CN109977907B - 基于票据识别的费用报销方法及其系统 - Google Patents

基于票据识别的费用报销方法及其系统 Download PDF

Info

Publication number
CN109977907B
CN109977907B CN201910270270.7A CN201910270270A CN109977907B CN 109977907 B CN109977907 B CN 109977907B CN 201910270270 A CN201910270270 A CN 201910270270A CN 109977907 B CN109977907 B CN 109977907B
Authority
CN
China
Prior art keywords
bill
image
reimbursement
line segments
restored
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910270270.7A
Other languages
English (en)
Other versions
CN109977907A (zh
Inventor
李辉
吴建杭
林波
黄星根
陈文传
黄静
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Shangji Network Technology Co ltd
Original Assignee
Xiamen Shangji Network Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiamen Shangji Network Technology Co ltd filed Critical Xiamen Shangji Network Technology Co ltd
Priority to CN201910270270.7A priority Critical patent/CN109977907B/zh
Publication of CN109977907A publication Critical patent/CN109977907A/zh
Application granted granted Critical
Publication of CN109977907B publication Critical patent/CN109977907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/40—Document-oriented image-based pattern recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及基于票据识别的费用报销方法及系统，包括：获取报销单，从手机端拍摄票据影像，通过算法找到真实票据的四个顶点坐标，在拍摄页面实时的显示出当前找到的真实票据区域，并比较连续三次的票据区域顶点坐标标准差，自动裁剪出真实票据图像，上传真实票据并提交报销单之费用报销系统，通过票据识别确定是否准予报销。通过彩色线段检测算法获取彩色票据区域，可以自动的切割出票据图像，并且自动识别票据信息，大大提升了票据识别的效率，减少了人工识别的成本。

