CN111932363B - 授权书的识别审核方法、装置、设备及系统 - Google Patents
授权书的识别审核方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN111932363B CN111932363B CN202010795215.2A CN202010795215A CN111932363B CN 111932363 B CN111932363 B CN 111932363B CN 202010795215 A CN202010795215 A CN 202010795215A CN 111932363 B CN111932363 B CN 111932363B
- Authority
- CN
- China
- Prior art keywords
- image
- authorization document
- image information
- information
- authorization
- 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
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V30/41—Analysis of document content
- G06V30/414—Extracting the geometrical structure, e.g. layout tree; Block segmentation, e.g. bounding boxes for graphics or text
-
- 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
- G06V30/418—Document matching, e.g. of document 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
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Collating Specific Patterns (AREA)
Abstract
本说明书提供一种授权书的识别审核方法、装置、设备及系统,可用于人工智能技术领域,该方法包括:通过采集授权书的授权书图像信息,再对授权书进行智能图像识别,获得图像识别结果,将图像识别结果和预先设置的业务规则进行匹配,以确定授权书是否满足要求。实现了授权书的自动化、智能化审核,提高了授权书审核的效率,并且审核的业务规则是相同的,不再因人而异,可以提高授权书审核的准确性,确保了用户信息的安全性。同时,可以通过自由定义业务规则,实现授权书的灵活审核,满足不同的业务需求。
Description
技术领域
本说明书属于计算机技术领域,特别涉及人工智能技术领域,具体涉及一种授权书的识别审核方法、装置、设备及系统。
背景技术
在现代社会中,征信被誉为企业和个人的“经济身份证”。其中,金融机构尤其是银行对征信报告的使用量最大。在各家银行的风险预警、贷前审批及贷后风险管理等环节都会使用到企业或者个人的征信报告,而征信报告的内容涉及法人和个人的金融信息数据,各行在使用征信报告的过程中务必要防止征信查询的滥用、乱用及信息泄露。因此,征信查询授权书作为征信查询的授权凭证显得尤为重要。
一般的,在进行征信查询前主要依靠客户经理人工审核征信授权书并存档,人工审核耗时耗力,并且容易出现失误,不同的人审核标准可能也会不同。因此,如何提出一种方案,能够提高授权书的审核效率和准确性成为本领域亟需解决的技术问题。
发明内容
本说明书实施例的目的在于提供一种授权书的识别审核方法、装置、设备及系统,实现了授权书的智能化、自动化审核,提高了授权书审核的效率和准确性。
一方面,本说明书实施例提供了一种授权书的识别审核方法,所述方法包括:
采集待审核授权书的授权书图像信息;
对所述授权书图像信息进行图像识别,获得所述待审核授权书的图像识别结果;
将所述图像识别结果与预设的业务规则进行匹配,若匹配通过,则确定所述待审核授权书审核通过。
进一步地,在采集到所述待下载数据之后,所述方法还包括:
所述业务规则包括下述至少一种:
授权书的关键字识别率大于预设识别率、授权书中有授权用户的签名、授权书中有授权用户的印章、授权书中存在日期、授权书中的日期在指定时间范围内。
进一步地,所述图像识别结果中的关键字识别率的获取方法包括:
将所述图像识别结果中的文本信息与预设的关键字数据集进行匹配,获取与所述关键字数据集中的关键字匹配成功的目标文本;
根据所述目标文本的数量和所述关键字数据集中的关键字的总数量,确定所述图像识别结果中的关键字识别率。
进一步地,所述业务规则还包括:所述图像识别结果中的签名是否有效和/或所述图像识别结果中的印章是否有效;
所述将所述图像识别结果与预设的业务规则进行匹配,包括:
获取所述图像识别结果中的签名信息和/或印章信息,并获取所述待审核授权书对应的用户信息;
将获取到的签名信息与所述用户信息中的用户姓名近比较,若所述签名信息与所述用户姓名相同,则确定所述图像识别结果中的签名有效;
将获取到的印章信息与所述用户信息中的企业名称近比较,若所述印章信息与所述企业名称相同,则确定所述图像识别结果中的印章有效。
进一步地,所述方法还包括:
设置不同业务规则对应的权重值,根据不同业务规则的匹配结果和对应的权重值,确定所述图像识别结果的匹配结果。
进一步地,所述对所述授权书图像信息进行图像识别,包括:
对所述授权书图像信息进行预处理;
对预处理后的授权书图像信息进行文字特征提取,采用自然场景文本检测算法对提取出的文字特征进行检测,并将识别出的文字内容进行拼接。
进一步地,所述对所述授权书图像信息进行图像识别,包括:
对所述授权书图像信息进行预处理;
对预处理后的授权书图像信息进行目标特征提取,其中目标特征包括下述至少一种:签名、印章、日期;
采用目标检测算法对提取出的目标特征进行检测。
又一方面,本说明书提供了一种授权书的识别审核装置,包括:
图像采集模块,用于采集待审核授权书的授权书图像信息;
图像识别模块,用于对所述授权书图像信息进行图像识别,获得所述待审核授权书的图像识别结果;
