标签：类型 vpd apk sum 未能 录屏 img 基本 ==
1 前言前面有两篇文章分别介绍过华为HMS MLKit的银行卡识别功能，第一篇是写的怎么简单集成银行卡识别，实现银行卡绑定功能，第二篇又给大家介绍了下银行卡识别和其它文本类识别服务之间的区别和关系，详情请戳往期链接：
超简单集成华为HMS MLKit 机器学习服务 银行卡识别SDK，一键实现银行卡绑定
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201217390745110144&fid=18
一文搞懂华为HMS ML Kit文本识别、银行卡识别、通用卡证识别、身份证识别
https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201242744680220246&fid=18
通过以上两篇文章，小伙伴们想必已经知道银行卡识别的使用场景，以及要怎么用华为的银行卡识别SDK了，那华为提供的SDK效果如何，竞争力怎么样？小编本期文章就给大家做一个深度评测，看下效果怎么样？
就像手机评测一样，小编为了更好的体现评测效果，需要选一个竞争对手，好一较高下,我们就选一个使用量比较多的github开源项目Card.io作对比，看下两者效果那个好。小编从github上下载了一份demo代码下来，通过编译生成了一个APK安装在了手机上，下面就开始我们的对比吧。
作为一个开发者，想选用一款好用的SDK，主要会考虑这款SDK收不收费、识别准不准、快不快等，小编从开发者角度来列下希望对比的维度，对比将从如下几个维度展开。
| 开发者关注项 | 对比维度 |
|---|---|
| 收不收费？ | 使用成本和费用对比 |
| 都在哪些设备上支持？ | 设备类型覆盖度对比 |
| 集成SDK需要占用APP多大空间？ | SDK包大小对比 |
| 能识别哪些国家和类型的卡？ | 支持识别的卡类型对比 |
| 识别速度快不快？ | 识别速度对比 |
| 识别的准不准？ | 识别准确率对比 |
| 集成开发工作量大不大？ | 集成难易度对比 |
| 这个对比简单，直接列个表格出来吧。 |
SDK | 使用成本和费用对比 | |
|---|---|---|---|
| 华为 HMS MLKit 银行卡识别服务 | 免费 | 华为 HMS MLkit 所有端侧能力目前都是免费的 资费情况可以看官方的服务介绍：https://developer.huawei.com/consumer/cn/doc/development/HMS-Guides/ml-introduction-4 | |
| Card.io | 免费 | 前面小编已经讲过，Card.io是github上开源的项目，因此使用是免费的 |
对比结论：平手，两者均为免费
| SDK | 设备类型覆盖度对比 | |
|---|---|---|
| 华为 HMS MLKit 银行卡识别服务 | 全机型覆盖 | 华为HMS MLKit所有端侧的能力都是全机型覆盖的，也就是说华为机型可以使用，非华为手机也可以用 |
| Card.io | 全机型覆盖 | Card.io本身是开源项目，也是全机型覆盖。 |
对比结论：平手，均是全机型覆盖
card.io提供了x86_64、arm64-v8a、X86、armeabi-v7a、armeabi、mips等多种算法库，这个主要是用来针对不同的CPU做适配的，由于当前安卓手机基本都是arm架构的，而armeabi当前已经被淘汰，因此为了公平起见我们只计算arm64-v8a、armeabi-v7a两种架构的算法库，华为HMS ML Kit 银行卡识别服务同样支持提供这两种算法库，下面看下对比结果。
此为整个sample APK大小，去除sample代码后的SDK部分大小约为6.1M。
通过分析sample APK大小，可以看到SDK包含了算法和资源两部分，可以看到SDK部分大小合计约3.1M。
| 对比总结如下： |
SDK | SDK包大小对比 |
|---|---|---|
| 华为 HMS MLKit 银行卡识别服务 | 约3.1M | |
| Card.io | 约6.1M |
国际上常见的银行卡有Visa、JCB、万事达、运通卡、中国银联等，我们分别针对这些卡选一些样例出来，看两个SDK识别结果如何。
