CN110427891A - 用于识别合同的方法、装置、系统及介质 - Google Patents
用于识别合同的方法、装置、系统及介质 Download PDFInfo
- Publication number
- CN110427891A CN110427891A CN201910719353.XA CN201910719353A CN110427891A CN 110427891 A CN110427891 A CN 110427891A CN 201910719353 A CN201910719353 A CN 201910719353A CN 110427891 A CN110427891 A CN 110427891A
- Authority
- CN
- China
- Prior art keywords
- contract
- text
- line
- slope
- variance
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
-
- 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
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Character Input (AREA)
Abstract
本公开提供了一种用于识别合同的方法。所述方法包括:获取所述合同的扫描图像;去除所述扫描图像中的非文本信息,得到保留文本的文本图像;识别所述文本图像中的多个文本行;以及基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹。本公开还提供了一种用于识别合同的装置、系统及介质。
Description
技术领域
本公开涉及计算机技术领域,更具体地,涉及一种用于识别合同的方法、装置、系统及介质。
背景技术
银行的贷款等业务通常需要客户提供还款能力证明文件。客户提供的还款能力证明文件中经常包括有与第三方签订的合同文件。例如A公司要从银行贷款,需要提供A公司的还款能力证明文件。A公司给的证明文件例如包括上传给银行服务系统的A公司与B公司的合同(诸如B公司从A公司预购的货物、或者B公司从A公司的借款合同等)扫描文件。银行需要审核该证合同中是否存在造假的情况。如果客户提供的是合同的原件,由于元件通常为纸件,有签字、有齐缝章等,不存在拼接的问题。但是由于无纸化办公的推行,以及在一些低额度的贷款情形下,可以要求客户提供合同的扫描件供银行审核。合同扫描件就可能存在拼接的问题。例如把一份合同的部分行用其他纸件进行覆盖(例如,金额或日期的覆盖替换)后复印、然后再扫描等,就会得到拼接的假合同。目前对于这类拼接合同的识别普遍是通过人工核实,费时费力,准确率还低。
发明内容
有鉴于此,本公开提供了一种识别合同中是否存在拼接痕迹的用于识别合同的方法、装置、系统和介质。
本公开的一个方面,提供了一种用于识别合同的方法。所述方法包括:获取所述合同的扫描图像;去除所述扫描图像中的非文本信息,得到保留文本的文本图像;识别所述文本图像中的多个文本行;以及基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹。
根据本公开的实施例,所述基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹包括:基于所述多个文本行的斜率或行高中的至少之一,确定所述合同中是否存在拼接痕迹。
根据本公开的实施例,所述基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹包括:获取所述多个文本行中每个文本行的斜率,以得到多个斜率值;计算所述多个斜率值的方差,以得到斜率方差;在所述斜率方差小于或等于第一斜率方差阈值时,确定所述合同为正常合同,其中所述正常合同为不存在拼接痕迹的合同;以及在所述斜率方差大于所述第一斜率方差阈值时,确定所述合同为非正常合同,其中,所述非正常合同包括存在拼接痕迹的问题合同或疑似存在拼接痕迹的可疑合同。
根据本公开的实施例,所述确定所述合同中是否存在拼接痕迹还包括:在确定所述合同为非正常合同之后,在所述斜率方差小于或等于第二斜率方差阈值时确定所述合同为所述可疑合同;或者在所述斜率方差大于所述第二斜率方差阈值时,确定所述合同为问题合同。
根据本公开的实施例,所述确定所述合同中是否存在拼接痕迹还包括:在所述合同被确定为可疑合同后,获取所述多个文本行中每个文本行的高度信息,以得到多个文本行高度值;计算所述多个文本行高度值的方差,以得到高度方差;以及在所述高度方差大于高度方差阈值时,确定所述合同为问题合同。