业务审核模块,用于将所述图像识别结果与预设的业务规则进行匹配,若匹配通过,则确定所述待审核授权书审核通过。
又一方面,本说明书实施例提供了一种授权书的识别审核设备,包括至少一个处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现上述授权书的识别审核方法。
再一方面,本说明书实施例提供了一种外汇敞口授权书的识别审核系统,包括:
授权书图像上传单元,用于上传待审核授权书的授权书图像信息;
图像采集单元,用于接收授权书图像上传单元的待审核授权书的图像信息,并对接收到的授权书图像信息进行质量检验和标准化处理;
电子图像管理单元,用于对图像采集单元采集到的授权书图像信息进行分类管理和保存;
文字识别单元,用于对所述电子图像管理单元保存的授权书图像信息进行文字识别,并将识别结果传输到业务规则校验单元;
目标识别单元,用于对对所述电子图像管理单元保存的授权书图像信息进行目标识别,并将识别结果传输到业务规则校验单元;
业务规则校验单元,用于对所述文字识别单元和所述目标识别单元识别出的识别结果进行业务规则校验,确定待审核授权书是否审核通过;
控制规则定制单元,用于设置或调整业务规则校验单元的校验规则。
本说明书提供的授权书的识别审核方法、装置、设备及系统,在下游系统内预先配置好数据分类流入条件,并将数据分类流入条件同步到上游系统。上游系统采集数据,并基于下游系统配置的数据分类流入条件对采集到的数据进行分类汇总后发送至下游系统,下游系统即可以根据配置的数据分类流入条件将分类汇总后的数据加入到对应的数据目录中,以便对数据进行统一的管理。当有新的类型的数据时,只需要对下游系统内的数据分类流入条件进行修改,上游系统即可以同步修改分类条件,不再需要上下游同时调整分类脚本或汇总程序等,降低了上下游系统的耦合性。同时确保上下游系统的数据分类、流入条件一直,避免因上下游系统配置的数据分类规则、流入条件不一致而导致授权书的识别审核失败的问题。并且数据分类流入条件的调整方式简单快捷,调整后的数据分类流入条件可以灵活快速上线,避免了因技术原因导致授权书的识别审核延迟。实现了数据的灵活下载分类,进一步提高了数据处理的时效性。
附图说明
为了更清楚地说明本说明书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说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本说明书实施例提供的授权书的识别审核方法实施例的流程示意图;
图2是本说明书又一个实施例中征信授权书的识别审核方法的流程示意图;
图3是本说明书一些实施例中授权书的识别审核装置的结构示意图;
图4是本说明书一个实施例中授权书的识别审核系统的结构示意图;
图5是本说明书一个实施例中授权书的识别审核服务器的硬件结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都应当属于本说明书保护的范围。
需要说明的是,本说明书实施例公开的授权书的识别审核方法、装置、设备及系统,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其他技术领域,本说明书实施例公开的授权书的识别审核方法、装置、设备及系统的应用领域不作具体限定。
随着计算机互联网技术的发展,许多信息都可以通过互联网查询,人们对于个人信息的保护也越来越重视。本说明书实施中记载的授权书可以理解为授权凭证,如:可以是征信授权书,如:在许多业务场景中,需要使用用户的征信信息,但是征信信息属于个人隐私信息,一般需要用户授权才能查询。当然,授权书也可以是其他授权凭证如:授权办理某项业务的凭证等,本说明书实施例不作具体限定。
通常情况下对于授权书的审核是由专业人员人工审核的,审核通过则证明授权书合规,可以基于授权书进行业务的办理,本说明书提供一种授权书的识别审核方法,可以实现授权书的自动化审核,替身了授权书识别的效率和准确性。
图1是本说明书实施例提供的授权书的识别审核方法实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
具体的一个实施例如图1所示,本说明书提供的授权书的识别审核方法的一个实施例中,所述方法可以应用在一些业务系统中,具体可以为计算机、平板电脑、服务器、车载设备、智能穿戴设备等终端。如图1所示,所述方法可以包括如下步骤:
步骤102、采集待审核授权书的授权书图像信息。
在具体的实施过程中,待审核授权书可以理解为需要进行是否符合要求的验证的授权书,授权书为一种用户授权办理某项业务的授权凭证。可以采集待审核授权书的图像信息即授权书图像信息,如:可以对待审核授权书进行拍照、电子扫描或录像等,将待审核授权书转换为图像信息。本说明书一些实施例中,采集到待审核授权书的授权书图像信息后,可以对采集到的授权书图像信息进行准入判断和标准化处理,如:若采集到的授权书图像信息的大小、分辨率不达标,或者有阴影、图像倾斜等,这种情况下需要对授权书图像信息进行调整,调整到符合要求后再进行保存,以实现对采集到的授权书图像信息进行质量的初步审核,提高后续授权书的图像识别和审核的准确性。此外,还可以对采集到的授权书图像信息进行标准化处理如:大小统一调整为预设的大小,图像信息的名称按照预设规则进行命名,以便查找。
步骤104、对所述授权书图像信息进行图像识别,获得所述待审核授权书的图像识别结果。
在具体的实施过程中,采集到待审核授权书的授权书图像信息后,可以对采集到的授权书图像信息进行图像识别,可以利用人工智能识别算法识别授权书图像信息中的指定的特征,如:对指定的文字或指定位置进行图像识别,获得授权书图像信息的图像识别结果。图像识别结果可以包括识别出文本(即授权书图像信息中印刷体文字)、签名、日期、印章等。
本说明书一些实施例中,在对授权书图像信息进行图像识别时,可以对授权书图像信息进行文字识别和目标识别,文字识别即识别授权书图像信息中的文字信息(一般为印刷体文字),目标识别可以理解为识别授权书图像信息中的指定目标如:印章、签名、日期等。
本书明书一些实施例中,所述对所述授权书图像信息进行图像识别,可以包括:
对所述授权书图像信息进行预处理;
对预处理后的授权书图像信息进行文字特征提取,采用自然场景文本检测算法对提取出的文字特征进行检测,并将识别出的文字内容进行拼接。
