1-9]\d{5}(19|20)\d{10}(\d|X)', id_text).group()
   

3. 完整字段列表：

   • 正面：姓名、性别、民族、出生、住址、公民身份号码
   • 反面：签发机关、有效期限

---

推荐工具对比

工具	优点	缺点
PaddleOCR	免费、离线、可定制	需调参优化
百度OCR	高精度、开箱即用	收费（免费额度有限）
Tesseract	开源通用	中文身份证精度较低

---

进阶建议

• 关键区域裁剪：先使用目标检测模型（如YOLO）定位身份证区域再OCR。
• 自定义训练：用PPOCR训练自己的身份证模型（需标注数据集）。
• 活体检测：结合人脸识别技术验证身份证真伪。

通过上述方案，可快速实现身份证信息的自动化识别与结构化提取。

---

Python3.11.0 PaddleOCR3.0.0实战

官方文档

示例代码：

import cv2
import re
from paddleocr import PaddleOCR
from PIL import Image
import os
import jsonclass IDCardOCR:def __init__(self):# 初始化OCR模型，使用中文识别，关闭方向检测self.ocr = PaddleOCR(use_doc_orientation_classify=False,use_doc_unwarping=False,use_textline_orientation=False)# 定义身份证信息的正则表达式模板self.templates = {'姓名': r'姓名(?:：|:|)(.+?)(?=性别)','性别': r'性别(?:：|:|)(.+?)(?=民族)','民族': r'民族(?:：|:|)(.+?)(?=出生)','出生日期': r'出生(?:：|:|)(.+?)(?=住址)','地址': r'住址(?:：|:|)(.+?)(?=公民身份号码)','身份证号码': r'公民身份号码(?:：|:|)(.+)'}# 出生日期格式转换self.birth_date_pattern = r'(\d{4})(\d{2})(\d{2})'def recognize_id_card(self, image_path):# 读取图像img = cv2.imread(image_path)if img is None:return {"错误": f"无法读取图像: {image_path}"}# 使用PaddleOCR进行文本识别result = self.ocr.predict(input=image_path)# 提取所有识别的文本all_text = ""for line in result[0]['rec_texts']:all_text += line# 使用正则表达式提取身份证信息extracted_info = self._extract_info_from_text(all_text)return extracted_infodef _extract_info_from_text(self, text):info = {}# 替换一些干扰字符cleaned_text = text.replace(' ', '').replace('"', '')# 提取各字段信息for field, pattern in self.templates.items():match = re.search(pattern, cleaned_text, re.DOTALL)if match:value = match.group(1).strip()# 处理出生日期格式if field == '出生日期':value = re.sub(self.birth_date_pattern, r'\1年\2月\3日', value)info[field] = valuereturn infodef visualize_results(self, image_path, result, output_path='./id_card_result.jpg'):image = Image.open(image_path).convert('RGB')boxes = [line[0] for line in result[0]]txts = [line[1][0] for line in result[0]]scores = [line[1][1] for line in result[0]]im_show = draw_ocr(image, boxes, txts, scores, font_path='./fonts/simfang.ttf')im_show = Image.fromarray(im_show)im_show.save(output_path)print(f"可视化结果已保存至: {output_path}")def save_to_json(self, info, output_path='./id_card_info.json'):with open(output_path, 'w', encoding='utf-8') as f:json.dump(info, f, ensure_ascii=False, indent=4)print(f"识别结果已保存至: {output_path}")if __name__ == "__main__":# 使用示例ocr = IDCardOCR()# 替换为你的身份证图像路径image_path = 'C:\\Users\\FanZhou\\PycharmProjects\\test\\resources\\test_002.png'# 检查图像文件是否存在if not os.path.exists(image_path):print(f"错误：图像文件不存在: {image_path}")else:# 识别身份证信息result_info = ocr.recognize_id_card(image_path)# 打印识别结果print("\n身份证信息识别结果:")for key, value in result_info.items():print(f"{key}: {value}")# 保存结果到JSON文件ocr.save_to_json(result_info)

中间效果：