1 of 30

Dbrain Реестр ПО (backup)

Dbrain

Предоставляем набор сервисов для обработки изображений документов

Общая информация о сервисах

Это важно для работы с любым сервисом. Рассказываем про допустимые форматы файлов, виды запросов и ответов, набор HTTP-статусов и даём рекомендации по устранению ошибок

Краткое описание сервисов

Форматы файлов

Обрабатываем одностраничные файлы любого формата. Многостраничные файлы — только форматов PDF и DJVU:

Размер файлов должен быть не более 30 Mb и не менее 1 Kb

Формат запросов и ответов

Сервис принимает запросы в формате multipart/form-data.

В ответах формата JSON используется кодировка UTF-8.

Универсальные параметры запроса к API

Все сервисы Dbrain поддерживают этот набор параметров. Использовать их необязательно, но они могут помочь решить вашу задачу.

Асинхронный запрос

async — boolean

Поведение по умолчанию: async=false — сервис обрабатывает запросы синхронно. При отправке запроса вы получите ответ только после окончательного завершения обработки запроса сервисом.

Если вам нужен асинхронный режим, укажите в запросе async=true. В ответ на запрос сервис вернёт в response body параметр task_id. Например:

"task_id": "96b8ccc950a70699927036842c624d7c"

Используйте этот task_id, чтобы получить результаты классификации в методе result:

curl -X 'GET' \
  'https://latest.dbrain.io/result/96b8ccc950a70699927036842c624d7c?token=XXX' \
  -H 'accept: application/json'

Не забудьте указать в параметре token ваш ключ лицензии. Рекомендуем запрашивать метод result в цикле с периодом 1-2 секунды.

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Функция тегирует запросы по вашему усмотрению. Это упрощает отслеживание пакетов документов, связанных с конкретным клиентом-физлицом. Для использования функции укажите в параметре task_tags удобный вам тег. Например, task_tags=id_13

Тело запроса к API

Изображение

image — string ($binary)

Обязательно для передачи в запросе. Сервис ожидает изображение в двоичном виде.

HTTP-коды ответа на запрос

Сервисы Dbrain возвращают универсальный набор HTTP-статусов. Рассказываем, что значит каждый статус и что с ним делать.

`200 OK`

Это наилучший код ответа. Он означает, что всё работает: сервис успешно обработал запрос и вернул запрошенные данные.

`202 Accepted`

Наш сервис принял запрос в обработку, но ответ ещё не готов. Повторите запрос через 1-2 секунды.

`403 Forbidden`

Вы попытались получить результат задачи, отправленной от другого токена. Проверьте корректность параметра token в запросе.

`404 Not Found`

Задача с таким task_id не найдена. Проверьте корректность параметра task_id в запросе.

`405 License is Invalid`

`405 Method Not Allowed`

Вы использовали неверный тип запроса. Например, отправили GET вместо POST.

`413 Content Too Large`

Вы отправили слишком большой файл. Файл должен быть меньше 30 Мб. Если у вас тяжелый многостраничный файл, разбейте его на несколько файлов перед отправкой. Если файл состоит из одной страницы — сохраните его с меньшим разрешением.

`415 Unsupported Media Type`

Вы отправили слишком маленький файл. Он должен быть больше 1 Кб.

`422 Unprocessable Content`

Скорее всего, вы передали неправильный content-type тела запроса. Возможно, вы отправили текст вместо файла. Проверьте запрос.

`500 Internal Server Error`

`502 Bad Gateway`

Проблемы с роутингом соединения до сервисов Dbrain. Возможно, проблема на вашей стороне. Проверьте сетевые настройки.

`503 Service Unavailable`

Сервис недоступен. Возможно, он перегружен. Попробуйте повторить запрос позже. Если появился такой статус, мы тоже о нём знаем и уже решаем проблему.

Проверка работоспособности сервиса

Отправьте GET-запрос на адрес https://latest.dbrain.io/healthcheck.

В ответ вы получите код состояния HTTP 200 с Content-Type: application/json и телом ответа {"success": true}.

Если пришёл любой другой код, значит, есть проблемы с сервисом и мы уже их устраняем.

Типы документов

Описали все документы, которые умеем классифицировать и распознавать

Юридические документы:

Договор
Приказ генерального директора
Устав организации
Решение общего собрания собственников

Первичные бухгалтерские документы:

Счёт
Счёт-фактура
Счёт-договор
Платёжное поручение
Акт
Накладная

Классификация документов

Проверяем наличие требуемого списка документов в файле и аккуратно раскладываем их по типам

Сервис поможет обработать многостраничные сканы с поточного сканера или сделать предварительную обработку заявки на налоговый вычет. Он пригодится и в простых случаях: когда нужно убедиться, что на изображении именно тот документ, который вы запрашивали.

Сервис классификации:

Работает с фотографиями и сканами документов.
Находит на изображении все документы, даже если на одном скане присутствуют сразу паспорт, СНИЛС и водительские права.
Отделяет документы от фона. Например, от рук, столов или обоев в цветочек.
Поворачивает и при необходимости зеркально отражает документ.

Обратите внимание, что классификатор может вернуть в API такие типы:

other — документ неизвестного типа
not_document — не документ, например, фото кота
empty — пустая страница

Как начать работать с сервисом классификации документов

Через терминал

token — ваш ключ лицензии
image — файл с изображением документа

Запрос curl должен выглядеть так:

curl -X 'POST' \
  'https://latest.dbrain.io/classify?token=xxx' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F 'image=@image.jpg;type=image/jpeg'

Через Swagger

Подготовьте ключ лицензии
Введите свой токен в любое поле и нажмите Authorize
Прокрутите вниз до раздела Documents, нажмите на метод /classify
В открывшемся разделе нажмите на кнопку Try it out
Прокрутите страницу вниз до раздела Request body
Нажмите на кнопку Выберите файл пункта image
Укажите изображение, которое нужно распознать
Нажмите кнопку Execute
Ответ сервиса появится в пункте Response body раздела Responses
Полученный на этом этапе Curl мы рекомендуем использовать как основу для написания интеграции с API сервиса Dbrain

Через веб-демо

Введите ключ лицензии в поле «Введите токен»
Нажмите кнопку «Выберите файлы для распознавания»
Укажите изображение, которое нужно распознать
Нажмите кнопку «Классифицировать»

Через Python

import requests

url = 'https://latest.dbrain.io/classify?token=xxx'
files = {'image': open('image.jpg', 'rb')}
headers = {'accept': 'application/json'}

response = requests.post(url, headers=headers, files=files)

Код использует библиотеку requests для отправки POST-запроса с файлом изображения. Функция open() используется для открытия файла изображения в двоичном режиме и передачи его в параметр files. Параметр headers используется для установки заголовка accept в значение application/json. Ответ от сервера сохраняется в переменной response.

Тело запроса передавайте в кодировке UTF-8.

Параметры запроса к API

Возврат найденных областей изображения

return_crops — boolean

Поведение по умолчанию: return_crops=true — сервис возвращает изображения найденных документов в параметре crop.

Если вам не нужны найденные сервисом изображения документов (например, в целях экономии трафика), укажите return_crops=false.

В ответе API:

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
items — массив, который содержит найденные документы
- document — объект, который содержит один из найденных документов
  - type— string, тип найденного документа, возможные типы перечислены в таблице выше
  - rotation — integer, ориентация документа
  - coords — массив, координаты документа на изображении по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - page — integer, номер страницы, на котором найден документ, актуально для многостраничных форматов, например PDF
  - confidence — number, уровень уверенности алгоритма в корректности определения типа документа
- crop — $string, изображение документа, отделённое от фона и правильно ориентированное, в бинарном формате
task_tags — массив string, теги, если они переданы в параметре task_tags
page_count — integer, число страниц в файле, актуально для PDF и DJVU
docs_count — integer, число распознанных документов в файле
traceback — string, сообщение об ошибке, которое содержит информацию о том, где произошла ошибка в коде и какие функции были вызваны перед ней. Это сообщение может помочь разработчикам понять причину возникновения ошибки и исправить ее. Передайте её нашей службе поддержки.

Остальные поля не несут практического смысла. Оставили их для совместимости со старыми версиями.

Извлечение данных

Извлекаем данные из изображений документов и возвращаем их в структурированном виде

Полученные из сервиса данные можно использовать для предзаполнения онлайн-форм, сравнения с данными в CRM-системах, идентификации клиента и в десятках других бизнес-сценариев.

Что делает сервис:

Находит документы на фото и сканах
Обрабатывает многостраничные файлы в форматах PDF и DJVU
Отделяет документы от фона — бабушкиных ковров и узорчатых скатертей
Поправляет повёрнутые и зеркально отражённые документы
Извлекает данные из некачественных фото:
- обрезанные;
- смазанные;
- бликующие;
- с наложением посторонних предметов.

Как начать работать с сервисом извлечения данных

Через терминал

token — ваш ключ лицензии
image — файл с изображением документа

Запрос curl должен выглядеть так:

curl -X 'POST' \
  'https://latest.dbrain.io/recognize?token=xxx' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F 'image=@image.jpg;type=image/jpeg'

Через Swagger

Подготовьте ключ лицензии
Введите свой токен в любое поле и нажмите Authorize
Прокрутите вниз до раздела Documents, нажмите на метод /recognize
В открывшемся разделе нажмите на кнопку Try it out
Прокрутите страницу вниз до раздела Request body
Нажмите на кнопку Выберите файл пункта image
Укажите изображение, которое нужно распознать
Нажмите кнопку Execute
Ответ сервиса появится в пункте Response body раздела Responses
Полученный на этом этапе Curl мы рекомендуем использовать как основу для написания интеграции с API сервиса Dbrain

Через Python

import requests

url = 'https://latest.dbrain.io/recognize?token=xxx'
files = {'image': open('image.jpg', 'rb')}
headers = {'accept': 'application/json'}

response = requests.post(url, headers=headers, files=files)

Тело запроса передавайте в кодировке UTF-8.

Через 1С

Функция РаспознатьДокумент(ПакетДвоичныеДанные, ИмяФайла) Экспорт
	// готовит HTTP-запрос, включая заголовки и тело, и отправляет его на сервер.
	ПараметрыЗапроса ="?token=B000000000000000000000"; // токен необходимо получить собственный!
	РазделительМультисообщения = "----MessageBoundary1C";

	HTTPЗапрос = Новый HTTPЗапрос("/recognize"+ПараметрыЗапроса);
	HTTPЗапрос.Заголовки.Вставить("accept", "application/json");
	HTTPЗапрос.Заголовки.Вставить("Content-Type", "multipart/form-data; boundary=" + РазделительМультисообщения);

	ТелоПоток = Новый ПотокВПамяти();
	
	ЗаписьДанных = Новый ЗаписьДанных(ТелоПоток); 
	ЗаписьДанных.ЗаписатьСтроку("--" + РазделительМультисообщения);
	ЗаписьДанных.Записать(СоздатьСообщение_XML("image", ИмяФайла, ПакетДвоичныеДанные)); 
	ЗаписьДанных.ЗаписатьСимволы(Символы.ВК); 
	ЗаписьДанных.ЗаписатьСимволы(Символы.ПС);
	ЗаписьДанных.ЗаписатьСтроку("--" + РазделительМультисообщения + "--");
	ЗаписьДанных.Закрыть();
	
	ТелоДвоичныеДанные = ТелоПоток.ЗакрытьИПолучитьДвоичныеДанные();
	
	Попытка
		Соединение = Новый HTTPСоединение("latest.dbrain.io",
										443,
										,
										,
										,
										60,	
										ЗащищенноеСоединение());
	Исключение
		Сообщить(ПодробноеПредставлениеОшибки(ИнформацияОбОшибке()));	
	КонецПопытки;

	HTTPЗапрос.УстановитьТелоИзДвоичныхДанных(ТелоДвоичныеДанные);
	Возврат Соединение.ОтправитьДляОбработки(HTTPЗапрос);
	
КонецФункции	

Функция ЗащищенноеСоединение() 
	
	ЗащищенноеСоединение = Неопределено;
	
	СистемнаяИнфо = Новый СистемнаяИнформация;
	ТипПлатформыСервера = СистемнаяИнфо.ТипПлатформы;

	Если ТипПлатформыСервера = ТипПлатформы.Windows_x86
		Или ТипПлатформыСервера = ТипПлатформы.Windows_x86_64 Тогда
		ЗащищенноеСоединение = Новый ЗащищенноеСоединениеOpenSSL(
		Новый СертификатКлиентаWindows(),
		Новый СертификатыУдостоверяющихЦентровWindows());
	Иначе
		ЗащищенноеСоединение = Новый ЗащищенноеСоединениеOpenSSL();
	КонецЕсли;
	
	Возврат ЗащищенноеСоединение;
	
КонецФункции

Функция СоздатьСообщение_XML(ИмяСообщения, ИмяФайла, СообщениеДвоичныеДанные)   
	
	Поток = Новый ПотокВПамяти();
	ЗаписьДанных = Новый ЗаписьДанных(Поток);
	// Заголовки
	ЗаписьДанных.ЗаписатьСтроку("Content-Disposition: form-data; name=""" + ИмяСообщения + """; filename=""" + ИмяФайла + """");
	Если Прав(ИмяФайла, 4) = ".xml" Тогда
		ТипMIME = "text/xml";
	ИначеЕсли Прав(ИмяФайла, 4) = ".pdf" Тогда
		ТипMIME = "application/pdf";
	Иначе
		ЧастиИмени = СтроковыеФункцииКлиентСервер.РазложитьСтрокуВМассивПодстрок(ИмяФайла, ".");
		Если ЧастиИмени.Количество() > 1 Тогда
			ТипMIME = "image/" + ЧастиИмени[ЧастиИмени.ВГраница()];	
		КонецЕсли;
	КонецЕсли;                                
	ЗаписьДанных.ЗаписатьСтроку("Content-Type: " + ТипMIME);
	ЗаписьДанных.ЗаписатьСтроку("");
	// Тело
	ЗаписьДанных.Записать(СообщениеДвоичныеДанные);
	ЗаписьДанных.Закрыть();

	Возврат Поток.ЗакрытьИПолучитьДвоичныеДанные();

Параметры запроса к API

Вы можете использовать эти параметры с любыми видами документов.

