[发明专利]一种人工智能发票识别方法及系统

权利要求书

1.一种人工智能发票识别方法，其特征在于，包括以下步骤：

对输入图像进行灰度化处理得到第一图像，提取所述第一图像中的连通域；

将所述输入图像的色彩空间转换到HSV色彩空间，获取转换后的图像中每个像素点的H分量，并从转换后的图像中筛选出H分量在预设范围内的像素点区域，所述预设范围根据图形库中全部图形的颜色确定；

计算所述连通域和所述像素点区域的交集，得到第二图像；

分别对所述第二图像进行宽度和高度上的缩放，使得所述第二图像的高或宽调整至预设尺寸，所述预设尺寸根据图形库中图形的标准尺度确定；

利用神经网络对尺寸调整后的所述第二图像进行图形识别，识别结果包括识别到的图形或未识别到图形，所述识别到的图形为所述图形库中的一个。

2.根据权利要求1所述的方法，其特征在于，所述利用神经网络对尺寸调整后的所述第二图像进行图形识别之后，还包括：

按照预设采样规则对尺寸调整后的所述第二图像进行采样；

确定所述第二图像中每两个采样点之间的第一距离和第一角度；

获取所述识别到的图形中按照所述预设采样规则进行采样后得到的每两个采样点之间的第二距离和第二角度；

分别计算所述第二图像中和所述识别到的图形中对应的两个采样点之间的所述第一距离和所述第二距离的第一差值、所述第一角度和所述第二角度的第二差值；

根据所述第一差值计算距离方差、根据所述第二差值计算角度方差；

若所述距离方差和所述角度方差均小于预设阈值，则对所述识别结果进行确认；

其中，所述预设采样规则与所述识别到的图形对应，所述预设采样规则包括以下至少之一：对图形中与预设线条相交的点中最左侧的点进行采样、对图形中与预设线条相交的点中最右侧的点进行采样、对图形中与预设线条相交的点中最上侧的点进行采样、对图形中与预设线条相交的点中最下侧的点进行采样；

所述预设线条在所述图形中的相对位置固定。

3.根据权利要求1所述的方法，其特征在于，所述对输入图像进行灰度化处理得到第一图像，提取所述第一图像中的连通域之前，还包括：

对所述输入图像进行高斯滤波处理；

对滤波后的所述输入图像进行边缘增强处理；

对边缘增强后的所述输入图像进行带通滤波。

4.根据权利要求1所述的方法，其特征在于，利用神经网络对尺寸调整后的所述第二图像进行图形识别，包括：

将从所述第二图像中初步提取的特征信息输入第一卷积层进行卷积运算，输出第一特征信息；

将所述第一特征信息输入至归一化层，得到第二特征信息；

将所述第二特征信息输入第一池化层进行池化，得到降维后的第三特征信息；

将所述第三特征信息输入第二卷积层，得到第四特征信息；

将所述第四特征信息输入第二池化层，再次降低特征维度，得到第五特征信息；

将所述第五特征信息与对应的热力图进行拼接，得到用于输入至图形识别模型的特征信息；

其中，所述归一化层按照以下计算公式对所述第一特征信息进行处理：

其中，x_mpq为所述第一特征信息中的第m个特征图位置(p，q)处的特征信息，b_mpq为所述第二特征信息中的第m个特征图位置(p，q)处的特征信息，c，d为预设参数。

5.根据权利要求4所述的方法，其特征在于，所述将所述第五特征信息与对应的热力图进行拼接，得到用于输入至图形识别模型的特征信息之后，还包括：

将所述第五特征信息与对应的热力图进行拼接后得到的特征信息，输入至由神经网络组成的图形识别模型；

根据所述图形识别模型的输出确定所述识别结果；

其中，所述图形识别模型的参数的优化函数f(β)是根据以下公式确定：

其中，β为所述图形识别模型的参数矩阵，β_n为β中第n个行向量，n＝1,2,3,…,N，a_i和a_j为所述图形识别模型的训练样本中两个为同一图形的训练样本向量，a_l和a_k为所述图形识别模型的训练样本中两个非为同一图形的训练样本向量。