CN112364790A - 基于卷积神经网络的机场工作单信息识别方法及系统 - Google Patents

基于卷积神经网络的机场工作单信息识别方法及系统 Download PDF

Info

Publication number
CN112364790A
CN112364790A CN202011275527.7A CN202011275527A CN112364790A CN 112364790 A CN112364790 A CN 112364790A CN 202011275527 A CN202011275527 A CN 202011275527A CN 112364790 A CN112364790 A CN 112364790A
Authority
CN
China
Prior art keywords
information
image
work sheet
work
work order
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
Application number
CN202011275527.7A
Other languages
English (en)
Other versions
CN112364790B (zh
Inventor
吕宗磊
罗佳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Civil Aviation University of China
Original Assignee
Civil Aviation University of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Civil Aviation University of China filed Critical Civil Aviation University of China
Priority to CN202011275527.7A priority Critical patent/CN112364790B/zh
Publication of CN112364790A publication Critical patent/CN112364790A/zh
Application granted granted Critical
Publication of CN112364790B publication Critical patent/CN112364790B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • 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
    • G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V30/24—Character recognition characterised by the processing or recognition method
    • G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
    • G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Character Input (AREA)

Abstract

本发明公开了一种基于卷积神经网络的机场工作单信息识别方法及识别系统，包括一，采集未填写信息的工作单图像，得到表格区模板和非表格区域模板；二，对表格区模板进行处理，获取其表格框线；三，对非表格区域模板进行人为框选，作为工作单的非表格有效区域的切分信息；四，对表格模板和工作单非表格有效区域模板进行切分效果检验，并对切分结果进行索引标注，建立数据字段与单元格区域的索引关系；五，采集待识别工作单图片，并对待识别手写工作单进行透视矫正和重新截取；六，对工作单图像进行完整性判别；七，进行非手写信息消除；八，取出与数据字段对应的图片块；通过卷积神经网络对其进行识别，并根据索引信息组装表格信息字典存入数据库。

