[发明专利]确定发票图像中文本信息的方法、装置、电子设备和介质

说明书

本公开提供了一种确定发票图像中文本信息的方法、装置、设备、存储介质和程序产品，涉及计算机技术领域，可以应用于金融技术领域。该方法包括：在确定待识别的发票图像中存在目标文本信息重叠的情况下，确定目标区域，目标区域包括存在目标文本信息重叠的至少两个目标文本信息；至少两个目标文本信息包括针打目标文本信息和印制目标文本信息；对目标区域的图像进行图层分离，得到与针打目标文本信息对应的第一图层和与印制目标文本信息对应的第二图层；分别识别第一图层和第二图层，得到至少两个识别结果；以及基于至少两个识别结果确定发票图像中的文本信息。

技术领域

本公开涉及计算机技术领域，可以应用于金融技术领域，更具体地涉及一种确定发票图像中文本信息的方法、装置、设备、介质和程序产品。

背景技术

当前，发票验真流程一般是通过发送发票验真要素至税务系统，如发票代码、发票号码、开票日期等要素。由于通过税务系统进行发票验真需要较高的成本，因此，为了降低成本，一般在送往税务系统前进行初步筛查，过滤掉一部分假票或重复票。

初步筛查中的发票验真或查重均需要对发票图像中与发票代码、发票号码、开票日期等要素对应的文本信息进行核对，因此需要确定发票图像中的文本信息。然而，现有技术如文字识别技术，得到的识别结果准确性较低，这并不利于降低成本。

发明内容

鉴于上述问题，本公开提供了确定发票图像中文本信息的方法、装置、设备、介质和程序产品，通过上述确定发票图像中文本信息的方法能够提升发票图像中文本信息的识别准确率，有利于在后续验真或查询过程中，准确过滤掉假票或重复票，从而降低成本。

根据本公开的第一个方面，提供了一种确定发票图像中文本信息的方法，包括：在确定待识别的发票图像中存在目标文本信息重叠的情况下，确定目标区域，所述目标区域包括存在目标文本信息重叠的至少两个目标文本信息；所述至少两个目标文本信息包括针打目标文本信息和印制目标文本信息；对所述目标区域的图像进行图层分离，得到与所述针打目标文本信息对应的第一图层和与所述印制目标文本信息对应的第二图层；分别识别所述第一图层和第二图层，得到至少两个识别结果；以及基于所述至少两个识别结果确定所述发票图像中的文本信息。

根据本公开实施例，所述对所述目标区域的图像进行图层分离，得到与所述针打目标文本信息对应的第一图层和与所述印制目标文本信息对应的第二图层，包括：采用灰色聚类法对所述目标区域的图像进行图层分离，得到与所述针打目标文本信息对应的第一图层和与所述印制目标文本信息对应的第二图层。

根据本公开实施例，所述采用灰色聚类法对所述目标区域的图像进行图层分离，得到与所述针打目标文本信息对应的第一图层和与所述印制目标文本信息对应的第二图层，包括：基于核密度估计法确定目标区域图像中的极值点；基于所述极值点进行聚类，得到分类结果；以及基于所述分类结果进行图层分离，得到所述第一图层和与所述第二图层。

根据本公开实施例，所述方法还包括：获取所述待识别的发票图像中的二维码识别结果；以及基于所述二维码识别结果，确定所述发票图像中的文本信息是否正确。

根据本公开实施例，所述方法还包括：根据所述发票图像中的文本信息进行查重处理。

本公开的第二方面提供了一种确定发票图像中文本信息的装置，包括：第一确定模块，用于在确定待识别的发票图像中存在目标文本信息重叠的情况下，确定目标区域，所述目标区域包括存在目标文本信息重叠的至少两个目标文本信息；所述至少两个目标文本信息包括针打目标文本信息和印制目标文本信息；图层分离处理模块，用于对所述目标区域的图像进行图层分离，得到与所述针打目标文本信息对应的第一图层和与所述印制目标文本信息对应的第二图层；识别模块，用于分别识别所述第一图层和第二图层，得到至少两个识别结果；以及第二确定模块，用于基于所述至少两个识别结果确定所述发票图像中的文本信息。