小编找了几张visa卡进行识别，看是否可以正确识别出发卡类型和卡号。
看来针对Visa卡，都可以正确的识别出卡类型和卡号。
由于手头没有真实的JCB卡，因此互联网上找了一些卡，测试多张，均未识别，有真实卡的小伙伴可以自己体验下，反馈下测试结果。
测试结果说明：如下截图中，银行卡外围的对准框全部变绿表示已经完成对准，但未返回识别结果。
注：由于没有真实卡，所以没有识别出发卡组织，有真实卡的小伙伴可以自己体验下，反馈下测试结果。
测试结果说明：如下截图中，银行卡外围的对准框全部变绿表示已经完成对准，但未返回识别结果。
手头没有真实运通卡，因此互联网上找了一些卡，测试多张，均未识别，有真实卡的小伙伴可以自己体验下，反馈下测试结果。
由于没有真实卡，所以没有识别出组织，有真实卡的小伙伴可以自己体验下，反馈下测试结果。
卡类型被错误的识别成了discover卡。
能够正确的识别卡号和卡类型。
| SDK | Visa卡 | 万事达卡 | JCB卡 | 运通卡 | 银联卡 |
|---|---|---|---|---|---|
| 华为 HMS MLKit 银行卡识别服务 | 可正确识别 | 可正确识别 | 可正确识别 | 可正确识别 | 可正确识别 |
| Card.io | 可正确识别 | 可正确识别 | 未测试成功 | 未测试成功 | 可正确识别（卡类型识别错误） |
通过以上对比可以看到，华为HMS MLKit银行卡识别国际主流卡均可以识别，Card.io 对Visa、万事达等常见卡可以识别，但JCB卡、运通卡等未测试通过。
公平起见，此处我们只选两个SDK均能够识别的卡进行测试。
Card.io前面需要有较长的校准时间，必须要等到卡完全在框内（此时框会变成全绿色）才开始进行检测，由于校准非常严格，因此此处非常考验使用者的耐心，需要小心翼翼的完全对准。但一旦完全对准后，识别速度非常快，几乎是无时延，一对准即立马返回结果。
从下面动图可以看到，华为HMS MLKit银行卡识别不需要完全对准，只必须要大概在检测框内即可启动识别，整体端到端算下来要比Card.IO快。
Card.io虽然识别速度较快，但需要依赖校准框完全校准，而校准框完全校准有一定难度，往往需要较长时间。华为HMS ML Kit则无需完全对准校准框。
| SDK | 识别速度 | 说明 |
|---|---|---|
| Card.io | 识别速度非常快，但需要依赖校准框完全校准 | 校准框完全对准有一定难度，这个操作往往需要较长时间，导正整个识别过程时间非常长 |
| 华为 HMS MLKit 银行卡识别服务 | 通常整体速度快于card.io | 无需完全对准校准框，在对准校准框时会同时启动识别，整体速度通常好于Card.io |
因此对比结论如下：在完全对准校准框情况下，Card.io识别速度好于ML Kit。但如果从端到端（从开始启动到最终返回结果）来看识别速度的话，则HMS ML Kit大概率会快于Card.io，除非使用Card.io时一启动即完全对准了校准框，但这通常是难于实现的。
不同的银行卡可能会对准确率有影响，有可能SDK对某一类银行卡识别特别好，某一类识别特别差，为了公平起见，我们把银行卡做进一步的详细分类，然后在某一类内去测试准确率，了解机器学习的小伙伴可能清楚，常见的机器学习技术往往通过大量的样本数据集进行样本训练生成识别模型，进而可以对待识别的内容进行推理分析，银行卡识别也是采用类似方式，那银行卡的字体将是银行卡识别的一个重要影响因子。
因此我们先把银行卡按照字体做个简单分类，银行卡的字体并没有统一标准，但国际上常见的银行卡字体有7B-OCR、OCR-A
Farrington7B字体，又称7B-OCR字体，由加拿大条形码公司Barcodesoft创造的一种字体,该字体在国际上应用非常广泛，包括国内多种卡均采用此类字体
选了10个测试样本进行测试
Card.io:全部可以正确识别
但银联卡的卡组织会被识别成discover，这个问题在前面章节已经阐述过，不再展开。
此外小编在做一些扩展测试时发现，虽然Card.io可以识别Farrington7B字体银行卡，但仅支持识别xxxx-xxxx-xxxx-xxxx这种每连续4个数字有空格的卡片，而不支持其它不带空格，以及诸如xxxxxx-xxxxxx-xxxxxx这种格式的银行卡，比如下方这张卡片，是无法识别的。