根据本公开的实施例,所述确定所述合同中是否存在拼接痕迹还包括:在所述高度方差小于或等于所述高度方差阈值时,去除所述多个文本行中高度最大的文本行、高度最小的文本行、和/或宽度小于预定宽度的文本行,以得到至少两个剩余文本行;计算所述至少两个剩余文本行的斜率方差,得到剩余行斜率方差;在所述剩余行斜率方差小于或等于第一斜率方差阈值时,确定所述合同为正常合同;在所述剩余行斜率方差大于所述第一斜率方差阈值且小于或等于第二斜率方差阈值时,确定所述合同为所述可疑合同;以及在所述剩余行斜率方差大于所述第二斜率方差阈值时,确定所述合同为问题合同。
根据本公开的实施例,所述非文本信息包括表格和图形中的至少之一。
根据本公开的实施例,所述图形包括印章,所述去除所述扫描图像中的非文本信息包括:当所述印章包括黑色以外的其他颜色的印章时,获取所述扫描图像中所述其他颜色的颜色通道,以及利用所述其他颜色的所述颜色通道去除所述印章;以及当所述印章包括黑色印章时,通过迭代霍夫曼圆方法定位所述印章,并去除所述印章。
根据本公开的实施例,所述非文本信息包括表格,所述去除所述扫描图像中的非文本信息包括:获取所述扫描图像中的水平线和垂直线;对所述水平线和所述垂直线进行位与处理,获取所述水平线和所述垂直线的交点;基于所述交点获得所述表格的外轮廓;基于所述外轮廓定位所述表格;以及从所述扫描图像中去除所述表格。
本公开的另一方面,提供了一种用于识别合同的装置。所述装置包括获取模块、处理模块、识别模块以及确定模块。所述获取模块用于获取所述合同的扫描图像。所述处理模块用于去除所述扫描图像中的非文本信息,得到保留文本的文本图像。所述识别模块用于识别所述文本图像中的多个文本行。所述确定模块用于基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹。
本公开的另一方面,提供了一种用于识别合同的系统。所述系统包括存储器和处理器。所述存储器上存储有计算机可执行指令。所述处理器执行所述指令,以实现如上所述的方法。
本公开的另一方面,提供一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行如上所述的方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的方法。
相比人工审核对比识别合同中存在的拼接问题,根据本公开的实施例的方法、装置、系统及介质可解决人工审核对带来的人力资源浪费等问题,降低人力成本及出错风险,提高识别合同的准确率。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的用于识别合同的方法、装置、系统及介质的应用场景;
图2示意性示出了根据本公开实施例的用于识别合同的方法的流程图;
图3示意性示出了根据本公开一实施例的用于识别合同的方法中去除表格的方法流程图;
图4示意性示出了根据本公开另一实施例的用于识别合同的方法中去除印章的方法流程图;
图5示意性示出了根据本公开实施例的仅保留文本的文本图像的示例;
图6示意性示出了根据本公开实施例的用于识别合同的方法中确定合同中是否存在拼接痕迹的流程图;
图7示意性示出了根据本公开实施例的用于识别合同的方法中对可疑合同的进一步识别的流程图;
图8示意性示出了图7的方法流程中基于剩余文本行的行斜率方差识别合同的流程图;
图9示意性示出了根据本公开实施例的用于识别合同的装置的方框图;以及
图10示意性示出了根据本公开实施例的适用于实现合同识别的计算机系统的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开的实施例提供了一种用于识别合同的方法、装置、系统及介质。该方法包括首先获取合同的扫描图像,然后去除扫描图像中的非文本信息得到保留文本的文本图像,接着识别文本图像中的多个文本行,之后基于多个文本行的特征,确定合同中是否存在拼接痕迹。
根据本公开的各个实施例,可以基于多个文本行的斜率(即倾斜程度)或行高中的至少之一,确定合同中是否存在拼接痕迹。例如可以基于多个文本行的斜率的方差、或者基于多个文本行的行高的方差来确定合同中是否存在拼接痕迹。
根据本公开实施的方法、装置、系统及介质,可以解决人工审核对带来的人力资源浪费等问题,降低人力成本及出错风险,提高识别合同的准确率。
图1示意性示出了根据本公开实施例的用于识别合同的方法、装置、系统及介质的应用场景100。需要注意的是,图1所示仅为可以应用本公开实施例的系统架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示,根据该实施例的应用场景100可以包括终端设备101,网络102和服务器103。网络102为用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户(例如业务人员或者客户)可以使用终端设备101通过网络102向服务器103上传合同的扫描图像,并接收服务器103对扫描图像的识别结果。终端设备101可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器103在接收到扫描图像后可以根据本公开实施例的方法进行实时的识别,或者也可以存储到指定的数据库位置批量识别处理。服务器103可以将识别结果通过网络102发送给终端设备101,以告知用户合同中是否存在有拼接痕迹。