在具体的实施过程中,可以对采集到的授权书图像信息进行预处理如:对授权书图像信息进行二值化、字符切分、倾斜矫正、归一化等处理,将授权书图像信息转换为同样规格、同样尺寸的图像,以方便识别。再对预处理后的授权书图像信息进行文字特征提取,提取授权书图像信息中的文字信息,再利用自然场景文本检测算法(Connectionist TextProposal Network,CTPN)对提取出的文字特征进行检测,以提高文字识别的准确率,将检测后的文字内容进行拼接,获得文字识别的识别结果。
此外,本说明书一些实施例中,,所述对所述授权书图像信息进行图像识别,可以包括:
对所述授权书图像信息进行预处理;
对预处理后的授权书图像信息进行目标特征提取,其中目标特征包括下述至少一种:签名、印章、日期;
采用目标检测算法对提取出的目标特征进行检测。
在具体的实施过程中,还可以对采集到的授权书图像信息进行目标识别,在进行目标识别之前可以先对授权书图像信息进行预处理如:色道过滤、三维纠偏、降噪等,以提高后续目标识别的准确性。再对预处理后的授权书图像信息进行目标特征提取,即预先设置目标特征如:签名、印章、日期等,目标特征可以是指定形状的图像、文字或指定位置的图像等,本说明书实施例不作具体限定。对授权书图像信息进行目标特征提取后,可以采用目标检测算法(RetinaNet)对提取出的目标特征进行检测,如:识别出的目标特征是否存在或其内容和相对位置信息是否准确等如:对印章进行验印,通过目标检测算法可以提高目标识别的准确性。
本说明书实施例通过人工智能算法对授权书图像信息进行文字识别和目标识别,提高了授权书图像信息识别结果的准确性,提高了图像识别的效率,为后续授权书审核提供了准确的数据基础。
步骤106、将所述图像识别结果与预设的业务规则进行匹配,若匹配通过,则确定所述待审核授权书审核通过。
在具体的实施过程中,可以预先根据业务场景设置业务规则,业务规则可以理解为授权书审核通过需要满足的条件。在获得待审核授权书的授权图像信息的图像识别结果后,可以将图像识别结果与预先设置的业务规则进行匹配,如:判断图像识别结果是否满足业务规则中的条件。可以设置若图像识别结果满足业务规则中的部分条件,即可以确定匹配通过,具体匹配规则可以根据实际需要进行设置,本说明书实施例不作具体限定。
本说明书一些实施例中,所述业务规则包括下述至少一种:
授权书的关键字识别率大于预设识别率、授权书中有授权用户的签名、授权书中有授权用户的印章、授权书中存在日期、授权书中的日期在指定时间范围内。在具体的实施过程中,业务规则可以根据业务需求进行设置,本说明书实施例中的业务规则可以设置为图像识别结果中的关键字识别率大于预设识别率,有授权用户的签名、印章,有日期,日期在指定时间范围内(如:当前时间之前一周或当期时间之前一个月等)等。当然,根据实际需要,业务规则还可以包括其他内容,本说明书实施例不作具体限定。可以根据实际需要对业务规则中的条件进行自由组合,如:对于授权书审核要求不太严格的业务场景,可以只判断图像识别结果中的关键字识别率大于预设识别率,若大于,则确定图像识别结果与业务规则匹配通过。对于授权书审核要求比较严格的业务场景,则可以设置业务规则为在图像识别结果中的关键字识别率大于预设识别率的情况下,还需要图像识别结果中有授权用户的签名或印章。对于授权书审核要求更加严格的场景,可以设置业务规则为在图像识别结果中的关键字识别率大于预设识别率的情况下,还需要图像识别结果中有授权用户的签名和印章。对于对授权书审核非常严格的场景,则可以设置业务规则为在图像识别结果中的关键字识别率大于预设识别率,并且,图像识别结果中有授权用户的签名、印章、日期,还需要日期在指定时间范围内。基于业务需求自由定义、组合业务规则,可以实现灵活审核授权书的功能,以满足不同的业务需求。
若图像识别结果与预设的业务规则匹配通过,则确定待审核授权书审核通过,可以进行下一步业务流程,若匹配不通过,则可以由人工进行进一步的核验以确定授权书是否合规。
本说明书实施例提供的授权书的识别审核方法,通过采集授权书的授权书图像信息,再对授权书进行智能图像识别,获得图像识别结果,将图像识别结果和预先设置的业务规则进行匹配,以确定授权书是否满足要求。实现了授权书的自动化、智能化审核,提高了授权书审核的效率,并且审核的业务规则是相同的,不再因人而异,可以提高授权书审核的准确性,确保了用户信息的安全性。同时,可以通过自由定义业务规则,实现授权书的灵活审核,满足不同的业务需求。
在上述实施例的基础上,本说明书一些实施例中,所述图像识别结果中的关键字识别率的获取方法包括:
将所述图像识别结果中的文本信息与预设的关键字数据集进行匹配,获取与所述关键字数据集中的关键字匹配成功的目标文本;
根据所述目标文本的数量和所述关键字数据集中的关键字的总数量,确定所述图像识别结果中的关键字识别率。
在具体的实施过程中,在对待审核授权书的授权书图像信息进行图像识别,获得授权书图像信息中的文本信息即授权书图像信息中的文字信息(通常可以值印刷体文字)后,可以将识别出的文本信息与预设的关键字数据集进行匹配。其中,关键字数据集可以根据实际的业务场景设置,如:可以基于实际授权书审核时,授权书文本中包含的关键字构建出关键字数据集。将识别出的文本信息与关键字数据集进行匹配,获得匹配成功的目标文本,将目标文本的数量和关键字数据集中的关键字的总数量的比值作为图像识别结果中的关键字识别率。例如:若关键字数据集中有20个关键字,识别出的文本信息与关键字数据集进行匹配时,有15个文本域关键字数据集中的关键字相同,即目标文本有15个,那么关键字识别率可以表示为15/20=0.75。再根据关键字识别率来确定待审核授权书是否能够审核通过,如:对于一些授权书审核比较严格的场景,可以设置较高的预设识别率如:0.9。对于授权书审核要求不严格的,则可以设置比较低的预设识别率如0.6。将计算出关键字识别率与预设识别率进行比较,确定待审核授权书的文本是否审核通过。如:若预设识别率为0.9,则关键字识别率0.75不符合要求,若预设识别率为0.6,则关键字识别率0.75符合要求。
本说明书实施例通过预先设置关键字数据集,将识别出的文本信息与关键字数据集进行匹配,以计算出待审核授权书的文本内容是否满足预设要求,为授权书审核奠定了数据基础。
在上述实施例的基础上,本说明书一些实施例中,所述业务规则还包括:所述图像识别结果中的签名是否有效和/或所述图像识别结果中的印章是否有效;
