CN111899411A - 票据数据识别方法及装置 - Google Patents
票据数据识别方法及装置 Download PDFInfo
- Publication number
- CN111899411A CN111899411A CN202010816486.1A CN202010816486A CN111899411A CN 111899411 A CN111899411 A CN 111899411A CN 202010816486 A CN202010816486 A CN 202010816486A CN 111899411 A CN111899411 A CN 111899411A
- Authority
- CN
- China
- Prior art keywords
- bill
- target
- identification
- data
- information
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
- G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
- G07D7/20—Testing patterns thereon
- G07D7/202—Testing patterns thereon using pattern matching
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Inspection Of Paper Currency And Valuable Securities (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供一种票据数据识别方法及装置,可用于人工智能技术领域,方法包括:若经自动票据识别过程获取到当前目标票据的票据类型,则选取对应的要素识别模型;将目标票据的票据图像数据输入要素识别模型,并将输出作为票据图像数据的要素识别结果;将要素识别结果与目标票据的属性录入信息进行对比,若要素识别结果与属性录入信息相符,则将目标票据的票据图像数据和属性录入信息发送至目标票据的接收机构。本申请能够有效提高票据类型识别过程的效率、准确性及自动化程度,并能够有效提高票据真伪鉴别的可靠性、效率及自动化程度,能够降低接收机构的工作量,并能够提高接收机构进行票据兑换以完成票据数据识别过程的可靠性及安全性。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及人工智能技术领域,具体涉及票据数据识别方法及装置。
背景技术
票据交换是指在预定范围内进行的票据跨行交换过程,票据交换中的票据发出机构与票据接收机构不同,例如在同一城市或者同一区域内进行票据跨行交换的同城票据交换过程。
目前,如银行等金融机构在作为票据接收机构执行票据交换过程时,通常需要在票据交换之前以人工识别的方式获得票据信息,该识别过程耗时且票据的真伪鉴别还依赖于票据的发出机构,即使部分金融机构采取了采集票据图像数据的方式,但对票据图像数据进行类型识别的过程依然依赖银行网点或票据处理中心等的工作人员,因此,由于票据识别效率低以及接收机构很难鉴别票据真伪等客观因素,使得现有的票据交换方式存在无法同时保证交换效率和交换可靠性的问题。
发明内容
针对现有技术中的问题,本申请提供一种票据数据识别方法及装置,能够有效提高票据类型识别过程的效率、准确性及自动化程度,并能够有效提高票据真伪鉴别的可靠性、效率及自动化程度,能够降低接收机构的工作量,并能够提高接收机构进行票据兑换以完成票据交换过程的可靠性及安全性。
为解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种票据数据识别方法,包括:
若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型;
将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果;
将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构。
进一步地,所述若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型,包括:
接收目标票据的票据图像数据;
对所述目标票据的票据图像数据进行票据类型识别,若识别到该目标票据的票据类型,则基于该目标票据的票据类型选取对应的要素识别模型。
进一步地,所述对所述目标票据的票据图像数据进行票据类型识别,若识别到该目标票据的票据类型,则基于该目标票据的票据类型选取对应的要素识别模型,包括:
对所述目标票据的票据图像数据中的至少一个预设位置处的票据关键要素进行识别,得到对应的票据初始识别结果;
自预设的票据类型库中,查找是否存在与所述票据初始识别结果对应的发出机构的唯一标识、票据类型和存储格式,若是,则将该目标票据的发出机构的唯一标识、票据类型和存储格式确定为所述目标票据的票据类型;
基于所述目标票据的票据类型选取对应的要素识别模型。
进一步地,还包括:
若经所述票据类型过程并未获取所述目标票据的票据类型,则向所述目标票据当前的持有端发送票据识别失败消息以执行针对该目标票据的退回处理过程。
进一步地,所述要素识别结果包括各个预设的票据区域各自对应的多个要素信息;
相对应的,所述将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,包括:
接收所述目标票据的属性录入信息;
在所述属性录入信息中提取与各个所述要素信息分别对应的属性信息;
将各个要素信息分别与各自对应的各个属性信息进行信息对比,得到对应的对比结果。
进一步地,还包括:
若所述对比结果显示所述要素识别结果与所述属性录入信息不相符,则向所述目标票据当前的持有端和/或所述目标票据的发出机构发送票据真伪鉴定失败消息以执行针对目标票据的退回或回收处理过程。
进一步地,在所述将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构之前,还包括:
在确定所述要素识别结果与所述属性录入信息相符后,将所述票据图像数据存储至预设的票据图像库中;
以及,对所述目标票据的属性录入信息进行风险检测,其中,该风险检测包括:交易风险检测和/或黑名单检测;
若所述风险检测的结果显示所述目标票据不存在兑换风险,则对所述属性录入信息进行信息登记存储处理;
相对应的,所述将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构,包括:
自所述票据图像库中提取所述目标票据的票据图像数据;
将所述目标票据的票据图像数据和经信息登记存储处理后的所述属性录入信息,均发送至该目标票据的接收机构。
进一步地,还包括:
若所述风险检测的结果显示所述目标票据存在兑换风险,则向所述目标票据当前的持有端和/或所述目标票据的发出机构发送票据风险检测失败消息以执行针对目标票据的退回或回收处理过程。
第二方面,本申请提供一种票据数据识别装置,包括:
模型选取模块,用于若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型;
要素识别模块,用于将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果;
数据对比模块,用于将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构。
第三方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的票据数据识别方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的票据数据识别方法。