Description

基于票据识别的费用报销方法及其系统
技术领域
本发明涉及费用报销方法及其系统，尤其是基于图像识别领域的票据识别的费用报销。
背景技术
传统人工费用报销的问题在于报销单据不规范，费用支出合理性不能控制，报销相关规定不能及时查询，导致出错率较高，影响个人报销和部门财务核算，而且效率低下，字迹模糊者更不易辨认。原始单据纸质形式保存，无法查询、汇总、做多年数据分析比较，报销同时不能查询历史相关数据。
现有技术的电子化报销系统有效的解决了手工报销的问题，如图2所示，在报销系统中新建报销单，然后报销人在App中可以看到报销单；将本次报销单需要的所有影像，通过手机拍摄或者从相册选择；选中所有的影像，全部一起上传后，提交报销单；报销系统会针对此次上传的影像进行识别(如金额，票种等)进行核查，如果通过，那么报销流程结束。如果不通过，将报销单驳回，并告知报销人被驳回的原因，然后报销人根据驳回的原因，重新提交符合报销的影像，直至完成报销。但是通过系统相机或者相册中获取到要报销的影像，要提交的影像本身除了真实的票据内容之外，在其周围还有其他的事物，这样将导致机器识别报销票据的时候无法自动识别出真实报销票据信息，以至于最终仍要走人工识别流程，延误报销效率，增加财务人员工作量。
发明内容
为了解决上述技术问题，本发明提供基于票据识别的费用报销方法及其系统，其能够对自动识别并裁剪影像中的真实票据区域，不仅识别效率高，且提升了识别准确率。
本发明的技术方案一：
基于票据识别的费用报销方法，包括如下步骤：
S1：新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方。
S2：点击所述新建报销单中的获取票据选项，获取票据的实时图像。
S3：对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标。
S4：根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的所述票据区域。
S5：获得所述票据连续三个影像画面的四个顶点坐标后，进行对应位置两两顶点坐标的对比并计算标准差，当标准差值不大于20时，确定第三个画面的票据区域为还原票据图像；当标准差值大于20时，则回到步骤S4。
S6：对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像。
S7：上传矩形化的还原票据图像并提交报销单。
S8：识别矩形化的还原票据图像上的报销数据并与报销单信息作对比，信息一致则完成报销；信息不一致，则回到步骤S2，重新进行票据的实时图像获取。
所述S5步骤中，计算标准差的公式为：
Figure BDA0002018369640000031
其中，σ(r)为标准差，xi为各个顶点的横坐标，r为各个顶点横坐标的均值，i为当前坐标的序号。
S3步骤中，票据边框的识别方法为：
通过线性插值法按比例对所述一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值。
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段。
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段。
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向。
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段。
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段。
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
技术方案二：
基于票据识别的费用报销方法，包括如下步骤：
S1：新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方。
S2：点击新建报销单中的获取票据选项，上传含有票据的图像。
S3：对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标。
S4：根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的所述票据区域，所述标识出的所述票据区域即为还原票据图像。
S5：对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像。
S6：上传矩形化的还原票据图像并提交报销单。
S7：识别矩形化的还原票据图像上的报销数据与报销单信息作对比，信息一致则完成报销；信息不一致，则回到步骤S2，重新进行票据的图像获取。
S3步骤中，票据边框的识别方法为：
通过线性插值法按比例对所述一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值。
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段。
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段。
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向。
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段。
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段。
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
技术方案三：
基于票据识别的费用报销系统，包括手机，用于拍摄并存储含有票据的影像；存储器和处理器，所述存储器存储有指令，所述指令适于由处理器加载并执行以下步骤：
新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方。
点击所述新建报销单中的获取票据选项，获取票据的实时图像。
对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标。
根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的所述票据区域。
获得所述票据连续三个影像画面的四个顶点坐标后，进行对应位置两两顶点坐标的对比并计算标准差，当标准差值不大于20时，确定第三个画面的票据区域为还原票据图像；当标准差值大于20时，则重新进行票据顶点的识别。
对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像。
上传矩形化的还原票据图像并提交报销单。
识别矩形化的还原票据图像上的报销数据并与报销单信息作对比，信息一致则完成报销；信息不一致，则重新进行票据的实时图像获取。
计算标准差的公式为：
Figure BDA0002018369640000071
其中，σ(r)为标准差，xi为各个顶点的横坐标，r为各个顶点横坐标的均值，i为当前坐标的序号。
票据边框的识别方法为：
通过线性插值法按比例对所述一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值。
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段。
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段。
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向。
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段。
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段。