所述将所述图像识别结果与预设的业务规则进行匹配,包括:
获取所述图像识别结果中的签名信息和/或印章信息,并获取所述待审核授权书对应的用户信息;
将获取到的签名信息与所述用户信息中的用户姓名近比较,若所述签名信息与所述用户姓名相同,则确定所述图像识别结果中的签名有效;
将获取到的印章信息与所述用户信息中的企业名称近比较,若所述印章信息与所述企业名称相同,则确定所述图像识别结果中的印章有效。
在具体的实施过程中,业务规则中一般包括待审核授权书中是否有签名、是否有印章,根据业务需求,还可以设置业务规则包括图像识别结果中的签名是否有效和/或图像识别结果中的印章是否有效。可以采集待审核授权书对应的用户信息如:若待审核授权书为个人的授权书则可以采集用户的姓名、身份标识等信息,若待审核授权书为企业的授权书,则可以采集企业的名称、法人姓名等信息。在判断待审核授权书中的签名是否有效时,可以将图像识别结果中的签名信息与采集到的用户信息中的用户姓名(个人用户为用户姓名,企业用户为法人姓名)进行比较,若签名信息与用户姓名相同,则确定签名有效。一般对于企业用户,授权书需要企业的印章,对于个人用户可以不需要印章。在判断待审核授权书的印章是否有效时,可以将图像识别结果中的印章信息与采集到的用户信息中的企业名称进行比较,若印章信息与企业名称相同,则说明印章有效。当然,还可以利用电子验印技术对识别出的印章信息进行检测,来确定印章的真伪。
本说明书实施例进一步限定业务规则包括验证授权书中的印章和签名的有效性,以提高授权书审核的标准,进一步提高授权书审核的准确性。
本说明书一些实施例中,所述方法还可以包括:
设置不同业务规则对应的权重值,根据不同业务规则的匹配结果和对应的权重值,确定所述图像识别结果的匹配结果。
在具体的实施过程中,业务规则可以包括多种内容如:关键字识别率大于预设识别率、授权书中有授权用户的签名、授权书中有授权用户的印章、授权书中存在日期、授权书中的日期在指定时间范围内等。当业务规则有多条时,可以设置不同业务规则对应的权重值,权重值可以理解为业务规则对授权书审核的影响程度,如:关键字识别率对授权书审核比较重要,可以设置其权重值设置为0.5,日期对授权书审核的影响不大,可以设置其权重值为0,若有日期且日期在指定时间范围内,则权重值为0.1,同样的,授权书中有授权用户的印章的权重值为0.2,授权书中有授权用户的签名的权重值为0.2等,可以根据实际需要设置不同业务规则对应的权重值。当将图像识别结果与业务规则进行匹配时,可以根据各个业务规则的匹配结果和对应的权重值确定出图像识别结果对应的综合匹配结果。
当然,对于有些业务场景,当不需要考虑某条业务规则时,可以将该条业务规则对应的权重值设置为0。
例如:图像识别结果中的关键字识别率大于预设识别率,图像识别结果中包括印章但没签名,有日期且日期在指定时间范围内,则参考上述设置的权重值,图像识别结果对应的综合匹配结果可以:0.5+0.2+0.1=0.8。可以根据图像识别结果与业务规则的匹配结果,来确定待审核授权书是否审核通过,如:若综合匹配结果大于预设阈值,则审核通过,若综合匹配结果小于预设阈值,则审核不通过。
本说明书在确定待审核授权书的图像识别结果与业务规则匹配结果时,可以根据预先设置的权重值,确定出一个综合匹配结果,以综合考虑待审核授权书是否能够审核通过。可以根据授权书审核的严格程度,以及不同业务规则对授权书审核的影响程度设置不同业务规则对应的权重值,实现对授权书的灵活审核。
图2是本说明书又一个实施例中征信授权书的识别审核方法的流程示意图,如图2所示,下面以征信授权书的识别审核为示例,介绍本说明书实施例中的授权书审核过程:
步骤201:上传客户征信授权书图像即授权书图像信息,同时,还可以异步发起征信授权书识别请求。
步骤202:对上传的客户征信授权书图像进行接收、准入判断、标准化、传输处理。
步骤203:对上传图像进行接收、处理、归档。
步骤204:对图像进行预处理(二值化、字符切分、倾斜矫正、归一化等)、特征值提取,神经网络模型的训练,利用CTPN算法模型进行文字检测。
步骤205:对图像预处理(色道过滤、三维纠偏、降噪等)、特征值提取,基于神经网络模型的训练,采用目标检测算法进行特定目标识别。
步骤206:根据步骤204和步骤205返回的各项识别结果,结合业务侧所给出的业务规则对各个识别主体(授权书全文、验印、签名、日期等)校验是否符合业务规则。
步骤207:设置或调整授权书的各识别主体的校验规则。
步骤208:根据步骤206授权书业务规则校验结果和步骤207制定的校验规则,提示所上传的授权书是否合规。如果合规则允许客户进行征信查询进入步骤209。如果不合规则进入步骤210进行人工审核的判断。
步骤209:授权书校验合规后允许查询客户征信。
步骤210:判断人工审核是否通过,如果人工审核通过则进入步骤209进行征信查询。如果授权书人工审核不通过,则进入步骤211。
步骤211:如果征信授权书人工审核也没通过,则提示业务办理人员重新上传合规的征信授权书。
本说明书实施例提供的授权书的识别审核方法,通过采集授权书的授权书图像信息,再对授权书进行智能图像识别,获得图像识别结果,将图像识别结果和预先设置的业务规则进行匹配,以确定授权书是否满足要求。实现了授权书的自动化、智能化审核,提高了授权书审核的效率,并且审核的业务规则是相同的,不再因人而异,可以提高授权书审核的准确性,确保了用户信息的安全性。同时,可以通过自由定义业务规则,实现授权书的灵活审核,满足不同的业务需求。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参考即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参考方法实施例的部分说明即可。
基于上述所述的授权书的识别审核方法,本说明书一个或多个实施例还提供一种用于授权书的识别审核的装置。所述系统可以包括使用了本说明书实施例所述方法的装置(包括分布式系统)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参考前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统、装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是本说明书一些实施例中授权书的识别审核装置的结构示意图,如图3所示,本说明书中提供的授权书的识别审核装置可以应用在上述实施例中上游系统中,该装置可以包括:
图像采集模块31,用于采集待审核授权书的授权书图像信息;
图像识别模块32,用于对所述授权书图像信息进行图像识别,获得所述待审核授权书的图像识别结果;
业务审核模块33,用于将所述图像识别结果与预设的业务规则进行匹配,若匹配通过,则确定所述待审核授权书审核通过。
本说明书实施例提供的授权书的识别审核装置,通过采集授权书的授权书图像信息,再对授权书进行智能图像识别,获得图像识别结果,将图像识别结果和预先设置的业务规则进行匹配,以确定授权书是否满足要求。实现了授权书的自动化、智能化审核,提高了授权书审核的效率,并且审核的业务规则是相同的,不再因人而异,可以提高授权书审核的准确性,确保了用户信息的安全性。同时,可以通过自由定义业务规则,实现授权书的灵活审核,满足不同的业务需求。
需要说明的,上述所述的装置根据对应方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照上述对应的方法实施例的描述,在此不作一一赘述。
图4是本说明书一个实施例中授权书的识别审核系统的结构示意图,如图4所示,本说明书一些实施例中还可以提供一种授权书的识别审核系统,包括:
授权书图像上传单元41,用于上传待审核授权书的授权书图像信息;
图像采集单元42,用于接收授权书图像上传单元的待审核授权书的图像信息,并对接收到的授权书图像信息进行质量检验和标准化处理;
电子图像管理单元43,用于对图像采集单元采集到的授权书图像信息进行分类管理和保存;
文字识别单元44,用于对所述电子图像管理单元保存的授权书图像信息进行文字识别,并将识别结果传输到业务规则校验单元;
目标识别单元45,用于对对所述电子图像管理单元保存的授权书图像信息进行目标识别,并将识别结果传输到业务规则校验单元;
业务规则校验单元46,用于对所述文字识别单元和所述目标识别单元识别出的识别结果进行业务规则校验,确定待审核授权书是否审核通过;
控制规则定制单元47,用于设置或调整业务规则校验单元的校验规则。
在具体的实施过程中,授权书图像上传单元41与图像采集单元42相连,业务人员生成对应用户已经知晓并且签字盖章确认的客户征信授权书的电子图像后,通过授权书图像上传单元41上传到系统中。图像采集单元42用于接受授权书图像上传单元41中上传的授权书图像信息,图像采集单元42可以对外提供电子图像云、电子拍照、电子扫描页面等多种接入方式。图像采集单元42具体可以接收的图像,判断是否满足文字识别的最低标准,如文件大小,格式,分辨率是否达标、是否存在倾斜、阴影等。若满足要求,对图像进行预处理并传递到电子图像管理单元43,若不满足则进行错误提醒。电子图像管理单元43可以接收图像采集单元42提交的图像数据流,并对图像进行分类整理如:不同业务类型的授权书可以归类到不同的类别,以便后续查询管理,还可以对图像进行持久化存储。
文字识别单元44可以从电子图像管理单元43获取图像,通过二值化、字符切分、倾斜矫正、归一化等处理,将图片转成同样规格、同样尺寸、易于识别的单个文字图片。再进行提取文字特征,对图像进行提取特征后,使用CTPN算法模型、神经网络训练提高识别准确率,识别出文字内容并进行全文拼接。目标识别单元45可以从电子图像管理单元43获取图像,通过色道过滤、三维纠偏、降噪对图像进行预处理。再进行提取目标特征,并对图像进行提取特征后,使用RETINANET目标检测算法、神经网络训练提高识别准确率,识别出目标是否存在及其内容和相对位置信息。业务规则校验单元46可以基于业务规则对授权书文本及各项特定目标(验印、签名、日期等)的校验逻辑。例如,对于授权书文本进行特定业务关键字是否存在及其顺序的检测,是否达到一定的关键字识别率。如果文字识别装置返回的授权书全文文本满足这些要求则认为授权书文本校验通过;对于授权书中特定目标(验印、签名、日期等)的识别校验会对目标识别装置返回的这些指标识别内容校验是否符合业务规则,例如验印是否存在及有效、签名是否存在及有效,日期是否存在及是否正确。并将各类识别主体(文本、验印、签名、日期等)的识别结果输出至控制规则定制单元47。
控制规则定制单元47可以对业务规则校验单元46中的各识别主体的校验规则进行相应的设置。例如人工设置文字识别率阈值大小或者判断是否将验印、签名、日期等特定识别目标纳入业务侧校验的范围。还可以设置总体识别结果的控制输出模式,例如刚性控制、柔性控制或是不控制。其中,刚性控制即一定要满足的条件如:关键字识别率要大于预设识别率,柔性控制可以理解为部分满足即可如:签名和印章有一个即可,或者签名和印章只需要有即可,不需要验证签名和印章的有效性,不控制可以理解为不作为审核标准,如:日期可以不作为审核标准,有没有日期都可以。控制规则定制单元47可以将控制结果输出给前台,通知业务人员授权书校验结果是否通过。如果校验不通过则提示是否进行人工审核;如果系统自动校验结果或者人工审核校验结果通过,将允许查询相应客户的征信报告。
本说明书实施例提供的授权书的识别审核系统,将整个授权书智能识别系统按功能分类模块化管理,以减少系统耦合,各个模块之间通过负载平衡部署、并发调用的方式提高系统响应速度。同时,实现了授权书的智能化、自动化审核,提高了授权书审核的效率和准确性。
本说明书实施例还提供一种授权书的识别审核设备,包括:至少一个处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现上述实施例的信息推荐数据处理方法,如:
采集待审核授权书的授权书图像信息;
对所述授权书图像信息进行图像识别,获得所述待审核授权书的图像识别结果;
将所述图像识别结果与预设的业务规则进行匹配,若匹配通过,则确定所述待审核授权书审核通过。
需要说明的,上述所述的设备、系统根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书提供的授权书的识别审核装置,也可以应用在多种数据分析处理系统中。所述系统或服务器或终端或设备可以为单独的服务器,也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例系统或服务器或终端或设备的服务器集群、系统(包括分布式系统)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述核对差异数据的检测系统可以包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述任意一个或者多个实施例中所述方法的步骤。