由上述技术方案可知,本申请提供的一种票据数据识别方法及装置,方法包括:若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型;将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果;将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构以实现针对该目标票据的票据交换过程,通过自动票据类型识别过程实现票据类型的自动识别,能够有效提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性;通过针对不同的票据类型选取不同的要素识别模型,能够有效提高针对票据图像数据进行要素识别的针对性及准确性;通过应用要素识别模型对票据图像数据进行要素识别,能够有效提高对票据图像数据进行要素识别的效率及自动化程度;通过应用要素识别结果与属性录入信息进行对比,并在确认二者相符后再将票据兑换信息发送至接收机构进行交换处理,能够使得接收机构无需依赖票据的发出机构即能保证获取的票据的真实性,不但能够有效提高票据真伪鉴别的可靠性、效率及自动化程度,能够有效降低接收机构的工作量,并能够提高接收机构进行票据兑换以完成票据交换过程的可靠性及安全性;另外,随着票据数据识别及交换过程的加快,票据交换业务的持有用户也能够更快速的获知票据交换结果,因此能够同时提高票据接收机构以及票据持有用户的客户体验。
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,下面描述中的附图是本申请的一些实施例,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,还可以根据这些附图获得其他的附图。
图1是本申请实施例中的票据数据识别方法的流程示意图。
图2是本申请实施例中的票据数据识别方法中步骤100的第一种具体流程示意图。
图3是本申请实施例中的票据数据识别方法中步骤120的具体流程示意图。
图4是本申请实施例中的票据数据识别方法中步骤100的第二种具体流程示意图。
图5是本申请实施例中的票据数据识别方法中步骤300的第一种具体流程示意图。
图6是本申请实施例中的票据数据识别方法中步骤300的第二种具体流程示意图。
图7是本申请实施例中的票据数据识别方法中步骤300的第三种具体流程示意图。
图8是本申请实施例中的包含有步骤371的票据数据识别方法的流程示意图。
图9是本申请应用实例提供的线上处理中心集群的技术框架示意图。
图10是本申请应用实例提供的票据接入处理模块的处理流程图。
图11是本申请应用实例提供的票据关键结构要素信息示意图。
图12是本申请实施例中的票据数据识别装置的第一种结构示意图。
图13是本申请实施例中的票据数据识别装置中模型选取模块的结构示意图。
图14是本申请实施例中的票据数据识别装置的第二种结构示意图。
图15是本申请实施例中的票据数据识别装置中数据对比模块的第一种结构示意图。
图16是本申请实施例中的票据数据识别装置的第三种结构示意图。
图17是本申请实施例中的票据数据识别装置中数据对比模块的第二种结构示意图。
图18是本申请实施例中的票据数据识别装置的第四种结构示意图。
图19是本申请实施例中的电子设备的结构示意图。
具体实施方式
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、完整的描述,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作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。
需要说明的是,本申请公开的票据数据识别方法和装置可用于人工智能技术领域,也可用于除人工智能技术领域之外的任意领域,本申请公开的票据数据识别方法和装置的应用领域不做限定。
考虑到由于票据识别效率低以及接收机构很难鉴别票据真伪等客观因素,使得现有的票据数据识别方式存在无法同时保证交换效率和交换可靠性的问题,本申请提供一种票据数据识别方法、票据数据识别装置、电子设备和计算机可读存储介质,可以将同城票据交换流程中,对于某一银行、或者金融机构内的票据提出、票据提回业务,从传统的线下交换所交换,改由线上银行间直接快速交换、快速交割、快速清算、快速结转。达到票据入账实时、快速、可监控的目标。
基于上述内容,本申请还提供一种用于实现本申请一个或多个实施例中提供的票据数据识别方法的线上处理中心,该线上处理中心分别与渠道接入侧和银行侧之间通信连接,银行侧包含有多个银行,渠道接入侧包含有银行网点的支票机和柜面设备,还可以包含有用户可以访问的网银系统及移动客户终端,线上处理中心分别与渠道接入侧和银行侧之间具体可以通过各自的应用服务器互相访问。
其中,持有票据的用户自渠道接入侧提供票据实体或票据图像,具体提供方式至少包含有:支票机存入支票(在支票机上存入支票实体和票据要素信息)、网银存票(自客户端设备将票据图像和票据要素信息上传至网银系统)、手机存票(自客户端设备将票据图像和票据要素信息上传至手机银行APP)和柜面存票(在银行网点的柜台提供支票实体和票据要素信息)。若渠道接入侧收到票据实体,则需生成票据实体对应的票据图像。渠道接入侧将票据图像发送至线上处理中心。线上处理中心若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型;将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果;将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构以实现针对该目标票据的票据交换过程。
可以理解的是,所述客户端设备可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中,所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在一种实际应用情形中,前述的线上处理中心和渠道接入侧也可以集成为同一服务器,也就是说,该服务器即可以直接获取用户的访问请求,也可以进行票据数据识别处理,具体可以根据实际应用情形设置,本申请对此不作限定。
在另一实际应用情形中,进行票据数据识别的部分可以在如上述内容所述的线上处理中心执行,也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器,用于进行票据数据识别的具体处理。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。例如,通信单元可以将上述目标用户针对目标网页的历史访问记录发送至服务器,以便服务器根据这些相关数据进行票据数据识别。通信单元还可以接收服务器返回的识别结果。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
上述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信,包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然,所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol,远程过程调用协议)、REST协议(Representational State Transfer,表述性状态转移协议)等。
本申请提供的票据数据识别方法、票据数据识别装置、电子设备和计算机可读存储介质,通过自动票据类型识别过程实现票据类型的自动识别,能够有效提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性;通过针对不同的票据类型选取不同的要素识别模型,能够有效提高针对票据图像数据进行要素识别的针对性及准确性;通过应用要素识别模型对票据图像数据进行要素识别,能够有效提高对票据图像数据进行要素识别的效率及自动化程度;通过应用要素识别结果与属性录入信息进行对比,并在确认二者相符后再将票据兑换信息发送至接收机构进行交换处理,能够使得接收机构无需依赖票据的发出机构即能保证获取的票据的真实性,不但能够有效提高票据真伪鉴别的可靠性、效率及自动化程度,能够有效降低接收机构的工作量,并能够提高接收机构进行票据兑换以完成票据交换过程的可靠性及安全性;另外,随着票据数据识别及交换过程的加快,票据交换业务的持有用户也能够更快速的获知票据交换结果,因此能够同时提高票据接收机构以及票据持有用户的客户体验。
