[发明专利]识别单据上记载的信息的方法及系统有效

专利信息
申请号: 201810331391.3 申请日: 2018-04-13
公开(公告)号: CN108564035B 公开(公告)日: 2020-09-25
发明(设计)人: 徐青松;陈明权;罗欢 申请(专利权)人: 杭州睿琪软件有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/08
代理公司: 中国贸促会专利商标事务所有限公司 11038 代理人: 田菁
地址: 310053 浙江省杭*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 识别 单据 记载 信息 方法 系统
【说明书】:

本公开涉及一种识别单据上记载的信息的方法,包括:基于所述单据的影像和预先训练的第一模型,识别所述单据上的一个或多个区域中的每个区域的位置,所述一个或多个区域中的每个区域与所述单据上记载的全部或部分信息相关联,其中,所述第一模型是基于神经网络的模型;以及基于所述单据的影像、所述一个或多个区域中的每个区域的所述位置、以及预先训练的第二模型,识别所述一个或多个区域中的每个区域中的字符,从而确定所述单据上记载的信息,其中,所述第二模型是基于神经网络的模型。本公开还涉及一种识别单据上记载的信息的系统。本公开能够高效、准确地识别各种单据上记载的信息。

技术领域

本公开涉及一种识别单据上记载的信息的方法及系统。

背景技术

准确地识别各种单据上记载的信息是不简单的。

因此,存在对新技术的需求。

发明内容

本公开的一个目的是提供一种识别单据上记载的信息的方法及系统。

根据本公开的第一方面,提供了一种识别单据上记载的信息的方法,包括:基于所述单据的影像和预先训练的第一模型,识别所述单据上的一个或多个区域中的每个区域的位置,所述一个或多个区域中的每个区域与所述单据上记载的全部或部分信息相关联,其中,所述第一模型是基于神经网络的模型;以及基于所述单据的影像、所述一个或多个区域中的每个区域的所述位置、以及预先训练的第二模型,识别所述一个或多个区域中的每个区域中的字符,从而确定所述单据上记载的信息,其中,所述第二模型是基于神经网络的模型。

根据本公开的第二方面,提供了一种识别单据上记载的信息的系统,包括:第一模型,所述第一模型是基于神经网络的模型;第二模型,所述第二模型是基于神经网络的模型;以及一个或多个第一装置,所述一个或多个第一装置被配置为:基于所述单据的影像和所述第一模型,识别所述单据上的一个或多个区域中的每个区域的位置,所述一个或多个区域中的每个区域与所述单据上记载的全部或部分信息相关联;以及基于所述单据的影像、所述一个或多个区域中的每个区域的所述位置、以及所述第二模型,识别所述一个或多个区域中的每个区域中的字符,从而确定所述单据上记载的信息。

根据本公开的第三方面,提供了一种获取单据上记载的信息的设备,将所述单据的影像传送给如上所述的系统;以及从所述系统获取被数字化了的由所述系统识别出的所述单据上记载的信息。

根据本公开的第四方面,提供了一种识别单据上记载的信息的系统,包括:一个或多个处理器;以及一个或多个存储器,所述一个或多个存储器被配置为存储一系列计算机可执行的指令以及与所述一系列计算机可执行的指令相关联的计算机可访问的数据,其中,当所述一系列计算机可执行的指令被所述一个或多个处理器执行时,使得所述一个或多个处理器进行如上所述的方法。

根据本公开的第五方面,提供了一种非临时性计算机可读存储介质,其特征在于,所述非临时性计算机可读存储介质上存储有一系列计算机可执行的指令,当所述一系列计算机可执行的指令被一个或多个计算装置执行时,使得所述一个或多个计算装置进行如上所述的方法。

通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。

参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:

图1是示意性地示出根据本公开的一个实施例的单据的示例的至少一部分的示意图。

图2A和图2B是分别示意性地示出根据本公开的一个实施例的识别单据上记载的信息的方法的至少一部分的框图。

图3是示意性地示出根据本公开的一个实施例的识别单据上记载的信息的方法的至少一部分的流程图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州睿琪软件有限公司,未经杭州睿琪软件有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810331391.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top