Nový přístup ke zpracování fotografií osobních dokladů, který kombinuje umělou inteligenci s metodou založenou na určování linií na dokladech, představili vědci z IT4Innovations při VŠB – Technické univerzitě Ostrava. Řešení umožňuje přesněji korigovat perspektivní zkreslení snímků a usnadnit tak jejich další automatické zpracování. Výsledky výzkumu byly publikovány v odborném časopise Results in Engineering.

Fotografie občanského průkazu pořízená mobilem často nevypadá jako dokonale rovný sken. Doklad může být natočený, zkosený nebo částečně splývat s okolním prostředím. Než z něj mohou automatické systémy spolehlivě číst údaje, je potřeba nejprve přesně určit jeho okraje a převést jej do správné perspektivy.

Právě tento krok vylepšili vědkyně a vědci z IT4Innovations. Navrhli nový algoritmus pro geometrické narovnání fotografovaných dokladů, který místo hledání jednotlivých rohů využívá informace o dlouhých liniích nalezených v dokumentu.

„Běžné metody často hledají čtyři rohy dokladu. To může být problematické například u dokumentů se zaoblenými rohy, při horší kvalitě snímku nebo pokud je okraj dokumentu nejasný. My jsme proto zvolili jiný přístup – hledáme linie, které tvoří jednotlivé strany dokladu, a z jejich průsečíků následně vypočítáme jeho přesnou polohu,“ vysvětluje Petr Strakoš z IT4Innovations.

Nová metoda nejprve využije neuronovou síť k oddělení dokladu od pozadí fotografie. Následně z této masky určí množství krátkých úseček, které mohou odpovídat hledaným obrysovým liniím v dokumentu. Algoritmus je seskupí podle jejich směru a vzájemné polohy a vytvoří z nich čtyři hlavní linie představující horní, dolní a boční okraje dokladu. Jejich průsečíky pak slouží k přesnému výpočtu transformace, která fotografii narovná. Šikmo vyfocený dokument tak lze převést do podoby, jako by byl zachycen přímo shora.

Součástí výzkumu bylo také hledání způsobu, jak trénovat modely umělé inteligence bez nutnosti shromažďovat velké množství skutečných fotografií osobních dokladů. Vědci proto vytvořili vlastní soubor syntetických snímků občanských průkazů, které napodobují realistický vzhled skutečných dokladů včetně jejich bezpečnostních prvků, například hologramu.

Pomocí počítačového modelování generovali snímky v různých podmínkách – s odlišným osvětlením, natočením či pozadím. Na těchto datech následně trénovali několik typů neuronových sítí a ověřovali, zda si poradí také se skutečnými fotografiemi. Nejlepších výsledků dosáhl model U-Net, který dokázal velmi přesně určit oblast dokumentu i na reálných snímcích pořízených mobilním telefonem.

Experimenty ukázaly, že nově navržený přístup dokázal opravit perspektivní zkreslení přesněji než porovnávané metody založené na detekci hran nebo rohů dokumentu. U reálných snímků činila průměrná odchylka určení rohů 4,66 pixelu na rozdíl od 11,73 a 20,19 pixelu u porovnávaných metod. Výpočty potřebné pro vývoj, trénování modelů a vyhodnocení výsledků probíhaly s využitím superpočítačů IT4Innovations.

Na výzkumu se podíleli Petra Svobodová, Petr Strakoš a Lubomír Říha z IT4Innovations a Kamil Postava, Tibor Fördös a Robin Silber z Fakulty materiálově-technologické VŠB-TUO.

V dalším výzkumu se zaměří na to, aby se syntetická trénovací data ještě více přiblížila reálným fotografiím. Modely budou vědci učit pracovat s širší škálou podmínek, například s výrazným rozmazáním, stíny, různým osvětlením nebo částečně zakrytými doklady. Dalším cílem je optimalizovat vybrané modely tak, aby dokázaly pracovat v reálném čase přímo na mobilních zařízeních. Výsledná technologie by tak v budoucnu mohla najít praktické využití například v systémech pro ověřování identity prostřednictvím chytrých telefonů.

 

Výzkum vznikl s podporou mezinárodního projektu InnovAIte Slovakia a projektu Propojení holografické a datové bezpečnostní ochrany podpořeného Technologickou agenturou ČR.

Výsledky byly publikovány v odborném časopise Results in Engineering v článku Synthetic-to-real deep learning for identity card segmentation and line-based geometric rectification.

 

Obecný princip narovnání fotografií osobních dokladů. (1) Nejprve je doklad vyfotografován, například mobilním zařízením, následně (2) proběhne segmentace, při které je ze snímku vyčleněn pouze osobní doklad. Poté se (3) vypočítají informace potřebné pro korekci perspektivy a (4) korekce se aplikuje. Zdroj: obr. 1 v 10.1016/j.rineng.2026.110566