在本申请提供的一个或多个实施例中,同城票据交换:是指同一城市或者同一区域内票据跨行交换。同城交换业务,是指收付款一方为在一个行网点开户的账户,另一方为跨系统金融机构的账户之间相互发生的资金往来业务。采取前台柜员录入,后台柜员复核的方式进行处理。例如:某人A把第一银行的票据给第二银行客户B,B持第一银行票据到第二银行兑付,并把票据金额存入其第二银行账户中。即第二银行代第一银行付款,再与第一银行进行清算。或者例如:第二银行客户B把第二银行的票据给某人A,A持第二银行票据到第一银行兑付,并把金额存入第一银行账户,即第一银行代第二银行付款,再与第二银行清算。
具体通过下述各个实施例及应用实例分别进行详细说明。
为了解决现有的票据数据识别方式存在无法同时保证交换效率和交换可靠性的问题,本申请提供一种票据数据识别方法的实施例,参见图1,所述票据数据识别方法具体包含有如下内容:
步骤100:若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型。
在步骤100中,持有票据的用户自渠道接入侧提供票据实体或票据图像,具体提供方式至少包含有:支票机存入支票(在支票机上存入支票实体和票据要素信息)、网银存票(自客户终端将票据图像和票据要素信息上传至网银系统)、手机存票(自客户终端将票据图像和票据要素信息上传至手机银行APP)和柜面存票(在银行网点的柜台提供支票实体和票据要素信息)。若渠道接入侧收到票据实体,则需生成票据实体对应的票据图像。渠道接入侧将票据图像发送至线上处理中心。线上处理中心的票据接入处理模块应用存储在本地的票据类型库对票据图像进行票据类型识别,其中,所述票据类型库中包含有票据发出机构的唯一标识、票据类型、存储格式以及票据关键要素结构之间的对应关系。其中,所述票据要素信息也指本申请中的票据属性信息。
可以理解的是,所述票据类型是指当前的目标票据的发出机构的唯一标识、票据类型和存储格式。
步骤200:将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果。
可以理解的是,线上处理中心的票据接入处理模块自所述票据图像对应的票据发出机构的唯一标识、票据类型和存储格式在预存储在本地的票据图像信息识别模型库中选取对应的要素识别模型,其中,所述要素识别模型库用于存储票据发出机构的唯一标识、票据类型、存储格式以及要素识别模型之间的对应关系。线上处理中心的票据接入处理模块将所述票据图像输入对应的要素识别模型,并将该要素识别模型的输出作为该票据图像的要素识别结果数据。
其中,所述要素识别结果包括各个预设的票据区域各自对应的多个要素信息。所述票据区域可以指票据图像中预设的各个方形框内的区域,所述要素信息或属性信息均为用于表示对应票据上的票据内容,例如金额、发出机构的唯一标识以及兑换期限等内容。
步骤300:将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构。
在步骤300中,所述目标票据的属性录入信息可以为目标票据当前的持有用户自客户端设备录入的票据内容信息。
可以理解的是,线上处理中心的票据接入处理模块对格式相同的所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据进行对比,若对比结果显示所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据相符,则线上处理中心的票据接入处理模块将票据图像存储至线上处理中心的票据影像库,并将票据要素信息发送至线上处理中心的监控模块。
其中,所述要素识别结果的数据形式可以如表1所示:
表1
从上述描述可知,本申请实施例提供的票据数据识别方法,通过自动票据类型识别过程实现票据类型的自动识别,能够有效提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性;通过针对不同的票据类型选取不同的要素识别模型,能够有效提高针对票据图像数据进行要素识别的针对性及准确性;通过应用要素识别模型对票据图像数据进行要素识别,能够有效提高对票据图像数据进行要素识别的效率及自动化程度;通过应用要素识别结果与属性录入信息进行对比,并在确认二者相符后再将票据兑换信息发送至接收机构进行交换处理,能够使得接收机构无需依赖票据的发出机构即能保证获取的票据的真实性,不但能够有效提高票据真伪鉴别的可靠性、效率及自动化程度,能够有效降低接收机构的工作量,并能够提高接收机构进行票据兑换以完成票据交换过程的可靠性及安全性;另外,随着票据数据识别及交换过程的加快,票据交换业务的持有用户也能够更快速的获知票据交换结果,因此能够同时提高票据接收机构以及票据持有用户的客户体验。
为了提供一种自动识别票据类型过程,在本申请提供的票据数据识别方法的一个实施例中,参见图2,所述票据数据识别方法中的步骤100具体包含有如下内容:
步骤110:接收目标票据的票据图像数据。
步骤120:对所述目标票据的票据图像数据进行票据类型识别,若识别到该目标票据的票据类型,则基于该目标票据的票据类型选取对应的要素识别模型。
可以理解的是,所述要素识别模型可以采用OCR文字识别模型或者应用机器学习方式训练得到的图像中文字识别模型,例如神经网络等模型。
从上述描述可知,本申请实施例提供的票据数据识别方法,能够进一步提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性,进而能够有效提高针对票据图像数据进行要素识别的针对性及准确性。
为了提供一种票据类型识别的优选方式,在本申请提供的票据数据识别方法的一个实施例中,参见图3,所述票据数据识别方法中的步骤120具体包含有如下内容:
步骤121:对所述目标票据的票据图像数据中的至少一个预设位置处的票据关键要素进行识别,得到对应的票据初始识别结果。
可以理解的是,应用票据类型库对票据图像进行票据类型识别的具体方式为,对票据图像中的至少一个预设位置处的票据关键要素进行识别,若识别成功,则根据关键要素识别结果自所述票据类型库中查找对应的票据发出机构的唯一标识、票据类型和存储格式。若识别失败,则向渠道接入侧发送票据识别失败信息以对票据进行退回处理。
步骤122:自预设的票据类型库中,查找是否存在与所述票据初始识别结果对应的发出机构的唯一标识、票据类型和存储格式,若是,则将该目标票据的发出机构的唯一标识、票据类型和存储格式确定为所述目标票据的票据类型。
步骤123:基于所述目标票据的票据类型选取对应的要素识别模型。
从上述描述可知,本申请实施例提供的票据数据识别方法,通过发出机构的唯一标识、票据类型、存储格式和票据初始识别结果之间的对应关系的预先设置,能够有效提高票据类型识别的效率及可靠性,以进一步提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性。
为了提供一种票据类型识别的优选方式,在本申请提供的票据数据识别方法的一个实施例中,参见图4,所述票据数据识别方法的步骤110之后还具体包含有如下内容:
步骤130:对所述目标票据的票据图像数据进行票据类型识别,若经所述票据类型过程并未获取所述目标票据的票据类型,则向所述目标票据当前的持有端发送票据识别失败消息以执行针对该目标票据的退回处理过程。
从上述描述可知,本申请实施例提供的票据数据识别方法,在票据类型识别失败时直接进行退回操作,无需接收机构进行处理,能够有效提高票据数据识别过程的安全性,并有效节省接收机构的时间及人力成本,提高接收机构的客户体验。
为了提供一种数据对比的优选方式,在本申请提供的票据数据识别方法的一个实施例中,所述要素识别结果包括各个预设的票据区域各自对应的多个要素信息;参见图5,所述票据数据识别方法的步骤300具体包含有如下内容:
