PPOCRLabel半自动工具标注自制身份证数据集

---

该项目基于PPOCRLabel半自动化标注工具，使用Python和PyQt5编写，支持多种语言模型，可实现OCR数据高效标注。项目通过代码生成身份证数据集，利用PPOCRLabel标注后用于OCR模型训练，还提供了配置好的环境及相关资料，鼓励用户加入SIG小组共同开发。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

项目简介

    本项目基于PPOCRLabel标注工具，PPOCRLabel是一款适用于OCR领域的半自动化图形标注工具，内置PPOCR模型对数据自动标注和重新识别，使用python3和pyqt5编写，支持矩形框标注和四点标注模式(多点标注我已经提交了PR，等待那边审核)，导出格式可直接用于PPOCR检测和识别模型的训练。通过内置高质量的PPOCR中，英，法，日文等超轻量预训练模型，可以实现OCR数据的高效标注。CPU机器运行也是完全没问题的。

******** 标注环境 ********

  系统 : Windows + Anaconda
  解释器环境 : 安装Anaconda，(Python 3+)

       

按官方文档执行完以下命令

• conda install pyqt=5

• cd ./PPOCRLabel # 将目录切换到PPOCRLabel文件夹下

• pyrcc5 -o libs/resources.py resources.qrc

• python PPOCRLabel.py

SIG兴趣小组

SIG队伍：如果您对以上内容感兴趣或对完善工具有不一样的想法，欢迎加入我们的SIG队伍与我们共同开发。可以在此处完成问卷和前置任务，经过我们确认相关内容后即可正式加入，享受SIG福利，共同为OCR开源事业贡献（特别说明：针对PPOCRLabel的改进也属于PaddleOCR前置任务） 还会有各种精美百度定制小礼品，期待你的加入！

关于本项目

本项目基于自己生成身份证数据集代码及其使用PPOCRLabel标注工具来自制数据集，完*流OCR光学字符识别的从零开始到模型使用。对项目还存在的改进空间，希望大家多交流观点、介绍经验，共同学习进步,可以互相关注♥。个人主页

相关资料

已标注完毕身份证数据集链接

数据增广工具Style Text 这里就不多叙述了，在你的数据集不够的情况下可以使用数据增广工具Style Text. 可以参考这个项目 StyleText数据合成工具 

基于OCR身份证号码识别全流程 已经训练完,正在完善MD笔记

PPOCRLabel半自动标注工具的环境配置比较麻烦,所以这里作者把已经配置好的环境放在百度云盘里面,直接免费提供。点我直接下载

1、代码制作身份证数据集

In [1]

#导入所需要的包from PIL import Image, ImageDraw, ImageFontimport numpy as npimport cv2import random

   

1.1 存放所需属性Person抽象类

In [2]

class Person(object):
    def __init__(self, name, sex, national,
                years, month, day, address,
                id_card):
        self.name=str(name), 
        self.sex=str(sex), 
        self.national=str(national),
        self.years=str(years), 
        self.month=str(month), 
        self.day=str(day), 
        self.address=str(address),
        self.id_card=str(id_card)

   

1.2 定义生成姓名, 性别, 民族, 出生年月, 户籍地址, 身份证ID的函数

In [3]