Проверка типа документа

doc_type — string array

Если вам нужно извлечь данные только из одного типа документа, укажите этот тип в параметре doc_type:

Для извлечения данных только из главного разворота Паспорта РФ укажите doc_type=passport_main
Для извлечения данных из нескольких типов документов допишите их в запрос через &doc_type=. Например, вам нужен главный разворот и прописка Паспорта РФ. В запросе это будет выглядеть так: doc_type=passport_main&doc_type=passport_registration

Режим распознавания

mode — string

Поведение по умолчанию: mode=default

Для этого передайте сервису извлечения данных результаты работы классификатора: изображение в параметре image и тип документа в параметре doc_type, а также укажите mode=recognize_only. В таком случае сервис не будет запускать лишнюю классификацию документа и вы быстрее получите ответ.

Возврат найденных изображений документов

return_crops — boolean

Поведение по умолчанию: return_crops=false — cервис не возвращает найденные изображения документов.

Если вам нужны найденные сервисом изображения документов, укажите return_crops=true. Сервис вернёт в ответе API изображение в параметре crop.

В ответе:

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
items — массив, который содержит распознанные документы
- - text — string, текст поля документа
  - confidence — number, уровень уверенности алгоритма в корректности извлечения данных из поля
  - coords — массив, координаты поля на документе, вырезанного и правильно ориентированного, по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
- doc_coords — массив, координаты документа на оригинальном изображении по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
- confidence — number, уровень уверенности алгоритма в корректности определения типа документа
task_tags — массив string, теги, если они переданы в параметре task_tags
page_count — integer, число страниц в файле, актуально для PDF и DJVU
docs_count — integer, число распознанных документов в файле
traceback — string, сообщение об ошибке, которое содержит информацию о том, где произошла ошибка в коде и какие функции были вызваны перед ней. Это сообщение может помочь разработчикам понять причину возникновения ошибки и исправить ее. Передайте её нашей службе поддержки.

Остальные поля не несут практического смысла. Оставили их для совместимости со старыми версиями

У каждого типа документа есть свои особенности извлечения. Изучите то, что нужно вам, тут:

Паспорт

Извлекаем данные из паспорта гражданина РФ: главный разворот, стр. 3-4

Актуальная форма паспорта выдаётся с 1 октября 1997 года. С 1 июля 2011 года в паспорте заполняются нижние две строки с машиночитаемыми записями (МЧЗ). Сервис извлекает данные как из визуальных полей, так и из МЧЗ. При выборе между ними, сервис ориентируется на контрольные суммы в МЧЗ и читабельность данных визуальных полей.

Тип документа в API: passport_main

Перечень извлекаемых полей

Поле

Название в API

Формат поля

Серия и номер

series_and_number

4 цифры, пробел, 6 цифр

Имя

first_name

Русский алфавит

Фамилия

surname

Русский алфавит

Отчество

other_names

Русский алфавит

Пол

sex

муж. или жен.

Дата рождения

date_of_birth

дд.мм.гггг

Место рождения

place_of_birth

Русский алфавит

Дата выдачи

date_of_issue

дд.мм.гггг

Код подразделения

subdivision_code

3 цифры, тире, 3 цифры

Паспорт выдан

issuing_authority

Русский алфавит

МЧЗ, строка 1

mrz_1

Латинский алфавит, цифры, <>

МЧЗ, строка 2

mrz_2

Латинский алфавит, цифры, <>

Номер разворота

page_number

Параметры запроса к API

Нормализация поля «Паспорт выдан»

use_internal_api — boolean

В крайне редких случаях нормализация может приводить к неточному соответствию результатов распознавания поля «Паспорт выдан» и фактического текста в паспорте. Например, вместо ОТДЕЛОМ УФМС РОССИИ ПО Г. МОСКВЕ ПО РАЙОНУ ЗЮЗИНО сервис может вернуть ОТДЕЛОМ УФМС РОССИИ ПО ГОРОДУ МОСКВЕ ПО РАЙОНУ ЗЮЗИНО.

Мы не рекомендуем, но если вы всё же хотите отключить нормализацию поля «Паспорт выдан», передайте параметр use_internal_api=false

В России нет юридических норм, которые обязывают вас использовать в документах побуквенное воспроизведение поля «Паспорт выдан».

Например, у нашего продакта Артёма текст поля «Паспорт выдан» очень длинный и не влезает ни в одну печатную форму. Что ему делать? Артём всегда использует сокращения.

Для однозначной идентификации места выдачи документа достаточно поля «Код подразделения»

Помимо извлечения данных из паспорта сервис Dbrain умеет:

Паспорт: прописка

Извлекаем данные из паспорта гражданина РФ: место жительства, стр. 5-12

На страницах 5-12 паспорта ФМС проставляет отметки о регистрации и снятии с регистрации по месту жительства. ФМС ставит штампы в хронологическом порядке. Сервис находит самый свежий штамп на изображении и извлекает из него данные. Остальные штампы игнорируются.

Тип документа в API:passport_registration

Если последний штамп отличается от машинопечатной отметки о регистрации, сервис изменит doc_type в ответе:

passport_registration_handwritten — рукописный штамп о регистрации;
passport_registration_deregistered — штамп о снятии с регистрации.

Перечень извлекаемых полей

Параметры запроса к API

Нормализация адреса

normalization_fias — boolean

Нормализация приводит неструктурированный адрес к общепринятому формату, который можно сопоставлять с адресами из других источников. При этом может отсутствовать побуквенное соответствие адресу из штампа.

Мы не рекомендуем, но! Если вы хотите отключить нормализацию поля «Адрес», передайте параметр normalization_fias=false

Если сервис Dbrain развёрнут локально, он может обращаться за нормализацией адреса к локальному сервису Dadata. Для этого укажите адрес в параметре URL_DADATA в .env

Помимо извлечения данных сервис Dbrain умеет:

Водительское удостоверение

Извлекаем данные из водительского удостоверения гражданина РФ: образцы 2011 и 2014 года, лицевую и обратную сторону

Актуальная форма водительского удостоверения выдаётся с 1 марта 2011 года. В 2014 году была изменена форма обратной стороны водительского удостоверения: расширен список категорий транспортных средств. Лицевая сторона удостоверения осталась без изменений. В 2020 году на лицевую сторону добавили перевод слов «Водительское удостоверение» на английский и французский языки. Мы не считаем эти изменения существенными, поэтому сервис не различает формы 2011 и 2020 года.

Водительское удостоверение 2011, лицевая сторона

driver_license_2011_front

Перечень извлекаемых полей

Водительское удостоверение 2011, обратная сторона

driver_license_2011_back

Перечень извлекаемых полей

Водительское удостоверение 2014, обратная сторона

driver_license_2014_back

Перечень извлекаемых полей

Помимо извлечения данных сервис Dbrain умеет:

СТС

Извлекаем данные из свидетельств о регистрации транспортных средств РФ: образцы 1993-2019 годов, лицевую и обратную сторону

ГИБДД выдаёт СТС с 1993 года, а в 2008, 2013, 2018 и 2019 годах состав полей в СТС менялся. Изменения наглядно отражены на примерах. Сервис извлекает все доступные на изображении поля из этих документов.

Перечень извлекаемых полей с лицевой части СТС

vehicle_registration_certificate_front

Перечень извлекаемых полей с обратной стороны СТС

vehicle_registration_certificate_back

Договоры

Извлекаем данные из юридических документов

Сервис извлекает ключевые сущности из уставных документов и договоров. Это поможет вам определить, кому принадлежит документ и является ли он юридическим обоснованием. В первую очередь сервис рассчитан на документы следующих типов:

Договор
Приказ генерального директора
Устав организации
Решение общего собрания собственников

Однако сервис обрабатывает и другие похожие по смыслу многостраничные документы на русском языке.

Перечень извлекаемых полей

Прочие документы

Кроме перечисленных слева популярных документов, наши сервисы умеют извлекать данные из других файлов

Классификация документов

Проверяем наличие требуемого списка документов в файле и аккуратно раскладываем их по типам

Сервис классификации:

Работает с фотографиями и сканами документов.
Находит на изображении все документы, даже если на одном скане присутствуют сразу паспорт, СНИЛС и водительские права.
Отделяет документы от фона. Например, от рук, столов или обоев в цветочек.
Поворачивает и при необходимости зеркально отражает документ.
Присваивает тип каждому найденному документу. Вы можете посмотреть, какие документы мы умеем классифицировать, в разделе .

Обратите внимание, что классификатор может вернуть в API такие типы:

other — документ неизвестного типа
not_document — не документ, например, фото кота
empty — пустая страница

Как начать работать с сервисом классификации документов

Есть 4 популярных способа взаимодействия с сервисом. Для любого из них вам нужен ключ лицензии. Чтобы получить ключ, напишите нам в или на .

Подготовьте изображение документа для теста. Если у вас такого нет, используйте .

Через терминал

Обратитесь к методу /classify по адресу . В этом способе только два обязательных параметра:

token — ваш ключ лицензии
image — файл с изображением документа

Запрос curl должен выглядеть так:

curl -X 'POST' \
  'https://latest.dbrain.io/classify?token=xxx' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F 'image=@image.jpg;type=image/jpeg'

Через Swagger

Подготовьте ключ лицензии
Откройте и нажмите кнопку Authorize в правом верхнем углу
Введите свой токен в любое поле и нажмите Authorize
Прокрутите вниз до раздела Documents, нажмите на метод /classify
В открывшемся разделе нажмите на кнопку Try it out
Прокрутите страницу вниз до раздела Request body
Нажмите на кнопку Выберите файл пункта image
Укажите изображение, которое нужно распознать
Нажмите кнопку Execute
Ответ сервиса появится в пункте Response body раздела Responses
Полученный на этом этапе Curl мы рекомендуем использовать как основу для написания интеграции с API сервиса Dbrain

Через веб-демо

Откройте
Введите ключ лицензии в поле «Введите токен»
Нажмите кнопку «Выберите файлы для распознавания»
Укажите изображение, которое нужно распознать
Нажмите кнопку «Классифицировать»

Через Python

import requests

url = 'https://latest.dbrain.io/classify?token=xxx'
files = {'image': open('image.jpg', 'rb')}
headers = {'accept': 'application/json'}

response = requests.post(url, headers=headers, files=files)

Тело запроса передавайте в кодировке UTF-8.

Параметры запроса к API

Возврат найденных областей изображения

return_crops — boolean

Поведение по умолчанию: return_crops=true — сервис возвращает изображения найденных документов в параметре crop.

Перед началом работы с сервисами изучите раздел . Там мы рассказываем про допустимые форматы файлов, виды запросов и ответов, набор HTTP-статусов и даём рекомендации по устранению ошибок

В ответе API:

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
items — массив, который содержит найденные документы
- document — объект, который содержит один из найденных документов
  - type— string, тип найденного документа, возможные типы перечислены в таблице выше
  - rotation — integer, ориентация документа
  - coords — массив, координаты документа на изображении по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - page — integer, номер страницы, на котором найден документ, актуально для многостраничных форматов, например PDF
  - confidence — number, уровень уверенности алгоритма в корректности определения типа документа
- crop — $string, изображение документа, отделённое от фона и правильно ориентированное, в бинарном формате
task_tags — массив string, теги, если они переданы в параметре task_tags
page_count — integer, число страниц в файле, актуально для PDF и DJVU
docs_count — integer, число распознанных документов в файле
traceback — string, сообщение об ошибке, которое содержит информацию о том, где произошла ошибка в коде и какие функции были вызваны перед ней. Это сообщение может помочь разработчикам понять причину возникновения ошибки и исправить ее. Передайте её нашей службе поддержки.