步骤310:接收所述目标票据的属性录入信息。
可以理解的是,所述步骤310可以与所述步骤110同时执行,也可以在所述步骤200之后执行。
步骤320:在所述属性录入信息中提取与各个所述要素信息分别对应的属性信息。
步骤330:将各个要素信息分别与各自对应的各个属性信息进行信息对比,得到对应的对比结果。
从上述描述可知,本申请实施例提供的票据数据识别方法,通过仅比较关键要素信息,能够在保证对比结果准确性的基础上,还能够有效提高对比过程的效率,以进一步提高票据数据识别过程的效率及自动化程度。
为了提供一种票据真伪鉴定失败的处理方式,在本申请提供的票据数据识别方法的一个实施例中,参见图6,所述票据数据识别方法的步骤330之后还具体包含有如下内容:
步骤340:若所述对比结果显示所述要素识别结果与所述属性录入信息不相符,则向所述目标票据当前的持有端和/或所述目标票据的发出机构发送票据真伪鉴定失败消息以执行针对目标票据的退回或回收处理过程。
可以理解的是,线上处理中心的票据接入处理模块对格式相同的所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据进行对比,若对比结果显示所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据不符,则向渠道接入侧发送票据真实性鉴别失败信息以对票据进行退回处理。
从上述描述可知,本申请实施例提供的票据数据识别方法,在票据真伪鉴定失败时直接进行退回或回收操作,无需接收机构进行处理,能够有效提高票据数据识别过程的安全性,并有效节省接收机构的时间及人力成本,提高接收机构的客户体验。
为了提供一种数据存储及风险识别的方式,在本申请提供的票据数据识别方法的一个实施例中,参见图7,所述票据数据识别方法的步骤330之后还具体包含有如下内容:
步骤350:在确定所述要素识别结果与所述属性录入信息相符后,将所述票据图像数据存储至预设的票据图像库中。
步骤360:对所述目标票据的属性录入信息进行风险检测,其中,该风险检测包括:交易风险检测和/或黑名单检测。
步骤370:若所述风险检测的结果显示所述目标票据不存在兑换风险,则对所述属性录入信息进行信息登记存储处理。
在步骤370中,若线上处理中心的监控模块识别到该票据不存在交易风险,或者不属于黑名单中票据,则将该票据要素信息存储至监控信息库以进行策略更新。或者,若线上处理中心的监控模块识别到该票据不存在交易风险且不属于黑名单中票据,则将该票据要素信息存储至监控信息库以进行策略更新。
相对应的,所述票据数据识别方法的步骤370之后还具体包含有如下内容:
步骤380:自所述票据图像库中提取所述目标票据的票据图像数据。
步骤390:将所述目标票据的票据图像数据和经信息登记存储处理后的所述属性录入信息,均发送至该目标票据的接收机构。
在步骤390中,银行侧接收票据的票据要素信息和票据图像,并对票据的票据要素信息和票据图像进行信息检查、记账处理及信息登记等操作,以向提供票据的用户进行票据兑换,进而完成票据交换过程。
从上述描述可知,本申请实施例提供的票据数据识别方法,能够有效提高数据发送的可靠性及效率,并能够进一步提高票据数据识别过程的安全性及可靠性。
为了提供一种数据存储及风险识别的方式,在本申请提供的票据数据识别方法的一个实施例中,参见图8,所述票据数据识别方法的步骤360之后还具体包含有如下内容:
步骤371:若所述风险检测的结果显示所述目标票据存在兑换风险,则向所述目标票据当前的持有端和/或所述目标票据的发出机构发送票据风险检测失败消息以执行针对目标票据的退回或回收处理过程。
从上述描述可知,本申请实施例提供的票据数据识别方法,在票据风险检测失败时直接进行退回或回收操作,无需接收机构进行处理,能够有效提高票据数据识别及交换过程的安全性,并有效节省接收机构的时间及人力成本,提高接收机构的客户体验。
为了进一步说明本方案,本申请还提供一种票据数据识别方法的具体应用实例,本申请应用实例将票据识别自动化。通过多维度将票据信息全量化,可以将票据的全量信息电子化。票据系统自动化(全自动,无人处理,不再T+1等等),票据处理灵活化。通过手机或者其他方式将票据无纸化,他行自动和我行进行实时快速可视化的清算处理。如此,便可以将同城票据交换流程中,对于某一银行、或者金融机构内的票据提出、票据提回业务,从传统的线下交换所交换,改由线上银行间直接快速交换、快速交割、快速清算、快速结转。达到票据入账实时、快速、可监控的目标。相应的,从传统的以银行为第一人称介入视角来定义票据数据识别处理的业务流程通过本申请应用实例转换为以票据为第一视角,以票据的全量生命周期作为整个交换流转处理线的流程。
(一)架构概述
本申请应用实例引入了票据信息电子化接入处理中心集群,替代了传统的交换所进行人工票据数据识别模式,为了支持相应的接入处理中心进行票据的接入,本申请应用实例提出了一种无人线上的票据自动学习识别接入的方法,来完成票据自动的识别、归类、信息化处理,为后续处理流程喂数据,提供了一个完善的、自动的、自主学习的数据接入方法。
线上处理中心在整个票据流转过程中的功能和位置,以及线上处理中心集群的技术框架如图9所示。
引入票据线上处理中心集群,替代传统的票据交换中心物理交换模式,通过搭建票据信息电子化服务集群,建立架构灵活可扩展、运行稳定自隔离、处理状态可监控、票据安全可跟踪、票据信息标准化的统一的票据信息处理中心集群。
线上处理中心对接多家银行和金融机构,实时的将各渠道上收的票据信息与银行、金融机构进行对接、数据传输、记账处理、交互更新等操作。完成票据线上的实时快速处理。
(二)票据接入处理模块
负责接收汇总各渠道侧上送票据信息,可以通过接入票据电子影像信息以及票据数据信息,进行票据信息的识别,对于识别有问题的票据或者电子影像与数据信息有争议的票据进行退回处理。对于正常识别的票据信息,电子影像和数据信息一致,并且自动对票据信息按发出行和接收行进行分类,并存储相应的影像信息到影像库,处理流程如图10所示,包括外围渠道侧进行影像上传和数据上传,二胡进行票据影像接入和票据信息接入,并将票据影响存储至票据影像数据后,并进行影像自动识别,将识别后的票据影像信息与票据信息进行核对,若核对通过,则启动智能监控模块。在本申请的一个或多个实施例中,所述票据影像可以被称之为票据图像。
其中外围渠道侧分别通过客户端进行影像信息的上传和票据数据化信息的上传。这两项信息的上传用来增加对数据核对检查的保证,防止识别时出现误差的情况,降低出错概率。
票据影像信息上传接入后存储到票据影像库中,并对影像信息进行自动识别。通过智能训练库训练识别票据种类自动对票据进行归类,识别归类后通过预设的存储信息格式进行票据信息的识别,完成信息自动识别后再将识别后的结果与票据信息接入的数据进行按项比对,只比对必要的关键信息,关键信息比对通过后便可以进入监控模块进行数据积累和数据风险识别,及时识别风险信息、识别黑名单信息等。
(三)票据影像分类与识别
通过支持固定分类,可预录入固定存储票据类别,按相应类别的票据规格进行自动分类,通过识别图片中某一位置的要素信息来自动完成图片的分类处理。
票据关键结构要素信息如图11所示。通过票据关键结构要素信息,建立起票据影像识别的基本格式要素划分,完成按不同银行不同种类不同格式票据的拆解和划分分类。在完成自动分类的基础上能对相应分类的票面上的业务要素以机器学习的训练方法进行自动的提取和抽象,完成对数据抽取。实现了自动的数据定义。其中,训练集进行机器训练的过程可以参见表2所示的伪代码。
表2
表2的表结构完成了一种票面要素的自动抽取定位方法,通过X、Y坐标值以及区域的长和宽来完成对应区域的自动锁定和读取。
基于上述内容,在本申请具体应用实例中,所述票据交换方法具体包含有如下内容:
S1:持有票据的用户自渠道接入侧提供票据实体或票据图像,具体提供方式至少包含有:支票机存入支票(在支票机上存入支票实体和票据要素信息)、网银存票(自客户终端将票据图像和票据要素信息上传至网银系统)、手机存票(自客户终端将票据图像和票据要素信息上传至手机银行APP)和柜面存票(在银行网点的柜台提供支票实体和票据要素信息)。