Description

基于卷积神经网络的机场工作单信息识别方法及系统
技术领域
本发明属于图像处理技术领域，特别是涉及一种基于卷积神经网络的机场工作单信息识别方法及系统。
背景技术
随着大数据时代的来临,纸质档案数量的逐年递增,在数以万计的传统档案库中想要准确而迅速地找出自己所需要的档案简直像大海捞针，而在科学与新技术更替日新月异的时期，档案数字化的建设也亟待更为广泛地推广。传统的档案信息一般还是以纸质文档为主，放置在档案室里面，查找调用起来非常费时。而数字档案在对原档案文件进行扫描和识别以后，可以迅速方便地把信息录入到计算机数据库中，用网络存储档案信息，检索快捷方便，实时同步备份，存储空间小，维护方便安全，还能借助计算机的网络化特点从而更为便利地为全单位、区域、全国甚至全世界所利用。处在网络信息化社会的档案事业，也将朝着多元化、先进化、开放化的方向发展，档案数字化建设乃是大势所趋。同时，对民航领域的纸质档案进行数字化也是推进民航信息化发展的一项重任。
发明内容
技术问题
本发明为解决机场运营中地面服务工作单存档后不便检索而提供一种基于卷积神经网络的机场工作单信息识别方法及识别系统；本发明可以的机坪现场工作单进行自动识别和结构化存储，大大减少了检索难度，提高了检索效率。
技术方案
本发明的第一目的是提供一种基于卷积神经网络的机场工作单信息识别方法，包括如下步骤：
S1，通过摄像头或扫描仪采集未填写信息的工作单图像，通过图像矫正和重新截取，得到工作单的表格区模板和非表格区域模板，并记录下截取参数；
S2，对工作单的表格区模板进行处理，获取其表格框线；并对提取的表格框线进行人为校正得到完整表格框线，对完整表格框线进行识别得到完整表格结构信息，通过信息将表格图片按单元格进行切分得到切分信息；
S3，对工作单的非表格区域模板的部分进行人为框选，作为工作单的非表格有效区域的切分信息；
S4，使用S2、S3得到的切分信息对工作单表格模板和工作单非表格有效区域模板进行切分效果检验，并对切分结果进行索引标注，建立数据字段与单元格区域的索引关系；
S5，通过扫描仪或摄像头采集待识别工作单图片传入Jetson Nano嵌入式设备，并对待识别手写工作单进行透视矫正和重新截取，得到工作单表格图像和工作单非表格有效区域图像；
S6，设计判别规则，对提取到的工作单图像进行完整性判别，若判别出表格不完整，则给出提示信息，对该工作单进行重新识别；
S7，对S5得到的工作单表格图像和工作单非表格有效区域，根据模板图片及一些先验规则进行非手写信息消除；再根据S2、S3得到的切分信息进行切分，并根据S4得到的索引关系建立字段和手写信息的映射关系；
S8，根据映射关系逐一取出与数据字段对应的含单个手写元素的图片块；并通过卷积神经网络对其进行识别，并根据索引信息组装表格信息字典存入数据库。
优选地，S1中，通过透视变换对采集到的图像进行图像矫正，具体为：透视变换通过将表格区域的位置恢复从而得到透视变换矩阵及透视变换后新的表格区域，根据该区域对透视变换后的图像进行截取得到表格区域模板，同时，工作单的非表格区域与表格区域存在一定位置和比例关系，通过该关系完成对工作单的非表格区域进行模板提取。
本发明的第二目的是提供一种基于卷积神经网络的机场工作单信息识别系统，包括：
图像采集部；
获取图像采集部的数据，并对数据进行处理的信息处理部；其中：
通过图像采集部采集未填写信息的工作单图像并发送给信息处理部，信息处理部通过图像矫正和重新截取，得到工作单的表格区模板和非表格区域模板，并记录下截取参数；
信息处理部对工作单的表格区模板进行处理，获取其表格框线；并对提取的表格框线进行人为校正得到完整表格框线，对完整表格框线进行识别得到完整表格结构信息，通过信息将表格图片按单元格进行切分得到切分信息；
通过信息处理部对工作单的非表格区域模板的部分进行人为框选，作为工作单的非表格有效区域的切分信息；
信息处理部使用上述切分信息对工作单表格模板和工作单非表格有效区域模板进行切分效果检验，并对切分结果进行索引标注，建立数据字段与单元格区域的索引关系；
通过图像采集部采集待识别工作单图片传入Jetson Nano嵌入式设备，并对待识别手写工作单进行透视矫正和重新截取，得到工作单表格图像和工作单非表格有效区域图像；
通过信息处理部设计判别规则，对提取到的工作单图像进行完整性判别，若判别出表格不完整，则给出提示信息，对该工作单进行重新识别；
通过信息处理部对上述工作单表格图像和工作单非表格有效区域，根据模板图片及一些先验规则进行非手写信息消除；再根据上述切分信息进行切分，并根据上述索引关系建立字段和手写信息的映射关系；
信息处理部根据映射关系逐一取出与数据字段对应的含单个手写元素的图片块；并通过卷积神经网络对其进行识别，并根据索引信息组装表格信息字典存入数据库。
优选地，所述图像采集部包括摄像头或扫描仪。
本专利的第三发明目的是提供一种实现上述基于卷积神经网络的机场工作单信息识别方法的计算机程序。
本专利的第四发明目的是提供一种实现上述基于卷积神经网络的机场工作单信息识别方法的信息数据处理终端。
本专利的第五发明目的是提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述的基于卷积神经网络的机场工作单信息识别方法。
本发明的优点及积极效果为：
通过采用上述技术方案，本发明具有如下的技术效果：
本发明通过卷积神经网络对机坪现场手写工作工作单的手写的信息进行识别并进行结构化存储以方便对其进行检索。通过图像批量采集装置进行采集并识别识别，并搭建数据存储中心存储识别后的信息。对采集到的图片使用形态学知识以及与空白工作单的关系可以完成对非手写信息的剔除，并可以通过形态学变换以及人工的辅助完成手写信息的分割，再通过对分割后的与单个字段对应的手写信息进行识别后即可对该工作单的手写信息进行结构化存储。从而减少了对工作单进行归档和检索的难度。