需要说明的是,本公开实施例所提供的用于识别合同的方法一般可以由服务器103执行。相应地,本公开实施例所提供的用于识别合同的装置一般可以设置于服务器103中。本公开实施例所提供的用于识别合同的方法也可以由不同于服务器103且能够与终端设备101和/或服务器103通信的服务器或服务器集群执行。相应地,本公开实施例所提供的用于识别合同的装置也可以设置于不同于服务器103且能够与终端设备101和/或服务器103通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的用于识别合同的方法的流程图。
如图2所示,该用于识别合同的方法可以包括操作S210~操作S240。
首先在操作S210,获取合同的扫描图像。
然后在操作S220,去除扫描图像中的非文本信息,得到保留文本的文本图像(如下文图5所示的文本图像50)。
接着在操作S230,识别文本图像50中的多个文本行。例如,可以通过文本识别模型识别文本图像50中的文字位置,并通过文本框住对应的文本行(例如,文本框格51)。文本识别模型可以识别得到文本框格51的四个角点位置。其中,文本识别模型可以是基于机器学习训练得到的,用于识别图像中的每个文本行的四个角点位置的数据模型。
之后在操作S240,基于多个文本行的特征,确定合同中是否存在拼接痕迹。在一些实施例中,操作S240具体可以是基于多个文本行的斜率或行高中的至少之一,确定合同中是否存在拼接痕迹。例如,根据文本框格51的四个角点位置,来计算文本框格51的斜率或者行高,并对整个文本图像50中的所有文本框格进行统计,可以得到文本图像50中的所有文本行的斜率方差或者高度方差,然后基于该文本行的斜率方差或者文本行行高的高度方差,来识别合同中是否存在拼接痕迹。
根据本公开的实施例,操作S220中涉及的非文本信息包括表格和图形中的至少之一。本公开实施例的方法主要利用文本行的特征的方差来作为判别合同是否存在拼接痕迹的指标,因此表格以及、二维码、印章等图形的存在可能对识别结果产生不必要影响。
以下结合图3、图4和图5介绍根据本公开实施例的方法中操作S220去除非文本信息的各个实施例。其中,图3示意性示出了根据本公开一实施例的用于识别合同的方法中去除表格的方法流程图。图4示意性示出了根据本公开另一实施例的用于识别合同的方法中去除印章的方法流程图。图5示意性示出了根据本公开实施例的仅保留文本的文本图像的示例。
参考图3,图3示意了操作S220中去除扫描图像中的表格的方法流程图。
如图3所示,该方法可以包括操作S301~操作S305。
在操作S301,获取扫描图像中的水平线和垂直线。具体地可以将扫描图像统一调整为固定图像尺寸,然后利用图像处理形态学算法获取图像中的水平线和垂直线
在操作S302,对水平线和垂直线进行位与处理,获取水平线和垂直线的交点。
在操作S303,基于交点获得表格的外轮廓。水平线与垂直线的交点可以产生表格外轮廓。
在操作S304,基于外轮廓定位表格。通过外轮廓点统计高度和宽度。通过大量经验已可判别,若检测的轮廓点高度或宽度小于预定像素大小,则不是表格;反之,则构成表格。
在操作S305,从扫描图像中去除表格。当判别外轮廓点可构成表格后,则可以对扫描图像中的表格所在的区域进行例如纯白色覆盖,以去除表格。
参考图4,图4示意了操作S220中去除印章的方法流程。
如图4所示,去除印章的方法可以包括操作S401和操作S402。
在操作S401,当印章包括黑色以外的其他颜色的印章时,获取扫描图像中其他颜色的颜色通道,以及利用该其他颜色的颜色通道去除印章。
具体地,例如当合同的扫描图像中存在蓝色和/或红色印章时,为了去除合同图像中的红色和蓝色印章,可以首先从扫描图像中获取红色和蓝色通道图像,然后将红色和蓝色通道图像二值化产生红色通道和蓝色通道二值化图像,接着扫描图像自适应二值化产生自适应二值化图像,最后扫描图像自适应二值化图像、红色通道二值化图像和蓝色通道二值化图像加和,并去除合同图像中红色和蓝色像素,这样就可以完成去除红色和蓝色印章功能。
