CN111461099A - 一种票据识别的方法、系统、设备及可读存储介质 - Google Patents
一种票据识别的方法、系统、设备及可读存储介质 Download PDFInfo
- Publication number
- CN111461099A CN111461099A CN202010229734.2A CN202010229734A CN111461099A CN 111461099 A CN111461099 A CN 111461099A CN 202010229734 A CN202010229734 A CN 202010229734A CN 111461099 A CN111461099 A CN 111461099A
- Authority
- CN
- China
- Prior art keywords
- bill
- model
- image
- identification
- called
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012549 training Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims description 35
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000003709 image segmentation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009966 trimming Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000003702 image correction Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Character Input (AREA)
Abstract
本申请公开了一种票据识别的方法，包括：接收票据识别请求；根据票据识别请求确定待识别票据图像；根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型；调用待调用识别模型对待识别票据图像进行识别，得到对应的票据信息。本申请在面对复杂版面票据时，通过根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型，实现了针对每种票据选择对应的识别模型对待识别票据图像进行识别，而且预设空间中的识别模型可以重复利用，进而不需要针对每种票据都重复进行标注、定位训练、识别训练等步骤，降低了票据识别的成本及模型训练时间。本申请同时还提供了一种票据识别的系统、设备及可读存储介质，具有上述有益效果。
Description
技术领域
本申请涉及票据识别领域，特别涉及一种票据识别的方法、系统、设备及可读存储介质。
背景技术
基于光学字符识别(Optical Character Recognition，OCR)的票据自动识别与处理技术是指通过计算机等设备，利用OCR技术将纸质票据中的符号自动提取和识别出来，并进行相应处理。它是实现票据计算机自动处理的关键技术之一。尽管电子支付、电子票据等发展日益增多，传统纸质票据仍然是现实工作和生活中广泛使用的方式之一，如各类纸质发票、金融票据等。
现有纸质票据的计算机自动处理一般针对版式相对简单的票据，对于具有较为复杂版面票据，特别是发票票据，由于票据种类繁多，票据版面格式复杂多样，需要针对每种票据都进行标注、定位训练、识别训练这些步骤，存在着票据识别的成本过高、模型训练时间过长的问题。
因此，如何降低票据识别的成本及模型训练时间是本领域技术人员目前需要解决的技术问题。
发明内容
本申请的目的是提供一种票据识别的方法、系统、设备及可读存储介质，用于降低票据识别的成本及模型训练时间。
为解决上述技术问题，本申请提供一种票据识别的方法，该方法包括：
接收票据识别请求；
根据所述票据识别请求确定待识别票据图像；
根据所述票据识别请求或所述待识别票据图像从预设存储空间中选取待调用识别模型；
调用所述待调用识别模型对所述待识别票据图像进行识别，得到对应的票据信息。
可选的，所述待调用识别模型的数量为两个或两个以上；
调用所述待调用识别模型对所述待识别票据图像进行识别，得到对应的票据信息，对应包括：
调用每个所述待调用识别模型分别对所述待识别票据图像进行识别，得到对应的票据信息。
可选的，还包括：
接收模型训练请求，并根据所述模型训练请求确定初始模型、原始票据图集及模型类型；
根据所述模型类型对所述原始票据图集进行预处理，得到对应类别的票据训练集；
调用所述对应类别的票据训练集对所述初始模型进行训练，得到所述模型类型的识别模型；
将所述模型类型的识别模型存入所述预设存储空间中。
可选的，根据所述模型类型对所述原始票据图集进行预处理，得到对应类别的票据训练集，包括：
根据所述模型类型对所述原始票据图集中的每一张图像进行图像筛选处理，得到对应类型的图像区域；
对每个所述图像区域进行图像处理，并将处理后的每个所述图像区域添加到所述对应类别的票据训练集；其中，所述图像处理包括切边处理、图像增强处理、图像校正处理、图像降噪处理中的至少一项。
可选的，所述根据所述票据识别请求或所述待识别票据图像从预设存储空间中选取待调用识别模型，包括：
调用图像分割模型对所述待识别票据图像进行图像分割，得到不同类别的图像区域；
根据所述图像区域的类别确定所述待调用识别模型的类别；
从所述预设存储空间中选取对应类别的所述待调用识别模型。
