[发明专利]一种基于机器视觉的文本与内容识别分析方法

权利要求书

1.一种基于机器视觉的文本与内容识别分析方法，其特征在于：包括如下步骤：

S1、首先通过机器扫描文件，识别文件中的文本内容，根据文件内容选择合适的识别方式；

S2、在对特定的内容进行查找时，通过在知识库中选择需要查找的内容，通过机器扫描，识别该内容对应的文本；

S3、先识别确定文本的整体结构，分析不同文本之间的关联性，再抓取文件中文本的名称和目录内容；

S4、然后按照目录对文本内容进行识别，先识别每个目录下的小标题，对文本结构进行补充；

S5、再根据尽职调查的需要和文本结构，快速定位至需要查找的位置，对重要内容进行识别分析；

S6、在重要文本内容识别分析过程中，识别到相同的文本内容时，将其他相同文本的位置标注在文本右侧；

S7、重要内容识别分析完成后，打印出重点内容分析报告；

S8、然后逐句对文本剩余内容进行识别分析，先识别提取数字和文字内容，最后识别图片内容；

S9、在文本内容全部分析完成后，打印整体分析报告。

2.根据权利要求1所述的一种基于机器视觉的文本与内容识别分析方法，其特征在于，所述S1中，待识别的文件为图像文件，图像文件中的内容包括表格、文章和票据；

根据文本中文字记录的表格和票据，对其他含有表格和票据的文本进行查找，将表格名称和票据名称分别与文字记录的内容进行对比，将关联的票据文本和表格文本排放在对应文本后面；

关联表格和票据查找完成后，将票据与票据、表格与表格、表格与票据之间的内容进行对比分析，在对比后存在数据差异的位置进行框选标记；

所述S2中，知识库中存储有公司名称、重要文件名称、商业计划书名称和商业计划书中的故事。

3.根据权利要求1所述的一种基于机器视觉的文本与内容识别分析方法，其特征在于，所述S3中，在识别文本内容时，先通过机器视觉对文本内容进行扫描，对整个文本开始处的文本主题名称和文本目录进行识别，了解文档的大致内容，为后期查询做准备，然后识别文本中的目录，接着识别文本的重要内容，最后识别剩余内容；

在识别表格和票据时，先识别表格上方的表格名称，再识别表格的第一列和第一行的文本内容，确定表格整体结构，最后识别表格中剩余文本内容。

4.根据权利要求1所述的一种基于机器视觉的文本与内容识别分析方法，其特征在于，所述S4中，确定需要查询的内容，然后选择对应的文件；

在对应的文本中，先对目录进行分析，确定需要查询的内容在文本中的页数，根据文本目录的指引找到对应的页数，先识别对应页数上的文本小标题，确定该页文本结构，对文本整体的结构进行补充，使文本结构更加完整。

5.根据权利要求4所述的一种基于机器视觉的文本与内容识别分析方法，其特征在于，所述文本小标题确定后，将需要查找的内容与小标题进行匹配，确定需要查找的内容具体位置，在对应的小标题下查找对应的文本内容；

在表格和票据识别时，对第一行和第一列文本内容识别后，确定需查找内容与第一行内容的对应位置，再确定需查找内容与第一列内容的对应位置，然后确定对应行列交叉位置的单元格，获取需要查找的内容。

6.根据权利要求1所述的一种基于机器视觉的文本与内容识别分析方法，其特征在于，所述S6中，在文本内容识别分析过程中，对识别内容进行记忆，再次识别到相同的文本内容时，将上次识别的相同的文本位置标注在本次文本右侧，并将本次文本的位置标注至上次文本的右侧，出现多个相同文本内容时，全部相同文本位置均进行标注。

7.根据权利要求6所述的一种基于机器视觉的文本与内容识别分析方法，其特征在于，所述相同文本的认定标准通过用户自定义设置，设置的内容包括字数、段落数和数字，其中，字数大于等于30字，段落数大于等于1，数字的个数大于等于3；

在识别文本内容时，由人工设置相似文本的数值，文本相似程度达到设置值后，认定为相同的文本内容，然后对相同文本位置进行标注。