S2:若渠道接入侧收到票据实体,则需生成票据实体对应的票据图像。
S3:渠道接入侧将票据图像发送至线上处理中心。
S4-票据接入:线上处理中心接收渠道接入侧发送的票据图像和对应的票据要素信息。
S5:线上处理中心的票据接入处理模块应用存储在本地的票据类型库对票据图像进行票据类型识别,其中,所述票据类型库中包含有票据发出机构的唯一标识、票据类型、存储格式以及票据关键要素结构之间的对应关系。
其中,应用票据类型库对票据图像进行票据类型识别的具体方式为,对票据图像中的至少一个预设位置处的票据关键要素进行识别,若识别成功,则根据关键要素识别结果自所述票据类型库中查找对应的票据发出机构的唯一标识、票据类型和存储格式。若识别失败,则向渠道接入侧发送票据识别失败信息以对票据进行退回处理。
S6:线上处理中心的票据接入处理模块自所述票据图像对应的票据发出机构的唯一标识、票据类型和存储格式在预存储在本地的票据图像信息识别模型库中选取对应的要素识别模型,其中,所述要素识别模型库用于存储票据发出机构的唯一标识、票据类型、存储格式以及要素识别模型之间的对应关系。
S7:线上处理中心的票据接入处理模块将所述票据图像输入对应的要素识别模型,并将该要素识别模型的输出作为该票据图像的要素识别结果数据。
S8:线上处理中心的票据接入处理模块将用户自渠道接入侧传入的票据要素信息进行格式调整,是其成为与所述要素识别结果数据的格式相同的数据。
S9:线上处理中心的票据接入处理模块对格式相同的所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据进行对比,若对比结果显示所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据相符,则执行S10,若对比结果显示所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据不符,则向渠道接入侧发送票据真实性鉴别失败信息以对票据进行退回处理。
S10:线上处理中心的票据接入处理模块将票据图像存储至线上处理中心的票据影像库,并将票据要素信息发送至线上处理中心的监控模块。
S11:线上处理中心的监控模块应用预设的识别规则,根据票据要素信息对票据进行交易风险识别和/或黑名单识别,若识别到该票据存在交易风险和/或属于黑名单中票据,则向渠道接入侧发送风险和/或黑名单识别失败信息以对票据进行退回或回收处理。
S12:若线上处理中心的监控模块识别到该票据不存在交易风险,或者不属于黑名单中票据,则将该票据要素信息存储至监控信息库以进行策略更新。或者,若线上处理中心的监控模块识别到该票据不存在交易风险且不属于黑名单中票据,则将该票据要素信息存储至监控信息库以进行策略更新。
S13:线上处理中心的监控模块按照所述票据要素信息对应的发出机构和接收机构对所述票据进行信息登记,并将登记的信息存储至交换信息库中以进行策略更新。
S14:根据所述票据要素信息对应的接收机构的唯一标识,将该票据的票据要素信息和票据图像均发送至所述接收机构对应的银行侧。
S15-银行接入:银行侧接收票据的票据要素信息和票据图像,并对票据的票据要素信息和票据图像进行信息检查、记账处理及信息登记等操作,以向提供票据的用户进行票据兑换,进而完成票据交换过程。
从上述描述可知,本申请应用实例提供的票据交换方法,能够实现票据识别自动化、票据交换流程可视化,颠覆现有票据类业务处理的流程,提供行业规范化的自动操作流程,按此规范指引,可以使票据交换流程在线、可视、快捷、安全。
从软件层面来说,为了解决现有的票据数据识别方式存在无法同时保证交换效率和交换可靠性的问题,本申请提供一种用于执行所述票据数据识别方法中全部或部分内容的票据数据识别装置的实施例,参见图12,所述票据数据识别装置具体包含有如下内容:
模型选取模块10,用于若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型。
要素识别模块20,用于将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果。
数据对比模块30,用于将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构。
从上述描述可知,本申请实施例提供的票据数据识别装置,通过自动票据类型识别过程实现票据类型的自动识别,能够有效提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性;通过针对不同的票据类型选取不同的要素识别模型,能够有效提高针对票据图像数据进行要素识别的针对性及准确性;通过应用要素识别模型对票据图像数据进行要素识别,能够有效提高对票据图像数据进行要素识别的效率及自动化程度;通过应用要素识别结果与属性录入信息进行对比,并在确认二者相符后再将票据兑换信息发送至接收机构进行交换处理,能够使得接收机构无需依赖票据的发出机构即能保证获取的票据的真实性,不但能够有效提高票据真伪鉴别的可靠性、效率及自动化程度,能够有效降低接收机构的工作量,并能够提高接收机构进行票据兑换以完成票据交换过程的可靠性及安全性;另外,随着票据数据识别及交换过程的加快,票据交换业务的持有用户也能够更快速的获知票据交换结果,因此能够同时提高票据接收机构以及票据持有用户的客户体验。
为了提供一种自动识别票据类型过程,在本申请提供的票据数据识别装置的一个实施例中,参见图13,所述票据数据识别装置中的模型选取模块10具体包含有如下内容:
图像接收单元11,用于接收目标票据的票据图像数据。
类型识别单元12,用于对所述目标票据的票据图像数据进行票据类型识别,若识别到该目标票据的票据类型,则基于该目标票据的票据类型选取对应的要素识别模型。
从上述描述可知,本申请实施例提供的票据数据识别装置,能够进一步提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性,进而能够有效提高针对票据图像数据进行要素识别的针对性及准确性。
为了提供一种票据类型识别的优选方式,在本申请提供的票据数据识别装置的一个实施例中,所述票据数据识别装置中的所述类型识别单元用于执行下述内容:
步骤121:对所述目标票据的票据图像数据中的至少一个预设位置处的票据关键要素进行识别,得到对应的票据初始识别结果。
步骤122:自预设的票据类型库中,查找是否存在与所述票据初始识别结果对应的发出机构的唯一标识、票据类型和存储格式,若是,则将该目标票据的发出机构的唯一标识、票据类型和存储格式确定为所述目标票据的票据类型。
步骤123:基于所述目标票据的票据类型选取对应的要素识别模型。
从上述描述可知,本申请实施例提供的票据数据识别装置,通过发出机构的唯一标识、票据类型、存储格式和票据初始识别结果之间的对应关系的预先设置,能够有效提高票据类型识别的效率及可靠性,以进一步提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性。
为了提供一种票据类型识别的优选方式,在本申请提供的票据数据识别装置的一个实施例中,参见图14,所述票据数据识别装置还具体包含有如下内容:
第一处理模块01,用于若经所述票据类型过程并未获取所述目标票据的票据类型,则向所述目标票据当前的持有端发送票据识别失败消息以执行针对该目标票据的退回处理过程。
从上述描述可知,本申请实施例提供的票据数据识别装置,在票据类型识别失败时直接进行退回操作,无需接收机构进行处理,能够有效提高票据交换过程的安全性,并有效节省接收机构的时间及人力成本,提高接收机构的客户体验。
为了提供一种数据对比的优选方式,在本申请提供的票据数据识别装置的一个实施例中,所述要素识别结果包括各个预设的票据区域各自对应的多个要素信息;参见图15,所述票据数据识别装置的数据对比模块30具体包含有如下内容:
录入信息接收单元31,用于接收所述目标票据的属性录入信息。
属性信息选取单元32,用于在所述属性录入信息中提取与各个所述要素信息分别对应的属性信息。