可选的，所述根据所述票据识别请求或所述待识别票据图像从预设存储空间中选取待调用识别模型，包括：
根据所述票据识别请求确定所述待调用识别模型的类别；
从所述预设存储空间中选取对应类别的所述待调用识别模型。
可选的，所述待调用识别模型的类别包括购方信息识别模型、销方信息识别模型、商品信息识别模型、开票日期识别模型中的至少一项。
本申请还提供一种票据识别的系统，该系统包括：
第一接收模块，用于接收票据识别请求；
确定模块，用于根据所述票据识别请求确定待识别票据图像；
选取模块，用于根据所述票据识别请求或所述待识别票据图像从预设存储空间中选取待调用识别模型；
第一调用模块，用于调用所述识别模型对所述待识别票据图像进行识别，得到对应的票据信息。
本申请还提供一种票据识别设备，该票据识别设备包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述票据识别的方法的步骤。
本申请还提供一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述票据识别的方法的步骤。
本申请所提供票据识别的方法，包括：接收票据识别请求；根据票据识别请求确定待识别票据图像；根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型；调用待调用识别模型对待识别票据图像进行识别，得到对应的票据信息。
本申请所提供的技术方案，在面对复杂版面票据时，通过根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型，实现了针对每种票据选择对应的识别模型对待识别票据图像进行识别，而且预设空间中的识别模型可以重复利用，进而不需要针对每种票据都重复进行标注、定位训练、识别训练等步骤，极大的降低了票据识别的成本及模型训练时间。本申请同时还提供了一种票据识别的系统、设备及可读存储介质，具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例所提供的一种票据识别的方法的流程图；
图2为本申请实施例所提供的另一种票据识别的方法的流程图；
图3为本申请实施例所提供的一种票据识别的系统的结构图；
图4为本申请实施例所提供的另一种票据识别的系统的结构图；
图5为本申请实施例所提供的一种票据识别设备的结构图。
具体实施方式
本申请的核心是提供一种票据识别的方法、系统、设备及可读存储介质，用于降低票据识别的成本及模型训练时间。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参考图1，图1为本申请实施例所提供的一种票据识别的方法的流程图。
其具体包括如下步骤：
S101：接收票据识别请求；
基于现有纸质票据的计算机自动处理一般针对版式相对简单的票据，对于具有较为复杂版面票据，特别是发票票据，由于票据种类繁多，票据版面格式复杂多样，需要针对每种票据都进行标注、定位训练、识别训练这些步骤，存在着票据识别的成本过高、模型训练时间过长的问题；本申请提供了一种票据识别的方法，用于解决上述技术问题。
可选的，这里提到的票据识别请求可以为用户手动输入到客户端发送的，也可以为系统连接到制定服务器下载得到的，本申请对票据识别请求的获取方式不做具体限定。
S102：根据票据识别请求确定待识别票据图像；
可选的，这里提到的待识别票据图像可以为从票据识别请求中获取到的，也可以为从根据票据识别请求确定对应的存储路径，并从该存储路径中下载得到的，本申请对待识别票据图像的获取方式不做具体限定。
S103：根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型；
这里提到的从预设存储空间中选取待调用识别模型的意义在于，针对每种票据选择对应的识别模型对待识别票据图像进行识别，保证预设空间中的识别模型可以重复利用，进而不需要针对每种票据都重复进行标注、定位训练、识别训练等步骤，达到降低票据识别的成本及模型训练时间的目的；
可选的，为提高票据识别的自动化程度，降低票据识别对用户的要求，这里提到的，根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型，其具体可以为：
调用图像分割模型对待识别票据图像进行图像分割，得到不同类别的图像区域；
根据图像区域的类别确定待调用识别模型的类别；
从预设存储空间中选取对应类别的待调用识别模型。
可选的，为进一步降低票据识别的成本及模型训练时间，还可以由用户根据票据来选择对应类别的识别模型来实现，即这里提到的根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型，其具体可以为：
根据票据识别请求确定待调用识别模型的类别；
从预设存储空间中选取对应类别的待调用识别模型。
可选的，这里提到的待调用识别模型的类别包括购方信息识别模型、销方信息识别模型、商品信息识别模型、开票日期识别模型中的至少一项；其中，购方信息即为商品购买方的信息，销方信息即为商品销售方的信息，商品信息可以包括商品名称、计量单位、数量、金额、税额等。
S104：调用待调用识别模型对待识别票据图像进行识别，得到对应的票据信息。
可选的，这里提到的票据信息的类型可以包括购方信息类型、销方信息类型、商品信息类型、开票日期类型中的至少一项；
优选的，在一个具体实施例中，待调用识别模型的数量可以为两个或两个以上；
在此基础上，还可以通过调用多个识别模型实现对多种票据信息的识别，即这里提到的调用待调用识别模型对待识别票据图像进行识别，得到对应的票据信息，其具体可以为：
