[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

说明书

本发明属于图片识别技术领域，具体涉及一种适配多类OCR识别接口的表格识别方法及相关设备。其中方法包括接收提取请求，提取请求中包含有文档及识别模式；根据识别模式，调用预设的外部OCR接口，通过外部OCR接口将文档进行识别处理，接收外部OCR接口返回的识别数据；将识别数据生成表格数据，返回表格数据。本发明通过多种识别模式适配后，基本上披露债券公告中大部分遇见的OCR表格都能识别，覆盖范围更广识别率更高。

技术领域

本发明属于图片识别技术领域，具体涉及一种适配多类OCR识别接口的表格识别方法及相关设备。

背景技术

在债券披露的公告中，很多财务及附注数据表格都是以图片的方式进行披露展示，要将这些数据表信息提取出来就需要用到OCR技术。适配多类OCR接口识别图片表格主要是根据不同的OCR识别模式应对复杂多样的表格样式并对识别的结果做相应处理，最终生成统一表格结构数据的一种技术。通常情况下，如果要识别出图像中的表格内容，大部分处理过程都是先识别出所有线条和文本块，利用线条信息计算出表格区域和单元格区域，然后根据文本的坐标位置对应到相应的格子中，最终返回完整的表格数据。

在目前的市场上，对于固定样式如票据、车牌、快递单等OCR识别的技术相对较多，对于公司公告披露的各类图片表格的OCR处理还没有很成熟且效果很好的相关技术。

在通过OCR识别公司公告中披露的海量图片的过程中，图片内容复杂多样的特性就会体现出来。根据传统的识别线条解析表格方式只能解决其中一部分情况。其中还有大量图片表格无线条、缺线条、存在旋转、有噪点(印章和水印)等影响时，普通OCR算法都无法准确有效的识别出图像内容。

发明内容

本发明针对采用传统的OCR识别算法来对公司公告中披露的海量图片进行表格识别时，无法准确有效识别内容的技术问题，目的在于提供一种适配多类OCR识别接口的表格识别方法及相关设备。

适配多类OCR识别接口的表格识别方法，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。

可选的，所述文档包括通用表格文档和图片。

可选的，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。

可选的，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。

可选的，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。

可选的，通过所述框选位置信息将所述文档生成待识别图片。

可选的，对所述文档进行所述图像DPI增强时，所述文档默认为是图片，将所述图片像素按照预设倍率进行调整，让所述图片更加清晰。

可选的，对所述文档进行所述旋转角度检测和修正时，所述文档默认为是图片并采用如下步骤：

将所述图片进行灰度和二值化处理；