对比单元33,用于将各个要素信息分别与各自对应的各个属性信息进行信息对比,得到对应的对比结果。
从上述描述可知,本申请实施例提供的票据数据识别装置,通过仅比较关键要素信息,能够在保证对比结果准确性的基础上,还能够有效提高对比过程的效率,以进一步提高票据交换过程的效率及自动化程度。
为了提供一种票据真伪鉴定失败的处理方式,在本申请提供的票据数据识别装置的一个实施例中,参见图16,所述票据数据识别装置还具体包含有如下内容:
第二处理模块02,用于若所述对比结果显示所述要素识别结果与所述属性录入信息不相符,则向所述目标票据当前的持有端和/或所述目标票据的发出机构发送票据真伪鉴定失败消息以执行针对目标票据的退回或回收处理过程。
从上述描述可知,本申请实施例提供的票据数据识别装置,在票据真伪鉴定失败时直接进行退回或回收操作,无需接收机构进行处理,能够有效提高票据交换过程的安全性,并有效节省接收机构的时间及人力成本,提高接收机构的客户体验。
为了提供一种数据存储及风险识别的方式,在本申请提供的票据数据识别装置的一个实施例中,参见图17,所述票据数据识别装置的数据对比模块30还具体包含有如下内容:
图像存储单元34,用于在确定所述要素识别结果与所述属性录入信息相符后,将所述票据图像数据存储至预设的票据图像库中;
风险检测单元35,用于对所述目标票据的属性录入信息进行风险检测,其中,该风险检测包括:交易风险检测和/或黑名单检测;
信息登记单元36,用于若所述风险检测的结果显示所述目标票据不存在兑换风险,则对所述属性录入信息进行信息登记存储处理;
图像提取单元37,用于自所述票据图像库中提取所述目标票据的票据图像数据;
数据发送单元38,用于将所述目标票据的票据图像数据和经信息登记存储处理后的所述属性录入信息,均发送至该目标票据的接收机构以实现针对该目标票据的票据交换过程。
从上述描述可知,本申请实施例提供的票据数据识别装置,能够有效提高数据发送的可靠性及效率,并能够进一步提高票据交换过程的安全性及可靠性。
为了提供一种数据存储及风险识别的方式,在本申请提供的票据数据识别装置的一个实施例中,参见图18,所述票据数据识别装置还具体包含有如下内容:
第三处理模块03,用于若所述风险检测的结果显示所述目标票据存在兑换风险,则向所述目标票据当前的持有端和/或所述目标票据的发出机构发送票据风险检测失败消息以执行针对目标票据的退回或回收处理过程。
从上述描述可知,本申请实施例提供的票据数据识别装置,在票据风险检测失败时直接进行退回或回收操作,无需接收机构进行处理,能够有效提高票据交换过程的安全性,并有效节省接收机构的时间及人力成本,提高接收机构的客户体验。
从硬件层面来说,为了解决现有的票据数据识别方式存在无法同时保证交换效率和交换可靠性的问题,本申请提供一种用于实现所述票据数据识别方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
图19为本申请实施例的电子设备9600的系统构成的示意框图。如图19所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图19是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
在一实施例中,票据数据识别功能可以被集成到中央处理器中。其中,中央处理器可以被配置为进行如下控制:
步骤100:若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型。
在步骤100中,持有票据的用户自渠道接入侧提供票据实体或票据图像,具体提供方式至少包含有:支票机存入支票(在支票机上存入支票实体和票据要素信息)、网银存票(自客户终端将票据图像和票据要素信息上传至网银系统)、手机存票(自客户终端将票据图像和票据要素信息上传至手机银行APP)和柜面存票(在银行网点的柜台提供支票实体和票据要素信息)。若渠道接入侧收到票据实体,则需生成票据实体对应的票据图像。渠道接入侧将票据图像发送至线上处理中心。线上处理中心的票据接入处理模块应用存储在本地的票据类型库对票据图像进行票据类型识别,其中,所述票据类型库中包含有票据发出机构的唯一标识、票据类型、存储格式以及票据关键要素结构之间的对应关系。其中,所述票据要素信息也指本申请中的票据属性信息。
可以理解的是,所述票据类型是指当前的目标票据的发出机构的唯一标识、票据类型和存储格式。
步骤200:将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果。
可以理解的是,线上处理中心的票据接入处理模块自所述票据图像对应的票据发出机构的唯一标识、票据类型和存储格式在预存储在本地的票据图像信息识别模型库中选取对应的要素识别模型,其中,所述要素识别模型库用于存储票据发出机构的唯一标识、票据类型、存储格式以及要素识别模型之间的对应关系。线上处理中心的票据接入处理模块将所述票据图像输入对应的要素识别模型,并将该要素识别模型的输出作为该票据图像的要素识别结果数据。
其中,所述要素识别结果包括各个预设的票据区域各自对应的多个要素信息。所述票据区域可以指票据图像中预设的各个方形框内的区域,所述要素信息或属性信息均为用于表示对应票据上的票据内容,例如金额、发出机构的唯一标识以及兑换期限等内容。
步骤300:将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构。
在步骤300中,所述目标票据的属性录入信息可以为目标票据当前的持有用户自客户端设备录入的票据内容信息。
可以理解的是,线上处理中心的票据接入处理模块对格式相同的所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据进行对比,若对比结果显示所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据相符,则线上处理中心的票据接入处理模块将票据图像存储至线上处理中心的票据影像库,并将票据要素信息发送至线上处理中心的监控模块。
从上述描述可知,本申请实施例提供的电子设备,通过自动票据类型识别过程实现票据类型的自动识别,能够有效提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性;通过针对不同的票据类型选取不同的要素识别模型,能够有效提高针对票据图像数据进行要素识别的针对性及准确性;通过应用要素识别模型对票据图像数据进行要素识别,能够有效提高对票据图像数据进行要素识别的效率及自动化程度;通过应用要素识别结果与属性录入信息进行对比,并在确认二者相符后再将票据兑换信息发送至接收机构进行交换处理,能够使得接收机构无需依赖票据的发出机构即能保证获取的票据的真实性,不但能够有效提高票据真伪鉴别的可靠性、效率及自动化程度,能够有效降低接收机构的工作量,并能够提高接收机构进行票据兑换以完成票据交换过程的可靠性及安全性;另外,随着票据交换过程的加快,票据交换业务的持有用户也能够更快速的获知票据交换结果,因此能够同时提高票据接收机构以及票据持有用户的客户体验。
在另一个实施方式中,票据数据识别装置可以与中央处理器9100分开配置,例如可以将票据数据识别装置配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现票据数据识别功能。
如图19所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图19中所示的所有部件;此外,电子设备9600还可以包括图19中没有示出的部件,可以参考现有技术。
如图19所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的票据数据识别方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的票据数据识别方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型。