Остальные поля не несут практического смысла. Оставили их для совместимости со старыми версиями.

Извлечение данных

Извлекаем данные из изображений документов и возвращаем их в структурированном виде

Что делает сервис:

Находит документы на фото и сканах
Обрабатывает многостраничные файлы в форматах PDF и DJVU
Отделяет документы от фона — бабушкиных ковров и узорчатых скатертей
Поправляет повёрнутые и зеркально отражённые документы
Извлекает данные из некачественных фото:
- обрезанные;
- смазанные;
- бликующие;
- с наложением посторонних предметов.

Если вы собираетесь работать только с качественными документами, воспользуйтесь перед извлечением данных

Как начать работать с сервисом извлечения данных

Есть 5 популярных способов взаимодействия с сервисом. Для любого вам нужен ключ лицензии. Чтобы получить ключ, напишите нам в или на .

Подготовьте изображение документа для теста. Если у вас такого нет, используйте .

Через веб-демо

Откройте
Введите ключ лицензии в поле «Токен» и нажмите «Применить»
Выберите «Документы с чёткой структурой»
Нажмите кнопку «Выберите файл для распознавания»
Укажите изображение, которое нужно распознать
Нажмите кнопку «Распознать»

Через терминал

Обратитесь к методу /recognize по адресу . В этом способе только два обязательных параметра:

token — ваш ключ лицензии
image — файл с изображением документа

Запрос curl должен выглядеть так:

curl -X 'POST' \
  'https://latest.dbrain.io/recognize?token=xxx' \
  -H 'accept: application/json' \
  -H 'Content-Type: multipart/form-data' \
  -F 'image=@image.jpg;type=image/jpeg'

Через Swagger

Подготовьте ключ лицензии
Откройте и нажмите кнопку Authorize в правом верхнем углу
Введите свой токен в любое поле и нажмите Authorize
Прокрутите вниз до раздела Documents, нажмите на метод /recognize
В открывшемся разделе нажмите на кнопку Try it out
Прокрутите страницу вниз до раздела Request body
Нажмите на кнопку Выберите файл пункта image
Укажите изображение, которое нужно распознать
Нажмите кнопку Execute
Ответ сервиса появится в пункте Response body раздела Responses
Полученный на этом этапе Curl мы рекомендуем использовать как основу для написания интеграции с API сервиса Dbrain

Через Python

import requests

url = 'https://latest.dbrain.io/recognize?token=xxx'
files = {'image': open('image.jpg', 'rb')}
headers = {'accept': 'application/json'}

response = requests.post(url, headers=headers, files=files)

Тело запроса передавайте в кодировке UTF-8.

Через 1С

Функция РаспознатьДокумент(ПакетДвоичныеДанные, ИмяФайла) Экспорт
	// готовит HTTP-запрос, включая заголовки и тело, и отправляет его на сервер.
	ПараметрыЗапроса ="?token=B000000000000000000000"; // токен необходимо получить собственный!
	РазделительМультисообщения = "----MessageBoundary1C";

	HTTPЗапрос = Новый HTTPЗапрос("/recognize"+ПараметрыЗапроса);
	HTTPЗапрос.Заголовки.Вставить("accept", "application/json");
	HTTPЗапрос.Заголовки.Вставить("Content-Type", "multipart/form-data; boundary=" + РазделительМультисообщения);

	ТелоПоток = Новый ПотокВПамяти();
	
	ЗаписьДанных = Новый ЗаписьДанных(ТелоПоток); 
	ЗаписьДанных.ЗаписатьСтроку("--" + РазделительМультисообщения);
	ЗаписьДанных.Записать(СоздатьСообщение_XML("image", ИмяФайла, ПакетДвоичныеДанные)); 
	ЗаписьДанных.ЗаписатьСимволы(Символы.ВК); 
	ЗаписьДанных.ЗаписатьСимволы(Символы.ПС);
	ЗаписьДанных.ЗаписатьСтроку("--" + РазделительМультисообщения + "--");
	ЗаписьДанных.Закрыть();
	
	ТелоДвоичныеДанные = ТелоПоток.ЗакрытьИПолучитьДвоичныеДанные();
	
	Попытка
		Соединение = Новый HTTPСоединение("latest.dbrain.io",
										443,
										,
										,
										,
										60,	
										ЗащищенноеСоединение());
	Исключение
		Сообщить(ПодробноеПредставлениеОшибки(ИнформацияОбОшибке()));	
	КонецПопытки;

	HTTPЗапрос.УстановитьТелоИзДвоичныхДанных(ТелоДвоичныеДанные);
	Возврат Соединение.ОтправитьДляОбработки(HTTPЗапрос);
	
КонецФункции	

Функция ЗащищенноеСоединение() 
	
	ЗащищенноеСоединение = Неопределено;
	
	СистемнаяИнфо = Новый СистемнаяИнформация;
	ТипПлатформыСервера = СистемнаяИнфо.ТипПлатформы;

	Если ТипПлатформыСервера = ТипПлатформы.Windows_x86
		Или ТипПлатформыСервера = ТипПлатформы.Windows_x86_64 Тогда
		ЗащищенноеСоединение = Новый ЗащищенноеСоединениеOpenSSL(
		Новый СертификатКлиентаWindows(),
		Новый СертификатыУдостоверяющихЦентровWindows());
	Иначе
		ЗащищенноеСоединение = Новый ЗащищенноеСоединениеOpenSSL();
	КонецЕсли;
	
	Возврат ЗащищенноеСоединение;
	
КонецФункции

Функция СоздатьСообщение_XML(ИмяСообщения, ИмяФайла, СообщениеДвоичныеДанные)   
	
	Поток = Новый ПотокВПамяти();
	ЗаписьДанных = Новый ЗаписьДанных(Поток);
	// Заголовки
	ЗаписьДанных.ЗаписатьСтроку("Content-Disposition: form-data; name=""" + ИмяСообщения + """; filename=""" + ИмяФайла + """");
	Если Прав(ИмяФайла, 4) = ".xml" Тогда
		ТипMIME = "text/xml";
	ИначеЕсли Прав(ИмяФайла, 4) = ".pdf" Тогда
		ТипMIME = "application/pdf";
	Иначе
		ЧастиИмени = СтроковыеФункцииКлиентСервер.РазложитьСтрокуВМассивПодстрок(ИмяФайла, ".");
		Если ЧастиИмени.Количество() > 1 Тогда
			ТипMIME = "image/" + ЧастиИмени[ЧастиИмени.ВГраница()];	
		КонецЕсли;
	КонецЕсли;                                
	ЗаписьДанных.ЗаписатьСтроку("Content-Type: " + ТипMIME);
	ЗаписьДанных.ЗаписатьСтроку("");
	// Тело
	ЗаписьДанных.Записать(СообщениеДвоичныеДанные);
	ЗаписьДанных.Закрыть();

	Возврат Поток.ЗакрытьИПолучитьДвоичныеДанные();

Параметры запроса к API

Вы можете использовать эти параметры с любыми видами документов.

Проверка типа документа

doc_type — string array

Поведение по умолчанию: сервис извлекает данные из всех , которые классификатор документов найдёт в файле.

Если вам нужно извлечь данные только из одного типа документа, укажите этот тип в параметре doc_type:

Для извлечения данных только из главного разворота Паспорта РФ укажите doc_type=passport_main
Для извлечения данных из нескольких типов документов допишите их в запрос через &doc_type=. Например, вам нужен главный разворот и прописка Паспорта РФ. В запросе это будет выглядеть так: doc_type=passport_main&doc_type=passport_registration

Режим распознавания

mode — string

Поведение по умолчанию: mode=default

Вы можете использовать сервис отдельно от сервиса извлечения данных. Построить разную логику обработки документов в зависимости от того какие типы документов классификатор нашёл на изображении.

Возврат найденных изображений документов

return_crops — boolean

Поведение по умолчанию: return_crops=false — cервис не возвращает найденные изображения документов.

В ответе:

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
items — массив, который содержит распознанные документы
doc_type — string, тип документа, все типы перечислены в
- fields — string, поля документа, список полей по каждому документу приведён в API-спецификация в .
  - text — string, текст поля документа
  - confidence — number, уровень уверенности алгоритма в корректности извлечения данных из поля
  - coords — массив, координаты поля на документе, вырезанного и правильно ориентированного, по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
- doc_coords — массив, координаты документа на оригинальном изображении по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
- confidence — number, уровень уверенности алгоритма в корректности определения типа документа
task_tags — массив string, теги, если они переданы в параметре task_tags
page_count — integer, число страниц в файле, актуально для PDF и DJVU
docs_count — integer, число распознанных документов в файле
traceback — string, сообщение об ошибке, которое содержит информацию о том, где произошла ошибка в коде и какие функции были вызваны перед ней. Это сообщение может помочь разработчикам понять причину возникновения ошибки и исправить ее. Передайте её нашей службе поддержки.

Остальные поля не несут практического смысла. Оставили их для совместимости со старыми версиями

У каждого типа документа есть свои особенности извлечения. Изучите то, что нужно вам, тут:

Подписи и печати

Проверяем наличие и расположение подписей и печатей на документах, что позволяет быстро отклонять документы, которые забыли подписать.

Чтобы воспользоваться сервисом, отправьте POST-запрос на URL https://latest.dbrain.io/check/sign_seal

Параметры запроса к API

Асинхронный запрос

async — boolean

"task_id": "96b8ccc950a70699927036842c624d7c"

Используйте этот task_id, чтобы получить результат работы сервиса в методе result:

curl -X 'GET' \
  'https://latest.dbrain.io/result/96b8ccc950a70699927036842c624d7c?token=XXX' \
  -H 'accept: application/json'

Не забудьте указать в параметре token ваш ключ лицензии. Рекомендуем запрашивать метод result в цикле с периодом 1-2 секунды

Возврат найденных областей изображения

return_crops — boolean

true — сервис вернёт в ответе API найденные области изображения с печатями и подписями
false (по умолчанию) — cервис не вернёт найденные области изображения

Ответ приходит в объект images массива result

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Тело запроса к API

Изображение

image — string ($binary)

Изображение обязательно для передачи в запросе. Сервис ожидает изображение документа в двоичном виде

В ответе на запрос к API:

task_id

string

Идентификатор запроса, формат: 32 символа, 16-ричная строка

error

string

Текстовое описание ошибки

task_tags

array[string]

Теги, если они переданы в параметре task_tags

success

boolean

Статус запроса

status_code

integer

HTTP-код статуса запроса

200 — запрос выполнен успешно

result.images

array[$string]

result.doc_type

string

Всегда возвращается пустым. Оставлен для совместимости структуры ответа с другими методами API

result.confidence

number

Всегда равно 1. Оставлен для совместимости структуры ответа с другими методами API

result.page_num

integer

Номер страницы в оригинальном файле, на котором найдены подписи и печати

result.fields

array

Массив, содержащий найденные подписи и печати

result.fields.name

string

Тип и порядковый номер найденной области изображения. Для печатей это print_X, для подписей это signature_X, где X — порядковый номер

result.fields.value

string

Всегда возвращает «true». Оставлен для совместимости структуры ответа с другими методами API

result.fields.confidence

number

Уровень уверенности сервиса от 0 до 1 в корректности детекции печати или подписи

result.fields.page_num

integer

Номер страницы в оригинальном файле, на котором найдена печать или подпись

result.fields.coords

array[integer]

Массив с координатами поля по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый. Поле может состоять из нескольких частей

result.fields.crops

array[$string]

result.fields.is_found

boolean

true — поле найдено в документе
false — поле в документе не найдено

result.tables

array[array]]

Всегда возвращает пустой массив. Оставлен для совместимости структуры ответа с другими методами API

Признаки подделки

Анализируем файлы с изображениями и выдаём набор признаков подделки

Злоумышленники могут внести изменения в изображения документов. Сервис «Признаки подделки» ищет прямые и косвенные признаки того, что файл был умышленно модифицирован. Сервис не может гарантировать 100% защиты от злоумышленников, но позволяет автоматически отсеивать часть фрода и снижать нагрузку на операторов. Сервис запускает следующие проверки:

Проверка соответствия вида документа ожидаемому.
Определение паспортов, созданных в онлайн-генераторах документов.
Поиск визуальных признаков модификации паспорта в цифровых редакторах. Например, подмена отдельных символов, или фотографии, или целых полей.
Проверка метаданных изображения. По умолчанию метаданные присутствуют в любой фотографии или скане. Отсутствие метаданных — весомый повод отклонить документ. При наличии метаданных сервис проверяет их на внутреннюю непротиворечивость.
Логические проверки полей паспорта. Проверяем наличие всех полей и фотографии: серию-номер, регион по ОКАТО, дату выдачи, дату рождения, код подразделения, пол человека, сверяем визуальные поля с машиночитаемой зоной.
Проверяем источник изображения. Им может быть фотография, скан, скриншот или фотография экрана. Мы советуем отклонять изображения из последних двух источников, но в вашем бизнес-процессе также могут быть недопустимы сканы.
Проверяем цветность изображения. Рекомендуем отклонять чёрно-белые изображения.
Если вам заранее известны данные клиента (например, ФИО и дата рождения), сервис сверит их с написанными в документе с помощью функции сверки с внешним файлом.

