[发明专利]适配多类OCR识别接口的表格识别方法及相关设备

权利要求书

1.一种适配多类OCR识别接口的表格识别方法，其特征在于，包括：

接收提取请求，所述提取请求中包含有文档及识别模式；

根据所述识别模式，调用预设的外部OCR接口，通过所述外部OCR接口将所述文档进行识别处理，接收所述外部OCR接口返回的识别数据；

将所述识别数据生成表格数据，返回所述表格数据；

所述将所述识别数据生成表格数据，返回所述表格数据前，包括：

若所述识别模式是图片无线框表格提取模式时，接收所述外部OCR接口返回的识别数据为包含坐标位置的文本块信息；

通过预设的无线框表格生成算法对含坐标位置的文本块信息进行后处理，生成处理后的所述识别数据；

所述无线框表格生成算法，包括：

将含坐标位置的文本块信息经过预设的计算规则推出待构建表格结构；

对所述待构建表格结构进行表格预处理，所述表格预处理包括去除干扰线、拼接横线或竖线、组装表格行和合并单元格中的至少一种或多种组合；

判断经表格预处理后的所述待构建表格结构是否完整，若完整则所述待构建表格结构即为所述识别数据，若不完整，则对所述待构建表格结构补齐线条后构建完整的表格，形成所述识别数据；

所述对所述待构建表格结构补齐线条后构建完整的表格，形成所述识别数据，包括：

根据组装好的单元格，合并所述单元格内的文本块信息；

判断所述待构建表格结构的缺失类型，所述缺失类型包括缺失关键信息类型，所述缺失关键信息类型包括缺失行或列中的至少一种；

若任一文本块缺失了关键信息为行信息，则遍历已知表格的所有行，根据所述文本块的Y坐标以及所述文本块的高度，与每一行所在的Y坐标信息以及行高比较重合度，如果重合度大于预设重合度阈值，则认为所述文本块的行信息与当前行相同，否则认为所述文本块不在表格中，找到行信息的同时如果所述文本块在已知表格的左边，则更新整个表格的左边界为所述文本块的左边界，同样如果所述文本块在已知表格的右边则更新表格的右边界为所述文本块的右边界；

若任一文本块缺失了关键信息为列信息，则遍历已知表格的所有列，根据所述文本块的X坐标以及文本块的宽度，与每一列所在的X坐标信息以及列宽比较重合度，如果重合度大于预设重合度阈值，则认为所述文本块的列信息与当前列相同，否则认为所述文本块不在表格中，找到列信息的同时如果所述文本块在已知表格的上边，则更新整个表格的上边界为所述文本块的上边界，同样如果所述文本块在已知表格的下边，则更新表格的下边界为所述文本块的下边界。

2.如权利要求1所述的适配多类OCR识别接口的表格识别方法，其特征在于，所述文档包括通用表格文档和图片。

3.如权利要求1所述的适配多类OCR识别接口的表格识别方法，其特征在于，所述识别模式包括通用表格提取模式、图片正常表格提取模式和图片无线框表格提取模式中的一种；

所述外部OCR接口包括与所述通用表格提取模式对应的通用表格提取接口、与所述图片正常表格提取模式对应的表格OCR提取接口和与所述图片无线框表格提取模式对应的文档OCR提取接口。

4.如权利要求1所述的适配多类OCR识别接口的表格识别方法，其特征在于，所述根据所述识别模式，调用预设的外部OCR接口之前，包括：

所述提取请求中还包括图片处理参数，接收提取请求后，根据所述图片处理参数对所述文档进行预处理；

将处理好的所述文档转换为预设的编码格式。

5.如权利要求4所述的适配多类OCR识别接口的表格识别方法，其特征在于，所述图片处理参数包括框选位置信息、图像DPI增强参数、旋转角度检测和修正、图片边缘噪音裁剪、去印章或补充画线中的至少一种。