CN114219985B - 信息识别处理方法、装置、计算机设备、存储介质 - Google Patents

Abstract

本公开涉及一种信息识别处理方法、装置、计算机设备、存储介质，方法包括：获取待识别对象的图像信息，将所述图像信息拆分为若干单位图像，对所述单位图像进行初次识别；获取所述单位图像的初次识别结果，将初次识别成功的第一单位图像和所述第一单位图像的初次识别结果存储至第一数据库，将初次识别失败的第二单位图像存储至第二数据库；随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端；获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库。本公开优化了文字识别过程，在提高文字识别效率的同时节约了人力成本。

Description

信息识别处理方法、装置、计算机设备、存储介质

技术领域

本公开涉及人工智能图像识别技术领域，特别是涉及一种信息识别处理方法、装置、计算机设备、存储介质。

背景技术

随着计算机的蓬勃发展，催生出了计算机自动识别字符的技术。计算机自动识别字符技术是模式识别应用的一个重要领域，其在需要处理大量的文字、报表和文本等应用场合，极大的减轻了人们的劳动，提高了处理效率。但是在一些需要人工录入大量信息的场合，现有的文字识别技术依旧存在识别失败的情况，需要人工识别进行二次识别，使得文字识别技术在识别效率和成本上存在一定的局限性。

发明内容

基于此，有必要针对上述技术问题，提供一种能够减轻文字识别二次识别的人工成本，提高识别效率的信息识别处理方法、装置、计算机设备、存储介质和计算机程序产品。

第一方面，本公开提供了一种信息识别处理方法。所述方法包括：

获取待识别对象的图像信息，将所述图像信息拆分为若干单位图像，对所述单位图像进行初次识别；

获取所述单位图像的初次识别结果，将初次识别成功的第一单位图像和所述第一单位图像的初次识别结果存储至第一数据库，将初次识别失败的第二单位图像存储至第二数据库；

随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端；

获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库；

根据所述第一数据库中的单位图像、所述初次识别结果、所述任务识别结果，生成所述待识别对象的识别结果。

在其中一个实施例中，所述根据所述第一数据库中的单位图像、所述初次识别结果、所述任务识别结果，生成所述待识别对象的识别结果之前，还包括：

将客户端识别失败的第二识别任务中的第二单位图像存储至第三数据库；

获取所述第三数据库中的单位图像的人工识别结果，将所述第三数据库中的单位图像和对应的所述人工识别结果存储至所述第一数据库。

在其中一个实施例中，所述随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端包括：

获取客户端的定位信息；

基于所述定位信息，将所述识别任务按照设定次数发送到不同区域的所述客户端。

在其中一个实施例中，所述方法还包括：

向接收所述识别任务并返回所述识别任务的客户端识别结果的客户端发送奖励资源。

在其中一个实施例中，所述获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库包括：

接收所述识别任务的客户端识别结果，根据所述客户端识别结果判断所述识别任务是否识别成功，将识别成功的所述识别任务标记为所述第一识别任务，将所述第一识别任务对应的客户端识别结果中识别成功的客户端识别结果标记为任务识别结果；

基于所述第一识别任务的任务识别结果，将所述第一识别任务中的第二单位图像和二次识别结果存储至所述第一数据库，并将所述第一识别任务中的第二单位图像从所述第二数据库中删除；所述二次识别结果为所述第一识别任务中第二单位图像在所述任务识别结果中对应的识别结果。

在其中一个实施例中，所述接收所述识别任务的客户端识别结果，根据所述客户端识别结果判断所述识别任务是否识别成功，将识别成功的所述识别任务标记为所述第一识别任务，将所述第一识别任务对应的客户端识别结果中识别成功的客户端识别结果标记为任务识别结果包括：

根据所述识别任务的客户端识别结果，和所述第一数据库中的初次识别结果，获得所述客户端识别结果的识别正确率；所述识别正确率为识别任务中的第一单位图像的识别正确率；

获取所述识别任务的第一阈值次数的客户端识别结果，当至少第二阈值次数的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值，则判断所述识别任务识别成功，所述相同的客户端识别结果为所述任务识别结果；所述第二阈值次数小于等于所述第一阈值次数。