如下图所示：xxxx-xxxx-xxxx-xxxx格式银行卡绿框完全对准，但无法返回结果。
华为HMS ML Kit：全部可以正确识别
HMS MLKit 同样可以全部识别。
小编手头没有真实的话，网上找了半天找了4张满足编码规则的卡。
Card.io:四张卡全部无法识别
不一一列出，选其中两个录屏供参考
华为HMS ML Kit：全部可以正确识别
不一一列出，选其中两个录屏供参考
小编选了如下几张银行卡做样张进行测试，看下两种SDK识别效果如何。
Card.io：四张卡全部无法识别
四张卡即使对准后，也无法检测成功，举例如下：
华为HMS ML Kit：全部可以正确识别
四张卡均可正确识别卡号和卡类型，举例如下：
相信通过以上对比结论，大家心里已经很清楚对比结果了，这里列个表格给大家总结下：
| SDK | Farrington7B字体准确率 | OCR-A字体准确率 | 其它字体准确率 |
|---|---|---|---|
| Card.io | 100%（仅支持xxxx-xxxx-xxxx-xxxx格式的银行卡） | 0% | 0% |
| 华为 HMS MLKit 银行卡识别服务 | 100% | 100% | 100% |
[备注] 以上准确率数据仅代表本人收集的样本测试所得出来的结果，不代表官方准确率，数据仅供参考
小编分别参考两边的官网开发步骤，给大家总结下：
从上面的对比大家可以看到，两个SDK集成都非常简单，只需要几行代码就可以完成
整个评测到这里基本就结束了，通过以上评测，现在可以回答文章开始的问题了，我们直接上对比表格对以上对比结论做个总结：
| 开发者关注项 | 对比维度 | 结论 |
|---|---|---|
| 收不收费？ | 使用成本和费用对比 | 平手 |
| 都在哪些设备上支持？ | 设备类型覆盖度对比 | 平手 |
| 集成SDK需要占用APP多大空间？ | SDK包大小对比 | 测试华为约3.1M, card.io约6.1，华为占优 |
| 都能识别哪些国家和类型的卡？ | 支持识别的卡类型对比 | 测试华为可识别五种，card.io三种，华为占优 |
| 识别的快不快？ | 识别速度对比 | 各有千秋，通常端到端识别速度华为要好于Card.io |
| 识别的准不准？ | 识别准确率对比 | 华为整体要好于Card.io，测试样本中Card.io对除Farrington 7B以外字体银行卡未能很好识别 |
| 好不好开发？ | 集成难易度对比 | 平手 |
结论分析
为什么会出现这样的对比结果，小编个人认为这是因为Card.io主要瞄准的是国际通用卡，如Visa、Master卡，但对各个国家的本地卡支持欠佳，另外仅支持非常主流的银行卡号字体及格式，对部分卡号字体和格式支持欠佳，如果想更加广泛的识别各种银行卡的话，那么相信华为HMS MLKit银行卡识别SDK是个不错的选择。
HMS MLKit Demo和Github地址：
HMS MLKit 的Demo下载和github地址请参考：
https://developer.huawei.com/consumer/cn/doc/development/HMS-Examples/ml-samplecode-4
https://github.com/HMS-Core/hms-ml-demo
银行卡识别demo代码路径：MLKit-Sample\module-text\src\main\java\com\mlkit\sample\activity\BankCardRecognitionActivity.java
往期链接：接入卡片类快服务你必须知道的事情
内容来源：https://developer.huawei.com/consumer/cn/forum/topicview?tid=0201272756582550132&fid=18
原作者：AI_talking
深度评测--安卓免费的银行卡识别SDK，华为 HMS MLKit 和Card IO哪个好?
标签：类型 vpd apk sum 未能 录屏 img 基本 ==
原文地址：https://blog.51cto.com/14772288/2506563