在步骤100中,持有票据的用户自渠道接入侧提供票据实体或票据图像,具体提供方式至少包含有:支票机存入支票(在支票机上存入支票实体和票据要素信息)、网银存票(自客户终端将票据图像和票据要素信息上传至网银系统)、手机存票(自客户终端将票据图像和票据要素信息上传至手机银行APP)和柜面存票(在银行网点的柜台提供支票实体和票据要素信息)。若渠道接入侧收到票据实体,则需生成票据实体对应的票据图像。渠道接入侧将票据图像发送至线上处理中心。线上处理中心的票据接入处理模块应用存储在本地的票据类型库对票据图像进行票据类型识别,其中,所述票据类型库中包含有票据发出机构的唯一标识、票据类型、存储格式以及票据关键要素结构之间的对应关系。其中,所述票据要素信息也指本申请中的票据属性信息。
可以理解的是,所述票据类型是指当前的目标票据的发出机构的唯一标识、票据类型和存储格式。
步骤200:将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果。
可以理解的是,线上处理中心的票据接入处理模块自所述票据图像对应的票据发出机构的唯一标识、票据类型和存储格式在预存储在本地的票据图像信息识别模型库中选取对应的要素识别模型,其中,所述要素识别模型库用于存储票据发出机构的唯一标识、票据类型、存储格式以及要素识别模型之间的对应关系。线上处理中心的票据接入处理模块将所述票据图像输入对应的要素识别模型,并将该要素识别模型的输出作为该票据图像的要素识别结果数据。
其中,所述要素识别结果包括各个预设的票据区域各自对应的多个要素信息。所述票据区域可以指票据图像中预设的各个方形框内的区域,所述要素信息或属性信息均为用于表示对应票据上的票据内容,例如金额、发出机构的唯一标识以及兑换期限等内容。
步骤300:将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构。
在步骤300中,所述目标票据的属性录入信息可以为目标票据当前的持有用户自客户端设备录入的票据内容信息。
可以理解的是,线上处理中心的票据接入处理模块对格式相同的所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据进行对比,若对比结果显示所述要素识别结果数据和用户自渠道接入侧传入的票据要素数据相符,则线上处理中心的票据接入处理模块将票据图像存储至线上处理中心的票据影像库,并将票据要素信息发送至线上处理中心的监控模块。
从上述描述可知,本申请实施例提供的计算机可读存储介质,通过自动票据类型识别过程实现票据类型的自动识别,能够有效提高票据类型识别过程的效率及自动化程度,并能够有效提高票据类型识别的准确性;通过针对不同的票据类型选取不同的要素识别模型,能够有效提高针对票据图像数据进行要素识别的针对性及准确性;通过应用要素识别模型对票据图像数据进行要素识别,能够有效提高对票据图像数据进行要素识别的效率及自动化程度;通过应用要素识别结果与属性录入信息进行对比,并在确认二者相符后再将票据兑换信息发送至接收机构进行交换处理,能够使得接收机构无需依赖票据的发出机构即能保证获取的票据的真实性,不但能够有效提高票据真伪鉴别的可靠性、效率及自动化程度,能够有效降低接收机构的工作量,并能够提高接收机构进行票据兑换以完成票据交换过程的可靠性及安全性;另外,随着票据数据识别及交换过程的加快,票据交换业务的持有用户也能够更快速的获知票据交换结果,因此能够同时提高票据接收机构以及票据持有用户的客户体验。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (11)
1.一种票据数据识别方法,其特征在于,包括:
若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型;
将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果;
将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构。
2.根据权利要求1所述的票据数据识别方法,其特征在于,所述若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型,包括:
接收目标票据的票据图像数据;
对所述目标票据的票据图像数据进行票据类型识别,若识别到该目标票据的票据类型,则基于该目标票据的票据类型选取对应的要素识别模型。
3.根据权利要求2所述的票据数据识别方法,其特征在于,所述对所述目标票据的票据图像数据进行票据类型识别,若识别到该目标票据的票据类型,则基于该目标票据的票据类型选取对应的要素识别模型,包括:
对所述目标票据的票据图像数据中的至少一个预设位置处的票据关键要素进行识别,得到对应的票据初始识别结果;
自预设的票据类型库中,查找是否存在与所述票据初始识别结果对应的发出机构的唯一标识、票据类型和存储格式,若是,则将该目标票据的发出机构的唯一标识、票据类型和存储格式确定为所述目标票据的票据类型;
基于所述目标票据的票据类型选取对应的要素识别模型。
4.根据权利要求2所述的票据数据识别方法,其特征在于,还包括:
若经所述票据类型过程并未获取所述目标票据的票据类型,则向所述目标票据当前的持有端发送票据识别失败消息以执行针对该目标票据的退回处理过程。
5.根据权利要求1所述的票据数据识别方法,其特征在于,所述要素识别结果包括各个预设的票据区域各自对应的多个要素信息;
相对应的,所述将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,包括:
接收所述目标票据的属性录入信息;
在所述属性录入信息中提取与各个所述要素信息分别对应的属性信息;
将各个要素信息分别与各自对应的各个属性信息进行信息对比,得到对应的对比结果。
6.根据权利要求1或5所述的票据数据识别方法,其特征在于,还包括:
若所述对比结果显示所述要素识别结果与所述属性录入信息不相符,则向所述目标票据当前的持有端和/或所述目标票据的发出机构发送票据真伪鉴定失败消息以执行针对目标票据的退回或回收处理过程。
7.根据权利要求1所述的票据数据识别方法,其特征在于,在所述将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构之前,还包括:
在确定所述要素识别结果与所述属性录入信息相符后,将所述票据图像数据存储至预设的票据图像库中;
以及,对所述目标票据的属性录入信息进行风险检测,其中,该风险检测包括:交易风险检测和/或黑名单检测;
若所述风险检测的结果显示所述目标票据不存在兑换风险,则对所述属性录入信息进行信息登记存储处理;
相对应的,所述将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构,包括:
自所述票据图像库中提取所述目标票据的票据图像数据;
将所述目标票据的票据图像数据和经信息登记存储处理后的所述属性录入信息,均发送至该目标票据的接收机构。
8.根据权利要求7所述的票据数据识别方法,其特征在于,还包括:
若所述风险检测的结果显示所述目标票据存在兑换风险,则向所述目标票据当前的持有端和/或所述目标票据的发出机构发送票据风险检测失败消息以执行针对目标票据的退回或回收处理过程。
9.一种票据数据识别装置,其特征在于,包括:
模型选取模块,用于若经自动票据识别过程获取到当前目标票据的票据类型,则根据所述目标票据的票据类型选取对应的要素识别模型;
要素识别模块,用于将所述目标票据的票据图像数据输入所述要素识别模型,并将该要素识别模型的输出作为所述票据图像数据的要素识别结果;