Проверки 2, 3 и 5 работают только для главного разворота паспорта РФ

Чтобы воспользоваться сервисом, отправьте POST-запрос на URL

Параметры запроса к API

Вы можете использовать эти параметры при запросе к сервису определения подделок.

Асинхронный запрос

async — boolean

"task_id": "96b8ccc950a70699927036842c624d7c"

Используйте этот task_id, чтобы получить результаты классификации в методе result:

curl -X 'GET' \
  'https://latest.dbrain.io/result/96b8ccc950a70699927036842c624d7c?token=XXX' \
  -H 'accept: application/json'

Возврат найденных областей изображения

return_crops — boolean

Поведение по умолчанию: return_crops=false — cервис не возвращает найденные области изображения.

Если вам нужны найденные сервисом области изображения, укажите return_crops=true. Сервис вернёт в ответе API в параметре crop найденные области изображения с лицами.

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Ожидаемый тип документа

doc_type — string

Остальные параметры запроса не несут практического смысла. Оставили их для совместимости со старой версией метода recognize, который используется внутри сервиса

Тело запроса к API

Изображение

image — string ($binary)

Изображение обязательно для передачи в запросе. Сервис ожидает изображение в двоичном виде.

Сверка полей с внешним файлом

fraud/verify_fields — string ($binary)

С помощью этой функции можно быстро сравнить данные клиента, которые вам известны. Например, ФИО с текстом в самом документе. Для использования функции дополнительно укажите JSON-файл в параметре verify_fields.

Ниже показан пример JSON-файла для сравнения серии-номера и ФИО из паспорта РФ с данными из документа:

{
  "series_and_number": "1111 222222",
  "surname": "Иванов",
  "first_name": "Иван",
  "other_names": "Иванович"
}

Функция сверки возвращает результат в атрибут expected_text_missmatch.

В ответе на запрос к API:

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
error — string, текстовое описание ошибки
task_tags — array[string], теги, если они переданы в параметре task_tags
success — boolean, статус запроса
- true — запрос выполнен успешно
- false — запрос не выполнен
status_code — integer, HTTP-код статуса запроса
- 200 — запрос выполнен успешно
result
- doc_type_missmatch — boolean
  - true — найденный на изображении тип документа не соответствует ожидаемому
  - false — найденный на изображении тип документа соответствует ожидаемому
- generated_document — boolean
  - true — документ создан в генераторе документов
  - false — документ не создан в генераторе документов
  - null — главный разворот Паспорта РФ не найден, поэтому проверка не запускалась
- visual_modifications
  - coords— массив, в котором перечислены координаты подозрительных областей изображения документа по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - result — boolean
    true — в файл вносили изменения в графическом редакторе
    false — в файл не вносили изменения в графическом редакторе
    null — главный разворот Паспорта РФ не найден, поэтому проверка не запускалась
- metadata — объект, содержащий информацию о метаданных
  - not_present — boolean
    true — в файле отсутствуют метаданные
    false — в файле найдены метаданные
  - inconsistency — boolean
    true — в метаданных файла найдены противоречия
    false — противоречия в метаданных файла не найдены
    null — метаданные не найдены, проверка не запускалась
  - maker — string, производитель устройства
  - model — string, модель устройства
  - software — string, программное обеспечение, которое последним меняло изображение
  - date_time — объект, содержащий данные со всеми датами и временами, найденными в метаданных изображения:
    modify_date — string, дата и время модификации изображения
    сreate_date — string, дата и время создания изображения
    date_time_original — string, оригинальные даты и время создания изображения
    gps_date_stamp — string, дата и время снимка согласно GPS
  - gps_coords — объект, содержащий координаты согласно GPS метаданным:
    latitude_ref — string, n или s — северная или южная широта, в которой сделан снимок
    latitude — string, широта снимка
    longitude_ref — string, e или w — восточная или западная долгота, в которой сделан снимок
    longitude — string, долгота снимка
    altitude_ref — string, 1 или 0 — высота над уровнем моря или абсолютная
    altitude — string, высота над уровнем моря
- logical_inconsistency
  - result — boolean
    true — в данных документа найдены противоречия
    false — в данных документа противоречия не найдены
    null — главный разворот Паспорта РФ не найден, поэтому проверка не запускалась
  - series_number_inconsistency — boolean
    true — серия или номер паспорта на разных страницах не совпадают друг с другом
    false — серия или номер паспорта на разных страницах совпадают
  - fake_series_okato — boolean
    true — серия паспорта содержит несуществующий номер ОКАТО
    false — серия паспорта содержит допустимый номер ОКАТО
  - series_mismatch_printing_year — boolean
    true — серия паспорта выходит за допустимый диапазон отклонения от даты выдачи паспорта
    false — серия паспорта находится в допустимом диапазоне относительно даты выдачи паспорта
  - issue_year_mismatch_date_of_birth — boolean
    true — дата выдачи паспорта находится вне допустимого диапазона относительно даты рождения для действительного паспорта
    false — дата выдачи паспорта находится в рамках допустимого диапазона относительно даты рождения для действительного паспорта
  - issue_code_mismatch_issue_authority — boolean
    true — код подразделения не соответствует полю «Паспорт выдан»
    false — код подразделения соответствует полю «Паспорт выдан»
  - fake_year_of_birth — boolean
    true — год рождения находится вне допустимого диапазона относительно текущей даты
    false — год рождения находится в допустимом диапазоне относительно текущей даты
  - photo_not_found — boolean
    true — фотография не найдена
    false — фотография найдена
  - photo_gender_mismatch — boolean
    true — пол на фотографии не соответствует тексту в поле «Пол»
    false — пол на фотографии соответствует тексту в поле «Пол»
  - mrz_presence_mismatch_issue_year — boolean
    true — наличие или отсутствие машиночитаемой зоны паспорта невозможно при такой дате выдачи паспорта
    false — наличие или отсутствие машиночитаемой зоны паспорта возможно при такой дате выдачи паспорта
  - visual_field_missing — boolean
    true — одно или несколько обязательных полей паспорта не найдено
    false — найдены все поля паспорта
  - visual_fields_mismatch_mrz — boolean
    true — данные визуальных полей не совпадают с данными из машиночитаемой зоны
    false — данные визуальных полей совпадают с данными из машиночитаемой зоны
- image_origin — string, источник изображения, может принимать одно из четырёх значений:
  - photo — фотография
  - scan — скан
  - screenshot — скриншот
  - monitor_photo — фотография экрана
- image_no_color — boolean
  - true — изображение чёрно-белое
  - false — изображение цветное
- expected_text_mismatch — boolean
  - true — данные в документе не совпали с ожидаемыми
  - false — данные в документе совпали с ожидаемыми
  - null — проверка не запускалась, выводится в случае, если вы не подали JSON на вход.

Параметры fake и is_fake_visual в ответе метода recognize теперь не отражают результаты проверок на признаки подделки. Мы оставили их для совместимости API

Базы данных

Проверяем документы и физлиц по базам данных

Нам доступны:

ИНН физического лица
Действующие исполнительные производства из открытых источников главного управления по вопросам миграции МВД России
Архивные исполнительные производства из закрытых источников
Данные о розыске в открытых источниках ФССП
Данные о розыске из открытых источников ФСИН
Данные о наличии в списках экстремистов и террористов Росфинмониторинга
Данные о наличии в реестре залогов федеральной нотариальной палаты
Данные о розыске по данным открытых источников МВД
Данные о наличии в чёрных списках компаний в сфере каршеринга, проката, грузоперевозок, банков и МФО
Данные о наличии в эталонных базах данных человека с такой связкой ФИО, даты рождения и серии-номера паспорта
Данные о наличии серии-номера паспорта в списке недействительных паспортов МВД
Данные о наличии в реестре дисквалифицированных лиц
Данные о наличии судимости
Данные о наличии в списке публичных должностных лиц

Список проверок, которые мы можем оперативно добавить в API по запросу:

Проверка паспорта по списку недействительных паспортов
Проверка связки ФИО + ДР / паспорта и ИНН
Проверка ФЛ на банкрота
Проверка ФЛ на наличие в списке номинальных ГД
Проверка ФЛ на наличие статуса ИП
Проверка ФЛ на участие в ЮЛ
Проверка ФЛ на дисквалификацию
Проверка ФЛ на ограничение в участие ЮЛ
Проверка ФЛ на получение статуса самозанятого
Проверка ФЛ по арбитражным делам
Проверка ФЛ на долги за налоги
Подтверждение связки ФИО–телефон
Проверка совершеннолетия
Проверка на вероятность «дропа»
Наличие двойного гражданства
Верификация через Госуслуги
Подтверждение связки email–телефон, ФИО
Проверка тегов по телефону на наличие ключевых слов (жулик, мошенник, вор и пр.)
Проверка связи между ФЛ
Маркер проверки со стороны МВД
Проверка срока жизни / оценка активности телефонного номера
Проверка водительского удостоверения
Специализированные проверки по конфиденциальным данным
Получение СНИЛС, серии и номера паспорта по ФИО и ДР
Скоринг благонадёжности
Скоринг на мошенничество

Чтобы воспользоваться сервисом, отправьте POST-запрос на URL https://latest.dbrain.io/check/external

Параметры запроса к API

Асинхронный запрос

async — boolean

"task_id": "96b8ccc950a70699927036842c624d7c"

Используйте этот task_id, чтобы получить результат работы сервиса в методе result:

curl -X 'GET' \
  'https://latest.dbrain.io/result/96b8ccc950a70699927036842c624d7c?token=XXX' \
  -H 'accept: application/json'

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Получение ИНН физического лица

get_inn — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле inn

Получение действующих исполнительных производств из открытых источников главного управления по вопросам миграции МВД России

get_current_enforcements — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле current_enforcements

Получение архивных исполнительных производств из закрытых источников

get_archive_fssp — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле archive_fssp

Получение данных о розыске человека в открытых источниках ФССП

is_fssp_wanted — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_fssp_wanted

Получение данных о розыске человека из открытых источников ФСИН

is_fsin_wanted — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_fsin_wanted

Получение данных о наличии человека в списках экстремистов и террористов Росфинмониторинга

is_terrorist — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_terrorist

Получение данных о наличии человека в реестре залогов федеральной нотариальной палаты

is_in_pledge_registry — boolean

true — получить данные
false (по умолчанию) — не данные

Ответ приходит в поле is_in_pledge_registry

Получение данных о розыске человека по данным открытых источников МВД

is_mvd_wanted — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_mvd_wanted

Получение данных о наличии человека в чёрных списках компаний в сфере каршеринга, проката, грузоперевозок, банков и МФО

is_in_black_list — boolean

true — получить данные
false (по умолчанию) — не получать данные о наличии в чёрных списках

Ответ приходит в поле is_in_black_list

Получение данных о наличии в эталонных базах данных человека с такой связкой ФИО, даты рождения и серии-номера паспорта

is_fio_birthday_passport_verified — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_fio_birthday_passport_verified

Получение данных о наличии серии-номера паспорта в списке недействительных паспортов МВД

is_passport_expired — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_passport_expired

Получение данных о наличии человека в реестре дисквалифицированных лиц

is_in_disqualified_list — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_in_disqualified_list

Получение данных о наличии судимости

is_criminal — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_criminal

Получение данных о наличии человека в списке публичных должностных лиц

is_in_pdl_list — boolean

true — получить данные
false (по умолчанию) — не получать данные

Ответ приходит в поле is_in_pdl_list

Тело запроса к API

Изображение

image — string ($binary)

В ответе на запрос к API:

task_id

string

Идентификатор запроса, формат: 32 символа, 16-ричная строка

error

string

Текстовое описание ошибки

task_tags

array[string]

Теги, если они переданы в параметре task_tags

success

boolean

Статус запроса

status_code

integer

HTTP-код статуса запроса

200 — запрос выполнен успешно

inn

integer

123456789000 — Найден ИНН
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

current_enforcements

integer

1234 — Найден (в рублях)
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

archive_fssp

integer

1234 — Найден (в рублях)
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_fssp_wanted

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_fsin_wanted

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_terrorist

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_in_pledge_registry

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_mvd_wanted

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_in_black_list

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_fio_birthday_passport_verified

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_passport_expired

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_in_disqualified_list

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_criminal

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

is_in_pdl_list

integer

1 — Найден
0 — Не найден
-1 — Источник не ответил
-2 — Проверка не оплачена
-3 — Не удалось извлечь нужные поля из документа

Базовый OCR

Возвращаем весь найденный текст из любых изображений документов

«Базовый OCR» подойдёт для случаев, когда вам не нужны структурированные данные из документа, а нужно просто извлечь весь текст. Сервис поможет, когда нужно организовать поиск по большому массиву данных. Например, по книге.