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
技术方案四：
基于票据识别的费用报销系统，包括手机，用于拍摄并存储含有票据的影像；存储器和处理器，所述存储器存储有指令，所述指令适于由处理器加载并执行以下步骤：
新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方。
点击新建报销单中的获取票据选项，上传含有票据的图像。
对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标。
根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的所述票据区域，所述标识出的所述票据区域即为还原票据图像。
对还原票据图像执行转正操作，将票据的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像。
上传矩形化的还原票据图像并提交报销单。
识别矩形化的还原票据图像上的报销数据与报销单信息作对比，信息一致则完成报销；信息不一致，则重新进行票据的图像获取。
票据边框的识别方法为：
通过线性插值法按比例对所述一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值。
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段。
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段。
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向。
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段。
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段。
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
本发明具有如下有益效果：
1、本发明的基于票据识别的费用报销方法及其系统，通过基于彩色线段检测的票据快速定位方法，可快速识别并定位真实票据区域，尤其对于彩色票据的识别；
2、本发明的基于票据识别的费用报销方法及其系统，同时提供两种票据图像获取手段，包括手机视频拍摄实时获取并显示真实票据图像，或者从手机相册中选取已拍摄的票据图像，方便操作者的选择；
3、本发明的基于票据识别的费用报销方法及其系统，通过三次标准差对比确定真实票据图像的是否准确，提高了识别的准确性；
4、本发明的基于票据识别的费用报销方法及其系统，根据系统自动裁剪的真实票据图像和操作人员比对，提供手动修正边界的选项，确保图像的真实准确。
附图说明
图1为本发明的基于票据识别的费用报销方法的流程示意图；
图2为现有技术的费用报销方法的流程示意图；
图3为本发明的采用的基于彩色线段检测的票据快速定位方法的流程示意图；
图4为本发明的一个实施例的票据原图；
图5为本发明的一个实施例的经过彩色线段检测找到的线段结果示意图；
图6为本发明的一个实施例的经过线段合并分组的四组线段结果示意图；
图7为本发明的一个实施例的经过线段过滤后的票据边框定位线段示意图；
图8为本发明的一个实施例的经过线段过滤后的票据边框四边形示意图；
图9为本发明的基于票据识别的费用报销方法的一个实施例的拍摄票据影像时实时显示图；
图10为本发明的基于票据识别的费用报销方法的一个实施例的真实票据图像裁剪显示图。
具体实施方式
下面结合附图和具体实施例来对本发明进行详细的说明。
实施例一
如图1所示，基于票据识别的费用报销方法，包括如下步骤：
S1：新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方。
S2：点击所述新建报销单中的获取票据选项，获取票据的实时图像。
费用报销系统中网页端和手机应用程序可通过同一账号登录，数据互通。在一个实施例中，直接在手机端新建报销单并上传报销票据，报销流程在手机端一次性完成，财务人员可通过网页端查看报销流程。在另一个是实例中，需要先网页端新建报销单再从手机端登录上传报销票据。
进入手机应用程序并选取报销单后，屏幕显示两个获取票据选项的按钮可选，在本实施例中，操作者选择流程一，拍摄流程，通过手机拍摄报销单的视频影像；在实施例二中，操作者选择流程二，通过选取手机相册中的报销单图片进行报销。
S3：对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标。
如图3所示，票据边框的识别方法是基于彩色线段检测的票据边框快速定位方法，是基于彩色LSD线段检测方法的一种应用，通过对彩色线段的检测，快速识别票据边缘和线框。
S4：根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的所述票据区域。
此过程中，手机持续开启视频摄像功能，并在手机屏幕上实时显示出票据和系统自动测定的票据区域标识线。
S5：获得所述票据连续三个影像画面的四个顶点坐标后，进行对应位置两两顶点坐标的对比并计算标准差，当标准差值不大于20时，确定第三个画面的票据区域为还原票据图像；当标准差值大于20时，则回到步骤S4。
当标准差值大于20时，系统则会根据具体情况提示错误，并告知操作者修正手段。在本实施例中，当获取到的真实票据的四个角的每个角度后，判断其中一个角度是否小于80度，有的话，就认为真实票据的倾斜角度过大，提示操作者调整票据摆放的角度；在另一个实施例中，当获取到真实票据的图像亮度值后，判断其亮度是否低于阈值，如果亮度值过低，则提示操作者开启手机前置闪光灯增加亮度。
标准差的比对值20是经过多次测试得出的，此时的图像边缘误差不大，自动识别系统可以接受，这样能保证三张票据裁剪的区域是相差不大。
如图9所示，已经经过确认的真实票据区域实时显示在手机屏幕上，标示线已将票据边缘显示出，右下角的确定按钮可进入下一步。
S6：对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像。
转正是用到透视变换的技术，透视变换是指利用透视中心、像点、目标点三点共线的条件，按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度，破坏原有的投影光线束，仍能保持承影面上投影几何图形不变的变换。
S7：上传矩形化的还原票据图像并提交报销单。
S8：识别矩形化的还原票据图像上的报销数据并与报销单信息作对比，信息一致则完成报销；信息不一致，则回到步骤S2，重新进行票据的实时图像获取。
S5步骤中，计算标准差的公式为：
Figure BDA0002018369640000131
其中，σ(r)为标准差，xi为各个顶点的横坐标，r为各个顶点横坐标的均值，i为当前坐标的序号。
标准差(StandardDeviation)，在概率统计中最常使用作为统计分布程度(statisticaldispersion)上的测量。标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。它反映组内个体间的离散程度。在发明中，标准差越小，说明定位点偏移量越小，定位越精准。
S3步骤中，票据边框的识别方法为：
如图4所示，通过线性插值法按比例对所述一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值。
如图5所示，通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段。
如图6所示，对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段。
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向。
如图7所示，对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段。