本说明书实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图5是本说明书一个实施例中授权书的识别审核服务器的硬件结构框图,该计算机终端可以是上述实施例中的授权书的识别审核服务器或授权书的识别审核装置。如图5所示服务器10可以包括一个或多个(图中仅示出一个)处理器100(处理器100可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的非易失性存储器200、以及用于通信功能的传输模块300。本领域普通技术人员可以理解,图5所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器10还可包括比图5中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图5所示不同的配置。
非易失性存储器200可用于存储应用软件的软件程序以及模块,如本说明书实施例中的授权书的识别审核方法对应的程序指令/模块,处理器100通过运行存储在非易失性存储器200内的软件程序以及模块,从而执行各种功能应用以及资源数据更新。非易失性存储器200可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,非易失性存储器200可进一步包括相对于处理器100远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局与网、移动通信网及其组合。
传输模块300用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块300包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块300可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,所述的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果,如:
采集待审核授权书的授权书图像信息;
对所述授权书图像信息进行图像识别,获得所述待审核授权书的图像识别结果;
将所述图像识别结果与预设的业务规则进行匹配,若匹配通过,则确定所述待审核授权书审核通过。
所述存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
本说明书实施例提供的上述授权书的识别审核方法或装置可以在计算机中由处理器执行相应的程序指令来实现,如使用windows操作系统的c++语言在PC端实现、linux系统实现,或其他例如使用android、iOS系统程序设计语言在智能终端实现,以及基于量子计算机的处理逻辑实现等。
需要说明的是说明书上述所述的装置、计算机存储介质、系统根据相关方法实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照对应方法实施例的描述,在此不作一一赘述。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参考即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参考方法实施例的部分说明即可。
本说明书实施例并不局限于必须是符合行业通信标准、标准计算机资源数据更新和数据存储规则或本说明书一个或多个实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例,仍然可以属于本说明书实施例的可选实施方案范围之内。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书一个或多个实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式资源数据更新环境)。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、产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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本发明是参照根据本发明实施例的方法、装置(系统)、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资源数据更新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资源数据更新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资源数据更新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资源数据更新设备上,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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储、石墨烯存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例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,本说明书一个或多个实施例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。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参考即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参考方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书一个或多个实施例的实施例而已,并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在权利要求范围之内。
