CN112529513A - 一种智能验印方法及系统 - Google Patents
一种智能验印方法及系统 Download PDFInfo
- Publication number
- CN112529513A CN112529513A CN201910877951.XA CN201910877951A CN112529513A CN 112529513 A CN112529513 A CN 112529513A CN 201910877951 A CN201910877951 A CN 201910877951A CN 112529513 A CN112529513 A CN 112529513A
- Authority
- CN
- China
- Prior art keywords
- seal
- pictures
- picture
- stamp
- reserved
- 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 30
- 239000013598 vector Substances 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000012795 verification Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract 1
- 238000013518 transcription Methods 0.000 description 6
- 230000035897 transcription Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/11—File system administration, e.g. details of archiving or snapshots
- G06F16/116—Details of conversion of file system types or formats
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Computer Graphics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种智能验印方法及系统,所述系统包括文档分类模块、印章检测模块及印章校验模块;文档分类模块将目标文档转换为统一格式的图片,再将图片处理后进行分类;印章检测模块对分类后的图片进一步处理,识别图片中的印章并定位图片中印章位置,再根据该印章位置将图片中的印章分隔为多个印章图片;印章校验模块提取多个印章图片的特征向量,与印章库中预留的特征向量进行比较后计算两者间的特征距离:若特征距离小于阈值,则提取预留印章ID。本发明将文档中的印章做自动检测及验证合法性的操作,实现了纸质文档的全流程自动化处理,避免了机械性的人为操作,最大程度的优化、完善了此类应用场景的流程和效率。
Description
技术领域
本发明涉及一种人工智能印章对比系统,特别是涉及一种包含pdf、JPEG等图片类文档的印章检测及验印系统。
背景技术
随着计算机科技的飞跃,无纸化,即电子化进程来势汹汹,然而仍存在大量场景,在其中纸质文件发挥着必不可少的作用,如合同签订、划款指令、回执单,等等。此类应用场景之所以无法离开纸质文件,是因为其对法律效用和安全性等远高于一般场景的要求,其中印章、签章是满足这一高要求的必备元素。随之而来的是对此类纸质文档的处理,包含了信息转录以及合法确认两部分工作。目前,在研究领域及工业领域都出现了不同程度上针对人工信息转录的计算机软件系统,即信息提取系统。此类系统的功能是根据不同业务类型、数据来源提取不同字段,以及和它匹配的字段值,实现文档的自动录入,然而信息提取系统虽然满足了自动化信息转录的需求,对于文档合法性的验证,目前仍需要人工参与确认签章和印章的正确和合法性。
以上缺陷直接导致了人工成本的不可避免,以及随之而来的效率降低和信息转录的质量下降。值得一提的是,人为验印不仅耗时(对于诸如合同等的文件,多页多印章的验证),而且存在由于疲劳等原因导致的高于应有水平的错误率。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种智能验印方法及系统,用于解决现有技术中纸质文件的电子文档需要人工来确认签章和印章的正确和合法性的问题。
为实现上述目的及其他相关目的,本发明提供一种智能验印方法,包括以下步骤:
步骤一:将目标文档转换为统一格式的图片,并对图片进行分类;
步骤二:识别图片中的印章并定位图片中印章位置,然后根据该印章位置将图片中的印章分隔为多个印章图片;
步骤三:从多个印章图片中提取特征向量,将特征向量与印章库中预留的特征向量进行比对处理,获取目标文档中对应的印章ID;其中,印章库中的每一个预留特征向量对应一个印章ID。
于本发明的一实施例中,所述步骤一包括:
(1)根据目标文档的头文件编码判断目标文档的格式类型,并转换为jpg图片格式;对于包含多页图片的文档先进行拆页处理;
(2)预处理转换后的图片,其中,预处理方式包括:图片去噪、角度校正、尺度归一化处理及形状归一化处理;
(3)通过深度学习卷积分类网络对图片进行分类的预测,并按照预测的业务类型对图片分类。
于本发明的一实施例中,所述目标文档支持的格式类型包括:PDF格式、JPEG格式、TIFF格式及PNG格式。
于本发明的一实施例中,所述步骤二包括:
(1)对分类后的图片再次进行预处理,其中,预处理方式包括:去噪及归一化处理;
(2)通过深度学习网络模型,识别图片中的印章,比较其与印章库中的印章形状的相似性后进行分类定位;
(3)根据印章位置将图片中的印章分割成多个印章图片。
于本发明的一实施例中,所述印章的形状包括:圆形印章、椭圆形印章、方形印章、三角形印章、人名签章及手写签名。
于本发明的一实施例中,所述步骤三包括:
(1)对印章图片进行大小的归一化处理;
(2)采用卷积神经网络对归一化后的印章图片进行特征的提取;
(3)从特征库中抓取该业务类型预留印章列表的特征向量;
(4)遍历预留印章的特征向量,并计算得到每个预留印章与印章图片的特征距离;
(5)取最小距离,并判断该距离是否小于阈值,小于则提取对应预留印章ID,否则返回结果:未找到匹配印章。
为实现上述目的及其他相关目的,本发明还提供一种智能验印系统,包括文档分类模块、印章检测模块及印章校验模块;
所述文档分类模块用于将目标文档转换为统一格式的图片,并对图片进行分类;
所述印章检测模块用于识别图片中的印章并定位图片中印章位置,然后根据该印章位置将图片中的印章分隔为多个印章图片;
所述印章校验模块用于从多个印章图片中提取特征向量,将特征向量与印章库中预留的特征向量进行比对处理,获取目标文档中对应的印章ID;其中,印章库中的每一个预留特征向量对应一个印章ID。
本发明还提供一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明的一种智能验印方法中的方法步骤。
如上所述,本发明的一种智能验印方法及系统,提供了结合传统算法、传统机器学习以及深度学习等技术,根据文档业务类型自动化印章检测及校验的计算机系统;
具有以下有益效果:
1、支持大规模自动化并发处理,将文档中的印章做自动检测及验证合法性的操作。
2、本发明结合自动化的信息提取系统真正意义上实现了纸质文档的全流程自动化处理,避免了机械性的人为操作,最大程度的优化、完善了此类应用场景的流程和效率。
附图说明
图1显示为本发明的一种智能验印系统结构示意图。
图2显示为本发明实施例中文档分类模块流程图。
图3显示为本发明实施例中印章检测模块流程图。
图4显示为本发明实施例中印章校验模块流程图。
元件标号说明:
1、文档分类模块;2、印章检测模块;3、印章校验模块。
具体实施方式
请参阅图1-图4,以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明所要解决的技术问题是图片类文档(如传真机、扫描仪产生的图片)印章检测及校验,从而使得结合信息提取类产品,真正意义上实现全流程自动化信息转录成为可能。
针对文档的分拣问题,本发明提供一种适合各类行业单据的分类管理系统,代替机械性的人工操作,利用优化过得深度分类网络构建一个高效的单据分类管理系统,以实现对不同业务类型数据的自动分类。
针对印章校验问题,本发明根据细分应用场景提供灵活的技术方案,其中对于印章类别较少切固定的需求类,本发明设计了一套基于传统机器学习算法的方案,其特点是训练和生产环境预测速度快,硬件要求低等;对于印章类别较多或类别多变的需求类,本发明提供了基于深度学习的对比算法,其优点是无需针对新印章类别做重复训练,且精度高。
请参阅图1,本发明提供一种智能验印方法及系统,所述系统包括文档分类模块1、印章检测模块2及印章校验模块3;
所述文档分类模块1负责文件预处理、文件分类等功能,运用了多种图片分类网络模型,以适应不同复杂程度的业务分类场景,此模块的目的是决定要匹配的预留印章范围;
所述印章检测模块2负责印章的定位、形状分类以及分割等功能。在技术上采用了轮廓检测、霍夫变换、R-CNN等传统和深度学习算法。此模块有两个功能,一是为后续印章校验提供目标印章图片,二是根据形状对预留印章列表进行进一步的缩小和定位;
所述印章校验模块3负责根据印章检测模块2提供的目标印章图片判断其是否属于预留印章,以及印章类型。本模块提供了传统机器学习以及深度学习网络模型两种解决方案来完成印章的对比工作。其中传统机器学习在小数据集保持高精度的同时效率较高,而深度学习网络模型无需完美适应印章类型的增删改并且支持大印章库和复杂背景的印章校验。
本发明还提供一种智能验印方法,包括以下步骤:
步骤一:将目标文档转换为统一格式的图片,并对图片进行分类;
步骤二:识别图片中的印章并定位图片中印章位置,然后根据该印章位置将图片中的印章分隔为多个印章图片;
步骤三:从多个印章图片中提取特征向量,将特征向量与印章库中预留的特征向量进行比对处理,获取目标文档中对应的印章ID;其中,印章库中的每一个预留特征向量对应一个印章ID。
请参阅图2,本发明的文档分类模块1对应所述步骤一,文档分类模块1针对不同复杂度的文档类别数、文档大小、分类难度,提供了包含基于ResNe(X)ts(ResidualNetworks,残差网络)、NasNet-Mobile/Large、VGG16、EfficientNet等拥有不同模型复杂度优化得到的网络结构,从而完美适配应用场景,在保持高精度的同时最大化分类效率。
文档分类的目的是将不同业务类型的文档分流处理,从而根据业务类型确定文档对应的预留印章库,以提升后续印章对比的效率及准确率。
以下为步骤一的具体流程:
(1)根据目标文档的头文件编码判断目标文档的格式类型,并转为jpg图片格式,其中对于PDF、TIFF等包含多页图片的文档先进行拆页处理;所述目标文档支持的格式类型包括:PDF格式、JPEG格式、TIFF格式及PNG格式。
(2)预处理转换后的图片,其中,预处理方式包括:图片去噪、角度校正、尺度归一化处理及形状归一化处理;
(3)通过深度学习卷积分类网络对图片进行分类的预测,并按照预测的业务类型对图片分类。针对目标文档的不同复杂度,其中,复杂度包括:文档类别数、文档大小、分类难度;本发明提供了包含基于ResNe(X)ts(Residual Networks,残差网络)、NasNet-Mobile/Large、VGG16、EfficientNet等拥有不同模型复杂度优化得到的网络结构,从而完美适配应用场景,在保持高精度的同时最大化分类效率。
请参阅图3,本发明的印章检测模块2对应所述步骤二,本发明的印章检测模块2实现即基于获广泛认可和实验证明的神经网络结构R-CNN的改进方案。以下将介绍包含神经网络在内的整体印章检测流程。
(1)对分类后的图片再次进行预处理,其中,预处理方式包括:去噪及归一化处理;
(2)通过深度学习网络模型,识别图片中的印章,比较其与印章库中的印章形状的相似性后进行分类定位;
所述印章的形状包括:圆形印章、椭圆形印章、方形印章、三角形印章、人名签章及手写签名。
(3)根据印章位置将图片中的印章分割成多个印章图片,提供给印章校验模块3。
请参阅图4,本发明的印章校验模块3对应所述步骤三,所述步骤三包括:
(1)对印章图片进行大小的归一化处理;
(2)采用卷积神经网络对归一化后的印章图片进行特征的提取;
(3)从特征库中抓取该业务类型预留印章列表的特征向量;
(4)遍历预留印章的特征向量,并计算得到每个预留印章与印章图片的特征距离;
(5)取最小距离,并判断该距离是否小于阈值,小于则提取对应预留印章ID,否则返回结果:未找到匹配印章。
综上所述,本发明一种智能验印方法及系统,提供了结合传统算法、传统机器学习以及深度学习等技术,根据文档业务类型自动化印章检测及校验的计算机系统。
1、针对不同细分场景的验印需求,本发明提供了灵活的技术方案,从而达到精度和效率的最优;
2、搭配当前市场出现的自动化信息转录的计算机系统,得以真正意义上实现全流程文档处理自动化;
3、自动化处理赋予了系统离线、批量处理文档的能力,可节省业务人员大量时间。
所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种智能验印方法,其特征在于,包括以下步骤:
步骤一:将目标文档转换为统一格式的图片,并对图片进行分类;
步骤二:识别图片中的印章并定位图片中印章位置,然后根据该印章位置将图片中的印章分隔为多个印章图片;
步骤三:从多个印章图片中提取特征向量,将特征向量与印章库中预留的特征向量进行比对处理,获取目标文档中对应的印章ID;其中,印章库中的每一个预留特征向量对应一个印章ID。
2.根据权利要求1所述的一种智能验印方法,其特征在于,所述步骤一包括:
(1)根据目标文档的头文件编码判断目标文档的格式类型,并转换为jpg图片格式;对于包含多页图片的文档先进行拆页处理;
(2)预处理转换后的图片,其中,预处理方式包括:图片去噪、角度校正、尺度归一化处理及形状归一化处理;
(3)通过深度学习卷积分类网络对图片进行分类的预测,并按照预测的业务类型对图片分类。
3.根据权利要求2所述的一种智能验印方法,其特征在于,所述目标文档支持的格式类型包括:PDF格式、JPEG格式、TIFF格式及PNG格式。
4.根据权利要求1所述的一种智能验印方法,其特征在于,所述步骤二包括:
(1)对分类后的图片再次进行预处理,其中,预处理方式包括:去噪及归一化处理;
(2)通过深度学习网络模型,识别图片中的印章,比较其与印章库中的印章形状的相似性后进行分类定位;
(3)根据印章位置将图片中的印章分割成多个印章图片。
5.根据权利要求4所述的一种智能验印方法,其特征在于,所述印章的形状包括:圆形印章、椭圆形印章、方形印章、三角形印章、人名签章及手写签名。
6.根据权利要求1所述的种智能验印方法,其特征在于,所述步骤三包括:
(1)对印章图片进行大小的归一化处理;
(2)采用卷积神经网络对归一化后的印章图片进行特征的提取;
(3)从特征库中抓取该业务类型预留印章列表的特征向量;
(4)遍历预留印章的特征向量,并计算得到每个预留印章与印章图片的特征距离;
(5)取最小距离,并判断该距离是否小于阈值,小于则提取对应预留印章ID,否则返回结果:未找到匹配印章。
7.一种智能验印系统,其特征在于:包括文档分类模块、印章检测模块及印章校验模块;
所述文档分类模块用于将目标文档转换为统一格式的图片,并对图片进行分类;
所述印章检测模块用于识别图片中的印章并定位图片中印章位置,然后根据该印章位置将图片中的印章分隔为多个印章图片;
所述印章校验模块用于从多个印章图片中提取特征向量,将特征向量与印章库中预留的特征向量进行比对处理,获取目标文档中对应的印章ID;其中,印章库中的每一个预留特征向量对应一个印章ID。
8.一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-6中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877951.XA CN112529513A (zh) | 2019-09-17 | 2019-09-17 | 一种智能验印方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910877951.XA CN112529513A (zh) | 2019-09-17 | 2019-09-17 | 一种智能验印方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112529513A true CN112529513A (zh) | 2021-03-19 |
Family
ID=74974770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910877951.XA Pending CN112529513A (zh) | 2019-09-17 | 2019-09-17 | 一种智能验印方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529513A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113361547A (zh) * | 2021-06-30 | 2021-09-07 | 深圳证券信息有限公司 | 一种签章识别方法、装置、设备及可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008985A (zh) * | 2007-01-18 | 2007-08-01 | 章毅 | 印章鉴别系统及其控制方法 |
CN109657669A (zh) * | 2018-12-13 | 2019-04-19 | 江西金格科技股份有限公司 | 一种基于图像处理的电子印章智能提取方法 |
CN109977750A (zh) * | 2019-01-15 | 2019-07-05 | 平安科技(深圳)有限公司 | 印章真伪校验方法、装置及计算机可读存储介质 |
-
2019
- 2019-09-17 CN CN201910877951.XA patent/CN112529513A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008985A (zh) * | 2007-01-18 | 2007-08-01 | 章毅 | 印章鉴别系统及其控制方法 |
CN109657669A (zh) * | 2018-12-13 | 2019-04-19 | 江西金格科技股份有限公司 | 一种基于图像处理的电子印章智能提取方法 |
CN109977750A (zh) * | 2019-01-15 | 2019-07-05 | 平安科技(深圳)有限公司 | 印章真伪校验方法、装置及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
储常青: ""银行业印章真实性验证技术研究"", 《计算机光盘软件与应用》 * |
魏西等: ""圆形印鉴自动识别方法研究"", 《专题技术与工程应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113361547A (zh) * | 2021-06-30 | 2021-09-07 | 深圳证券信息有限公司 | 一种签章识别方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543690B (zh) | 用于提取信息的方法和装置 | |
CN110399798B (zh) | 一种基于深度学习的离散图片文件信息提取系统及方法 | |
CN109902622B (zh) | 一种用于登机牌信息验证的文字检测识别方法 | |
CN107067044B (zh) | 一种财务报销全票据智能审核系统 | |
WO2020232872A1 (zh) | 表格识别方法、装置、计算机设备和存储介质 | |
CN112651289B (zh) | 一种增值税普通发票智能识别与校验系统及其方法 | |
CN111914835A (zh) | 票据要素提取方法、装置、电子设备及可读存储介质 | |
CN112862024B (zh) | 一种文本识别方法及系统 | |
CN105335760A (zh) | 一种图像数字字符识别方法 | |
US20230298372A1 (en) | On-device partial recognition systems and methods | |
CN104951791A (zh) | 数据分类方法和装置 | |
CN112529513A (zh) | 一种智能验印方法及系统 | |
WO2022127384A1 (zh) | 文字识别方法、电子设备和计算机可读存储介质 | |
US20210326629A1 (en) | Systems and methods for digitized document image text contouring | |
CN111414917A (zh) | 一种低像素密度文本的识别方法 | |
CN112396057A (zh) | 一种字符识别方法、装置及电子设备 | |
CN115620315A (zh) | 手写文本检测方法、装置、服务器和存储介质 | |
CN115880702A (zh) | 数据处理方法、装置、设备、程序产品及存储介质 | |
CN111414889B (zh) | 基于文字识别的财务报表识别方法及装置 | |
CN113947778A (zh) | 一种基于档案文件数字化处理方法 | |
Chen et al. | Design and Implementation of Second-generation ID Card Number Identification Model based on TensorFlow | |
US11789990B1 (en) | Automated splitting of document packages and identification of relevant documents | |
CN111401356A (zh) | 一种基于深度学习的快递单手写体电话号码识别方法 | |
CN116912845B (zh) | 一种基于nlp与ai的智能内容识别与分析方法及装置 | |
CN117636026B (zh) | 一种集装箱锁销类别图片识别方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230403 Address after: Room 3701, Building T2, Shenye Shangcheng (South District), No. 5001 Huanggang Road, Lianhua Yicun Community, Huafu Street, Futian District, Shenzhen City, Guangdong Province, 518035 Applicant after: Shenzhen yingshisheng Information Technology Co.,Ltd. Address before: Room 823, 2 / F, 148 Lane 999, XINER Road, Baoshan District, Shanghai Applicant before: Shanghai Huairuo Intelligent Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210319 |
|
RJ01 | Rejection of invention patent application after publication |