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段。
如图8所示，将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
如图10所示，当前界面可以通过触屏操作矩形图像边缘的四个顶点和四个线段中点进行手动调整。
本发明的基于票据识别的费用报销方法及其系统，通过基于彩色线段检测的票据快速定位方法，可快速识别并定位真实票据区域，尤其对于彩色票据的识别，通过三次标准差对比确定真实票据图像的是否准确，提高了识别的准确性，根据系统自动裁剪的真实票据图像和操作人员比对，提供手动修正边界的选项，确保图像的真实准确。
实施例二：
基于票据识别的费用报销方法，包括如下步骤：
S1：新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方。
S2：点击新建报销单中的获取票据选项，上传含有票据的图像。
S3：对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标。
S4：根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的所述票据区域，所述标识出的所述票据区域即为还原票据图像。
S5：对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像。
S6：上传矩形化的还原票据图像并提交报销单。
S7：识别矩形化的还原票据图像上的报销数据与报销单信息作对比，信息一致则完成报销；信息不一致，则回到步骤S2，重新进行票据的图像获取。
S3步骤中，票据边框的识别方法为：
通过线性插值法按比例对所述一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值。
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段。
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段。
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向。
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段。
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段。
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
本发明的基于票据识别的费用报销方法及其系统，通过基于彩色线段检测的票据快速定位方法，可快速识别并定位真实票据区域，尤其对于彩色票据的识别，根据系统自动裁剪的真实票据图像和操作人员比对，提供手动修正边界的选项，确保图像的真实准确。
实施例三：
基于票据识别的费用报销系统，包括手机，用于拍摄并存储含有票据的影像；存储器和处理器，所述存储器存储有指令，所述指令适于由处理器加载并执行以下步骤：
新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方。
点击所述新建报销单中的获取票据选项，获取票据的实时图像。
对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标。
根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的所述票据区域。
获得所述票据连续三个影像画面的四个顶点坐标后，进行对应位置两两顶点坐标的对比并计算标准差，当标准差值不大于20时，确定第三个画面的票据区域为还原票据图像；当标准差值大于20时，则重新进行票据顶点的识别。
对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像。
上传矩形化的还原票据图像并提交报销单。
识别矩形化的还原票据图像上的报销数据并与报销单信息作对比，信息一致则完成报销；信息不一致，则重新进行票据的实时图像获取。
计算标准差的公式为：
Figure BDA0002018369640000181
其中，σ(r)为标准差，xi为各个顶点的横坐标，r为各个顶点横坐标的均值，i为当前坐标的序号。
票据边框的识别方法为：
通过线性插值法按比例对所述一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值。
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段。
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段。
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向。
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段。
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段。
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
本发明的基于票据识别的费用报销方法及其系统，通过基于彩色线段检测的票据快速定位方法，可快速识别并定位真实票据区域，尤其对于彩色票据的识别，通过三次标准差对比确定真实票据图像的是否准确，提高了识别的准确性，根据系统自动裁剪的真实票据图像和操作人员比对，提供手动修正边界的选项，确保图像的真实准确。
实施例四：
基于票据识别的费用报销系统，包括手机，用于拍摄并存储含有票据的影像；存储器和处理器，所述存储器存储有指令，所述指令适于由处理器加载并执行以下步骤：
新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方。
点击新建报销单中的获取票据选项，上传含有票据的图像。
对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标。
根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的所述票据区域，所述标识出的所述票据区域即为还原票据图像。
对还原票据图像执行转正操作，将票据的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像。
上传矩形化的还原票据图像并提交报销单。
识别矩形化的还原票据图像上的报销数据与报销单信息作对比，信息一致则完成报销；信息不一致，则重新进行票据的图像获取。
票据边框的识别方法为：
通过线性插值法按比例对所述一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值。
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段。
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段。
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向。
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段。
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段。
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
本发明的基于票据识别的费用报销方法及其系统，通过基于彩色线段检测的票据快速定位方法，可快速识别并定位真实票据区域，尤其对于彩色票据的识别，根据系统自动裁剪的真实票据图像和操作人员比对，提供手动修正边界的选项，确保图像的真实准确。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包含在本发明的专利保护范围内。

