[发明专利]一种发票图像定位方法

说明书

本发明公开了计算机视觉图像处理技术领域的一种发票图像定位方法。旨在解决现有技术对于移动端从不同倾斜角度拍摄的发票图像，无法进行准确定位以准确提取有用信息。所述方法包括如下步骤：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。

技术领域

本发明涉及一种发票图像定位方法，属于计算机视觉图像处理技术领域。

背景技术

随着科技的飞速发展，大量人工智能产品逐步代替人工做一些复杂、琐碎、重复性的工作。人工整理及报销发票是一项极为复杂且繁琐的工作，报销发票过程中容易由于人为疏忽造成错误，并且纸质发票易损坏造成发票无法报销。现有技术对于移动端从不同倾斜角度拍摄的发票图像，无法进行准确定位以提取有用信息。

发明内容

本发明的目的在于提供一种发票图像定位方法，以克服现有技术中存在的上述缺陷或缺陷之一。

为达到上述目的，本发明提供了一种发票图像定位方法，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。

进一步地，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。

进一步地，对发票图像打标签的工具为labelImg工具。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，所述对待定位发票图像进行定位包括如下步骤：