Claims (9)
1.一种授权书的识别审核方法,其特征在于,所述方法包括:
采集待审核授权书的授权书图像信息;
对所述授权书图像信息进行图像识别,获得所述待审核授权书的图像识别结果;
将所述图像识别结果与预设的业务规则进行匹配,若匹配通过,则确定所述待审核授权书审核通过;
其中,所述对所述授权书图像信息进行图像识别,包括:
对所述授权书图像信息进行预处理;所述预处理包括:二值化、字符切分、倾斜矫正、归一化处理,所述预处理用于将所述授权书图像信息转换为同样规格、同样尺寸的图像;
对预处理后的授权书图像信息进行文字特征提取,采用自然场景文本检测算法对提取出的文字特征进行检测,并将识别出的文字内容进行拼接;所述识别出的文字内容包括印刷体文字;
其中,所述业务规则包括:授权书的关键字识别率大于预设识别率。
2.如权利要求1所述的方法,其特征在于,所述业务规则还包括下述至少一种:
授权书中有授权用户的签名、授权书中有授权用户的印章、授权书中存在日期、授权书中的日期在指定时间范围内。
3.如权利要求2所述的方法,其特征在于,所述图像识别结果中的关键字识别率的获取方法包括:
将所述图像识别结果中的文本信息与预设的关键字数据集进行匹配,获取与所述关键字数据集中的关键字匹配成功的目标文本;
根据所述目标文本的数量和所述关键字数据集中的关键字的总数量,确定所述图像识别结果中的关键字识别率。
4.如权利要求2所述的方法,其特征在于,所述业务规则还包括:所述图像识别结果中的签名是否有效和/或所述图像识别结果中的印章是否有效;
所述将所述图像识别结果与预设的业务规则进行匹配,包括:
获取所述图像识别结果中的签名信息和/或印章信息,并获取所述待审核授权书对应的用户信息;
将获取到的签名信息与所述用户信息中的用户姓名比较,若所述签名信息与所述用户姓名相同,则确定所述图像识别结果中的签名有效;
将获取到的印章信息与所述用户信息中的企业名称比较,若所述印章信息与所述企业名称相同,则确定所述图像识别结果中的印章有效。
5.如权利要求2所述的方法,其特征在于,所述方法还包括:
设置不同业务规则对应的权重值,根据不同业务规则的匹配结果和对应的权重值,确定所述图像识别结果的匹配结果。
6.如权利要求1所述的方法,其特征在于,所述对所述授权书图像信息进行图像识别,包括:
对所述授权书图像信息进行预处理;
对预处理后的授权书图像信息进行目标特征提取,其中目标特征包括下述至少一种:签名、印章、日期;
采用目标检测算法对提取出的目标特征进行检测。
7.一种授权书的识别审核装置,其特征在于,包括:
图像采集模块,用于采集待审核授权书的授权书图像信息;
图像识别模块,用于对所述授权书图像信息进行图像识别,获得所述待审核授权书的图像识别结果;
业务审核模块,用于将所述图像识别结果与预设的业务规则进行匹配,若匹配通过,则确定所述待审核授权书审核通过;
其中,所述对所述授权书图像信息进行图像识别,包括:
对所述授权书图像信息进行预处理;所述预处理包括:二值化、字符切分、倾斜矫正、归一化处理,所述预处理用于将所述授权书图像信息转换为同样规格、同样尺寸的图像;
对预处理后的授权书图像信息进行文字特征提取,采用自然场景文本检测算法对提取出的文字特征进行检测,并将识别出的文字内容进行拼接;所述识别出的文字内容包括印刷体文字;
其中,所述业务规则包括:授权书的关键字识别率大于预设识别率。
8.一种授权书的识别审核设备,其特征在于,包括:至少一个处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现权利要求1-6任一项所述的方法。
9.一种授权书的识别审核系统,其特征在于,包括:
授权书图像上传单元,用于上传待审核授权书的授权书图像信息;
图像采集单元,用于接收授权书图像上传单元的待审核授权书的图像信息,并对接收到的授权书图像信息进行质量检验和标准化处理;
电子图像管理单元,用于对图像采集单元采集到的授权书图像信息进行分类管理和保存;
文字识别单元,用于对所述电子图像管理单元保存的授权书图像信息进行文字识别,并将识别结果传输到业务规则校验单元;
目标识别单元,用于对所述电子图像管理单元保存的授权书图像信息进行目标识别,并将识别结果传输到业务规则校验单元;
业务规则校验单元,用于对所述文字识别单元和所述目标识别单元识别出的识别结果进行业务规则校验,确定待审核授权书是否审核通过;
控制规则定制单元,用于设置或调整业务规则校验单元的校验规则;
其中,所述对所述电子图像管理单元保存的授权书图像信息进行文字识别,包括:
对所述授权书图像信息进行预处理;所述预处理包括:二值化、字符切分、倾斜矫正、归一化处理,所述预处理用于将所述授权书图像信息转换为同样规格、同样尺寸的图像;
对预处理后的授权书图像信息进行文字特征提取,采用自然场景文本检测算法对提取出的文字特征进行检测,并将识别出的文字内容进行拼接;所述识别出的文字内容包括印刷体文字;
其中,所述业务规则包括:授权书的关键字识别率大于预设识别率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010795215.2A CN111932363B (zh) | 2020-08-10 | 2020-08-10 | 授权书的识别审核方法、装置、设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010795215.2A CN111932363B (zh) | 2020-08-10 | 2020-08-10 | 授权书的识别审核方法、装置、设备及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932363A CN111932363A (zh) | 2020-11-13 |
CN111932363B true CN111932363B (zh) | 2023-09-26 |
Family
