[发明专利]OCR识别文件的处理方法及其电子设备

说明书

本发明涉及图像处理领域，尤其是图像检测中的OCR识别的细分领域，公开一种OCR识别文件的处理方法，通过获取待识别文件的图片，并将所述图片进行缓存；根据有效性条件对所述图片进行有效性检查；当所述图片不符合所述有效性条件时，重新获取相应的图片；根据所述缓存的图片和重新获取的图片生成OCR识别文件。本发明还相应提供一种电子设备和计算机存储介质。本发明提供的技术方案，能够判断待识别文件中是否存在针对OCR识别的不符合有效性条件的识别缺陷，并且通过将全部图片缓存在本地或服务器中，不需要在发生识别缺陷时舍弃全部图片，提升影响生成后续供OCR识别文件的生成效率，避免浪费系统资源。

技术领域

本发明涉及图像识别领域，更具体地，涉及一种OCR识别文件的处理方法及其电子设备。

背景技术

OCR(Optical Character Recognition，光学字符识别)主要通过对载体上显示的光学字符进行识别，生成文本输出。以纸质文件的OCR识别为例，通过采集纸质文件上的印刷体得到的光学字符，对其进行识别，即可得到文本信息等数据。

当OCR识别的待识别文件中出现识别缺陷时，例如是OCR识别文件中出现漏页、某些图像模糊或者程序错误等情况。现有技术的技术方案只能是舍弃前期已经处理的图片，重新采集待识别文稿的图片作为OCR识别文件。例如在扫描或拍摄多页合同文件时，很有可能出现影响OCR识别文件等情况，此时只能舍弃已经得到的OCR识别文件的全部图片，重新进行图片采集。

现有技术中的技术方案生成待识别文件的效率较低，耗时长，重复操作次数多，不能满足现在的OCR识别要求。

发明内容

鉴于上述问题，本发明提出了一种OCR识别文件的处理方法，避免上述技术缺陷，能提升OCR待识别文件的生成效率。

第一方面，本发明实施例中提供了一种OCR识别文件的处理方法，包括：

获取待识别文件的图片，并将所述图片进行缓存；

根据有效性条件对所述图片进行有效性检查；

当所述图片不符合所述有效性条件时，重新获取相应的图片；

根据所述缓存的图片和重新获取的图片生成OCR识别文件。

结合第一方面，所述获取待识别文件的图片的步骤包括：

依次获取待识别文件的多张图片；

所述根据有效性条件对所述图片进行有效性检查的步骤，包括：

在生成OCR识别文件前，根据完整性条件对多张缓存的图片进行完整性检查；

所述当所述图片不符合所述有效性条件时，重新获取相应的图片的步骤，包括：

当所述图片不符合所述完整性条件时，获取待识别文件的相应缺失部分的图片。

结合第一方面，所述根据完整性条件对多张缓存的图片进行完整性检查的步骤，包括：

对所述缓存的图片的页码进行OCR识别，判定所述页码的连续性，当页码不连续时，判断所述图片漏页。

结合第一方面，所述根据完整性条件对多张缓存的图片进行完整性检查的步骤，包括

对所述缓存的图片的文本内容进行OCR识别，并获取所述文本内容中的关键词；

根据所述关键词对图片进行验证，若图片中识别的关键词与其他图片的关键词不一致，判定所述图片漏页。

结合第一方面，所述根据完整性条件对多张缓存的图片进行完整性检查的步骤，包括

分别对上一张图片的末行文本和下一张图片的首行文本进行OCR识别，得到第一文本内容和第二文本内容；