附图说明
图1为本发明优先实施例的流程图；
图2为空白工作单图；
图3为待识别工作单图；
图4为待识别工作单图像表格区手写信息图；
图5为待识别工作单图像非表格区手写信息图；
图6为图3中单个手写信息区识别效果示意图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
本优选实施例是一个手写工作单的手写信息的提取、分割和识别问题。通过图像的形态学变换和人为的辅助完成工作单模板和工作单结构信息的提取，再通过一些手写文字的特征及提取的工作单模板对非手写信息进行消除，对仅仅剩下手写信息的工作单图片利用获取到的工作单结构信息进行分割和再利用卷积神经网络对其进行识别即可完成对手写工作单的识别。
这里提出的工作单扫描和识别方法是针对机场地面服务的工作单的，机场地面服务工作单是用于面向航班的记录航班的航班信息、准备情况、卸机作业、装机作业等过程的具体操作情况的工作单。机场地面服务工作单具有以下几个特点：①工作单结构比较固定，且工作单的主体部分为表格；②工作单内填写的信息具有一定规律，某些单元格填写的信息可以互相进行验证；
根据机场地面服务工作单的特征，本发明提出了一种基于卷积神经网络的机场工作单信息识别方法，这种方法能有效的提高对机场地面服务工作单的归档和检索效率。
请参阅图1至图6，
由附图1可知，本发明共需要三个实现阶段，分别是工作单模板和工作单结构信息的提取、工作单手写写信息的提取和分割、工作单手写信息的识别和结构化存储。本发明公开了一种基于卷积神经网络的机场工作单信息识别方法及识别系统，该方法包括以下几个步骤：
步骤1，通过摄像头或扫描仪采集未填写过的清晰工作工作单图像，通过图像矫正和重新截取，得到工作单的表格区模板和非表格区域模板，即附图1的表格部分和非表格部分，并记录下截取参数；
步骤2，对工作单的表格区模板进行处理，获取其表格框线。并对提取的表格框线进行人为校正得到完整表格框线，并对完整表格框线进行识别得到完整表格结构信息，该信息可用于将表格图片按单元格进行切分；
步骤3，对工作单的非表格区域模板中需要识别的部分进行人为框选，将其作为工作单的非表格有效区域的切分信息；
步骤4，使用步骤2、3得到的切分信息对工作单表格模板和工作单非表格有效区域模板进行切分效果检验，并对切分结果进行索引标注，建立数据字段与单元格区域的索引关系；
步骤5，通过扫描仪或摄像头采集待识别工作单图片传入通过扫描仪或摄像头采集待识别工作单图片传入Jetson Nano嵌入式设备，识别装置如附图3所示；由附图4可知，对待识别手写工作单进行透视矫正和重新截取可得到工作单表格图像和工作单非表格有效区域图像；
步骤6，设计判别规则，对提取到的工作单图像进行完整性判别。若判别出表格不完整，则给出提示信息，以方便对该工作单进行重新识别；
步骤7，对第五步得到的工作单表格图像和工作单非表格有效区域根据模板图片及一些先验规则进行非手写信息消除得到如附图5-6所示的仅包含手写信息的图像。再根据步骤2、3得到的切分信息进行切分并根据第4步得到的索引关系建立字段和手写信息的映射关系；
步骤8，由附图6可知，根据映射关系逐一取出与数据字段对应的含单个手写元素的图片块并通过卷积神经网络即对其进行识别，再根据索引信息组装表格信息字典存入数据库以便对其进行结构化检索。
一种基于卷积神经网络的机场工作单信息识别系统，包括：
图像采集部；
获取图像采集部的数据，并对数据进行处理的信息处理部；其中：
通过图像采集部采集未填写信息的工作单图像并发送给信息处理部，信息处理部通过图像矫正和重新截取，得到工作单的表格区模板和非表格区域模板，并记录下截取参数；
信息处理部对工作单的表格区模板进行处理，获取其表格框线；并对提取的表格框线进行人为校正得到完整表格框线，对完整表格框线进行识别得到完整表格结构信息，通过信息将表格图片按单元格进行切分得到切分信息；
通过信息处理部对工作单的非表格区域模板的部分进行人为框选，作为工作单的非表格有效区域的切分信息；
信息处理部使用上述切分信息对工作单表格模板和工作单非表格有效区域模板进行切分效果检验，并对切分结果进行索引标注，建立数据字段与单元格区域的索引关系；
通过图像采集部采集待识别工作单图片传入Jetson Nano嵌入式设备，并对待识别手写工作单进行透视矫正和重新截取，得到工作单表格图像和工作单非表格有效区域图像；
通过信息处理部设计判别规则，对提取到的工作单图像进行完整性判别，若判别出表格不完整，则给出提示信息，对该工作单进行重新识别；
通过信息处理部对上述工作单表格图像和工作单非表格有效区域，根据模板图片及一些先验规则进行非手写信息消除；再根据上述切分信息进行切分，并根据上述索引关系建立字段和手写信息的映射关系；
信息处理部根据映射关系逐一取出与数据字段对应的含单个手写元素的图片块；并通过卷积神经网络对其进行识别，并根据索引信息组装表格信息字典存入数据库。
所述图像采集部包括摄像头或扫描仪。
一种实现上述基于卷积神经网络的机场工作单信息识别方法的计算机程序。
一种实现上述基于卷积神经网络的机场工作单信息识别方法的信息数据处理终端。
一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述的基于卷积神经网络的机场工作单信息识别方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (7)

1.一种基于卷积神经网络的机场工作单信息识别方法，其特征在于，包括如下步骤：
S1，通过摄像头或扫描仪采集未填写信息的工作单图像，通过图像矫正和重新截取，得到工作单的表格区模板和非表格区域模板，并记录下截取参数；
S2，对工作单的表格区模板进行处理，获取其表格框线；并对提取的表格框线进行人为校正得到完整表格框线，对完整表格框线进行识别得到完整表格结构信息，通过信息将表格图片按单元格进行切分得到切分信息；
S3，对工作单的非表格区域模板的部分进行人为框选，作为工作单的非表格有效区域的切分信息；
S4，使用S2、S3得到的切分信息对工作单表格模板和工作单非表格有效区域模板进行切分效果检验，并对切分结果进行索引标注，建立数据字段与单元格区域的索引关系；
S5，通过扫描仪或摄像头采集待识别工作单图片传入Jetson Nano嵌入式设备，并对待识别手写工作单进行透视矫正和重新截取，得到工作单表格图像和工作单非表格有效区域图像；
S6，设计判别规则，对提取到的工作单图像进行完整性判别，若判别出表格不完整，则给出提示信息，对该工作单进行重新识别；
S7，对S5得到的工作单表格图像和工作单非表格有效区域，根据模板图片及一些先验规则进行非手写信息消除；再根据S2、S3得到的切分信息进行切分，并根据S4得到的索引关系建立字段和手写信息的映射关系；
S8，根据映射关系逐一取出与数据字段对应的含单个手写元素的图片块；并通过卷积神经网络对其进行识别，并根据索引信息组装表格信息字典存入数据库。
2.根据权利要求1所述的基于卷积神经网络的机场工作单信息识别方法，其特征在于，S1中，通过透视变换对采集到的图像进行图像矫正，具体为：透视变换通过将表格区域的位置恢复从而得到透视变换矩阵及透视变换后新的表格区域，根据该区域对透视变换后的图像进行截取得到表格区域模板，同时，工作单的非表格区域与表格区域存在一定位置和比例关系，通过该关系完成对工作单的非表格区域进行模板提取。
3.一种基于卷积神经网络的机场工作单信息识别系统，其特征在于，包括：
图像采集部；
获取图像采集部的数据，并对数据进行处理的信息处理部；其中：
通过图像采集部采集未填写信息的工作单图像并发送给信息处理部，信息处理部通过图像矫正和重新截取，得到工作单的表格区模板和非表格区域模板，并记录下截取参数；
信息处理部对工作单的表格区模板进行处理，获取其表格框线；并对提取的表格框线进行人为校正得到完整表格框线，对完整表格框线进行识别得到完整表格结构信息，通过信息将表格图片按单元格进行切分得到切分信息；
通过信息处理部对工作单的非表格区域模板的部分进行人为框选，作为工作单的非表格有效区域的切分信息；
信息处理部使用上述切分信息对工作单表格模板和工作单非表格有效区域模板进行切分效果检验，并对切分结果进行索引标注，建立数据字段与单元格区域的索引关系；
通过图像采集部采集待识别工作单图片传入Jetson Nano嵌入式设备，并对待识别手写工作单进行透视矫正和重新截取，得到工作单表格图像和工作单非表格有效区域图像；
通过信息处理部设计判别规则，对提取到的工作单图像进行完整性判别，若判别出表格不完整，则给出提示信息，对该工作单进行重新识别；
通过信息处理部对上述工作单表格图像和工作单非表格有效区域，根据模板图片及一些先验规则进行非手写信息消除；再根据上述切分信息进行切分，并根据上述索引关系建立字段和手写信息的映射关系；
信息处理部根据映射关系逐一取出与数据字段对应的含单个手写元素的图片块；并通过卷积神经网络对其进行识别，并根据索引信息组装表格信息字典存入数据库。
4.根据权利要求3所述的基于卷积神经网络的机场工作单信息识别系统，其特征在于，所述图像采集部包括摄像头或扫描仪。
5.一种实现权利要求1或2所述基于卷积神经网络的机场工作单信息识别方法的计算机程序。
6.一种实现权利要求1或2所述基于卷积神经网络的机场工作单信息识别方法的信息数据处理终端。
7.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1或2所述的基于卷积神经网络的机场工作单信息识别方法。
CN202011275527.7A 2020-11-16 2020-11-16 基于卷积神经网络的机场工作单信息识别方法及系统 Active CN112364790B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011275527.7A CN112364790B (zh) 2020-11-16 2020-11-16 基于卷积神经网络的机场工作单信息识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011275527.7A CN112364790B (zh) 2020-11-16 2020-11-16 基于卷积神经网络的机场工作单信息识别方法及系统

Publications (2)

Publication Number Publication Date
CN112364790A true CN112364790A (zh) 2021-02-12
CN112364790B CN112364790B (zh) 2022-10-25

Family

ID=74514901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011275527.7A Active CN112364790B (zh) 2020-11-16 2020-11-16 基于卷积神经网络的机场工作单信息识别方法及系统

Country Status (1)

Country Link
CN (1) CN112364790B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112883926A (zh) * 2021-03-24 2021-06-01 泰康保险集团股份有限公司 表格类医疗影像的识别方法及装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101661512A (zh) * 2009-09-25 2010-03-03 万斌 一种识别传统表单信息并创建对应Web表单的系统及方法
CN103246953A (zh) * 2013-04-25 2013-08-14 天津大学 一种单据稽核方法
CN105426856A (zh) * 2015-11-25 2016-03-23 成都数联铭品科技有限公司 一种图像表格文字识别方法
CN105447522A (zh) * 2015-11-25 2016-03-30 成都数联铭品科技有限公司 一种复杂图像文字识别系统
CN106156761A (zh) * 2016-08-10 2016-11-23 北京交通大学 面向移动终端拍摄的图像表格检测与识别方法
CN106407883A (zh) * 2016-08-10 2017-02-15 北京工业大学 一种复杂表格及其内部手写数字识别方法
CN109993112A (zh) * 2019-03-29 2019-07-09 杭州睿琪软件有限公司 一种图片中表格的识别方法及装置
CN110008944A (zh) * 2019-02-20 2019-07-12 平安科技（深圳）有限公司 基于模板匹配的ocr识别方法及装置、存储介质
CN110321760A (zh) * 2018-03-29 2019-10-11 北京和缓医疗科技有限公司 一种医疗单据识别方法和装置
CN110390269A (zh) * 2019-06-26 2019-10-29 平安科技（深圳）有限公司 Pdf文档表格提取方法、装置、设备及计算机可读存储介质
CN111460959A (zh) * 2020-03-27 2020-07-28 北京大学 一种单据管理的方法及相关装置
CN111461108A (zh) * 2020-02-21 2020-07-28 浙江工业大学 一种医疗单据识别方法
CN111492370A (zh) * 2020-03-19 2020-08-04 香港应用科技研究院有限公司 用于识别结构化布局的文本图像的装置和方法
CN111626146A (zh) * 2020-05-08 2020-09-04 西安工业大学 一种基于模板匹配的合并单元格表格分割识别方法
CN111797356A (zh) * 2020-07-06 2020-10-20 上海冰鉴信息科技有限公司 网页表格信息抽取方法及装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101661512A (zh) * 2009-09-25 2010-03-03 万斌 一种识别传统表单信息并创建对应Web表单的系统及方法
CN103246953A (zh) * 2013-04-25 2013-08-14 天津大学 一种单据稽核方法
CN105426856A (zh) * 2015-11-25 2016-03-23 成都数联铭品科技有限公司 一种图像表格文字识别方法
CN105447522A (zh) * 2015-11-25 2016-03-30 成都数联铭品科技有限公司 一种复杂图像文字识别系统
CN106156761A (zh) * 2016-08-10 2016-11-23 北京交通大学 面向移动终端拍摄的图像表格检测与识别方法
CN106407883A (zh) * 2016-08-10 2017-02-15 北京工业大学 一种复杂表格及其内部手写数字识别方法
CN110321760A (zh) * 2018-03-29 2019-10-11 北京和缓医疗科技有限公司 一种医疗单据识别方法和装置
CN110008944A (zh) * 2019-02-20 2019-07-12 平安科技（深圳）有限公司 基于模板匹配的ocr识别方法及装置、存储介质
CN109993112A (zh) * 2019-03-29 2019-07-09 杭州睿琪软件有限公司 一种图片中表格的识别方法及装置
CN110390269A (zh) * 2019-06-26 2019-10-29 平安科技（深圳）有限公司 Pdf文档表格提取方法、装置、设备及计算机可读存储介质
CN111461108A (zh) * 2020-02-21 2020-07-28 浙江工业大学 一种医疗单据识别方法
CN111492370A (zh) * 2020-03-19 2020-08-04 香港应用科技研究院有限公司 用于识别结构化布局的文本图像的装置和方法
CN111460959A (zh) * 2020-03-27 2020-07-28 北京大学 一种单据管理的方法及相关装置
CN111626146A (zh) * 2020-05-08 2020-09-04 西安工业大学 一种基于模板匹配的合并单元格表格分割识别方法
CN111797356A (zh) * 2020-07-06 2020-10-20 上海冰鉴信息科技有限公司 网页表格信息抽取方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DEVASHISH PRASAD: "CascadeTabNet: An approach for end to end table detection and structure recognition from image-based documents", 《IEEE》 *
SHUBHAM SINGH PALIWAL: "TableNet: Deep Learning Model for End-to-end Table Detection and Tabular Data Extraction from Scanned Document Images", 《IEEE》 *
谭婷: "基于图表示和匹配的表单定位与提取", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
邵文良: "基于深度学习的医疗单据图文识别关键技术研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112883926A (zh) * 2021-03-24 2021-06-01 泰康保险集团股份有限公司 表格类医疗影像的识别方法及装置
CN112883926B (zh) * 2021-03-24 2023-07-04 泰康保险集团股份有限公司 表格类医疗影像的识别方法及装置

Also Published As

Publication number Publication date
CN112364790B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
CN108805076B (zh) 环境影响评估报告书表格文字的提取方法及系统
CN112052852B (zh) 一种基于深度学习的手写气象档案资料的字符识别方法
CN112052749A (zh) 档案的归档方法、装置、电子设备及计算机可读存储介质
CN111444793A (zh) 基于ocr的票据识别方法、设备、存储介质及装置
CN112862024B (zh) 一种文本识别方法及系统
CN111444795A (zh) 票据数据识别方法、电子设备、存储介质及装置
CN110543844A (zh) 一种政务元数据pdf文件的元数据抽取方法
CN113449698A (zh) 纸质文档的自动化录入方法、系统、装置及存储介质
CN108304815B (zh) 一种数据获取方法、装置、服务器及存储介质
CN113850060A (zh) 民航文档数据识别录入方法及系统
CN112364790B (zh) 基于卷积神经网络的机场工作单信息识别方法及系统
CN111882034A (zh) 神经网络处理及人脸识别方法、装置、设备和存储介质
CN116664944A (zh) 一种基于属性特征知识图谱的葡萄园害虫识别方法
CN111860487A (zh) 基于深度神经网络的碑文标注检测识别系统
CN115116082A (zh) 一种基于ocr识别算法的一键成档系统
CN112116968A (zh) 一种医学检验报告的识别方法、装置、设备及存储介质
CN107943937B (zh) 一种基于司法公开信息分析的债务人资产监控方法及系统
CN112417195A (zh) 基于移动端的商标查询系统、方法及存储介质
CN116343210B (zh) 档案数字化的管理方法及装置
CN117076455A (zh) 一种基于智能识别的保单结构化存储方法、介质及系统
CN112464907A (zh) 一种文档处理系统及方法
Park et al. A study on the automatic digital DB of boring log using AI
CN115391567A (zh) 风机标准作业知识图谱构建方法、装置及作业机械
CN115880702A (zh) 数据处理方法、装置、设备、程序产品及存储介质
CN112559712A (zh) 一种智能运维方法和系统

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