在其中一个实施例中，所述获取所述识别任务的第一阈值次数的客户端识别结果，当至少第二阈值次数的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值，则判断所述识别任务识别成功，所述相同的客户端识别结果为所述任务识别结果包括：

当连续第三阈值次数获得的所述识别任务的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值时，判断当前相同的客户端识别结果与下一次获得的客户端识别结果是否相同；所述第三阈值次数等于所述第一阈值次数减一；

当所述判断结果为相同时，判断所述识别任务识别成功；

当所述判断结果为不相同时，判断在所述第一阈值次数内，当前相同的客户端识别结果与其他获得的客户端识别结果是否存在相同，若存在至少一次相同，则判断所述识别任务识别成功。

第二方面，本公开还提供了一种信息识别处理装置。所述装置包括：

初次识别模块，用于获取待识别对象的图像信息，将所述图像信息拆分为若干单位图像，对所述单位图像进行初次识别；

数据库模块，用于获取所述单位图像的初次识别结果，将初次识别成功的第一单位图像和所述第一单位图像的初次识别结果存储至第一数据库，将初次识别失败的第二单位图像存储至第二数据库；

任务模块，用于随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端；

客户端识别模块，用于获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库；

识别结果生成模块，用于根据所述第一数据库中的单位图像、所述初次识别结果、所述任务识别结果，生成所述待识别对象的识别结果。

在其中一个实施例中，所述数据库模块还用于将客户端识别失败的第二识别任务中的第二单位图像存储至第三数据库；

所述装置还包括人工识别模块，所述人工识别模块用于获取所述第三数据库中的单位图像的人工识别结果，将所述第三数据库中的单位图像和对应的所述人工识别结果存储至所述第一数据库。

在其中一个实施例中，所述任务模块包括：

定位单元，用于获取客户端的定位信息；

发送单元，用于基于所述定位信息，将所述识别任务按照设定次数发送到不同区域的所述客户端。

在其中一个实施例中，所述装置还包括：

奖励模块，用于向接收所述识别任务并返回所述识别任务的客户端识别结果的客户端发送奖励资源。

在其中一个实施例中，所述客户端识别模块包括：

标记单元，用于接收所述识别任务的客户端识别结果，根据所述客户端识别结果判断所述识别任务是否识别成功，将识别成功的所述识别任务标记为所述第一识别任务，将所述第一识别任务对应的客户端识别结果中识别成功的客户端识别结果标记为任务识别结果；

归库单元，用于基于所述第一识别任务的任务识别结果，将所述第一识别任务中的第二单位图像和二次识别结果存储至所述第一数据库，并将所述第一识别任务中的第二单位图像从所述第二数据库中删除；所述二次识别结果为所述第一识别任务中第二单位图像在所述任务识别结果中对应的识别结果。

在其中一个实施例中，所述标记单元包括：

正确率子单元，用于根据所述识别任务的客户端识别结果，和所述第一数据库中的初次识别结果，获得所述客户端识别结果的识别正确率；所述识别正确率为识别任务中的第一单位图像的识别正确率；

判断子单元，用于获取所述识别任务的第一阈值次数的客户端识别结果，当至少第二阈值次数的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值，则判断所述识别任务识别成功，所述相同的客户端识别结果为所述任务识别结果；所述第二阈值次数小于等于所述第一阈值次数。

第三方面，本公开还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述信息识别处理方法的步骤。

第四方面，本公开还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述信息识别处理方法的步骤。

第五方面，本公开还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述信息识别处理方法的步骤。

上述信息识别处理方法、装置、计算机设备、存储介质和计算机程序产品，至少包括以下有益效果：

本公开在信息识别处理过程中，采用了对待识别对象进行初次识别和用户端识别相结合，优化了文字识别过程，提高了文字识别的可识别率，尤其在需要进行大量文字识别的场合，提高了处理效率。且客户端识别采用线上多端协调识别，可以充分调用闲置人工，在提高文字识别效率的同时节约了人力成本。