Claims (8)

1.基于票据识别的费用报销方法，其特征在于，包括如下步骤：
S1：新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方；
S2：点击所述新建报销单中的获取票据选项，获取票据的实时图像；
S3：对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，通过线性插值法按比例对一帧包含票据的图像进行缩小处理，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标；
S4：根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的票据区域；
S5：获得所述票据连续三个影像画面的四个顶点坐标后，进行对应位置两两顶点坐标的对比并计算标准差，当标准差值不大于20时，确定第三个画面的票据区域为还原票据图像；当标准差值大于20时，则回到步骤S4；
S6：对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像；
S7：上传矩形化的还原票据图像并提交报销单；
S8：识别矩形化的还原票据图像上的报销数据并与报销单信息作对比，信息一致则完成报销；信息不一致，则回到步骤S2，重新进行票据的实时图像获取；
所述S5步骤中，计算标准差的公式为：
Figure FDA0003112752580000021
其中，σ(r)为标准差，xi为各个顶点的横坐标，r为各个顶点横坐标的均值，i为当前坐标的序号。
2.基于票据识别的费用报销方法，其特征在于，包括如下步骤：
S1：新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方；
S2：点击新建报销单中的获取票据选项，上传含有票据的图像；
S3：对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标；
S4：根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的票据区域，所述标识出的所述票据区域即为还原票据图像；
S5：对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像；
S6：上传矩形化的还原票据图像并提交报销单；
S7：识别矩形化的还原票据图像上的报销数据与报销单信息作对比，信息一致则完成报销；信息不一致，则回到步骤S2，重新进行票据的图像获取。
3.根据权利要求2所述的基于票据识别的费用报销方法，其特征在于：S3步骤中，票据边框的识别方法为：
通过线性插值法按比例对一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值；
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段；
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段；
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向；
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段；
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段；
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
4.根据权利要求3所述的基于票据识别的费用报销方法，其特征在于，当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
5.基于票据识别的费用报销系统，其特征在于，包括手机，用于拍摄并存储含有票据的影像；存储器和处理器，所述存储器存储有指令，所述指令适于由处理器加载并执行以下步骤：
新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方；
点击所述新建报销单中的获取票据选项，获取票据的实时图像；
对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，通过线性插值法按比例对一帧包含票据的图像进行缩小处理，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标；
根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的票据区域；
获得所述票据连续三个影像画面的四个顶点坐标后，进行对应位置两两顶点坐标的对比并计算标准差，当标准差值不大于20时，确定第三个画面的票据区域为还原票据图像；当标准差值大于20时，则重新进行票据顶点的识别；
对还原票据图像执行转正操作，将还原票据图像的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像；
上传矩形化的还原票据图像并提交报销单；
识别矩形化的还原票据图像上的报销数据并与报销单信息作对比，信息一致则完成报销；信息不一致，则重新进行票据的实时图像获取；
计算标准差的公式为：
Figure FDA0003112752580000051
其中，σ(r)为标准差，xi为各个顶点的横坐标，r为各个顶点横坐标的均值，i为当前坐标的序号。
6.基于票据识别的费用报销系统，其特征在于，包括手机，用于拍摄并存储含有票据的影像；存储器和处理器，所述存储器存储有指令，所述指令适于由处理器加载并执行以下步骤：
新建报销单并填写报销单信息，所述报销单信息包括：金额，项目类别，开票方；
点击新建报销单中的获取票据选项，上传含有票据的图像；
对票据的实时图像画面进行票据边框的识别，并输出票据边框和票据边框的四个顶点坐标，其中，票据边框的识别通过对票据图像按比例缩放，检测经过缩放的图像中的彩色线段，合并和筛选四个方向上所有线段，选取四个方向中最长的线段组建最大四边形，根据四边形四条边的延伸线交点输出顶点坐标；
根据四个顶点坐标，将相邻顶点进行连线形成一个四边形，并显示标识出的票据区域，所述标识出的所述票据区域即为还原票据图像；
对还原票据图像执行转正操作，将票据的四边分别进行水平和竖直方向的旋转移动，获得矩形化的还原票据图像；
上传矩形化的还原票据图像并提交报销单；
识别矩形化的还原票据图像上的报销数据与报销单信息作对比，信息一致则完成报销；信息不一致，则重新进行票据的图像获取。
7.根据权利要求6所述的基于票据识别的费用报销系统，其特征在于，票据边框的识别方法为：
通过线性插值法按比例对一帧包含票据的图像进行缩小处理，得到缩小图像，线性插值法使用的比例值lv＝300/min(w，h)，所述缩小图像的宽w2＝w×lv，所述缩小图像的高h2＝h×lv，其中，w，h分别为所述一帧包含票据的图像的宽与长，lv为比例值，min(w，h)为取w和h中的最小值；
通过彩色LSD线段检测算法，识别所述缩小图像中所有的线段，并输出所述线段表示为L＝{x1，y1，x2，y2}，其中，(x1，y1)和(x2，y2)是线段L的两个端点，并将所有线段组成线段集合L_set；其中，所述彩色LSD线段检测算法通过对票据图像进行一次高斯降采样并缩小图像，对图像的RGB三通道进行梯度检测，确定三者中最大的梯度值作为基准梯度，经过区域增长运算及矩形估计运算，输出检测到的线段；
对线段集合L_set中的所有线段按长度从大到小排序，并通过线段合并算法进行线段合并，合并其中近似一个直线上的线段；
对经过线段合并后的线段进行分组，根据线段两端端点坐标差值，将线段分为4组，分别对应四边形的上下左右四边方向；
对4组线段分别进行过滤处理，去除不合格线段，包括偏离和过短的线段；
从经过过滤处理的4组线段中通过穷举法，按照分组中的编号顺序依次从各组分别取一条线段，使得各组每个线段都互相组合过一次，并计算每种组合中相邻两条线段的相邻端点之间的距离之和，当距离之和最小时，输出这四条线段；
将输出的四条线段组成四边形，计算相邻两条线段直线的交点，得到四个交点，输出这4个交点作为票据的4个顶点。
8.根据权利要求7所述的基于票据识别的费用报销系统，其特征在于，当获得的还原票据图像的区域与实际区域有误时，可通过手动点击定位四个顶点，手动确定票据区域。
CN201910270270.7A 2019-04-04 2019-04-04 基于票据识别的费用报销方法及其系统 Active CN109977907B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910270270.7A CN109977907B (zh) 2019-04-04 2019-04-04 基于票据识别的费用报销方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910270270.7A CN109977907B (zh) 2019-04-04 2019-04-04 基于票据识别的费用报销方法及其系统