在操作S402,当印章包括黑色印章时,通过迭代霍夫曼圆方法定位该印章,并去除该印章。基于大量人工审核统一尺寸的印章经验,可以人为地初步确定出印章尺寸经验范围。应用迭代霍夫曼圆方法时,首先可以初始化当前印章最小半径值rcurrent_min为印章尺寸经验最小半径值rexperience_min,并初始化当前印章最大半径值rcurrent_max为印章尺寸经验最小半径值rexperience_max。然后若利用当前rcurrent_min和rcurrent_max作为参数,通过霍夫曼圆方法检测出扫描图像中是否存在圆形:若存在则可获取印章的位置,对印章区域进行纯白色覆盖;若不存在,则对当前最小半径值rcurrent_min和当前最大半径值rcurrent_max各增长一定尺寸(例如,15像素点)。接下来,以调整后的rcurrent_min和rcurrent_max作为参数继续进行霍夫曼圆检测,直至rcurrent_max大于rexperience_max后,停止迭代霍夫曼圆检测。
根据本公开的实施例,在去除了合同的扫描图像的红色和/或蓝色印章,并通过迭代霍夫曼圆检测方法去除掉黑色印章后,该合同的扫描图像上的印章基本去除。
在操作S220中去除掉合同的扫描图像中的印章、表格、二维码等非文本信息之后,可以得到如图5所示的保留纯文本的文本图像50。
接下来,基于图5的文本图像50,结合图6~图8介绍根据本公开实施例的方法中操作S240中确定合同中是否存在拼接痕迹的各个实施例。
图6示意性示出了根据本公开实施例的用于识别合同的方法中确定合同中是否存在拼接痕迹的流程图。
如图6,操作S240可以包括操作S601~操作S605。
在操作S601,获取多个文本行中每个文本行的斜率,以得到多个斜率值。
在操作S602,计算多个斜率值的方差,以得到斜率方差。
结合图5,例如通过文本识别模型识别文本图像50中的文字位置,得到框住文本行的文本框格(例如,文本框格51)的四个角点位置根据文本框格51的四个角点位置,来计算文本框格51的斜率,并对整个文本图像50中的所有的文本框格的斜率进行统计求方差,可以得到文本图像50中的所有文本行的斜率的方差值(即,斜率方差)。
在操作S603,判断斜率方差是否小于或等于第一斜率方差阈值V1。
若在操作S603中判断斜率方差小于或等于第一斜率方差阈值V1时,则执行操作S604,确定合同为正常合同,其中正常合同为不存在拼接痕迹的合同。
若在操作S603中判断斜率方差大于第一斜率方差阈值V1,则执行操作S604确定合同为非正常合同,其中,非正常合同包括存在拼接痕迹的问题合同或疑似存在拼接痕迹的可疑合同。
继续参考图6,根据本公开的另一实施例在操作S605之后还可以包括操作S606、以及操作S607或操作S608。
在操作S606,在确定合同为非正常合同之后,判断文本图像50的所有文本行的斜率方差是否小于或等于第二斜率方差阈值V2。
接着若在操作S606中判断文本图像50的所有文本行的斜率方差小于或等于第二斜率方差阈值V2,则执行操作S607,确定合同为可疑合同。
或者,若在操作S606中判断文本图像50的所有文本行的斜率方差大于第二斜率方差阈值V2,则执行操作S608,确定合同为问题合同。
在本公开实施例中,例如可以利用文本框格51四个角点位置计算文本框格51水平线的倾斜度数。以类似的方式计算其他文本框格的倾斜度数。接着统计所有文本框格倾斜度数的方差值,得到斜率方差。若斜率方差小于或等于第一斜率方差阈值V1,则判别为所识别的合同为正常合同;若斜率方差大于第一斜率方差阈值V1并小于或等于第二斜率方差阈值V2,则判别所识别的合同为可疑合同;若斜率方差大于第二斜率方差阈值V2,则判别所识别的合同为问题合同,其中该合同扫描图像中存有有拼接痕迹。
根据本公开的实施例,对于可疑合同可以通过人工审核的方式进行核查,或者也可以根据图7~图8的方法再进一步判断。
图7示意性示出了根据本公开实施例的用于识别合同的方法中对可疑合同的进一步识别的流程图。
如图7所示,对于可疑合同的进一步识别可以包括操作S701~操作S706。
在操作S701,在合同被确定为可疑合同后,获取多个文本行中每个文本行的高度信息,以得到多个文本行高度值。
在操作S702,计算多个文本行高度值的方差,以得到高度方差。本公开实施例中获取文本图像50中的文本行的高度方差的过程,与获取文本行的斜率方差的过程类似,均可以通过文本识别模型识别得到的每个文本框格(例如,文本框格51)的四个角点位置来计算每个文本框格的高度,以此作为每个文本行的高度值,并对整个文本图像50中的所有的文本行的高度值进行统计求方差,得到高度方差。
在操作S703,判断高度方差是否大于高度方差阈值V3。其中,若是则执行操作S704;若否则执行操作S705。
在操作S704,在高度方差大于高度方差阈值V3时,确定所识别的合同为问题合同。
在操作S705,在高度方差小于或等于高度方差阈值V3时,则去除文本图像50中的所有文本行中高度最大的文本行、高度最小的文本行、和/或宽度小于预定宽度的文本行,得到至少两个剩余文本行。
然后在操作S706中基于至少两个剩余文本行的斜率方差,识别合同。