调用每个待调用识别模型分别对待识别票据图像进行识别，得到对应的票据信息。
基于上述技术方案，本申请所提供的一种票据识别的方法，在面对复杂版面票据时，通过根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型，实现了针对每种票据选择对应的识别模型对待识别票据图像进行识别，而且预设空间中的识别模型可以重复利用，进而不需要针对每种票据都重复进行标注、定位训练、识别训练等步骤，极大的降低了票据识别的成本及模型训练时间。
针对于上一实施例的步骤S103，本申请还可以在接收到模型训练请求时向预设存储空间中添加新的识别模型，以实现预设空间中识别模型类别的增加，进而避免降低票据图像无法识别的情况的出现，下面结合图2进行说明。
请参考图2，图2为本申请实施例所提供的另一种票据识别的方法的流程图。
其具体包括以下步骤：
S201：接收模型训练请求，并根据模型训练请求确定初始模型、原始票据图集及模型类型；
S202：根据模型类型对原始票据图集进行预处理，得到对应类别的票据训练集；
可选的，这里提到的根据模型类型对原始票据图集进行预处理，其具体可以为调用预处理模型对原始票据图集中的每一张图像进行处理；
可选的，可以通过对每个图像区域进行多种图像处理实现对原始票据图集的预处理，进而提高图集预处理的速度，即这里提到的根据模型类型对原始票据图集进行预处理，得到对应类别的票据训练集，其具体也可以为：
根据模型类型对原始票据图集中的每一张图像进行图像筛选处理，得到对应类型的图像区域；
对每个图像区域进行图像处理，并将处理后的每个图像区域添加到对应类别的票据训练集；其中，图像处理包括切边处理、图像增强处理、图像校正处理、图像降噪处理中的至少一项。
在一个具体实施例中，还可以通过锁定长宽比、对齐最长边的方式对图像进行处理，例如，如果模型针对的票据大小是1000*1000，实际中票据切边后模型不规整，手写体或印刷体会超出或少一点，实际切边过程中采用长宽比锁定，对切边进行放大或缩小，直到长边对齐，然后可以在设置模型时尽量让识别区域大一点，以提高识别的效率。
S203：调用对应类别的票据训练集对初始模型进行训练，得到模型类型的识别模型；
S204：将模型类型的识别模型存入预设存储空间中。
请参考图3，图3为本申请实施例所提供的一种票据识别的系统的结构图。
该系统可以包括：
第一接收模块100，用于接收票据识别请求；
确定模块200，用于根据票据识别请求确定待识别票据图像；
选取模块300，用于根据票据识别请求或待识别票据图像从预设存储空间中选取待调用识别模型；
第一调用模块400，用于调用识别模型对待识别票据图像进行识别，得到对应的票据信息。
请参考图4，图4为本申请实施例所提供的另一种票据识别的系统的结构图。
该第一调用模块400可以包括：
调用子模块，用于调用每个待调用识别模型分别对待识别票据图像进行识别，得到对应的票据信息。
该系统还可以包括：
第二接收模块，用于接收模型训练请求，并根据模型训练请求确定初始模型、原始票据图集及模型类型；
预处理模块，用于根据模型类型对原始票据图集进行预处理，得到对应类别的票据训练集；
第二调用模块，用于调用对应类别的票据训练集对初始模型进行训练，得到模型类型的识别模型；
存放模块，用于将模型类型的识别模型存入预设存储空间中。
进一步的，该预处理模块可以包括：
筛选子模块，用于根据模型类型对原始票据图集中的每一张图像进行图像筛选处理，得到对应类型的图像区域；
图像处理子模块，用于对每个图像区域进行图像处理，并将处理后的每个图像区域添加到对应类别的票据训练集；其中，图像处理包括切边处理、图像增强处理、图像校正处理、图像降噪处理中的至少一项。
该选取模块300可以包括：
调用子模块，用于调用图像分割模型对待识别票据图像进行图像分割，得到不同类别的图像区域；
第一确定子模块，用于根据图像区域的类别确定待调用识别模型的类别；
第一选取子模块，用于从预设存储空间中选取对应类别的待调用识别模型。
该选取模块300可以包括：
第二确定子模块，用于根据票据识别请求确定待调用识别模型的类别；
第二选取子模块，用于从预设存储空间中选取对应类别的待调用识别模型。
由于系统部分的实施例与方法部分的实施例相互对应，因此系统部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
请参考图5，图5为本申请实施例所提供的一种票据识别设备的结构图。
该票据识别设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)522(例如，一个或一个以上处理器)和存储器532，一个或一个以上存储应用程序542或数据544的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器532和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对装置中的一系列指令操作。更进一步地，处理器522可以设置为与存储介质530通信，在票据识别设备500上执行存储介质530中的一系列指令操作。
票据识别设备500还可以包括一个或一个以上电源525，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口558，和/或，一个或一个以上操作系统541，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
