[发明专利]一种票据识别的方法及系统

说明书

本发明涉及一种票据识别的方法，包括：S1建立票据标准模板库；S2、预识别票据；S3、确定票据类型和票据标准模板；S4、解析预识别结果，若解析成功，则进入步骤S5，若解析失败，则输出识别失败的结果信息并结束本次操作；S5、标准化票据图像；S6、正式识别票据；S7、解析票据要素；S8、校验和补充票据要素数据，根据各票据要素的文本特征和票据要素的相互关系校验和补充数据；S9、输出识别的各票据要素，结束本次操作。本发明还公开了一种票据识别的系统。本发明公开的一种票据识别的方法及系统，支持多类票据识别，简化了票据识别的流程，提升了票据识别的准确度；对企业信息化提供了良好的基础。

技术领域

本发明涉及模式识别领域，具体是一种票据识别的方法及系统。

背景技术

纸质票据是一种显示样式相对固定，数据项明确的纸质文件，如增值税发票、营业执照、金融票据、证照等。一般而言，同类票据具有相同的显示样式和数据项，且同一数据项的位置在不同票据中基本相同，在信息化系统中，纸质票据的输出大多是通过套打或打印模板实现。由于管理制度和机构之间信息化系统不兼容等原因，纸质票据作为业务凭证和数据传输的载体，在机构内部和机构之间广为使用。但是，由于纸质票据是面向人工阅读，缺少票据的数据项等结构化信息，导致大量纸质票据内的数据提取的工作必须依赖于人工。由于人工效率低下，无法快速处理大量的票据，对于纸质票据的接收方而言，如何通过图像识别技术将票据进行快速结构化、避免重复数据录入已经成为机构信息化的关键。

纸质票据的识别与传统文档识别的主要差别是不仅需要识别纸质票据上的文本，还需要识别出票据的各个数据项值，从而将纸质票据进行结构化。现有的票据识别方法大多是针对特定的票据类型，通过经验或机器学习等方式预先建立本类型的票据模板，票据模板包括票据的标准图像大小及各数据项在标准图像中的相对位置，然后将票据模板应用于新的票据图像，识别出图像中的各数据项位置对应的文本。该方法存在以下问题：第一，适应性不强，目前的票据识别大多针对单一的票据类型，无法支持其他的票据类型；第二，对数字化图像要求高，要求票据的图像能符合标准化的要求，大多数票据识别软件要求使用专用的扫描仪或其他专用设备；第三，基于位置定位的方式适应性较差，由于很多套打的票据模板是分地区分批印制，因此，票据模板会存在一定程度的误差，而后期打印的部分更是不可避免地存在纸张偏移、倾斜等问题；此时，现有票据识别软件的效果就大打折扣。

发明内容

本发明针对上述现有技术存在的问题做出改进，本发明的目的在于提供一种能支持多种票据、无需专用设备、对模板和打印偏差具有较强适应性的票据识别方法及系统。

为实现上述目的，本发明提供如下技术方案：

一种票据识别的方法，具体步骤如下：

S1、建立票据标准模板库，所述票据标准模板库包括票据分类库、每类票据的分类特征库、每类票据的票据标准模板；

每类票据的分类特征库包括每类票据的分类特征，每类票据的分类特征是指本类票据区别于其他类票据的特点，包括图像特征、文本识别结果特征；

所述票据标准模板，包括票据标准图像的方向及大小、各个票据要素在该票据标准图像中的位置、大小及语义特征、参照要素及参照要素在该标准图像中的位置和大小，其中：

所述票据要素，是指票据中的具有独立含义、用于描述票据的数据项；

所述语义特征，是指票据要素的文本或其上下文所具有的，能与其他票据要素相区别的独有特征；

所述参照要素，是指票据要素中人为选取的、在票据标准图像中位置和大小相对固定、识别出错率低的一个或多个票据要素；

S2、预识别票据，接收票据原始图像，将票据原始图像提交给识别引擎进行图像预识别得到预识别结果，其中：

预识别结果包括票据原始图像的方向、识别出的字符列表及各字符在票据原始图像中的位置；