Publications (2)

Publication Number Publication Date
CN109977907A CN109977907A (zh) 2019-07-05
CN109977907B true CN109977907B (zh) 2021-08-27

Family

ID=67083066

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910270270.7A Active CN109977907B (zh) 2019-04-04 2019-04-04 基于票据识别的费用报销方法及其系统

Country Status (1)

Country Link
CN (1) CN109977907B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110428414B (zh) * 2019-08-02 2023-05-23 杭州睿琪软件有限公司 一种识别图像中票据数量的方法及装置
CN110415460B (zh) * 2019-08-23 2021-08-20 厦门商集网络科技有限责任公司 一种自助票据处理终端及其票据处理方法
CN111444793A (zh) * 2020-03-13 2020-07-24 安诚迈科(北京)信息技术有限公司 基于ocr的票据识别方法、设备、存储介质及装置
CN112135002A (zh) * 2020-07-31 2020-12-25 钱微 一种用于财务管理的票据填报系统及其工作方法
CN112330288A (zh) * 2020-11-09 2021-02-05 东方蓝天钛金科技有限公司 一种企业智能核销系统及其核销方法
CN113361463B (zh) * 2021-06-30 2024-02-02 深圳万兴软件有限公司 最优显著区确定方法、装置、计算机设备及存储介质
CN116703632A (zh) * 2023-06-12 2023-09-05 绵阳市商业银行股份有限公司 基于多端交互的财务审核系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251913A (zh) * 2008-04-10 2008-08-27 华为技术有限公司 一种自助报销管理系统及方法
CN101807293A (zh) * 2010-03-19 2010-08-18 上海合合信息科技发展有限公司 调整图像四边形框检测结果的方法
CN104751194A (zh) * 2015-04-27 2015-07-01 陈包容 一种财务费用报销的处理方法及装置
CN104835133A (zh) * 2014-02-10 2015-08-12 成都理想境界科技有限公司 图像中四边形区域的提取方法
CN104835184A (zh) * 2014-02-10 2015-08-12 成都理想境界科技有限公司 图像中四边形区域的提取方法
CN105118069A (zh) * 2015-09-30 2015-12-02 杭州南江机器人股份有限公司 一种复杂环境直线检测和筛选方法及应用该方法的机器人
CN105931239A (zh) * 2016-04-20 2016-09-07 北京小米移动软件有限公司 图像处理的方法及装置
CN107566688A (zh) * 2017-08-30 2018-01-09 广州华多网络科技有限公司 一种基于卷积神经网络的视频防抖方法及装置
CN108242079A (zh) * 2017-12-30 2018-07-03 北京工业大学 一种基于多特征视觉里程计和图优化模型的vslam方法
CN109300118A (zh) * 2018-09-11 2019-02-01 东北大学 一种基于rgb图像的高压电力线路无人机巡检方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102208092A (zh) * 2011-05-25 2011-10-05 重庆市电力公司永川供电局 财务票据报销自动处理方法
CN106934632A (zh) * 2015-12-30 2017-07-07 远光软件股份有限公司 发票验真方法及发票验真系统
CN107358232B (zh) * 2017-06-28 2020-12-29 中山大学新华学院 基于插件的发票识别方法
CN109087187A (zh) * 2018-08-07 2018-12-25 合肥深度财务管理咨询有限公司 一种企业财务移动无纸化报销管理系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101251913A (zh) * 2008-04-10 2008-08-27 华为技术有限公司 一种自助报销管理系统及方法
CN101807293A (zh) * 2010-03-19 2010-08-18 上海合合信息科技发展有限公司 调整图像四边形框检测结果的方法
CN104835133A (zh) * 2014-02-10 2015-08-12 成都理想境界科技有限公司 图像中四边形区域的提取方法
CN104835184A (zh) * 2014-02-10 2015-08-12 成都理想境界科技有限公司 图像中四边形区域的提取方法
CN104751194A (zh) * 2015-04-27 2015-07-01 陈包容 一种财务费用报销的处理方法及装置
CN105118069A (zh) * 2015-09-30 2015-12-02 杭州南江机器人股份有限公司 一种复杂环境直线检测和筛选方法及应用该方法的机器人
CN105931239A (zh) * 2016-04-20 2016-09-07 北京小米移动软件有限公司 图像处理的方法及装置
CN107566688A (zh) * 2017-08-30 2018-01-09 广州华多网络科技有限公司 一种基于卷积神经网络的视频防抖方法及装置
CN108242079A (zh) * 2017-12-30 2018-07-03 北京工业大学 一种基于多特征视觉里程计和图优化模型的vslam方法
CN109300118A (zh) * 2018-09-11 2019-02-01 东北大学 一种基于rgb图像的高压电力线路无人机巡检方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"An image overall complexity evalution method based on LSD line detection";Jianan Li et al.;《IOP Conference Series Earth and Environment Science》;20170430;全文 *
"中国优秀硕士学位论文全文数据库 信息科技辑";杨芸芸;《中国优秀硕士学位论文全文数据库 信息科技辑》;20171115(第11期);全文 *
"基于改进线段分割检测的电线杆遮挡检测算法";李涛 等;《计算机工程》;20170930;第43卷(第9期);第251-255页 *
苏仙鹤." 纸张检测与定位技术的研究".《中国优秀硕士学位论文全文数据库 信息科技辑》.2014,(第05期), *