附图说明

为了更清楚地说明本公开实施例或传统技术中的技术方案，下面将对实施例或传统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公开的一些实施例，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为一个实施例中信息识别处理方法的应用环境图；

图2为一个实施例中信息识别处理方法的流程示意图；

图3为一个实施例中人工识别步骤的流程示意图；

图4为一个实施例中信息识别处理方法的流程框图；

图5为一个实施例中发送识别任务步骤的流程示意图；

图6为一个实施例中接收客户端识别结果步骤的流程示意图；

图7为一个实施例中发送识别任务步骤的流程示意图；

图8为一个实施例中信息识别处理装置的结构框图；

图9为一个实施例中信息识别处理装置的另一结构框图；

图10为一个实施例中任务模块的结构框图；

图11为一个实施例中信息识别处理装置的另一结构框图；

图12为一个实施例中客户端识别模块的结构框图；

图13为一个实施例中标记单元的结构框图；

图14为一个实施例中计算机设备的内部结构框图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

除非另有定义，本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中在本公开的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本公开。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。术语“包括”、“包含”或者其任何其它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它要素，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。例如若使用到第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时，在本说明书中，术语“和/或”包括相关所列项目的任何及所有组合。

本申请实施例提供的信息识别处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在本公开的一些实施例中，如图2所示，提供了一种信息识别处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

步骤S10：获取待识别对象的图像信息，将所述图像信息拆分为若干单位图像，对所述单位图像进行初次识别。

所述待识别对象通常可以包括承载文字信息的载体，例如，手写文件或印刷文件等。可以获取待识别对象的图像信息。在对待识别对象进行识别处理时，可以采用OCR技术，OCR(Optical Character Recognition，光学字符识别)是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。采用OCR技术，采集待识别对象的图像信息，先将采集到的图像信息进行拆分，将采集到的图像信息化整为零，得到若干单位图像，再对每个单位图像进行文字识别。在将图像信息拆分为若干单位图像时，可以按照设定的单位面积进行均分。

步骤S30：获取所述单位图像的初次识别结果，将初次识别成功的第一单位图像和所述第一单位图像的初次识别结果存储至第一数据库，将初次识别失败的第二单位图像存储至第二数据库。

具体地，初次识别可以基于OCR技术对单位图像进行文字识别，可以筛选出识别成功和失败的单位图像。在初次识别时，可能因为待识别对象的字迹潦草、字迹模糊等问题无法通过OCR进行识别，使得文字识别失败。在初次识别结束后，获取初次识别的结果，将识别成功的第一单位图像和第一单位图像对应的初次识别结果存储至第一数据库，将识别失败的第二单位图像存储至第二数据库。初次识别结果通常可以是指第一单位图像识别出来的文字信息。在本实施例中，第一单位图像通常是指初次识别成功的单位图像，第二单位图像通常是指初次识别失败的单位图像。

步骤S50：随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端。

具体地，可以按照一定的比例从第一数据库和第二数据库中抽取对应数量的所述第一单位图像和第二单位图像，组成一组识别任务。设定的比例可以是固定的，也可以是根据需求动态变化的。在实际操作中，可以在抽取第一单位图像时，选择避开生僻字，使得识别任务中的第一单位图像承载的文字信息均为非生僻字。将生成的识别任务通过云端互联网随机发送到若干客户端。每一组识别任务会重复发送多次，便于后续获得更为准确的识别结果。所述客户端在本实施例中通常可以是指可以连入互联网的、能够共享网络资源的用户端设备，例如可以是各类平板电脑、智能手机等。客户端可以接收用户的操作指令，为用户提供本地服务程序。客户端在接收到识别任务后，还可以接收客户对识别任务的识别结果。

步骤S70：获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库。

具体地，客户端对识别任务的识别结果有成功和失败两种状态，可以按照预设的规则进行判断。根据识别任务返回的客户端识别结果，将客户端识别成功的所述识别任务标记为第一识别任务。第一识别任务往往对应有多个客户端识别结果，将客户端识别结果为识别成功的客户端识别结果标记为该第一识别任务的唯一任务识别结果。最后将获取到的第一识别任务和第一识别任务对应的任务识别结果存储至第一数据库。