其中,在操作S705中若高度方差小于或等于高度方差阈值V3时,可以认为基于高度方差这一指标判定的结论是该合同为正常合同,然而如前所述在操作S604中该合同已经基于斜率方差这一指标被判定为非正常合同。此时,就出现了基于高度方差和基于斜率方差对合同的判定结果不一致的问题。这时,可以考虑去文本图像50中高度过高和过低、和/或宽度过窄的文本框格,利用剩余的文本框格再次通过斜率方差进行判别。文本图像50中高度过高和过低、和/或宽度过窄的文本框格例如可能是合同中的签名位置等文本行对应的文本框格(例如,文本框格52)。去除掉这些文本框格后,可以降低因为随机因素导致的误判,提高识别准确率。
图8示意性示出了图7的方法流程中操作S706基于至少两个剩余文本行的斜率方差识别合同的流程图。
如图8所示,操作S706可以包括操作S801~操作S806。
在操作S801,计算至少两个剩余文本行的斜率方差,得到剩余行斜率方差。对剩余文本行的斜率方差的计算过程类似于操作S602。
在操作S802,判断该剩余行斜率方差是否小于或等于第一斜率方差阈值V1。
若操作S802的判断结果为是,则执行操作S803,确定所识别的合同为正常合同。
若操作S802的判断结果为否,则执行操作S804。
在操作S804,进一步判断该剩余行斜率方差是否小于或等于第二斜率方差阈值V2。
若操作S804的判断结果为是,则执行操作S805,确定所识别的合同为可疑合同。
若操作S804的判断结果为否,则执行操作S806,确定所识别的合同为问题合同。
本公开的实施例,对于基于文本图像50当按照斜率方差和高度方差两个指标的判别结果不一致的情况下,去除掉高度最大的文本行、高度最小的文本行、和/或宽度小于预定宽度的文本行后,对剩余文本行再次通过斜率方差进行判别:若剩余行斜率方差小于或等于第一斜率方差阈值V1,则判别为正常合同;若剩余行斜率方差大于第一斜率方差阈值V1并且小于或等于第二斜率方差阈值V2,则判别为怀疑合同图像;若剩余行斜率方差大于于第二斜率方差阈值V2,则判别为问题合同。对于本公开实施例判定的可疑合同,需要人工审核来确认该合同中是否存在拼接痕迹。
根据本公开的实施例,为了提高对合同的扫描图像识别的准确性,可以通过大量的实验调试以获得第一斜率方差阈值V1、第二斜率方差阈值V2以及高度方差阈值V3。在本发明人实施本公开的技术方案时,使用了22万图像数据多次测试调整后获得V1、V2和V3的值。
图9示意性示出了根据本公开实施例的用于识别合同的装置的方框图。
如图9所示,该用于识别合同的装置900包括获取模块910、处理模块920、识别模块930以及确定模块940。该装置900可以用于执行参考图2~图8所描述的方法。
获取模块910例如可以执行操作S210,用于获取合同的扫描图像。
处理模块920例如可以执行操作S220,用于去除扫描图像中的非文本信息,得到保留文本的文本图像50。
识别模块930例如可以执行操作S230,用于识别文本图像50中的多个文本行。
确定模块940例如可以执行操作S240,用于基于多个文本行的特征,确定合同中是否存在拼接痕迹。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,获取模块910、处理模块920、识别模块930以及确定模块940中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块910、处理模块920、识别模块930以及确定模块940中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,获取模块910、处理模块920、识别模块930以及确定模块940中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图10示意性示出了根据本公开实施例的适用于实现合同识别的计算机系统1000的方框图。图10示出的计算机系统1000仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示,根据本公开实施例的计算机系统1000包括处理器1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中,存储有系统1000操作所需的各种程序和数据。处理器1001、ROM1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM 1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,系统1000还可以包括输入/输出(I/O)接口1005,输入/输出(I/O)接口1005也连接至总线1004。系统1000还可以包括连接至I/O接口1005的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM1002和/或RAM 1003和/或ROM 1002和RAM 1003以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (12)
