[发明专利]一种基于OCR技术的文本和图片识别系统

说明书

本发明提供了一种基于OCR技术的文本和图片识别系统，所述系统实现了通过自定义模板完成对制式或自由版式类别图片进行识别返回结构化识别结果、支持识别模型的训练、升级以及可根据部署硬件的性能差异选择部署不同模型版本的功能，极大地减少了对新增版式样式票据识别时的工作量，节省了时间、人力和物力成本，提高了工作效率。同时也为人工智能技术在现实业务中的具体应用积累了经验。

技术领域

本发明属于人工智能信息化领域，尤其涉及一种基于OCR技术的文本和图片识别系统。

背景技术

OCR技术是“光学字符识别”(Optical Character Recognition)的缩写，简称“文字识别”，意思是用光学技术识别文字。其原理是用户通过获取照片、书籍、报刊、文稿、表格、票据等印刷品等图片中的文字信息，利用各种模式识别算法分析文字形态特征，判断出文字的标准编码，并按通用格式存储为计算机的文本文件。其核心作用为图片转文字，方便信息编辑及再加工，以满足不同行业的应用需求。

随着科技的发展，“信息资料电子化”的潮流引领，特别是深度学习技术的运用，使得OCR技术在识别速度、识别准确率方面得到大幅提高，越来越多的行业和企业加入到OCR应用行列。

与传统的手工录入模式相比较，OCR的智能信息录入具备强大的优势，速度方面OCR识别也远快于手工录入模式，不仅使大批人力资源得到节省，资源配置得到优化，还使人员从繁琐的机械式工作中解脱出来，而去专注于其他有需要的工作。鉴于OCR技术在数据收集计划方面的优势，基于OCR技术的大量图片自动识别系统及APP软件应运而生。这些OCR软件从技术上一般可区分为两类，一类是通用识别OCR，即并不区分输入图片的种类，根据通用的算法进行文字识别，准确率一般不是很高；一类是专用识别OCR，针对固定版式的输入图片，如身份证、制式票据、车牌等，分别开发相应的识别软件。考虑到基于深度学习和神经网络的OCR技术目前在图像预处理、版式分析、文字特征提取、文字比对、识别后处理等方面已达到了很高的水平，各主流厂家均发布了通用OCR识别引擎，一般情况下，印刷体汉字的识别率已优于95％。但是针对结构化的数据识别，现阶段无法满足OCR应用系统根据图片识别类型的同时能够自动提取出结构化数据并返回给用户，方便用户对数据进行深层次应用。因目前OCR软件在实际生产应用过程中仍然缺乏灵活性，尤其是在处理样式繁多的格式化数据时尤为突出，无法满足用户在生产实际中的需要。

因此，亟需一款在保证相应识别准确率的同时能够灵活配置、简化应用人员操作、适用于多种版式的支持格式化数据识别反馈的OCR系统。

发明内容

发明目的：针对目前主流的文字识别软件OCR应用模式存在着人工干预过多、结构化数据识别困难等不足，容易导致应用系统自动化程度低、无法满足用户定制化需求等问题。本发明提供一种基于OCR技术的文本和图片识别系统，该系统在提供常见票据类(身份证、火车票、营业执照和增值税等)内容的识别同时，也提供了对任意票据模板人工一次性标注从而实现结构化内容识别的能力，从而解决特定任务中的OCR识别功能。本发明具有良好的扩展性和通用性、部署简单、操作容易、升级方便等显著特点，极大地减少了使用OCR应用系统中人为参与的复杂度，节省了时间、人力和物力成本，提高了工作效率，同时也为人工智能技术在现实业务场景中的落地提供了实现参考。

本发明系统包括文本识别模块、训练平台模块和模板管理平台模块；

所述文本识别模块用于指定类别识别、自判断识别和提供API接口说明；

所述训练平台模块用于模型管理、数据集管理、训练发布；

所述模板管理平台模块用于模板管理和字段类型管理。