步骤S90：根据所述第一数据库中的单位图像、所述初次识别结果、所述任务识别结果，生成所述待识别对象的识别结果。

具体地，读取第一数据库，将第一数据库中的单元图像和其对应的识别结果进行组合重建，生成所述待识别对象的识别结果。这里可以将第一数据库中，待识别对象对应的所有单位图像进行重建，恢复至待识别对象对应的图像信息。即将第一数据库中的第一图像单元和第一图像单元对应的初次识别结果、第一识别任务中的第二图像单元和其对应的任务识别结果进行整合。

上述信息识别处理方法中，采用了对待识别对象进行初次识别和用户端识别相结合，优化了文字识别过程，提高了文字识别的可识别率，尤其在需要进行大量文字识别的场合，提高了处理效率。且客户端识别采用线上多端协调识别，可以充分调用闲置人工，在提高文字识别效率的同时节约了人力成本。

在本公开的一些实施例中，如图3所示，上述步骤S90之前还包括：

步骤S81：将客户端识别失败的第二识别任务中的第二单位图像存储至第三数据库。

具体地，结合图4的流程框图，在获得客户端返回的客户端识别结果后，将识别失败的识别任务标记为第二识别任务，将第二识别任务存储至第三数据库。第三数据库主要用来储存经过初次识别和用户端识别两次识别之后识别失败的单位图像。

步骤S83：获取所述第三数据库中的单位图像的人工识别结果，将所述第三数据库中的单位图像和对应的所述人工识别结果存储至所述第一数据库。

具体地，由于第三数据库中的单位图像难以被识别，可以选择将第三数据库中的单位图像交由专业人士处理。通过一些输入设备，可以获得第三数据库中的单位图像的人工识别结果，最终将人工识别成功的单位图像和人工识别结果存储至第一数据库。

本实施例通过在初次识别和用户端识别之后添加人工识别，可以确保将待识别对象生成的单位图像全部识别成功，便于后续将单位图像进行重建，提高了文字识别的准确性。

在本公开的一些实施例中，如图5所示，上述步骤S50包括：

步骤S52：获取客户端的定位信息。具体地，借助互联网设备，可以获取在线客户端的定位信息。

步骤S54：基于所述定位信息，将所述识别任务按照设定次数发送到不同区域的所述客户端。

具体地，在将识别任务重复随机发送时，可以基于客户端的定位信息进行发送。例如，当设定某一识别任务发送10次时，结合客户端的定位信息，将该识别任务发送到不同区域的客户端上。这里可以设定用户端之间的距离大于一定的范围，可以认定客户端属于不同区域。

本实施例通过获得客户端的定位信息，在发送重复的识别任务时，确保将识别任务发送到不同区域的客户端，可以避免客户端之间相互参考对识别任务的识别结果产生负面影响。

在本公开的一些实施例中，所述方法还包括：向接收所述识别任务并返回所述识别任务的客户端识别结果的客户端发送奖励资源。

具体地，在发送识别任务时，可以针对不同场景将识别任务与奖励资源进行关联。例如，可以将识别任务包装成游戏任务，通关游戏可以获得一定的奖励资源。奖励资源可以是财产、优惠券、消费券等，也可以是虚拟的游戏币等。

本实施例采用了识别任务与奖励资源进行关联的模式，提高了用户端参与识别任务的积极性，有助于获取更多返回的客户端识别结果，提高样本数量。

在本公开的一些实施例中，如图6所示，上述步骤S70包括：

步骤S72：接收所述识别任务的客户端识别结果，根据所述客户端识别结果判断所述识别任务是否识别成功，将识别成功的所述识别任务标记为所述第一识别任务，将所述第一识别任务对应的客户端识别结果中识别成功的客户端识别结果标记为任务识别结果。