上述图1至图2所描述的票据识别的方法中的步骤由票据识别设备基于该图5所示的结构实现。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置、设备和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，功能调用装置，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上对本申请所提供的一种票据识别的方法、系统、设备及可读存储介质进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种票据识别的方法，其特征在于，包括：
接收票据识别请求；
根据所述票据识别请求确定待识别票据图像；
根据所述票据识别请求或所述待识别票据图像从预设存储空间中选取待调用识别模型；
调用所述待调用识别模型对所述待识别票据图像进行识别，得到对应的票据信息。
2.根据权利要求1所述的方法，其特征在于，所述待调用识别模型的数量为两个或两个以上；
调用所述待调用识别模型对所述待识别票据图像进行识别，得到对应的票据信息，对应包括：
调用每个所述待调用识别模型分别对所述待识别票据图像进行识别，得到对应的票据信息。
3.根据权利要求1所述的方法，其特征在于，还包括：
接收模型训练请求，并根据所述模型训练请求确定初始模型、原始票据图集及模型类型；
根据所述模型类型对所述原始票据图集进行预处理，得到对应类别的票据训练集；
调用所述对应类别的票据训练集对所述初始模型进行训练，得到所述模型类型的识别模型；
将所述模型类型的识别模型存入所述预设存储空间中。
4.根据权利要求3所述的方法，其特征在于，根据所述模型类型对所述原始票据图集进行预处理，得到对应类别的票据训练集，包括：
根据所述模型类型对所述原始票据图集中的每一张图像进行图像筛选处理，得到对应类型的图像区域；
对每个所述图像区域进行图像处理，并将处理后的每个所述图像区域添加到所述对应类别的票据训练集；其中，所述图像处理包括切边处理、图像增强处理、图像校正处理、图像降噪处理中的至少一项。
5.根据权利要求1所述的方法，其特征在于，所述根据所述票据识别请求或所述待识别票据图像从预设存储空间中选取待调用识别模型，包括：
调用图像分割模型对所述待识别票据图像进行图像分割，得到不同类别的图像区域；
根据所述图像区域的类别确定所述待调用识别模型的类别；
从所述预设存储空间中选取对应类别的所述待调用识别模型。
6.根据权利要求1所述的方法，其特征在于，所述根据所述票据识别请求或所述待识别票据图像从预设存储空间中选取待调用识别模型，包括：
根据所述票据识别请求确定所述待调用识别模型的类别；
从所述预设存储空间中选取对应类别的所述待调用识别模型。
7.根据权利要求5或6所述的方法，其特征在于，所述待调用识别模型的类别包括购方信息识别模型、销方信息识别模型、商品信息识别模型、开票日期识别模型中的至少一项。
8.一种票据识别的系统，其特征在于，包括：
第一接收模块，用于接收票据识别请求；
确定模块，用于根据所述票据识别请求确定待识别票据图像；
选取模块，用于根据所述票据识别请求或所述待识别票据图像从预设存储空间中选取待调用识别模型；
第一调用模块，用于调用所述识别模型对所述待识别票据图像进行识别，得到对应的票据信息。
9.一种票据识别设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述票据识别的方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述票据识别的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010229734.2A CN111461099A (zh) | 2020-03-27 | 2020-03-27 | 一种票据识别的方法、系统、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010229734.2A CN111461099A (zh) | 2020-03-27 | 2020-03-27 | 一种票据识别的方法、系统、设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111461099A true CN111461099A (zh) | 2020-07-28 |
Family
ID=71684997
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010229734.2A Pending CN111461099A (zh) | 2020-03-27 | 2020-03-27 | 一种票据识别的方法、系统、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111461099A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022126978A1 (zh) * | 2020-12-16 | 2022-06-23 | 平安科技（深圳）有限公司 | 发票信息抽取方法、装置、计算机设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204576535U (zh) * | 2014-12-22 | 2015-08-19 | 深圳中兴网信科技有限公司 | 一种票据识别装置 |
| CN107798299A (zh) * | 2017-10-09 | 2018-03-13 | 平安科技（深圳）有限公司 | 票据信息识别方法、电子装置及可读存储介质 |