1.一种用于识别合同的方法,包括:
获取所述合同的扫描图像;
去除所述扫描图像中的非文本信息,得到保留文本的文本图像;
识别所述文本图像中的多个文本行;以及
基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹。
2.根据权利要求1所述的方法,其中,所述基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹包括:
基于所述多个文本行的斜率或行高中的至少之一,确定所述合同中是否存在拼接痕迹。
3.根据权利要求2所述的方法,其中,所述基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹包括:
获取所述多个文本行中每个文本行的斜率,以得到多个斜率值;
计算所述多个斜率值的方差,以得到斜率方差;
在所述斜率方差小于或等于第一斜率方差阈值时,确定所述合同为正常合同,其中所述正常合同为不存在拼接痕迹的合同;以及
在所述斜率方差大于所述第一斜率方差阈值时,确定所述合同为非正常合同,其中,所述非正常合同包括存在拼接痕迹的问题合同或疑似存在拼接痕迹的可疑合同。
4.根据权利要求2所述的方法,其中,所述确定所述合同中是否存在拼接痕迹还包括:
在确定所述合同为非正常合同之后,
在所述斜率方差小于或等于第二斜率方差阈值时确定所述合同为所述可疑合同;或者在所述斜率方差大于所述第二斜率方差阈值时,确定所述合同为问题合同。
5.根据权利要求4所述的方法,其中,所述确定所述合同中是否存在拼接痕迹还包括:
在所述合同被确定为可疑合同后,获取所述多个文本行中每个文本行的高度信息,以得到多个文本行高度值;
计算所述多个文本行高度值的方差,以得到高度方差;以及
在所述高度方差大于高度方差阈值时,确定所述合同为问题合同。
6.根据权利要求5所述的方法,其中,所述确定所述合同中是否存在拼接痕迹还包括:
在所述高度方差小于或等于所述高度方差阈值时,去除所述多个文本行中高度最大的文本行、高度最小的文本行、和/或宽度小于预定宽度的文本行,以得到至少两个剩余文本行;
计算所述至少两个剩余文本行的斜率方差,得到剩余行斜率方差;
在所述剩余行斜率方差小于或等于第一斜率方差阈值时,确定所述合同为正常合同;
在所述剩余行斜率方差大于所述第一斜率方差阈值且小于或等于第二斜率方差阈值时,确定所述合同为所述可疑合同;以及
在所述剩余行斜率方差大于所述第二斜率方差阈值时,确定所述合同为问题合同。
7.根据权利要求1所述的方法,其中,所述非文本信息包括表格和图形中的至少之一。
8.根据权利要求7所述的方法,其中,所述图形包括印章,所述去除所述扫描图像中的非文本信息包括:
当所述印章包括黑色以外的其他颜色的印章时,获取所述扫描图像中所述其他颜色的颜色通道,以及利用所述其他颜色的所述颜色通道去除所述印章;以及
当所述印章包括黑色印章时,通过迭代霍夫曼圆方法定位所述印章,并去除所述印章。
9.根据权利要求7所述的方法,其中,所述非文本信息包括表格,所述去除所述扫描图像中的非文本信息包括:
获取所述扫描图像中的水平线和垂直线;
对所述水平线和所述垂直线进行位与处理,获取所述水平线和所述垂直线的交点;
基于所述交点获得所述表格的外轮廓;
基于所述外轮廓定位所述表格;以及
从所述扫描图像中去除所述表格。
10.一种用于识别合同的装置,包括:
获取模块,用于获取所述合同的扫描图像;
处理模块,用于去除所述扫描图像中的非文本信息,得到保留文本的文本图像;
识别模块,用于识别所述文本图像中的多个文本行;以及
确定模块,用于基于所述多个文本行的特征,确定所述合同中是否存在拼接痕迹。
11.一种用于识别合同的系统,包括:
存储器,其上存储有计算机可执行指令;以及
处理器,所述处理器执行所述指令,以实现根据权利要求1~9中任一项所述的方法。
12.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~9中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910719353.XA CN110427891B (zh) | 2019-08-05 | 2019-08-05 | 用于识别合同的方法、装置、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910719353.XA CN110427891B (zh) | 2019-08-05 | 2019-08-05 | 用于识别合同的方法、装置、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427891A true CN110427891A (zh) | 2019-11-08 |