Чтобы воспользоваться сервисом, отправьте POST-запрос на URL https://latest.dbrain.io/basic_ocr

Параметры запроса к API

Асинхронный запрос

async — boolean

Если вам нужен асинхронный режим, укажите в запросе async=true. В таком случае в ответ на запрос сервис вернёт в response body параметр task_id. Например:

Используйте этот task_id, чтобы получить результаты классификации в методе result:

Возврат изображений

return_crops — boolean

Поведение по умолчанию: false — сервис не возвращает изображения найденных слов
true — сервис возвращает изображения найденных слов

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Функция тегирует запросы по вашему усмотрению. Это упрощает отслеживание пакетов документов, связанных с конкретным клиентом. Для использования функции, укажите в параметре task_tags удобный вам тег: task_tags=тэг

Движок извлечения текста

engine — string

Поведение по умолчанию: i — основной движок извлечения текста, работает в локальных версиях сервиса. Мы не рекомендуем менять этот параметр без прямого указания от нашей службы поддержки.
g — второй альтернативный движок извлечения текста, работает только в облачной версии решения.

Рукописный текст

handwritten — boolean

Поведение по умолчанию: false — сервис ожидает документ, в котором содержится только печатный текст
true — сервис ожидает документ, в котором содержатся рукописные символы

Язык извлечения текста

language — string

Поведение по умолчанию: rus — русский язык.
eng — английский язык.
any — смесь русского, английского и других языков.

Тело запроса к API

Изображение

image — string ($binary)

Обязательно для передачи в запросе. Сервис ожидает изображение в двоичном виде.

В ответе на запрос API:

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
error — string, текстовое описание ошибки
task_tags — array[string], теги, если они переданы в параметре task_tags
success — boolean, статус выполнения запроса
result — массив, содержит смысловую часть ответа
- pages — массив, содержит страницы документа
  - text — массив, содержит весь найденный на странице текст
    text — весь текст на странице
    confidence — уровень уверенности алгоритма в корректности извлечения всего текста в блоке. Считается как усреднённый уровень уверенности по словам
    coords — координаты текста на документе по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - blocks — массив, который содержит найденные на странице блоки текста — например абзацы
    block — текст блока
    confidence — уровень уверенности алгоритма в корректности извлечения всего текста в блоке, считается как усреднённый уровень уверенности по словам
    coords — координаты блока на странице по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - words — массив, содержит найденные на странице слова
    word — текст слова
    confidence — уровень уверенности алгоритма в корректности извлечения текста слова
    coords — координаты слова на странице по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - letters — массив, который содержит найденные на странице буквы
    letter — текст буквы
    confidence — уровень уверенности алгоритма в корректности извлечения текста буквы

Селфи-чек

Сравниваем лицо человека с лицом на фотографии в документе в рамках одного изображения

Сервис предназначен для обработки селфи с документами — фотографии, где видно и лицо человека, и документ, который он держит в руках. Дополнительно сервис проверяет, что человек предоставил именно главный разворот паспорта РФ, а также сообщает дополнительную информацию о положении головы, глазах и рте.

Параметры запроса к сервису

Асинхронный запрос

async — boolean

Используйте этот task_id, чтобы получить результаты классификации в методе result:

Возврат найденных областей изображения

return_crops — boolean

Поведение по умолчанию: return_crops=false — cервис не возвращает найденные области изображения.

Если вам нужны найденные сервисом области изображения, укажите return_crops=true. Сервис вернёт в ответе API в параметре crop найденные области изображения с лицами.

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Тело запроса к API

Изображение

image — string ($binary)

Изображение обязательно для передачи в запросе. Сервис ожидает изображение в двоичном виде.

В ответе на запрос API:

Иллюстрация к понятиям yaw, pitch и roll

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
error — string, текстовое описание ошибки
task_tags — array[string], теги, если они переданы в параметре task_tags
success — boolean, статус запроса
- true — запрос выполнен успешно
- false — запрос не выполнен
status_code — integer, HTTP-код статуса запроса
- 200 — запрос выполнен успешно
items — массив, содержащий смысловую часть ответа сервиса
- distance — number от 0 до 1, чем больше число, тем сильнее различаются лица
- same_face — boolean, бинарный признак схожести лиц на двух изображениях
  - true — если distance меньше или равен 0.6
  - false — если distance больше 0.6
- warnings — массив, описывающий предупреждения и ошибки, возможные значения:
  - More than two face detected — найдено более 2 лиц
  - No face detected on image — лицо вне документа не найдено
  - No face photo detected in document — фотография с лицом в документе не найдена
  - No document detected on image — на изображении не найден документ
  - Document type doesn't match requested — найденный тип документа не соответствует главному развороту паспорта РФ
  - Head yaw is too high — поворот головы относительно вертикальной оси превышает ±5 градусов (здесь и далее ISO/IEC 19794-5)
  - Head pitch is too high — наклон головы вверх или вниз относительно горизонтальной оси, проведённой через уши, превышает ±5 градусов
  - Head roll is too high — наклон головы налево или направо относительно горизонтальной оси, проведённой через нос, превышает ±5 градусов
  - Left eye closed — левый глаз закрыт
  - Left eye occluded — левый глаз заслонён более, чем на 5%
  - Right eye closed — правый глаз закрыт
  - Right eye occluded — правый глаз заслонён более, чем на 5%
  - Mouth occluded — рот заслонён более, чем на 5%
- faces и faces_on_document — объекты, содержащие информацию о лице человека и о лице с фотографии в документе соответственно:
  - confidence — number от 0 до 1, уровень уверенности модели, что на изображении найдено именно лицо, а не что-то другое
  - coords — массив, координаты лица на изображении по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - rotation — integer, в котором закодирована ориентация лица
    0 — поворот не требуется
    1 — требуется поворот на 90 градусов
    2 — требуется поворот на 180 градусов
    3 — требуется поворот на 270 градусов
  - head — объект, содержащий оценку положения головы в трёх измерениях
    pitch — number от -180 до 180: оценка наклона головы вверх или вниз относительно горизонтальной оси, проведённой через уши, где 0 — нет наклона.
    yaw — number от -180 до 180: оценка поворота головы налево или направо относительно вертикальной оси, где 0 — нет поворота.
    roll — number от -180 до 180: оценка наклона головы налево или направо относительно горизонтальной оси, проведённой через нос, где 0 — нет наклона.
  - left_eye — объект, содержащий оценку левого глаза
    occluded — number от 0 до 1, где 0 — глаз ничем не заслонён, а 1 — глаз полностью заслонён
    open — true/false, где true — глаз открыт
  - right_eye — объект, содержащий оценку правого глаза
    occluded — number от 0 до 1, где 0 — глаз ничем не заслонён, а 1 — глаз полностью заслонён
    open — true/false, где true — глаз открыт
  - mouth — объект, содержащий оценку рта
    occluded — number от 0 до 1, где 0 — рот ничем не закрыт, а 1 — рот полностью закрыт
- document — объект, содержащие информацию о документе на изображении, из которого сервис взял фотографию для сравнения
  - confidence — number от 0 до 1, уровень уверенности модели, что на изображении найдено именно лицо, а не что-то другое
  - coords — массив, координаты документа на изображении по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - rotation — integer, в котором закодирована ориентация лица
    0 — поворот не требуется
    1 — требуется поворот на 90 градусов
    2 — требуется поворот на 180 градусов
    3 — требуется поворот на 270 градусов

Остальные поля не несут практического смысла. Оставили их для совместимости со старыми версиями

Сравнение лиц

Сравниваем лица на двух изображениях и даём оценку их схожести

Если на изображении несколько лиц, сервис выберет лицо, которое занимает большую площадь кадра, так что фото с друзьями и котами не возбраняются. Помимо сравнения лиц сервис сообщает дополнительную информацию о положении головы, глазах и рте.

Параметры запроса к сервису

Асинхронный запрос

async — boolean

Если вам нужен асинхронный режим, укажите в запросе async=true. В ответ на запрос сервис вернёт в response body параметр task_id. Например:

Используйте этот task_id, чтобы получить результаты классификации в методе result:

Возврат найденных областей изображения

return_crops — boolean

Поведение по умолчанию: return_crops=false — cервис не возвращает найденные области изображения.

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Тело запроса к API

Сервис ожидает два изображения в атрибутах image1 и image2.

Изображение

image1 — string ($binary)

image2 — string ($binary)

Оба изображения обязательны для передачи в запросе. Сервис ожидает изображение в двоичном виде.

В ответе на запрос API:

Иллюстрация к понятиям yaw, pitch и roll

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
error — string, текстовое описание ошибки
task_tags — array[string], теги, если они переданы в параметре task_tags
success — boolean, статус запроса
- true — запрос выполнен успешно
- false — запрос не выполнен
status_code — integer, HTTP-код статуса запроса
- 200 — запрос выполнен успешно
items — массив, содержащий смысловую часть ответа сервиса
- distance — number от 0 до 1, чем больше число, тем сильнее различаются лица
- warnings — массив, описывающий предупреждения и ошибки, возможные значения:
  - More than one face detected on image 1 — найдено более 1 лица на изображении 1
  - More than one face detected on image 2 — найдено более 1 лица на изображении 2
  - No face detected on image1 — лицо не найдено на изображении 1
  - No face detected on image2 — лицо не найдено на изображении 2
  - Head yaw is too high on image 1 — поворот головы относительно вертикальной оси превышает ±5 градусов (здесь и далее ISO/IEC 19794-5) на изображении 1
  - Head yaw is too high on image 2 — поворот головы относительно вертикальной оси превышает ±5 градусов (здесь и далее ISO/IEC 19794-5) на изображении 2
  - Head pitch is too high on image 1 — наклон головы вверх или вниз относительно горизонтальной оси, проведённой через уши превышает ±5 градусов на изображении 1
  - Head pitch is too high on image 2 — наклон головы вверх или вниз относительно горизонтальной оси, проведённой через уши, превышает ±5 градусов на изображении 2
  - Head roll is too high on image 1 — наклон головы налево или направо относительно горизонтальной оси, проведённой через нос, превышает ±5 градусов на изображении 1
  - Head roll is too high on image 2 — наклон головы налево или направо относительно горизонтальной оси, проведённой через нос, превышает ±5 градусов на изображении 2
  - Left eye closed on image 1 — левый глаз закрыт на изображении 1
  - Left eye closed on image 2 — левый глаз закрыт на изображении 2
  - Left eye occluded on image 1 — левый глаз заслонён более, чем на 5% на изображении 1
  - Left eye occluded on image 2 — левый глаз заслонён более, чем на 5% на изображении 2
  - Right eye closed on image 1 — правый глаз закрыт на изображении 1
  - Right eye closed on image 2 — правый глаз закрыт на изображении 2
  - Right eye occluded on image 1 — правый глаз заслонён более, чем на 5% на изображении 1
  - Right eye occluded on image 2 — правый глаз заслонён более, чем на 5% на изображении 2
  - Mouth occluded on image 1 — рот заслонён более, чем на 5% на изображении 1
  - Mouth occluded on image 2 — рот заслонён более, чем на 5% на изображении 2
- same_face — boolean, бинарный признак схожести лиц на двух изображениях
  - true — если distance меньше или равен 0.4
  - false — если distance больше 0.4
- faces1 и faces2 — объекты, содержащие информацию о лице с изображения 1 и изображения 2 соответственно:
  - confidence — number от 0 до 1, уровень уверенности модели, что на изображении найдено именно лицо, а не что-то другое
  - coords — массив, координаты лица на изображении по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - rotation — integer, в котором закодирована ориентация лица
    0 — поворот не требуется
    1 — требуется поворот на 90 градусов
    2 — требуется поворот на 180 градусов
    3 — требуется поворот на 270 градусов
  - head — объект, содержащий оценку положения головы в трёх измерениях
    pitch — number от -180 до 180: оценка наклона головы вверх или вниз относительно горизонтальной оси, проведённой через уши, где 0 — нет наклона.
    yaw — number от -180 до 180: оценка поворота головы налево или направо относительно вертикальной оси, где 0 — нет поворота.
    roll — number от -180 до 180: оценка наклона головы налево или направо относительно горизонтальной оси, проведённой через нос, где 0 — нет наклона.
  - left_eye — объект, содержащий оценку левого глаза
    occluded — number от 0 до 1, где 0 — глаз ничем не заслонён, а 1 — глаз полностью заслонён
    open — true/false, где true — глаз открыт
  - right_eye — объект, содержащий оценку правого глаза
    occluded — number от 0 до 1, где 0 — глаз ничем не заслонён, а 1 — глаз полностью заслонён
    open — true/false, где true — глаз открыт
  - mouth — объект, содержащий оценку рта
    occluded — number от 0 до 1, где 0 — рот ничем не закрыт, а 1 — рот полностью закрыт

Остальные поля не несут практического смысла. Оставили их для совместимости со старыми версиями

Liveness

Оцениваем фотографию на «живость», чтобы убедиться, что перед нами фото человека, а не снимок экрана или другой фотографии

Чтобы воспользоваться сервисом, отправьте POST-запрос на URL

Параметры запроса к сервису

Асинхронный запрос

async — boolean

Используйте этот task_id, чтобы получить результаты классификации в методе result:

Возврат найденных областей изображения

return_crops — boolean

Поведение по умолчанию: return_crops=false — cервис не возвращает найденные области изображения.

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Функция тегирует запросы по вашему усмотрению. Это упрощает отслеживание пакетов документов, связанных с конкретным клиентом-физлицом. Для использования функции, укажите в параметре task_tags удобный вам тег: task_tags=тэг

Тело запроса к API

Изображение

image — string ($binary)

Изображение обязательно для передачи в запросе. Сервис ожидает изображение в двоичном виде.

В ответе на запрос API:

Иллюстрация к понятиям yaw, pitch и roll

task_id — string, идентификатор запроса, формат: 32 символа, 16-ричная строка
error — string, текстовое описание ошибки
task_tags — array[string], теги, если они переданы в параметре task_tags
success — boolean, статус запроса
- true — запрос выполнен успешно
- false — запрос не выполнен
status_code — integer, HTTP-код статуса запроса
- 200 — запрос выполнен успешно
result — объект, содержащий смысловую часть ответа сервиса
- liveness_score — number от 0 до 1, чем больше число, тем выше витальность (живость) лица на изображении
- warnings — массив, описывающий предупреждения и ошибки, возможные значения:
  - More than two face detected — найдено более 2 лиц
  - No face detected on image — лицо не найдено
  - Head yaw is too high — поворот головы относительно вертикальной оси превышает ±5 градусов (здесь и далее ISO/IEC 19794-5)
  - Head pitch is too high — наклон головы вверх или вниз относительно горизонтальной оси, проведённой через уши, превышает ±5 градусов
  - Head roll is too high — наклон головы налево или направо относительно горизонтальной оси, проведённой через нос, превышает ±5 градусов
  - Left eye closed — левый глаз закрыт
  - Left eye occluded — левый глаз заслонён более, чем на 5%
  - Right eye closed — правый глаз закрыт
  - Right eye occluded — правый глаз заслонён более, чем на 5%
  - Mouth occluded — рот заслонён более, чем на 5%
- face — объекты, содержащие информацию о лице человека:
  - confidence — number от 0 до 1, уровень уверенности модели, что на изображении найдено именно лицо, а не что-то другое
  - coords — массив, координаты лица на изображении по четырём точкам: верхний левый угол, верхний правый, нижний левый, нижний правый
  - rotation — integer, в котором закодирована ориентация лица
    0 — поворот не требуется
    1 — требуется поворот на 90 градусов
    2 — требуется поворот на 180 градусов
    3 — требуется поворот на 270 градусов
  - head — объект, содержащий оценку положения головы в трёх измерениях
    pitch — number от -180 до 180: оценка наклона головы вверх или вниз относительно горизонтальной оси, проведённой через уши, где 0 — нет наклона.
    yaw — number от -180 до 180: оценка поворота головы налево или направо относительно вертикальной оси, где 0 — нет поворота.
    roll — number от -180 до 180: оценка наклона головы налево или направо относительно горизонтальной оси, проведённой через нос, где 0 — нет наклона.
  - left_eye — объект, содержащий оценку левого глаза
    occluded — number от 0 до 1, где 0 — глаз ничем не заслонён, а 1 — глаз полностью заслонён
    open — true/false, где true — глаз открыт
  - right_eye — объект, содержащий оценку правого глаза
    occluded — number от 0 до 1, где 0 — глаз ничем не заслонён, а 1 — глаз полностью заслонён
    open — true/false, где true — глаз открыт
  - mouth — объект, содержащий оценку рта
    occluded — number от 0 до 1, где 0 — рот ничем не закрыт, а 1 — рот полностью закрыт

Остальные поля не несут практического смысла. Оставили их для совместимости со старыми версиями

Установка на сервер

Написали инструкцию, чтобы вы смогли развернуть решение Dbrain в собственном закрытом IT-контуре

Функциональность локальной версии

Локальная версия в отличие от облачной имеет ограниченную функциональность.

Поддерживаются:

- Россия: паспорт, главный разворот, печатный образец — passport_main
- Россия: паспорт, главный разворот, рукописный образец — passport_main_handwritten
- Россия: паспорт, место жительства, печатный штамп — passport_registration
- Россия: паспорт, место жительства, рукописный штамп — passport_registration_handwritten
- Россия: паспорт, место жительства, штамп о снятии с регистрации — passport_registration_deregistered
- Россия: Водительское удостоверение, лицевая сторона — driver_license_2011_front
- Россия: Водительское удостоверение, обратная сторона, образец 2011 года — driver_license_2011_back
- Россия: Водительское удостоверение, обратная сторона, образец 2014 года — driver_license_2014_back
- Россия: СТС, лицевая сторона — vehicle_registration_certificate_front
- Россия: СТС, лицевая сторона — vehicle_registration_certificate_back
- Россия: СНИЛС образца 1996 года — snils_front
- Россия: СНИЛС образца 2003 года — insurance_plastic
- Россия: СНИЛС образца 2019 года — adi_reg
- Россия: ИНН физлица — inn_person
- Россия: свидетельство о рождении — birth_certificate
- Россия: свидетельство о браке — marriage_certificate
- Россия: ПТС, лицевая сторона — pts_front
- Россия: ПТС, обратная сторона — pts_back
- Банковская карта — bank_card

Требования к аппаратной части

Сценарии использования:

Оценили скорость распознавания на изображениях этих документов в формате JPEG:

Паспорт РФ — главный разворот
Паспорт РФ — прописка с печатными и рукописными штампами
Водительское удостоверение — лицевая сторона
Водительское удостоверение — обратная сторона 2011 и 2014 годов
СТС — лицевая и обратная стороны
СНИЛС — образец 1996 года

1. Минимальный

Обработка одного документа: 10 секунд
Обработка комплекта из 100 документов: 100 секунд (1 RPS)

Виртуальная машина
Процессор: 16 ядер, 2.0 GHz, ориентир: Intel Skylake Xeon E3 v5
Оперативная память: 24 Gb

2. Дешёвый

Обработка одного документа: 5 секунд
Обработка комплекта из 100 документов: 66 секунд (1.5 RPS)

Виртуальная машина
Видеокарта: Nvidia Tesla T4
Процессор: 20 ядер, 2.0 GHz, ориентир: Intel Skylake Xeon E3 v5
Оперативная память: 32 Gb

3. Стандартный

Обработка одного документа: 3 секунды
Обработка комплекта из 100 документов: 50 секунд (2 RPS)

Физический сервер
Видеокарта: Nvidia Tesla T4
Оперативная память: 64 Gb
SSD 512 Gb

4. Корпоративный

Обработка одного документа: 3 секунды
Обработка комплекта из 100 документов: 15 секунд (6.5 RPS)

Балансировщик (2 сервера):

Процессор: 2 ядра
Оперативная память: 2 Gb

База данных (PostgreSQL, 2 сервера):

Процессор: 8 ядер
Оперативная память: 64 Gb
Накопитель: 512 Gb NVMe (допустимо использование SSD)

Сервисы (2 сервера):

Видеокарта (x3): Nvidia Tesla T4
Оперативная память: 256 Gb
Накопитель: 512 Gb SSD

Выше перечислены аппаратные требования для продуктивной эксплуатации. Dbrain запускается и на слабых конфигурациях. Например, на ноутбуке Core i5-8250U 1.6 GHz / 8 Gb ОЗУ / 250 Gb SSD. Но работоспособность на таких слабых конфигурациях не гарантируется.

Требования к окружению:

Современная операционная система на базе Linux (выпуска 2018 года или новее)
Система менеджмента контейнеров Docker
docker-compose
Для использования мощностей видеокарт нужны:
1. nvidia-docker
2. Драйвера Nvidia последней доступной версии
3. CUDA версии не ниже 11.1
Доступ в интернет для проверки лицензии:
- Адрес: https://license.ml.dbrain.io/check/v2
- IP: динамический
- Порт: 443
- Протокол: TCP
- Запрос: POST

Запуск локальной версии Dbrain

Создайте файл с названием docker-compose.yml
Скопируйте конфигурацию ниже и вставьте его в docker-compose.yml:

Если на вашем сервере доступна видеокарта, допишите в раздел environment файла строку ALLOW_GPU: true
Если вы используете прокси для доступа к сервису лицензий, укажите его в параметре LICENSE_TOKEN раздела environment
Сохраните изменения в файле docker-compose.yml
Залогиньтесь через докер для доступа в наш репозиторий. Для этого выполните команду:

Введите логин r@b@t$docr+docr и пароль p2JDaaFKIDEoddf8mho7
Проверьте, что сервис лицензий доступен. Для этого выполните команду:

Если ответ 405 — всё хорошо. В противном случае вам нужно открыть нашему сервису доступ до этого адреса.
Запустите сервис следующей командой:

Подождите, когда сервис полностью развернётся. В логах появится надпись вида INFO: Uvicorn running on http://0.0.0.0:80

Сервис развёрнут локально. Теперь вы можете обращаться к нему по API. Примеры корректных запросов можно получить в свагере, он доступен по адресу localhost:8080/docs

Локально доступные методы:

Классификация документов: /pipelines/run/classify
Проверка документов на признаки подделки: /pipelines/run/fraud
Базовый OCR: /pipelines/run/fulltext
Извлечение данных из документов: /pipelines/run/recognize

Бухгалтерская первичка

Извлекаем данные из первичных документов

Классифицируем и распознаём 16 видов официальных документов, которые используются в бухгалтерском учете и налогообложении. Дальше — больше.

Типы первичных документов, с которыми работает сервис

Перечень извлекаемых полей

Как начать работать с сервисом извлечения данных

Подготовьте изображение документа для теста.

Через веб-демо

Введите ключ лицензии в поле «Токен» и нажмите «Применить»
Выберите «Бухгалтерская первичка»
Нажмите кнопку «Выберите файл для распознавания»
Укажите изображение, которое нужно распознать
Нажмите кнопку «Распознать»

Через терминал

token — ваш ключ лицензии
image — файл с изображением документа

Запрос curl должен выглядеть так:

Через Swagger

Подготовьте ключ лицензии
Введите свой токен в любое поле и нажмите Authorize
Прокрутите вниз до раздела pipelines/run/rus_invoices, нажмите на него
В открывшемся разделе нажмите на кнопку Try it out
Прокрутите страницу вниз до раздела Request body
Нажмите на кнопку Choose file пункта image
Укажите изображение, которое нужно распознать
Нажмите кнопку Execute
Ответ сервиса появится в пункте Response body раздела Responses
Полученный на этом этапе Curl мы рекомендуем использовать как основу для написания интеграции с API сервиса Dbrain

Через Python

Тело запроса передавайте в кодировке UTF-8.

Через 1С

Параметры запроса к API

Асинхронный запрос

async — boolean

Используйте этот task_id, чтобы получить результат работы сервиса в методе result:

Возврат найденных областей изображения

return_crops — boolean

true — сервис вернёт в ответе API найденные области изображения с документами
false (по умолчанию) — cервис не вернёт найденные области изображения

Ответ приходит в объект images массива result

Тегирование запроса

task_tags — string array

Поведение по умолчанию: параметр не используется.

Нормализация адресов по ФИАС

normalization_fias — boolean

false (по умолчанию) — сервис не нормализует адреса

Верификация результатов извлечения полей

verification — string

disabled (по умолчанию) — сервис сразу возвращает результаты работы алгоритмов

Тело запроса к API

Изображение

image — string ($binary)

Изображение обязательно для передачи в запросе. Сервис ожидает изображение документа в двоичном виде

В ответе на запрос к API:

Требования к технической поддержке

Техническая поддержка участников информационного взаимодействия.

Услуги, описанные данным пунктом, оказываются Лицензиаром уполномоченным сотрудникам Лицензиата, использующим программу для ЭВМ (ПО «Dbrain») на условиях простой (неисключительной) лицензии, а также обеспечивает гарантийную поддержку ПО в целях исполнения бизнес-задач Лицензиата. В случае возникновения проблем во взаимодействии информационных систем, либо выявлении проблем с оказанием услуг, Лицензиар осуществляет регистрацию запроса на техническую поддержку в своей системе контроля и управления функционированием (СКУФ).

1. Состав услуги

Услуги по технической и информационной поддержке Лицензиата включают:

прием, регистрацию, классификацию и обработку запросов, выявленных средствами мониторинга и контроля функционирования ПО «Dbrain»;
анализ и решение запросов по ПО «Dbrain», переданному Лицензиату в рамках Договора;
отслеживание и эскалация запросов, срок решения которых истек.

2. Требования по порядку оказания услуг

В рамках оказания Услуги по неограниченной технической поддержке Программы Стороны согласовали следующие условия обработки инцидентов и уровня сервиса.Если Лицензиат информирует Лицензиара о возникновении технических проблем, Лицензиар предоставляет Лицензиату поддержку в виде информации об исправлении и предотвращении ошибок или предлагает альтернативный путь решения проблем. Лицензиат может направить Лицензиару сообщение о возникновении технических проблем (так называемый «инцидент») в любое время. Запросы к технической поддержке осуществляются по следующему адресу электронной почты Лицензиара: support@dbrain.io. Также запросы принимаются через бот Лицензиара в интернет-мессенджере Telegram: @dbrain_support_bot и по номеру телефона: +7 495 127 72 51

3. Требования по качеству оказания услуг:

Приоритизация запросов осуществляется по следующим правилам:

Инциденты с Приоритетом 1 («очень высокий»). Лицензиар реагирует на инциденты с Приоритетом 1 в течение 1 (одного) часа после получения Лицензиаром таких инцидентов (в будние дни, с 09:00 до 18:00 по московскому времени). Инциденту присваивается Приоритет 1, если возникшая проблема имеет очень серьезные последствия для осуществления обычных бизнес-операций и выполнение срочных, критичных для бизнеса работ становится невозможным. Обычно к таким обстоятельствам относятся следующие: полная потеря работоспособности системы, сбои в ключевых функциях системы, критичные проблемы, и в каждом из таких случаев обходные решения недоступны.

Инциденты с Приоритетом 2 («высокий»). Лицензиар реагирует на инциденты с Приоритетом 2 в течение 4 (четырех) часов после получения Лицензиаром таких инцидентов (в будние дни, с 09:00 до 18:00 по московскому времени). Инциденту присваивается Приоритет 2, если выполнение стандартных бизнес-операций в продуктивной системе значительно затруднено, и нет возможности выполнять ряд необходимых задач. Такая ситуация является результатом некорректной или неверной работы в продуктивной системе функций, предназначенных для выполнения таких операций и (или) задач.

Требования по времени предоставления корректирующих мер для инцидентов с Приоритетом 1:

Лицензиар предоставляет решение, метод обхода ошибки или план действий по решению проблемы (далее - «Корректирующие меры») для инцидентов Лицензиата, имеющих Приоритет 1, в течение 8 часов с момента получения таких сообщений (в будние дни, с 09:00 до 18:00 по московскому времени).

В случае, если в качестве Корректирующей меры Лицензиату предоставляется план действий по решению проблемы, такой план включает:

информацию о статусе процесса решения проблемы;
информацию о запланированных дальнейших шагах, с указанием ответственных лиц, назначенных Лицензиаром;
информацию о необходимых действиях Лицензиата по поддержке процесса решения проблемы;
по мере возможности, планируемые даты осуществления мер, предпринимаемых со стороны Лицензиара;
дату и время следующего обновления статуса со стороны Лицензиара.

Дальнейшие обновления статуса включают краткое описание мер, предпринятых до сих пор; информацию о следующих запланированных действиях; а также дату и время следующего обновления статуса. Техническая поддержка для Корректирующих мер относится только к той части времени обработки инцидента, когда инцидент обрабатывается Лицензиатом («Время обработки»). Время обработки не включает периоды, когда инцидент имеет статус «Действие Заказчика». Считается, что условия технической поддержки по Корректирующим мерам выполнены, если в течение 8 часов после получения инцидента: Лицензиар предложил решение (статус «Решение предоставлено ООО «Дибрейн»), метод обхода ошибки или план действий по решению проблемы; или если Лицензиат соглашается снизить приоритет инцидента.

Для инцидентов c Приоритетом 1 Лицензиат должен выполнить следующие дополнительные условия:

проблема и ее влияние на бизнес Лицензиата должны быть описаны настолько подробно, насколько это необходимо Лицензиару для оценки проблемы;
Лицензиат предоставляет для обмена информацией с Лицензиаром контактное лицо, доступное в будние дни, с 09:00 до 18:00 по московскому времени и обладающее достаточными знаниями и навыками для помощи в решении инцидента с Приоритетом 1;
должно быть назначено контактное лицо Лицензиата для открытия удаленного подключения к системе и для предоставления Лицензиару необходимых регистрационных данных для входа в систему Лицензиата.

Исключения. Применительно к Услугам из технической поддержки исключаются, в частности, следующие виды инцидентов:

исходная причина, лежащая в основе инцидента, не является дефектом или неисправностью, а представляет собой исходно отсутствующую функциональность («запрос на разработку»);
инцидент классифицируется как запрос на оказание консультационных услуг Поставщиком.

4. Ограничения

4.1. Действие настоящего Документа не распространяется на случаи Недоступности, вызванные следующими обстоятельствами:

4.1.1. действиями Лицензиата и (или) третьих лиц, в том числе, но не ограничиваясь, использованием оборудования и (или) программного обеспечения третьих лиц, повлекшие за собой Недоступность Решения;

4.1.2. проведением профилактических и Аварийных работ;

4.1.3. требованием государственных органов в соответствии с применимым законодательством;

4.1.4. совершением Лицензиатом запрещенных действий, предусмотренных Договором или Приложениями к нему;

4.1.5. обстоятельствами непреодолимой силы;

4.1.6. нарушением Лицензиата технических ограничений по использованию Решения;

4.1.7. нарушением Лицензиата условий Договора или Приложения к нему.

4.2. Лицензиар не несет ответственности за потерю и (или) повреждение информации и контента Лицензиата, размещенного на ресурсах Лицензиара, произошедшие по вине Лицензиата.

5. Термины

Термины, используемые в настоящем документе, с заглавной буквы и не определенные в Договоре и иных Приложениях к Договору, имеют следующие значения:

Аварийные работы – работы, проводимые Лицензиаром без уведомления Лицензиата, в целях предотвращения аварий и иных обстоятельств, угрожающих безопасности и работоспособности Решения, в том числе, но не ограничиваясь, следующие обстоятельства: несанкционированный доступ третьих лиц к Решению, обстоятельства непреодолимой силы (пожар, наводнение, землетрясение, военные действия, контртеррористические операции, действия и нормативные указания государственных органов, и иные).

Недоступность – интервал времени, в течение которого Решение не соответствует заявленным Лицензиаром параметрам работоспособности. Недоступность определяется индивидуально для каждого Решения.

Changelog

4.14.1 — 2024.03.20

Оптимизировали работу сервиса с изображениями. Благодаря этому, скорость обработки документов с высоким разрешением теперь не уступает скорости обработки документов с низким разрешением.
Усовершенствовали алгоритм извлечения перфорированных символов. Это позволило улучшить распознавание зеркального текста. Такой текст часто встречается на развороте с пропиской в паспорте граждан РФ.
Добавили возможность извлечения серии и номера из разворота 18-19 паспорта РФ. На этом развороте указывается информация о ранее выданных паспортах.
Сервис теперь поддерживает извлечение номеров банковских карт нестандартной длины.
Дата документа в СТС (свидетельстве о регистрации транспортного средства) теперь корректно возвращается в формате дд.мм.гггг.

4.12.0 — 2024.02.29

Увеличили точность определения ориентации банковских карт и второстепенных разворотов паспорта РФ.

4.11.0 — 2024.02.22

Доработали алгоритм чтения нестандартных PDF-файлов, теперь он не совершает ошибок при извлечении изображений.

4.10.0 — 2024.02.14

Swagger в локальной версии сервиса больше не обращается в интернет.

4.9.2 — 2024.01.25

Подняли точность извлечения полей «Марка» и «Модель» в ПТС.

4.7.0 — 2023.12.14

4.5.0 — 2023.11.21

4.4.11 — 2023.11.10

Обучили новый движок распознавания текста, написанного перфорацией. Теперь сервис уверенно извлекает серию-номер с перфорированных страниц паспорта.
Доработали извлечение данных из нестандартных банковских карт: с данными на одной стороне карты и с номером, написанным «лесенкой».
Устранили баг из-за которого сервис замедлялся при работе с большими изображениями.
Исправили баг, который приводил к путанице серии-номера на обратной стороне некоторых водительских удостоверений.
Нашли и обезвредили баг, из-за которого случалось некорректное извлечение многострочного поля «Место рождения» в СНИЛС образца 2003 года.

4.4.9 — 2023.10.30

Теперь возвращаем в прописках раскладку адреса по классификатору адресов КЛАДР.

4.4.7 — 2023.10.16

Исправили возврат координат полей в прописках.

4.4.4 — 2023.09.28

Научили метод recognize возвращать область документа из изображения. Чтобы воспользоваться, передайте параметр return_crops=true, тогда в ответе появится массив doc_crops.
Добавили виды топонимов в адресах прописок в полях address и street. Теперь вместо «Энтузиастов» возвращаем «Шоссе Энтузиастов».
Снова доступен возврат даты регистрации в прописках.

4.2.5 — 2023.06.02

Обновили классификатор документов — теперь он меньше путает типы документов. Обратные стороны водительских удостоверений, например.
Вернули поддержку параметра doc_type в методе recognize. Теперь можно выбрать из каких типов документов, которые лежат в файле, сервис должен извлекать данные.
Вернули извлечение следующих полей из штампов прописок:
- код подразделения — subdivision_code
- место выдачи — issuing_authority
- регион — region
- город — locality
- улица — street
- дом — house
- квартира — apartment
Теперь возвращаем из штампов прописок ещё два поля:
- address_gar — адрес в формате муниципального деления по справочнику ГАР
- fias_id — код адреса по справочнику ФИАС
Включили нормализацию адреса по справочнику ФИАС в штампах прописок по умолчанию.

4.0.0 — 2023.03.29

Переписываем ядро системы сервисов распознавания. Переносим функционал в новую версию, но пока часть запросов будет продолжать обрабатываться через версию 3.7.8. И для локальной установки мы по-прежнему рекомендуем версию 3.7.8.

Основные моменты:

API сделали обратно-совместимым. На вашей стороне ничего не нужно менять.
Скорость обработки одного документа сократилась до 1 секунды.
Добавили извлечение поля «Серия и номер» с разворота «Место жительства» паспорта РФ.

3.7.8 — 2022.12.07

Обновления

Обновили детектор отфотошопленных паспортов РФ. Теперь он идентифицирует больше способов подделки. Воспользоваться им можно с помощью параметра check_fake_visual методов recognize и classify.
Обучили классификатор различать новые виды документов:
- Паспорт: Азербайджан 2013, Кыргызстан 2021, Молдавия 2014, Армения, Беларусия 1996, Казахстан 2014, Узбекистан 2011 и 2020;
- Загранпаспорт: Украина 2015;
- Лицевая и обратная сторона ID-карт Азербайджана 2012 и 2018 годов.
Переписали алгоритм, вычисляющий чёткость изображения. Теперь при оценке чёткости можно полностью полагаться на его показатели.
Научили алгоритм вычислять уровень уверенности для поля «кем выдано» в штампах прописки.
Дополнили ответ метода recognize координатами и ориентацией документа, по аналогии с ответом метода classify.

3.7.7 — 2022.10.05

Обновления

Подняли точность детектора отфотошопленных паспортов РФ. Воспользоваться им можно с помощью параметра check_fake_visual методов recognize и classify
Научили классификатор документов сообщать уровень уверенности в корректности классификации. Методы recognize и classify теперь возвращают параметр confidence
Научились распознавать документы СТД-Р и 182н

Багфиксы

Починили метод fulltext, он сломался в предыдущем релизе

3.7.5 — 2022.08.01

Обновления

Научились классифицировать вид на жительство и свидетельство о регистрации по месту пребывания
Добавили распознавание полей «название подразделения» и «код подразделения» в штампах о регистрации

Багфиксы

Исправили ошибку с некорректной работой ручки face/distance на повёрнутых изображениях

3.7.4 — 2022.07.07

Обновления

Обучили детектор отфотошопленных паспортов России. Воспользоваться им можно с помощью параметра check_fake_visual методов recognize и classify
Научились распознавать ЭПТС
Подняли качество распознавания обеих сторон СТС
Добавили настройку предельного времени ручного распознавания с помощью параметра hitl_deadline_seconds

Багфиксы

Исправили ошибку при чтения некоторых вариантов TIFF-файлов

3.7.3 — 2022.05.20

Обновления

Обучили новый объединённый движок распознавания печатных и рукописных штампов прописок. Метрики точности печатных штампов выросли вдвое, рукописных — ещё на 6%
Проапгрейдили рукописный OCR-движок для документов — теперь лучше извлекаем текст из рукописного паспорта России и европротокола
Добавили возврат координат слов в ответ полнотекстового распознавания

Багфиксы

В паспорте России, СТС, СНИЛС, свидетельстве о рождении и свидетельстве о браке отсутствовали координаты ряда полей
Классификатор источника изображений не работал
Бренд и марка в СТС без использования HITL возвращались одним полем

3.7.2 — 2022.04.29

Обновления

Обучили новый движок распознавания рукописных штампов прописок в паспорте РФ: метрики точности выросли на порядок. Рекомендуем использовать нормализацию по ФИАС параметром normalization_fias=true. Это даёт дополнительный прирост качества
Обновили алгоритм поиска последнего штампа прописки, теперь он меньше ошибается
Заменили движок распознавания зоны MRZ в паспорте РФ, теперь символы в ней распознаются намного уверенней. В результате выросли метрики точности распознавания самих паспортов
Освежили алгоритм распознавания лицевой стороны СТС — выросли метрики по большинству полей, добавили поддержку номеров ЭПТС
Переписали сервис чтения файлов. Теперь он поддерживает конвертацию файлов без расширения и многостраничные TIFF-файлы.

3.7.1 — 2022.04.06

Обновления

Обновили детектор документов на изображении: он стал вдвое быстрей и точней находит границы документов
Повысили качество распознавания всех полей главного разворота паспорта РФ. Для этого мы научили сервис выбирать между данными из машиночитаемой зоны и обычными полями
Переработали алгоритм нормализации поля «место выдачи» в паспорте РФ. Теперь мы применяем для него расширенный словарь собственной разработки. Рекомендуем включить нормализацию для всех запросов параметром use_internal_api=true
Убрали из библиотеки документов водительские удостоверения по форме 1999 года

3.6.10 — 2021.10.21

Фичи

Сократили время распознавания одного документа на 0,4-0,5 секунд
Добавили нормализацию адреса прописки с возвратом кода ФИАС. Используйте параметр normalization_fias=true
Научились извлекать из метаданных изображения широту, долготу, высоту и время снимка. Возвращаем их в поле image_exif

Багфиксы

Исправили возврат в ответе некорректных координат полей в случае подачи на распознавание неправильно ориентированных документов
Перестали путать пустые развороты паспорта с разворотом «Место жительства»
Сократили число ошибок 500 при распознавании штампов прописок
Уточнили зону замазывания даты регистрации в штампе прописок перед отправкой на ручное распознавание: она больше не перекрывает часть адреса

3.6.8 — 2021.10.12

Повысили качество

2-НДФЛ

Фичи

Научили метод /fulltext_by_lines распознавать русский рукописный текст. Для распознавания укажите в параметре language значение handwritten_rus.
Научили сервис обрабатывать изображения в формате HEIF.
Добавили в методы /recognize и /classify массив task_tags, в котором можно указывать произвольные тэги запросов. Функцию можно использовать для сверки биллинга в случае с объединением документов в пакеты.
Добавили в методы /recognize и /classify параметр return_crops. В положении false сервис перестаёт возвращать изображения. Функцию можно использовать для экономии трафика и для удобства отладки — с ней ответ сервиса становится более читабельным.
Добавили в метод /recognize параметр first_occurrence_only. В положении true при обработке PDF сервис возвращает только первый найденный документ запрашиваемого класса. Это позволяет сократить время ответа сервиса.
Сервис теперь замазывает дату регистрации в штампе прописки перед отправкой на ручное распознавание

3.5.12 — 2021.03.31

Фичи

Добавили параметр merge_and_name в методе /recognize. Укажите в нём нужное вам название, чтобы объединить все распознанные поля всех документов в один документ.
Dbrain теперь генерирует более осмысленные логи, которые удобней читать

Багфиксы

Исправили возврат некорректных координат полей в методе /recognize
Научились распознавать 2-НДФЛ и счета-фактуры в закрытом IT-контуре, раньше модель однократно подгружалась из Интернета
Теперь возвращаем корректное значение серии-номера СТС на образцах, где ГИБДД продублировала их дважды

3.5.10 — 2021.03.05

Добавили документы

Паспорт Украины 1994 года, машинопечатный образец, второй разворот

Повысили качество

Обновили алгоритм распознавания полнотекстовых документов в методе fulltext_by_lines. Качество распознавания выросло. Метод теперь возвращает результаты в виде отдельных слов, а не строчек
Усилили классификатор дополнительным обучением на паспортах Украины
Научились лучше распознавать ФИО и даты на главном развороте паспортов Украины образца 1994 года

Багфиксы

Исправили ошибку в эвристиках СТС. В единичных случаях баг приводил к возврату полей, не соответствующих документации

Фичи

Добавили параметр hitl_field_to_recognize. В нём можно перечислить поля документа, которые нужно распознать вручную
Методы /selfie , /distance и /face теперь возвращают вырезанные из изображений лица, их координаты и угол поворота; метод /selfieвозвращает тип документа на изображении
Добавили возврат пороговых значений confidence для целевого уровня точности распознавания в методе /metrics

3.5.8 — 2021.02.19

Повысили качество

Обновили алгоритмы поиска и сравнения лиц. Dbrain теперь лучше находит лица на сложных изображениях и обеспечивает отсутствие ложноположительных результатов сравнения
Паспорт России, главный разворот: повысили качество распознавания серии-номера
Паспорт Украины образца 2016 года: лицевая и обратная сторона
Паспорт Украины образца 1994 года, машинопечатный образец, главный разворот

Багфиксы

Исправили занижение confidence поля серия-номер на главном развороте паспорта России
Исправили баг, который в ряде случаев мешал находить штамп о регистрации на странице прописок
Исправили редкий баг, приводивший к ошибке 500 вместо результатов распознавания

Фичи

Добавили новый класс документа — passport_registration_handwritten. Он присваивается страницам паспорта, в которых последняя печать о регистрации рукописная.
Добавили возврат л.с. и кВт в ПТС отдельными полями engine_hp и engine_kw
Добавили комплексную проверку паспорта по внешним источникам. Она доступна в параметре external_check_passport_complex
Добавили возможность посимвольного возврата текста полей документов с ручного распознавания. За это отвечает новый параметр hitl_symbol_field. Для перечисленных в нём полей вернётся второй вариант ответа без нормализации по словарям и маскам.

3.5.7 — 2021.02.03

Добавили документы

Удостоверение личности Казахстана 2014 года: лицевая и обратная сторона
Удостоверение личности Казахстана 1994 года: лицевая и обратная сторона

Повысили качество

Научились уверенно распознавать половинки разворотов ПТС
Добавили эвристику к полю «Код подразделения» в Паспорте РФ, теперь поле возвращается строго по маске ddd-ddd

Багфиксы

Исправили баг с некорректным значением параметра rotation в ответе классификатора
Исправили ошибку при использовании параметра check_fake на некоторых изображениях

Фичи

Оптимизировали работу решения под нагрузкой
Локальные версии Dbrain теперь используют меньше подключений к MongoDB
Полностью переписали алгоритм обработки PDF. Теперь не нужно указывать дополнительные параметры в запросе, а PDF обрабатываются намного быстрее.
Научили классификатор возвращать четыре новых параметра, описывающих качество входящего изображения:
- image_exposure
  - normal — нормальные
  - overexposed — переэкспонированные, пересвеченные
  - underexposed — недоэкспонированные, слишком тёмные
- image_blured — смазанные
- low_image_resolution — недостаточное разрешение изображения
- low_image_weight — недостаточный вес изображения.
Допустимые значения вы можете задать самостоятельно в запросе к классификатору.
Добавили возможность распознавания смешанного русско-английского текста в неструктурированных документах в методе full_text_by_lines, для этого нужно выбрать язык multilang
Научились распознавать QR-коды на документах
Добавили возврат HTTP Status Code 213 для редких кейсов, когда ручное распознавание не уложилось в предельный SLA по времени

3.5.6 — 2020.12.23

Повысили качество

Рукописный паспорт России
Обратная сторона ВУ-2011 и ВУ-2014: поля «особые отметки», «серия-номер»
Обратная сторона СТС
2-НДФЛ: поле «месяц»
Алгоритм поиска границ документа теперь лучше справляется с разворотами документов, например с паспортами

Фичи

Добавили проверки документов по базам через наших партнёров — IDX. За это отвечают параметры API external_check_***

3.5.5 — 2020.11.27

Добавили документы

Рукописный паспорт России
Паспорт Украины образца 2016 года: лицевая и обратная сторона
Паспорт Украины образца 1994 года, машинопечатный образец, главный разворот
Удостоверение личности Казахстана 2008 года: лицевая и обратная сторона

Повысили качество

Машинопечатный паспорт России
ПТС: лицевая сторона
2-НДФЛ — теперь распознаём все поля

Исправили

Устранили редкую ситуацию с зависанием задачи
Добавили обработку файлов с некорректным расширением, например image.jpg?=
Исправили несколько сценариев в алгоритме распознавания, которые приводили к внутренней ошибке 500.

3.5.4 — 2020.11.03

Повысили качество

Доработали распознавание «половинок» главного разворота Паспорта России и ПТС
Обучили алгоритм поиска границ документов аккуратней обращаться с документами, в которых «подвал» находится на расстоянии от основной части документа.

Исправили

Локальные версии Dbrain больше не пишут избыточный объём логов на накопитель

3.5.3 — 2020.10.30

Повысили качество

Научили классификатор корректно обрабатывать половинки документов, например одну страницу паспорта вместо разворота.

Фичи

Добавили параметр priority для асинхронных запросов. Чем больше число, тем раньше балансировщик возьмёт запрос из очереди в обработку.
Добавили эндпоинт /cancel для асинхронных запросов. С его помощью можно отменить запрос, если он потерял актуальность. Это позволит быстрее получить результаты других запросов.

Прочие улучшения

Dbrain теперь эффективно обрабатывает большое число одновременных запросов.

3.5.2 — 2020.09.30

Добавили документы

Счёт-фактура rus_invoice

Повысили качество

Обновили алгоритм вырезания документов из входящих изображений: теперь он лучше справляется со сложными случаями
ВУ-2011, обратная сторона: улучшили распознавание поля «особые отметки»
ВУ-1999, пластиковый образец: снизили число ложных распознаваний категории «А»

Фичи

Добавили параметр API simple_cropper. В положении «true» применяется упрощённый алгоритм вырезания документа от фона. Результаты классификации и распознавания в этом режиме могут быть чуть менее точными. Используйте этот параметр, если экономия 1 секунды даёт вам преимущества. По умолчанию simple_cropper не используется.

3.5.1 — 2020.09.23

Повысили качество

ПТС, лицевая сторона: значительно улучшили поля: марка, модель, VIN, шасси, кузов; улучшения по всем остальным полям

3.5.0 — 2020.09.22

Улучшения качества распознавания документов

Паспорт России, главный разворот: все поля
СТС, лицевая сторона, значительно улучшили поля: марка, модель, мощность двигателя, модель двигателя, номер двигателя, серия ПТС, номер ПТС, регистрационный знак, номер кузова, VIN; незначительные улучшения по другим полям
СТС, обратная сторона, значительно улучшили поля: город, имя, фамилия, отчество, республика.
Загранпаспорт России 2007, улучшили поля: имя, орган
Загранпаспорт России 2014, улучшили поля: имя, место рождения
ВУ-1999, бумажные, лицевая сторона: нижняя серия-номер теперь возвращается латиницей

Прочие улучшения

Скорректировали подсчёт уровня уверенности распознавания confidence
Обновили библиотеки обработки изображений и конвертации PDF
Паспорт России, прописка: дополнительно возвращаем информацию из печати с разбивкой на поля

3.4.7 — 2020.09.19

Добавили документы

СНИЛС: пластиковый образец
Полис ОМС: пластиковый образец Москвы

Повысили качество

Паспорт России, разворот с прописками: улучшили распознавание штампов прописки
ВУ-2011, обратная сторона, улучшили поля: C, CE
ВУ-2014, обратная сторона, улучшили поля: C, C1, CE, C1E
СТС, обратная сторона, улучшены поля: фамилия, дата, серия, номер и город
Свидетельство о рождении, добавили поля: место рождения, запись акта о рождении, место государственной регистрации, серия, номер
Свидетельство о заключении брака, добавили поля: запись акта о заключении брака, место государственной регистрации, серия, номер
Свидетельство о расторжении брака, добавили поля: запись акта о расторжении брака, место государственной регистрации, серия, номер
Свидетельство о смерти, добавили поля: запись акта о смерти, место государственной регистрации, серия, номер

Исправили

Устранили утечку памяти

3.4.6.1 — 2020.09.03

Фичи

Новый параметр API hitl_async=true разрешает возврат неполного состава полей документа не дожидаясь окончания распознавания всех полей. Параметр работает только при использовании режима ручного распознавания документов with_hitl=true. В параметре hitl_required_fields нужно перечислить названия полей документа, после обработки которых HITL может возвращать неполный ответ. Ответ с неполным составом полей сопровождается кодом 202, полный — кодом 200.
Параметр use_external_api получил статус устаревшего. Обогащение ответов из внешних источников теперь контролируется в конфигах локальных версий.

Исправили

Вернули качество распознавания заграничных паспортов России 2007 и 2014 из версии 3.4.5.
Добавили обнуление уверенности в распознавании поля confidence, если ответ системы не удалось привести к допустимому значению. В поле ответа в таком случае будет пустая строка "text": "" .
Исправили поля серия и номер в заграничном паспорте России 2014 года, в версии 3.4.6 они были перепутаны.