| CN108664897A (zh) * | 2018-04-18 | 2018-10-16 | 平安科技（深圳）有限公司 | 票据识别方法、装置及存储介质 |
| CN110263694A (zh) * | 2019-06-13 | 2019-09-20 | 泰康保险集团股份有限公司 | 一种票据识别方法及装置 |
| CN110866495A (zh) * | 2019-11-14 | 2020-03-06 | 杭州睿琪软件有限公司 | 票据图像识别方法及装置和设备、训练方法和存储介质 |
-
2020
- 2020-03-27 CN CN202010229734.2A patent/CN111461099A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204576535U (zh) * | 2014-12-22 | 2015-08-19 | 深圳中兴网信科技有限公司 | 一种票据识别装置 |
| CN107798299A (zh) * | 2017-10-09 | 2018-03-13 | 平安科技（深圳）有限公司 | 票据信息识别方法、电子装置及可读存储介质 |
| CN108664897A (zh) * | 2018-04-18 | 2018-10-16 | 平安科技（深圳）有限公司 | 票据识别方法、装置及存储介质 |
| CN110263694A (zh) * | 2019-06-13 | 2019-09-20 | 泰康保险集团股份有限公司 | 一种票据识别方法及装置 |
| CN110866495A (zh) * | 2019-11-14 | 2020-03-06 | 杭州睿琪软件有限公司 | 票据图像识别方法及装置和设备、训练方法和存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 卫志华等: "一种基于结构的票据定位新方法", 《计算机应用》 * |
| 王林水等: "自动票据识别系统", 《计算机工程》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022126978A1 (zh) * | 2020-12-16 | 2022-06-23 | 平安科技（深圳）有限公司 | 发票信息抽取方法、装置、计算机设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110764942B (zh) | 多种类数据校验方法、装置、计算机系统及可读存储介质 | |
| CN111274782A (zh) | 一种文本审核方法、装置、计算机设备及可读存储介质 | |
| CN109446197A (zh) | 用户信息处理方法、装置、计算机设备及存储介质 | |
| CN111275037B (zh) | 票据识别方法及装置 | |
| CN112699775A (zh) | 基于深度学习的证件识别方法、装置、设备及存储介质 | |
| CN109992752B (zh) | 合同文件的标签标记方法、装置、计算机装置及存储介质 | |
| CN110516664A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
| CN110351672B (zh) | 信息推送方法、装置及电子设备 | |
| CN113011349A (zh) | 一种票据的要素识别方法、装置及存储介质 | |
| CN112487859A (zh) | 信息处理装置、信息处理方法和计算机可读介质 | |
| CN110765293A (zh) | 自动开启二维码的方法、系统、电子设备及存储介质 | |
| CN111462388A (zh) | 一种票据检验方法、装置、终端设备及存储介质 | |
| CN112699871A (zh) | 字段内容识别方法、系统、设备及计算机可读存储介质 | |
| CN115599885A (zh) | 文档全文检索方法、装置、计算机设备、存储介质及产品 | |
| CN111461099A (zh) | 一种票据识别的方法、系统、设备及可读存储介质 | |
| CN117315705B (zh) | 通用的卡证识别方法、装置、系统、电子设备及存储介质 | |
| CN110992139B (zh) | 竞标价格实现方法及相关产品 | |
| CN110597984B (zh) | 异常行为用户信息的确定方法及装置、存储介质、终端 | |
| CN117133006A (zh) | 一种单证验证方法、装置、计算机设备及存储介质 | |
| CN111104853A (zh) | 图像信息录入方法、装置、电子设备及存储介质 | |
| CN111178365A (zh) | 图片文字的识别方法、装置、电子设备及存储介质 | |
| CN110472121A (zh) | 名片信息搜索方法、装置、电子设备以及计算机可读存储介质 | |
| CN114330240A (zh) | Pdf文档解析方法、装置、计算机设备及存储介质 | |
| CN111639905B (zh) | 企业业务流程管控系统、方法、电子设备及存储介质 | |
| CN108268920A (zh) | 生成条码的方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200728 |
|
| RJ01 | Rejection of invention patent application after publication |