CN110427891B CN110427891B (zh) | 2022-06-10 |
Family
ID=68414255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910719353.XA Active CN110427891B (zh) | 2019-08-05 | 2019-08-05 | 用于识别合同的方法、装置、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427891B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611783A (zh) * | 2020-06-18 | 2020-09-01 | 山东旗帜信息有限公司 | 一种图形表格的定位分割方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404037A (zh) * | 2008-11-18 | 2009-04-08 | 西安交通大学 | 一种检测及定位电子文本内容剽窃的方法 |
CN101847186A (zh) * | 2010-02-10 | 2010-09-29 | 杭州华杭科技有限公司 | 一种痕迹的防伪鉴伪方法 |
CN104199805A (zh) * | 2014-09-11 | 2014-12-10 | 清华大学 | 文本拼接方法及装置 |
CN108257199A (zh) * | 2018-01-19 | 2018-07-06 | 中铁七局集团第三工程有限公司 | 一种为电子文件加盖骑缝章的方法与系统 |
CN108280761A (zh) * | 2018-01-30 | 2018-07-13 | 平安普惠企业管理有限公司 | 增信方分配方法、装置、计算机设备和存储介质 |
CN109034328A (zh) * | 2017-06-08 | 2018-12-18 | 石立公 | 一种随机防伪标记特征提取识别方法、装置和服务器 |
CN109598312A (zh) * | 2018-11-30 | 2019-04-09 | 深圳市共进电子股份有限公司 | 一种透明体或半透明体覆盖的文本识别方法及系统 |
CN110050283A (zh) * | 2016-12-09 | 2019-07-23 | 斯纳普公司 | 定制的用户控制的媒体覆盖 |
US20190236349A1 (en) * | 2018-01-30 | 2019-08-01 | Ncr Corporation | Invalidation recognition and fraud prevention |
-
2019
- 2019-08-05 CN CN201910719353.XA patent/CN110427891B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404037A (zh) * | 2008-11-18 | 2009-04-08 | 西安交通大学 | 一种检测及定位电子文本内容剽窃的方法 |
CN101847186A (zh) * | 2010-02-10 | 2010-09-29 | 杭州华杭科技有限公司 | 一种痕迹的防伪鉴伪方法 |
CN104199805A (zh) * | 2014-09-11 | 2014-12-10 | 清华大学 | 文本拼接方法及装置 |
CN110050283A (zh) * | 2016-12-09 | 2019-07-23 | 斯纳普公司 | 定制的用户控制的媒体覆盖 |
CN109034328A (zh) * | 2017-06-08 | 2018-12-18 | 石立公 | 一种随机防伪标记特征提取识别方法、装置和服务器 |
CN108257199A (zh) * | 2018-01-19 | 2018-07-06 | 中铁七局集团第三工程有限公司 | 一种为电子文件加盖骑缝章的方法与系统 |
CN108280761A (zh) * | 2018-01-30 | 2018-07-13 | 平安普惠企业管理有限公司 | 增信方分配方法、装置、计算机设备和存储介质 |
US20190236349A1 (en) * | 2018-01-30 | 2019-08-01 | Ncr Corporation | Invalidation recognition and fraud prevention |