Also Published As

Publication number Publication date
CN109977907A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN109977907B (zh) 基于票据识别的费用报销方法及其系统
CN107609557A (zh) 一种指针式仪表读数识别方法
US20150294523A1 (en) Document image capturing and processing
US20040085256A1 (en) Methods and measurement engine for aligning multi-projector display systems
CN111027504A (zh) 人脸关键点检测方法、装置、设备及存储介质
CN107071376A (zh) 一种投影拼接显示校正方法及装置
CN106934806B (zh) 一种基于结构清晰度的无参考图失焦模糊区域分割方法
CN111025701B (zh) 一种曲面液晶屏幕检测方法
CN109948135B (zh) 一种基于表格特征归一化图像的方法及设备
CN108074237B (zh) 图像清晰度检测方法、装置、存储介质及电子设备
CN111222507B (zh) 数字式仪表读数的自动识别方法、计算机可读存储介质
CN113608378B (zh) 一种基于lcd制程的全自动缺陷检测方法和系统
CN116343228A (zh) 一种水表智能读数方法及系统
US20200193561A1 (en) Automatic Detection, Counting, and Measurement of Lumber Boards Using a Handheld Device
CN114674826A (zh) 基于布匹的视觉检测方法及检测系统
CN111369513B (zh) 一种异常检测方法、装置、终端设备及存储介质
CN116573366B (zh) 基于视觉的皮带跑偏检测方法、系统、设备及存储介质
CN116524041A (zh) 一种相机标定方法、装置、设备及介质
US11978197B2 (en) Inspection method for inspecting an object and machine vision system
CN115588196A (zh) 基于机器视觉的指针型仪表读数方法和装置
CN109472279B (zh) 基于图像处理的物品识别方法和装置
CN110533647B (zh) 一种基于线特征匹配的液晶屏Mark点定位方法
CN114120343A (zh) 证件图像质量评估方法及终端
CN113971799A (zh) 一种车辆铭牌信息位置检测方法和系统
CN112329845A (zh) 更换纸币的方法、装置、终端设备及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant