[发明专利]一种银行回单解析识别方法

说明书

本发明公开了一种银行回单解析识别方法，具体涉及数字图像处理领域，包括以下步骤：步骤一：获取待识别银行回单的PDF文件；步骤二：检测出银行回单图像的表格区域；步骤三：对PDF文件区域的图像进行处理，得到多个被判定为银行回单的子图；步骤四：将PDF页面的文本提取后，按照银行回单的子图进行坐标范围判定，得到每个银行回单对应的非结构化文本；步骤五：将得到的非结构化文本使用NLP算法进行分词后，使用常规算法抽取对应结构化数据录入到系统中。本发明支持对各大银行不同版式回单进行识别，并返回回单图像和结构化的识别结果，能够满足对不同样式银行回单进行信息提取的需求。支持单页多回单的银行回单文件解析，更稳定的解析性能。

技术领域

本发明涉及数字图像处理技术领域，具体为一种银行回单解析识别方法。

背景技术

银行回单是为企业客户提供其网银付款交易查询、下载、打印(补打)以及验证功能的有效凭证。回单的内容主要包括日期、编号、户名、账号、币种、金额、摘要以及开户行等详细信息，对于每一笔账务，均有相应的一张回单。银行回单作为企业编制记账凭证的原始依据，在记账过程中涉及大量回单信息的录入，需要耗费大量的人力、物力和财力。

随着ocr技术的迅速发展，印刷体文字识别技术已经相当成熟，并得到了广泛应用。目前，银行回单ocr技术可识别账户名、收付款账户和金额等信息；已被应用在erp智能记账、rpa财务机器人、财务影像系统等行业，通过ocr识别技术可快速将银行回单信息自动录入到系统中，大大节省了录入时间。

传统的银行回单ocr技术往往依赖于识别对象的特点，需要根据银行回单格式设计个性化的模板。但国内各大银行的电子回单格式并不相同，甚至是同一家银行也存在格式不统一的问题，这就需要定制大量的银行回单模板，导致识别过程过分依赖人工干预，识别效率较低。

发明内容

本发明的目的在于提供一种银行回单解析识别方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种银行回单解析识别方法，包括以下步骤：

步骤一：获取待识别银行回单的PDF文件；

步骤二：检测出银行回单图像的表格区域；

步骤三：对PDF文件区域的图像进行处理，得到多个被判定为银行回单的子图；

步骤四：将PDF页面的文本提取后，按照银行回单的子图进行坐标范围判定，得到每个银行回单对应的非结构化文本；

步骤五：将得到的非结构化文本使用NLP算法进行分词后，使用常规算法抽取对应结构化数据录入到系统中。

在一种优选的实施方式中，所述步骤三中对PDF文件区域的图像处理时采用模板匹配、视觉特征、模型抽取、坐标标记算法进行处理。

与现有技术相比，本发明所达到的有益效果是：

本发明支持对各大银行不同版式回单进行识别，并返回回单图像和结构化的识别结果，能够满足对不同样式银行回单进行信息提取的需求。支持单页多回单的银行回单文件解析，更稳定的解析性能，更精确的的解析结果。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明的流程图；

图2是本发明未处理时的银行回单；

图3是本发明解析识别后的数据信息图；

具体实施方式