[发明专利]客票行程单识别方法、装置、计算机设备和存储介质

权利要求书

1.一种客票行程单识别方法，其特征在于，包括：

获取待识别客票行程单图像；

对所述待识别客票行程单图像进行客票关键词条的检测，得到各所述客票关键词条的类别以及标注有所述客票关键词条的客票关键词条图像；

根据所述类别调用对应的专项识别网络，利用所述专项识别网络对标注有所述客票关键词条的客票关键词条图像进行信息识别，得到客票关键词条信息。

2.根据权利要求1所述的方法，其特征在于，所述专项识别网络的训练方法，包括：

采集第一客票行程单图像集；

分别截取所述第一客票行程单图像集中各图像上的各客票关键词条的背景区域进行拼接，得到各所述客票关键词条的背景图像集；

根据各所述客票关键词条的字体样式分别收集相应的字体，生成各所述客票关键词条的词条集；

分别将各所述词条集中的词条，随机写入到对应的所述背景图像集中的背景图像上，生成各所述客票关键词条的专项数据集；

利用各所述专项数据集分别对构建的第一网络结构进行训练，得到各所述客票关键词条对应的专项识别网络。

3.根据权利要求2所述的方法，其特征在于，所述分别将各所述词条集中的词条，随机写入到对应的所述背景图像集中的背景图像上，生成各所述客票关键词条的专项数据集，包括：

随机从所述背景图像集中选取一张背景图像，按照预设尺寸对所述背景图像进行截取，得到截取背景；

从所述词条集中随机选取词条，并将所述词条随机倾斜写入到所述截取背景上，生成专项数据集。

4.根据权利要求2所述的方法，其特征在于，所述利用各所述专项数据集分别对构建的第一网络结构进行训练，得到各所述客票关键词条对应的专项识别网络，包括：

将所述专项数据集划分为专项训练集和专项测试集；

利用所述专项训练集训练所述第一网络结构，得到初始专项识别网络；

将所述专项测试集中的图像输入至所述初始专项识别网络中进行信息识别，输出所述专项测试集中各图像的信息置信度；

将所述信息置信度小于第一阈值的图像的客票关键词条与真实的客票行程单上的客票关键词条进行对比分析，根据分析结果调整专项数据集的构建方式；

根据调整后的构建方式重构专项数据集，利用重构的专项数据集迭代训练所述初始专项识别，得到训练好的专项识别网络。

5.根据权利要求1所述的方法，其特征在于，所述对所述待识别客票行程单图像进行客票关键词条的检测，得到各所述客票关键词条的类别以及标注有所述客票关键词条的客票关键词条图像，包括：

调用预先训练好的目标检测网络；

将所述待识别客票行程单图像输入至所述目标检测网络中进行客票关键词条的检测，得到各所述客票关键词条的类别以及标注有所述客票关键词条的客票关键词条图像。

6.根据权利要求5所述的方法，其特征在于，所述目标检测网络的训练方法，包括：

构建第二客票行程单图像集，将所述第二客票行程单数据集划分为目标检测训练集和目标检测测试集；

对所述目标检测训练集中各图像的客票关键词条的位置和类别标注后，训练构建的第二网络结构，得到初始目标检测网络；

将所述目标检测测试集中的各图像输入到所述初始目标检测网络中进行测试，统计所述初始目标检测网络的漏检错检数目；

当所述漏检错检数目大于第二阈值时，将所述第二客票行程单图像集中图像的客票关键词条与真实的客票行程单上的客票关键词条进行对比分析，根据分析结果调整第二客票行程单图像集的构建方式；

根据调整后的构建方式重构第二客票行程单图像集，利用重构的第二客票行程单图像集迭代训练所述初始目标检测网络，得到训练好的目标检测网络。

7.根据权利要求2或4所述的方法，其特征在于，所述第一网络结构基于密集卷积连接网络和基于神经网络的时间分类算法构建。