[发明专利]一种发票图像定位方法

权利要求书

1.一种发票图像定位方法，其特征在于，包括如下步骤：

将待定位发票图像加载至已训练好的深度学习模型中；

根据霍夫变换算法对待定位发票图像进行倾斜校正；

根据训练生成的最佳权重值对待定位发票图像进行定位。

2.根据权利要求1所述的发票图像定位方法，其特征在于，最佳权重值的训练生成包括如下步骤：

采集发票图像构建数据集；

对数据集的发票图像打标签，所述打标签的发票栏目包括购买方、销售方、货物详情和价税合计；

将数据集的发票图像和打标签生成的文件输入到特征提取网络，训练生成最佳权重值。

3.根据权利要求2所述的发票图像定位方法，其特征在于，对发票图像打标签的工具为labelImg工具。

4.根据权利要求1所述的发票图像定位方法，其特征在于，霍夫变换算法通过python生成，包括如下步骤：

调用OpenCV中的HoughTransform()函数，用于提取待定位发票图像；

调用HoughLines()函数，用于提取待定位发票图像中的直线。

5.根据权利要求1所述的发票图像定位方法，其特征在于，霍夫变换算法的公式如下：

y＝mx+b

式中，(x,y)为发票图像中直线任一点在直角坐标系中的坐标参数，m为发票图像中直线的斜率，b为发票图像中直线的截距。

6.根据权利要求1所述的发票图像定位方法，其特征在于，霍夫变换算法提取直线的Hesse normal form公式如下：

式中，(x',y')为发票图像中被提取直线l上任一点在极坐标系中的坐标参数，r_l为极坐标系原点到发票图像上被提取直线l的距离，θ_l为极坐标系X'轴与发票图像上被提取直线l的垂直线的夹角，cos(θ_l)为对θ_l取余弦值，sin(θ_l)为对θ_l取正弦值。

7.根据权利要求2所述的发票图像定位方法，其特征在于，所述深度学习模型为YOLOv3深度学习模型，所述特征提取网络为YOLOv3深度学习模型中的Darknet53特征提取网络。

8.根据权利要求7所述的发票图像定位方法，其特征在于，所述倾斜校正包括如下步骤：

将霍夫变换算法嵌入到YOLOv3深度学习模型中的测试脚本文件中；

运行测试脚本文件对待定位发票图像进行倾斜校正。

9.根据权利要求7所述的发票图像定位方法，其特征在于，所述对待定位发票图像进行定位包括如下步骤：

将最佳权重值加载到YOLOv3深度学习模型中的测试脚本文件中；

运行测试脚本文件对待定位发票图像进行定位。

10.根据权利要求1至9任一项所述的发票图像定位方法，其特征在于，所述发票包括中国各省增值税普通发票，所述发票图像包括基于移动端拍摄的发票图像。