[发明专利]一种增值税发票识别系统及方法

说明书

本发明公开了一种增值税发票识别系统及方法，涉及票据识别领域，该系统包括PDF识别模块和图片识别模块，PDF识别模块用于对PDF形式增值税发票进行识别，以及当对PDF形式增值税发票识别失败时，基于PDF格式和图片格式间的转化，将PDF形式增值税发票转化为图片形式增值税发票；图片识别模块用于对于图片形式增值税发票以及PDF识别模块转化得到的图片形式增值税发票进行识别。本发明无需进行增值税发票文件类型的指定，便可实现增值税发票的自动识别。

技术领域

本发明涉及票据识别领域，具体涉及一种增值税发票识别系统及方法。

背景技术

增值税发票作为企业间交易的凭证，是核实业务往来以及报税的重要依据，此外，增值税发票对于企业的财务管理也极为重要。

随着信息化进程的不断推进，当前增值税发票存在纸质发票和电子发票两种，其中，纸质发票(或打印出来的电子发票)一般通过拍照、扫描等方式电子化后以图像文件的形式进行存储，即形成图片形式增值税发票进行存储，而电子发票则一般以PDF文件格式存储，即形成PDF形式增值税发票进行存储。

在实际的工作中，企业财务需要录入的发票，一般都是图片形式增值税发票和PDF形式增值税发票两种类型混合的。现有的增值税发票识别系统，很少具有对PDF形式增值税发票识别的功能，即便是有，也与图片形式增值税发票识别的功能分离，且与发票图像识别数据格式不统一，需要用户自主选择，并处理不同的数据格式，无法实现自动化区分识别

同时，现有的对于图片形式增值税发票的识别一般以OCR(Optical CharacterRecognition，光学字符识别)技术为基础，主要过程包括预处理、文字检测、文字识别和后处理，但其存在以下缺陷：

(1)预处理一般为基于传统图像处理方法，但是对真实条件下复杂多变的拍照场景，如光照、旋转、模糊、扭曲、发票区域占整个图片区域小、发票区域与背景相似等情况，其处理效果差，且对高分辨率的图片处理速度慢。

(2)文字检测一般为传统图像处理或基于深度学习的文字行检测方法，但只能检测水平或有轻微倾斜的文字行，无法处理大角度旋转甚至垂直的文字行。

(3)文字识别一般为传统图像处理或基于深度学习的识别方法，但由于中文汉字具有以形辨字、字符数量多的特殊性，导致经常出现错识别为形似字的情况，且对模糊文字识别精度低、识别速度慢。

(4)后处理一般为基于预设规则或模板的匹配方法，此类方法无法处理文字检测或文字识别出现的漏识别、错识别等情况，且对于图片上出现字段被部分遮挡、字段打印不规整、字段错行等情形，亦无法成功匹配。因此现有的图片形式增值税发票识别方法，易出现结果输出字段不全情况，输出结果只包含诸如发票代码、发票号码等较为容易匹配的字段。

由上可知，现有的增值税发票识别方法对于扫描或高质量的增值税发票图片有较好的效果，但对真实场景复杂多变的拍照环境和纸质发票打印出来的各种不规整情形，识别效果较差，无法实现对于图片形式增值税发票和PDF形式增值税发票两种形式发票的有效识别。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种增值税发票识别系统及方法，无需进行增值税发票文件类型的指定，便可实现增值税发票的自动识别。

为达到以上目的，本发明提供的一种增值税发票识别系统，包括：

PDF识别模块，其用于对PDF形式增值税发票进行识别，以及当对PDF形式增值税发票识别失败时，基于PDF格式和图片格式间的转化，将PDF形式增值税发票转化为图片形式增值税发票；

图片识别模块，其用于对于图片形式增值税发票以及PDF识别模块转化得到的图片形式增值税发票进行识别。

在上述技术方案的基础上，

所述PDF识别模块包括信息提取模块和字段提取模块；