ID=73307172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010795215.2A Active CN111932363B (zh) | 2020-08-10 | 2020-08-10 | 授权书的识别审核方法、装置、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932363B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112508717A (zh) * | 2020-12-01 | 2021-03-16 | 中国人寿保险股份有限公司 | 一种影像信息的审核方法、装置、电子设备及存储介质 |
CN113066223A (zh) * | 2021-04-22 | 2021-07-02 | 中国工商银行股份有限公司 | 发票自动验证方法及装置 |
CN113268778A (zh) * | 2021-05-31 | 2021-08-17 | 杭州趣链科技有限公司 | 电子文件的处理方法、系统、装置、介质及智能印章 |
CN113434912B (zh) * | 2021-08-24 | 2021-12-24 | 共道网络科技有限公司 | 一种材料合规性校验方法及装置 |
CN115526605B (zh) * | 2022-10-21 | 2024-03-08 | 金恒智控管理咨询集团股份有限公司 | 基于企业内部控制管理的审批方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463921A (zh) * | 2017-08-21 | 2017-12-12 | 深圳微众税银信息服务有限公司 | 一种征信授权有效性验证方法及系统 |
CN110796454A (zh) * | 2019-10-09 | 2020-02-14 | 中国建设银行股份有限公司 | 一种企业认证的审核方法及装置 |
-
2020
- 2020-08-10 CN CN202010795215.2A patent/CN111932363B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463921A (zh) * | 2017-08-21 | 2017-12-12 | 深圳微众税银信息服务有限公司 | 一种征信授权有效性验证方法及系统 |
CN110796454A (zh) * | 2019-10-09 | 2020-02-14 | 中国建设银行股份有限公司 | 一种企业认证的审核方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111932363A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932363B (zh) | 授权书的识别审核方法、装置、设备及系统 | |
CN111886842B (zh) | 使用基于阈值的匹配进行远程用户身份验证 | |
Neumann et al. | Computation of likelihood ratios in fingerprint identification for configurations of three minutiae | |
US20170032485A1 (en) | Identity verification system and method | |
US10331950B1 (en) | Automatic document source identification systems | |
CN111046879A (zh) | 证件图像分类方法、装置、计算机设备及可读存储介质 | |
US20220398573A1 (en) | Machine learning classifier based on category modeling | |
US20190279228A1 (en) | Suspicious activity report smart validation | |
US20220004652A1 (en) | Providing images with privacy label | |
CN113468017A (zh) | 应用于区块链的在线业务状态检测方法及业务服务器 | |
CN113066223A (zh) | 发票自动验证方法及装置 | |
CN110489434B (zh) | 一种信息处理方法及相关设备 | |
US11418502B2 (en) | Input entry based on user identity validation | |
CN110457332B (zh) | 一种信息处理方法及相关设备 | |
CN112132693A (zh) | 交易验证方法、装置、计算机设备与计算机可读存储介质 | |
Wing | The ANSI/NIST-ITL standard update for 2011 (data format for the interchange of fingerprint, facial and other biometric information) | |
CN110941719A (zh) | 数据分类方法、测试方法、装置及存储介质 | |
CN117786121B (zh) | 一种基于人工智能的档案鉴定方法以及系统 | |
CN115860749B (zh) | 一种数据处理方法、装置及设备 | |
US11790677B2 (en) | System for distributed server network with embedded image decoder as chain code program runtime | |
CN113221762B (zh) | 代价平衡决策方法、保险理赔决策方法、装置和设备 | |
CN111582305B (zh) | 生物特征识别方法、装置、计算机设备及存储介质 | |
CN115730233B (zh) | 一种数据处理方法、装置、可读存储介质以及电子设备 | |
CN117893320A (zh) | 资源申请请求的处理方法、装置和服务器 | |
CN113569839A (zh) | 证件识别方法、系统、设备及介质 |
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 |