CN109598312A (zh) * | 2018-11-30 | 2019-04-09 | 深圳市共进电子股份有限公司 | 一种透明体或半透明体覆盖的文本识别方法及系统 |
Non-Patent Citations (6)
Title |
---|
BARZ, BJORN,ET.AL: "Detecting Regions of Maximal Divergence for Spatio-Temporal Anomaly Detection", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
JAVED, M.,ET.AL,: "Automatic detection of font size straight from run length compressed text documents", 《ARXIV:1402.4388》 * |
JOOST VAN BEUSEKOM,ET.AL: "Text-line examination for document forgery detection", 《IJDAR》 * |
尚士泽: "伪造变造文件数字被动无损取证技术综述", 《信息网络安全》 * |
晋美扎巴: "扫描伪造文件检验", 《科技视界》 * |
王恋,等: "人工智能在会计领域的研究展望", 《中国管理信息化》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611783A (zh) * | 2020-06-18 | 2020-09-01 | 山东旗帜信息有限公司 | 一种图形表格的定位分割方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110427891B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11151397B2 (en) | Liveness testing methods and apparatuses and image processing methods and apparatuses | |
CN112016438B (zh) | 一种基于图神经网络识别证件的方法及系统 | |
CN111402120B (zh) | 一种标注图像处理方法及装置 | |
CN110189336B (zh) | 图像生成方法、系统、服务器及存储介质 | |
CN109255356A (zh) | 一种文字识别方法、装置及计算机可读存储介质 | |
CN107368800B (zh) | 基于传真识别的订单确认方法、系统、设备及存储介质 | |
CN112215171B (zh) | 目标检测方法、装置、设备及计算机可读存储介质 | |
CN104025118A (zh) | 使用扩展surf特征的对象检测 | |
CN104978750B (zh) | 用于处理视频文件的方法和装置 | |
CN104160408A (zh) | 视频合成的方法和系统 | |
CN109409241A (zh) | 视频核验方法、装置、设备及可读存储介质 | |
CN108628993B (zh) | 电子地图自适应分类方法、装置、设备及存储介质 | |
CN107622504A (zh) | 用于处理图片的方法和装置 | |
CN112396050B (zh) | 图像的处理方法、设备以及存储介质 | |
CN105405130A (zh) | 基于聚类的证照图像高光检测方法及装置 | |
WO2019242644A1 (zh) | 基于人工检票界面图像的检票方法、装置、介质及电子设备 | |
CN108648189A (zh) | 图像模糊检测方法、装置、计算设备及可读存储介质 | |
Sarmah et al. | Optimization models in steganography using metaheuristics | |
US10275608B2 (en) | Object-centric video redaction | |
CN111428570A (zh) | 非活体人脸的检测方法、装置、计算机设备及存储介质 | |
CN110427891A (zh) | 用于识别合同的方法、装置、系统及介质 | |
CN104093010B (zh) | 一种图像处理方法及装置 | |
CN110909568A (zh) | 用于面部识别的图像检测方法、装置、电子设备及介质 | |
CN112488054A (zh) | 一种人脸识别方法、装置、终端设备及存储介质 | |
CN103854020A (zh) | 文字识别方法及装置 |
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 |