def GBK2312():
    """
    功能 : 随机生成一个汉字
    """
    head = random.randint(0xb0, 0xf7)
    body = random.randint(0xa1, 0xf9)  # 在head区号为55的那一块最后5个汉字是乱码,为了方便缩减下范围
    val = f'{head:x}{body:x}'
    st = bytes.fromhex(val).decode('gb2312')    return stdef first_name():    
    """
    功能 : 随机取姓氏字典
    """
    first_name_list = [        '赵', '钱', '孙', '李', '周', '吴', '郑', '王', '冯', '陈', '褚', '卫', '蒋', '沈', '韩', '杨', '朱', '秦', '尤', '许',        '何', '吕', '施', '张', '孔', '曹', '严', '华', '金', '魏', '陶', '姜', '戚', '谢', '邹', '喻', '柏', '水', '窦', '章',        '云', '苏', '潘', '葛', '奚', '范', '彭', '郎', '鲁', '韦', '昌', '马', '苗', '凤', '花', '方', '俞', '任', '袁', '柳',        '酆', '鲍', '史', '唐', '费', '廉', '岑', '薛', '雷', '贺', '倪', '汤', '滕', '殷', '罗', '毕', '郝', '邬', '安', '常',        '乐', '于', '时', '傅', '皮', '卞', '齐', '康', '伍', '余', '元', '卜', '顾', '孟', '平', '黄', '和', '穆', '萧', '尹',        '姚', '邵', '堪', '汪', '祁', '毛', '禹', '狄', '米', '贝', '明', '臧', '计', '伏', '成', '戴', '谈', '宋', '茅', '庞',        '熊', '纪', '舒', '屈', '项', '祝', '董', '梁', '魏']
    n = random.randint(0, len(first_name_list) - 1)
    f_name = first_name_list[n]    return f_namedef second_name():
    """
    功能 : 随机取数组中字符，取到空字符则没有second_name
    """
    second_name_list = [GBK2312(), '']
    n = random.randint(0, 1)
    s_name = second_name_list[n]    return s_namedef last_name():
    """
    功能 : 随机生成名字最后一位字
    """
    return GBK2312()def create_name():
    """
    功能 : 随机生成名字
    """
    name = first_name() + second_name() + last_name()    return namedef sex_word():
    """
    功能 : 随机生成性别
    """
    nums = random.randint(0,3)
    sex_list = [        '男', '女', '机器人', '未知']    
    return sex_list[nums]def address_name():  
    """
    功能 : 随机生成省份
    """
    first_name_list = [        '黑龙江省哈尔滨', '吉林省长春', '辽宁省沈阳', '河北省石家庄', '山西省太原', '青海省西宁', '山东省济南', '河南省郑州', '江苏省南京', '安徽省合肥',        '浙江省杭州', '福建省福州', '江西省南昌', '湖南省长沙', '湖北省武汉', '广东省广州', '台湾省台北', '海南省海口', '甘肃省兰州']
    n = random.randint(0, len(first_name_list) - 1)
    address_name = first_name_list[n]    return address_namedef random_id_card():
    """
    功能 : 随机生成18位身份证ID
    """
    num_str = ''
    _rand = random.randint(0, 100)    for i in range(17): #  
        # num_str=str(random.randint(0, 9)).zfill(17)
        num_str = num_str + str(random.randint(0, 9))    if _rand >= 92:
        num_str = num_str + 'X'
    else:
        num_str = num_str + str(random.randint(0, 9))    
    return num_strdef to_str(per):
    """
    功能 : 将元祖转为str
    """
    _str =''.join(per)    
    return _str

   

两种起名方式

import random

def Unicode():    name = ""
    nums = random.randint(2,4)    for n in range(nums):
        val = random.randint(0x4e00, 0x9fbf)        name = name + chr(val)    return namename = Unicode()name

   

1.3 定义画板, 黑体等函数

In [4]

# 定义写字函数def add_txt(image, size, draw_x, draw_y, txt):
    # 字体字号
    setFont = ImageFont.truetype('IDTemplate/simhei.ttf', size)    # 定义画板
    draw = ImageDraw.Draw(image)    # 绘制
    draw.text((draw_x, draw_y), txt, font=setFont, fill=(0, 0, 0))    return image 
 
def make_fake_id_card(person):
    
    
    ori_image = cv2.imread('./IDTemplate/IDCard{}.png'.format(random.randint(0,8))) 
    print('==ori_image.shape:', ori_image.shape)
    ori_image = cv2.resize(ori_image, (0, 0), fx=0.4, fy=0.4)    print('==resize ori_image.shape:', ori_image.shape)    
    
    # 向图片上写字
    img = Image.fromarray(cv2.cvtColor(ori_image, cv2.COLOR_BGR2RGB))
    img = add_txt(img, 19, 97, 58, to_str(person.name)) #字体 x坐标 y坐标
    img = add_txt(img, 16, 97, 90, to_str(person.sex))
    img = add_txt(img, 16, 190, 90, to_str(person.national))
    img = add_txt(img, 16, 92, 118, to_str(person.years))
    img = add_txt(img, 16, 162, 118, to_str(person.month))
    img = add_txt(img, 16, 201, 118, to_str(person.day))
    img = add_txt(img, 16, 94, 155, to_str(person.address))
    img = add_txt(img, 16, 94, 176, '某某　666号')
    img = add_txt(img, 18, 147, 239, to_str(person.id_card))
 
    cv2.imwrite('./train_data/middleIMG/word.jpg', np.array(img)[..., ::-1]) 
def make_white_mask(person, nums):
    # 生成一个空白的模板mask
    ori_image = cv2.imread('./IDTemplate/IDCard{}.png'.format(random.randint(0,8)))
    ori_image = cv2.resize(ori_image, (0, 0), fx=0.4, fy=0.4)
    mask_image = np.ones_like(ori_image)
    mask_image *= 255
    print(mask_image.shape,' {}.jpg'.format(nums))
    cv2.imwrite('./train_data/middleIMG/mask.jpg', mask_image) 
    # 往空白模板上写字(这里只能用PIL写，因为OpenCV写中文会乱码)
    img = Image.fromarray(cv2.cvtColor(ori_image, cv2.COLOR_BGR2RGB))
    img = add_txt(img, 19, 97, 58, to_str(person.name)) #字体 x坐标 y坐标
    img = add_txt(img, 16, 97, 90, to_str(person.sex))
    img = add_txt(img, 16, 190, 90, to_str(person.national))
    img = add_txt(img, 16, 92, 118, to_str(person.years))
    img = add_txt(img, 16, 162, 118, to_str(person.month))
    img = add_txt(img, 16, 201, 118, to_str(person.day))
    img = add_txt(img, 16, 94, 155, to_str(person.address))
    img = add_txt(img, 16, 94, 176, '某某　666号--自制数据集')
    img = add_txt(img, 18, 147, 239, to_str(person.id_card))
 
    mask_image_txt = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)
    cv2.imwrite('./train_data/middleIMG/mask_image_txt.jpg', mask_image_txt)
    gray = cv2.cvtColor(mask_image_txt, cv2.COLOR_BGR2GRAY)    # 高斯模糊，制造边缘模糊效果哦
    gray_Gaussianblur = cv2.GaussianBlur(gray, (3, 3), 0) 
    # 使用阈值对图片进行二值化
    th, res = cv2.threshold(gray_Gaussianblur, 200, 255, cv2.THRESH_BINARY)
    res_inv = cv2.bitwise_not(res)
    cv2.imwrite('./train_data/middleIMG/res_inv.jpg', res_inv) 
    # 写字的模板保留文字部分
    img_bg = cv2.bitwise_and(mask_image_txt, mask_image_txt, mask=res_inv)
    cv2.imwrite('./train_data/middleIMG/img_bg.jpg', img_bg)    # 原图保留除文字的其他部分
    img_fg = cv2.bitwise_and(ori_image, ori_image, mask=res)
    cv2.imwrite('./train_data/middleIMG/img_fg.jpg', img_fg)    # 将两张图直接进行相加，即可
    final = cv2.add(img_bg, img_fg)
    cv2.imwrite('./train_data/{}.jpg'.format(nums), final)

    In [5]

!mkdir -p train_data/middleIMG

    In [6]

if __name__ == '__main__':    # make_fake_id_card()
    for i in range(3200):
        person = Person(name=create_name(), sex=sex_word(), national='汉',
                    years=str(random.randint(1970, 2025)), month=str(random.randint(1, 12)), 
                    day=str(random.randint(1, 28)), address=address_name(), id_card=random_id_card())
        make_white_mask(person, str(i).zfill(4))

   

1.4 自制数据集各个文件展示

二值化：train_data/middleIMG/res_inv.jpg             

写字的模板保留文字部分：train_data/middleIMG/img_bg.jpg             

原图保留除文字的其他部分：train_data/middleIMG/img_fg.jpg             

最终效果 :

原图和写字的两张图直接进行相加：train_data/0000.jpg             

1.5 存储自制数据集，准备放入PPOCRLabel自行标注

In [7]

#解压zip !zip -q -r train_data.zip train_data/

   

2、PPOCRLabel半自动标注工具

2.1 解压标注工具在本地

git clone https://github.com.cnpmjs.org/paddlepaddle/PaddleOCR.git

       

2.2 PyCharm 打开项目 （用别的工具也可以）

PPOCRLabel半自动标注工具的环境配置比较麻烦,所以这里作者把已经配置好的环境放在百度云盘里面,直接免费提供。点我直接下载

2.3 环境配置

    第一步 : 要有Anaconda N*igator (Anaconda3) ,推荐去官网下载，下载完！ 打开文件夹环境所在位置，例如我的环境是(D:\Anaconda3\envs)

简小派

简小派是一款AI原生求职工具，通过简历优化、岗位匹配、项目生成、模拟面试与智能投递，全链路提升求职成功率，帮助普通人更快拿到更好的 offer。

123 查看详情

   下载完百度云盘的LabelImg.zip文件之后，解压到自己的 Anaconda3\envs 文件夹下。完整目录就是 D:\Anaconda3\envs\LabelImg 。

运行环境百度云链接与提取码---->链接：https://pan.baidu.com/s/1zYrmVkwkL69mziO_wnUNDg 提取码：6666

示例如下图所示：

       

   第二步 : 接下来图文操作, Ctrl + Alt + S 打开设置

       

   第三步 : 在pycharm终端运行更新资源指令: pyrcc5 -o libs/resources.py resources.qrc

       

    最后一步 : 运行即可 PaddleOCR\PPOCRLabel\PPOCRLabel.py  运行PPOCRLabel.py

开始会下载已经训练好的模型权重,如下图 :

       

运行成功截图 :

       

3、使用PPOCRLabel标注工具标注

3.1 选择好我们生成的train_data数据集文件

       

3.2 点标注或者四点矩形框标注

    用过标注工具的同学,应该都知道怎么标注了。 按 W 是四点矩形框标注 ，按 Q 是点标注，我已经在SIG小组实现四点及其以上的标注框，欢迎大家参加SIG小组，为开源做贡献

       

3.3 切换对应模型重识别，更高效的自动标注

    PPOCRLabel人性化的推出了各个常见语言的训练模型，

    如下图 ：

   1.中文与英文模型权重 
    
   2.英文模型权重 
   
   3.法语模型权重 
   
   4.德语模型权重 
   
   5.韩文模型权重 
   
   6.日文模型权重

       

       

3.4 生成给Det的标注文件分别为如下三个

Cache.cach ： 标注的缓存文件

fileState.txt ： 标注的每个图片的状态文件 1 则是确认标注 0 则是未确认

Label.txt ： 训练Det所需要的训练文件，数据集格式属于:SimpleDataSet

       

3.5 如何生成给Rec的标注文件

    打开菜单点击导出rec识别的label即可，如右图文所示 :         

    导出结果会生成一个截出框的图片文件夹，以及对应的rec标签

       

以上就是PPOCRLabel半自动工具标注自制身份证数据集的详细内容，更多请关注其它相关文章！

# git  # windows  # 工具  # ai  # pycharm  # 百度  # type  # 中文网  # 一言  # 官网  # 放在  # python  # 则是  # 元祖  # 英文  # 日文  # 如下图  # 相关资料  # 网站推广软件下拉管家  # 邳州市网络营销推广  # 开封网站建设推广平台  # 商务局网站建设美丽  # 秦皇岛网站网络推广  # 汕头网站产品优化排名  # 天津网站建设公司网址  # 政务网站怎么优化  # 沾化区推广营销  # seo外包骗术 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 警惕！AI或致虚假信息泛滥  朱民：普通人炒股炒不过机器人是很正常的 AI已经能理解市场情绪  借力AI！PCB全球巨头，有爆发潜质吗？  IBM 与 NASA 携手开源地理空间 AI 模型，促进气候科学研究进步  映宇宙数字人“映映”亮相ChinaJoy，展示AI黑科技实现用户互动  【澎湃原动力】人工智能产业协同创新中心：全产业链资源在这里汇聚  学而思网校推出首个基于自研大模型的《人工智能第一课》  微盟宣布联合腾讯云共建行业大模型：加快激活AI大模型智能应用  世界人工智能大会中西部县域数字就业中心组团亮相  实现人工智能和物联网的协同运作  五个IntelliJ IDEA插件，高效编写代码  ChatGPT设计出的第一个机器人来了！【附人工智能行业预测】  跟着AI大热的“光模块”到底是什么？  金山办公：AI是重要的产品战略之一  大模型新品出现井喷，AI产业迎来新时代  微软 Copilot 团队主管呼吁用户与 AI 交流时应使用恰当的礼貌用语  山东机器人编程：Scratch编程基础，认识舞台！~济南机器人编程  IBM将模拟计算用于人工智能，重塑AI计算  谷歌推出 SAIF 框架，倡导安全环境下探索和发展人工智能  微软Xbox称VR和AR还需要时间 先玩大的  AYANEO 安卓掌机 Pocket AIR 配置公布：天玑 1200 + 5.5 英寸屏  小岛秀夫不反对使用AI 但认为人类应该凌驾于AI  AI框架生态峰会本周开幕 华为昇腾“朋友圈”再聚首 全球首个全模态大模型将登场  今年，全球客服中心支出将增长 16.2%，迎接对话式 AI 的浪潮，根据 Gartner 报告  利用AI技术更好地发展农村电商  英媒：硅谷有些人太鼓吹AI，宣扬“学习无用”  靠游戏更靠AI 英伟达成唯一首季度两位数增长的公司  Adobe旗下Illustrator引入生成式AI工具Firefly  谷歌新安卓机器人logo曝光：头更大了  灯塔AI大模型票房预测上线：开源算法不断提升精准度  视觉中国推出AI灵感绘图功能，付费后可在“合法合规前提下使用”  揭晓2025年玻尔兹曼奖：Hopfield网络创始人荣获奖项  国产工业机器人领域“暗潮涌动”，即将迎来新一轮复苏  30+大模型齐聚，大模型成世界人工智能大会“顶流”  1分钟做出苹果Vision Pro「官网」？上班8小时搞出480个网页，同事被卷疯了  阿里达摩院向公众免费开放100项AI专利许可  人工智能助力林草行业高质量发展  苹果机器学习关键人物 Ali Farhadi 离职，回归 AI2 担任 CEO  Meta 推出 Quest 超级分辨率技术，让 VR 画面更清晰  OpenAI首席执行官引用《道德经》 呼吁就AI安全问题合作  Hugging Face发布了基于NASA卫星数据构建的AI地理空间基础模型  提升工作效率的智能工具：Zapier 让工作变得更简单！  Moka发布AI原生HR SaaS产品“Moka Eva”，布局AGI时代  微软大牛加入ZOOM，AI人才大战打响  腾讯汤道生：大模型只是起点，产业落地是AI更大的应用场景  三星加速AR眼镜进程，预计明年上半年亮相  「电子果蝇」惊动马斯克！背后是13万神经元全脑图谱，可在电脑上运行  AI连线 | 专访风平智能CEO林洪祥：让AI数字人拥有漂亮的外表和有趣的灵魂，安全问题是重要考量  外科医生的智能助手，“机器人手术”得到补充商业医保覆盖  网友自制 AI 版《流浪地球 3》预告片，登上 CCTV6 

 2025-07-22