数据对比模块,用于将所述要素识别结果与预先获取的所述目标票据的属性录入信息进行对比,若对应的对比结果显示所述要素识别结果与所述属性录入信息相符,则将所述目标票据的票据图像数据和属性录入信息发送至该目标票据的接收机构。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至8任一项所述的票据数据识别方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至8任一项所述的票据数据识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010816486.1A CN111899411B (zh) | 2020-08-14 | 2020-08-14 | 票据数据识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010816486.1A CN111899411B (zh) | 2020-08-14 | 2020-08-14 | 票据数据识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111899411A true CN111899411A (zh) | 2020-11-06 |
CN111899411B CN111899411B (zh) | 2022-02-25 |
Family
ID=73228941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010816486.1A Active CN111899411B (zh) | 2020-08-14 | 2020-08-14 | 票据数据识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111899411B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267115A (zh) * | 2021-12-27 | 2022-04-01 | 江苏银承网络科技股份有限公司 | 识别票据方法和系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104916034A (zh) * | 2015-06-09 | 2015-09-16 | 普联软件股份有限公司 | 一种基于可干预模板的票据识别系统及识别方法 |
CN107341900A (zh) * | 2017-07-04 | 2017-11-10 | 广州市银科电子有限公司 | 一种基于红外油墨标志智能识别的票据防伪鉴别方法 |
CN107437293A (zh) * | 2017-07-13 | 2017-12-05 | 广州市银科电子有限公司 | 一种基于票据全局特征的票据防伪鉴别方法 |
US20180101749A1 (en) * | 2015-04-13 | 2018-04-12 | Grg Banking Equipment Co., Ltd. | Value bill identifying method |
CN108777021A (zh) * | 2018-05-18 | 2018-11-09 | 北京大账房网络科技股份有限公司 | 一种基于扫描仪混扫的票据识别方法及系统 |
CN110634223A (zh) * | 2019-09-27 | 2019-12-31 | 中国银行股份有限公司 | 票据校验方法及装置 |
-
2020
- 2020-08-14 CN CN202010816486.1A patent/CN111899411B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180101749A1 (en) * | 2015-04-13 | 2018-04-12 | Grg Banking Equipment Co., Ltd. | Value bill identifying method |
CN104916034A (zh) * | 2015-06-09 | 2015-09-16 | 普联软件股份有限公司 | 一种基于可干预模板的票据识别系统及识别方法 |
CN107341900A (zh) * | 2017-07-04 | 2017-11-10 | 广州市银科电子有限公司 | 一种基于红外油墨标志智能识别的票据防伪鉴别方法 |
CN107437293A (zh) * | 2017-07-13 | 2017-12-05 | 广州市银科电子有限公司 | 一种基于票据全局特征的票据防伪鉴别方法 |
CN108777021A (zh) * | 2018-05-18 | 2018-11-09 | 北京大账房网络科技股份有限公司 | 一种基于扫描仪混扫的票据识别方法及系统 |
CN110634223A (zh) * | 2019-09-27 | 2019-12-31 | 中国银行股份有限公司 | 票据校验方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114267115A (zh) * | 2021-12-27 | 2022-04-01 | 江苏银承网络科技股份有限公司 | 识别票据方法和系统 |
CN114267115B (zh) * | 2021-12-27 | 2024-03-08 | 江苏银承网络科技股份有限公司 | 识别票据方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111899411B (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105337928B (zh) | 用户身份识别方法、安全保护问题生成方法及装置 | |
TW202013281A (zh) | 身份認證方法、裝置和系統 | |
US20140279303A1 (en) | Image capture and processing for financial transactions | |
CN104751332A (zh) | 一种信息登记方法、终端、服务器及其系统 | |
CN111652096B (zh) | 基于区块链的人脸识别方法、装置及系统 | |
CN105096474A (zh) | 无卡取款方法和装置 | |
CN111047430A (zh) | 会计核算信息处理方法及装置 | |
CN111292178B (zh) | 需求的匹配方法、装置、存储介质及电子设备 | |
CN112766825A (zh) | 企业金融服务风险预测方法及装置 | |
CN111899411B (zh) | 票据数据识别方法及装置 | |
CN111897890A (zh) | 金融业务处理方法及装置 | |
CN112950357A (zh) | 交易异常团伙识别方法及装置 | |
CN113159913A (zh) | 账务信息处理方法及装置 | |
CN112988898A (zh) | 一种基于区块链的商户资金清算方法及装置 | |
CN111222869A (zh) | 交易数据处理方法、装置、计算机设备及介质 | |
JP7044591B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
CN111967458B (zh) | 票据交换方法、相关设备及系统 | |
CN112766254B (zh) | 凭证信息录入的自动化测试方法及装置 | |
CN115984853A (zh) | 文字识别方法及装置 | |
CN113206998B (zh) | 一种业务录制的视频数据质检方法及装置 | |
CN113345174B (zh) | 一种柜员现金循环机与终端平台的交互模拟方法及装置 | |
CN112101915A (zh) | 金融服务管控数据处理方法及装置 | |
US20210158073A1 (en) | Solution to end-to-end feature engineering automation | |
CN112750043A (zh) | 业务数据的推送方法、装置和服务器 | |
CN113177760B (zh) | 实物仓储处理方法、装置及系统 |
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 |