前言
小编前面几期文章分别给大家介绍了使用 HMS ML Kit SDK 实现微笑抓拍, 证件照 DIY, 拍照翻译的功能开发 (链接见文章末尾), 本次小编给大家带来的是使用 HMS 机器学习服务(ML Kit) 银行卡识别 SDK, 一键实现银行卡识别与绑定功能.
银行卡识别的应用场景
介绍开发步骤前, 我们先来谈谈银行卡识别的具体应用场景, 银行 App, 移动支付, 缴费类 App, 电商类 App 或者其它带支付功能的 App 在使用过程中往往会遇到如下常见的几个应用场景:
绑卡支付
常用于支付类 App, 或者带支付功能的 App, 用来绑定信用卡, 提供在线支付功能
转账汇款
常用于银行或者支付类 App, 用来给本行或者他行用户进行转账.
实名认证, 身份审核
比如社交类 App, 通过银行卡关联的身份信息完成快速的实名认证, 身份审核等操作.
不管是绑卡, 转账汇款还是身份审核, 涉及到银行卡操作的都会遇到一个关键的步骤, 录入银行卡信息, 如银行卡号, 有效期等; 由于银行卡号码往往较长, 手工录入很容易出错, 而且手工录入卡号信息, 操作繁琐, 使用体验不佳; 借助 HMS ML Kit 银行卡专用识别能力, 则可以轻松应对以上场景, 快速, 精准的录入银行卡信息, 改善用户使用体验.
如何使用华为银行卡识别服务
银行卡识别服务可以将银行卡信息通过视频流方式输入, 得到图像中银行卡的卡号, 有效期等重要文本信息. 该服务配合身份证识别, 可以为用户提供实名认证, 身份审核, 卡号录入等实用功能, 降低输入成本, 为用户提供更加友好的操作体验.
银行卡识别提供处理插件. 开发者可以集成银行卡识别插件, 无需实现相机视频流数据的处理, 从而实现银行卡识别能力的快速集成.
核心提示: 免费, 全终端覆盖! 非华为手机也可以使用
集成银行卡识别服务关键流程
由于华为提供了银行卡识别插件, 开发者可以直接调用银行卡插件, 因此开发步骤更加简单了, 仅仅需要拉起界面获取结果就可以完成卡号的识别.
开发实战
1 开发准备
1.1 在项目级 gradle 里添加华为 maven 仓
打开 AndroidStudio 项目级 build.gradle 文件.
增量添加如下 maven 地址:
- buildscript {
- repositories {
- maven {url 'http://developer.huawei.com/repo/'}
- }
- }
- allprojects {
- repositories {
- maven { url 'http://developer.huawei.com/repo/'}
- }
- }
1.2 在应用级的 build.gradle 里面加上 SDK 依赖
集成 SDK.
- dependencies{
- // 引入基础 SDK
- implementation 'com.huawei.hms:ml-computer-vision-bcr:1.0.3.303'
- // 引入银行卡识别 plugin 包
- implementation 'com.huawei.hms:ml-computer-card-bcr-plugin:1.0.3.300'
- // 引入银行卡识别模型包
- implementation 'com.huawei.hms:ml-computer-card-bcr-model:1.0.3.300'
- }
1.3 在 AndroidManifest.xml 文件里面增量添加模型自动下载
要使应用程序能够在用户从华为应用市场安装您的应用程序后, 自动将最新的机器学习模型更新到用户设备, 请将以下语句添加到该应用程序的 AndroidManifest.xml 文件中:
- <manifest
- ...
- <meta-data
- Android:name="com.huawei.hms.ml.DEPENDENCY"
- Android:value= "bcr"/>
- <!--If multiple models are required,set the parameter as follows:
- android:value="object,ocr,face,label,icr,bcr,imgseg"-->
- ...
- </manifest>
1.4 在 AndroidManifest.xml 文件里面申请相机和存储权限
- <!-- 相机权限 -->
- <uses-permission Android:name="android.permission.CAMERA" />
- <!-- 使用存储权限 -->
- <uses-permission Android:name="android.permission.WRITE_EXTERNAL_STORAGE"
- />
2 代码开发关键步骤
2.1 创建识别结果回调函数
重载 onSuccess, onCanceled, onFailure, onDenied 四个方法; onSuccess 表示识别成功, MLBcrCaptureResult 为识别返回结果, onCanceled 表示用户取消, onFailure 表示识别失败, onDenied 表示相机不可用等场景.
- private MLBcrCapture.Callback callback = new MLBcrCapture.Callback() {
- @Override
- public void onSuccess(MLBcrCaptureResult bankCardResult){
- // 识别成功处理.
- }
- @Override
- public void onCanceled(){
- // 用户取消处理.
- }
- // 识别不到任何文字信息或识别过程发生系统异常的回调方法.
- // retCode: 错误码.
- // bitmap: 检测失败的卡证图片.
- @Override
- public void onFailure(int retCode, Bitmap bitmap){
- // 识别异常处理.
- }
- @Override
- public void onDenied(){
- // 相机不支持等场景处理.
- }
- };
2.2 设置识别参数, 调用识别器 captureFrame 接口进行识别, 识别结果会通过步骤 1 的回调函数返回.
- private void startCaptureActivity(MLBcrCapture.Callback callback) {
- MLBcrCaptureConfig config = new MLBcrCaptureConfig.Factory()
- // 设置银行卡识别期望返回的结果类型.
- // MLBcrCaptureConfig.SIMPLE_RESULT: 仅识别卡号, 生效期信息.
- // MLBcrCaptureConfig.ALL_RESULT: 识别卡号, 生效期, 发卡行和卡类别等信息.
- .setResultType(MLBcrCaptureConfig.RESULT_SIMPLE)
- // 设置识别界面横竖屏, 支持三种模式:
- // MLBcrCaptureConfig.ORIENTATION_AUTO: 自适应模式, 由物理感应器决定显示方向.
- // MLBcrCaptureConfig.ORIENTATION_LANDSCAPE: 横屏模式.
- // MLBcrCaptureConfig.ORIENTATION_PORTRAIT: 竖屏模式.
- .setOrientation(MLBcrCaptureConfig.ORIENTATION_AUTO)
- .create();
- MLBcrCapture bankCapture = MLBcrCaptureFactory.getInstance().getBcrCapture(config);
- bankCapture.captureFrame(this, callback);
- }
2.3 在检测按钮的回调中, 调用步骤 2 中定义的方法, 实现银行卡识别.
- @Override
- public void onClick(View v) {
- switch (v.getId()) {
- // 检测按钮.
- case R.id.detect:
- startCaptureActivity(callback);
- break;
- default:
- break;
- }
- }
Demo 效果
给大家看下 Demo 效果:
GitHub 源码
源码已经上传 GitHub, 大家也可以在 GitHub 上一起完善该功能.
GitHub 源码地址请戳
银行卡识别 demo 代码路径: MLKit-Sample\module-text\src\main\java\com\mlkit\sample\activity\BankCardRecognitionActivity.java
更详细的开发指南参考华为开发者联盟官网
华为开发者联盟机器学习服务开发指南
往期链接:
第一期: 用华为 HMS MLKit SDK 三十分钟在安卓上开发一个微笑抓拍神器
第二期: 安卓开发实战, 用华为 HMS MLKit 图像分割 SDK 开发一个证件照 DIY 小程序
第三期: 安卓开发实战, 用 HMS MLKit 华为机器学习服务开发一个拍照翻译小程序
下期预告
基于华为机器学习服务, 后面还会有一系列的实战经验分享, 大家可以持续关注~
来源: https://blog.csdn.net/AI_talking/article/details/105344181