具体地，在接收到客户端返回的识别任务的客户端识别结果时，需要对该客户端识别结果进行判断。按照预设的规则，判断某一识别任务的客户端识别结果为识别成功时，则将该识别任务标记为第一识别任务，同时将客户端识别结果为识别成功的客户端识别结果标记为该第一识别任务的唯一任务识别结果。

步骤S74：基于所述第一识别任务的任务识别结果，将所述第一识别任务中的第二单位图像和二次识别结果存储至所述第一数据库，并将所述第一识别任务中的第二单位图像从所述第二数据库中删除；所述二次识别结果为所述第一识别任务中第二单位图像在所述任务识别结果中对应的识别结果。

具体地，在筛选出第一识别任务和其对应的任务识别结果后，将第一识别任务中的第二单元图像和第二单元图像的二次识别结果存储至第一数据库。

本实施例根据一定的判断规则，将返回的识别任务筛选出成功识别的识别任务，不断的将识别成功的识别任务中的第二单元图像加入第一数据库，扩充第一数据库。同时将第二数据库中被识别出的第二单位图像进行删除，减少初次识别中识别失败的单位图像。

在本公开的一些实施例中，如图7所示，上述步骤S72包括：

步骤S722：根据所述识别任务的客户端识别结果，和所述第一数据库中的初次识别结果，获得所述客户端识别结果的识别正确率；所述识别正确率为识别任务中的第一单位图像的识别正确率。

具体地，本实施例中，将识别任务中第一单位图像的识别正确率作为整个客户端识别结果的识别正确率。在计算客户端识别结果的识别正确率时，将返回的客户端识别结果中的第一单位图像对应的识别结果与第一数据库中的第一单位图像对应的识别结果进行对比，可以获得识别任务中第一单位图像的识别正确率。

步骤S724：获取所述识别任务的第一阈值次数的客户端识别结果，当至少第二阈值次数的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值，则判断所述识别任务识别成功，所述相同的客户端识别结果为所述任务识别结果；所述第二阈值次数小于等于所述第一阈值次数。

具体地，在判断客户端返回的识别任务是否识别成功时，针对某一识别任务，可以接收客户端返回的第一阈值次数的客户端识别结果，例如获取该识别任务返回的10次客户端识别结果，这10次客户端识别结果分别来自不同的客户端。基于第一阈值次数，可以设定适应的第二阈值次数和预设阈值。例如在这10次客户端识别结果中，当至少3次的客户端识别结果相同，且该相同的客户端识别结果的识别正确率大于等于50％，则可以判断该识别任务识别成功，该相同的客户端识别结果即为所述识别任务的任务识别结果。

本实施例以识别任务中的第一单位图像的识别正确率作为整个客户端识别结果的识别正确率，使得评判客户端识别结果时有判断依据。通过设定的判断逻辑对返回客户端识别结果进行逻辑判断，使得对返回的识别任务进行标记，有助于筛选出识别成功的识别任务。

在本公开的一些实施例中，步骤S724可以包括：

当连续第三阈值次数获得的所述识别任务的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值时，判断当前相同的客户端识别结果与下一次获得的客户端识别结果是否相同；所述第三阈值次数等于所述第一阈值次数减一；当所述判断结果为相同时，判断所述识别任务识别成功；当所述判断结果为不相同时，判断在所述第一阈值次数内，当前相同的客户端识别结果与其他获得的客户端识别结果是否存在相同，若存在至少一次相同，则判断所述识别任务识别成功。

具体地，在判断客户端识别结果是否成功时，可以在接收客户端返回的客户端识别结果时，同步进行判断。例如，在获取该识别任务返回的10次客户端识别结果的过程中，在逐一获取识别任务的识别正确率时，比对当前客户端识别结果与上一次获得的客户端识别结果是否相同，当连续两次的客户端识别结果相同，且这两次相同的客户端识别结果的识别正确率大于等于50％时，触发以下判断逻辑：

判断当前相同的客户端识别结果与下一次获得的客户端识别结果是否相同，当判断结果为相同时，判断所述识别任务识别成功，结束该识别任务的识别步骤。当所述判断结果为不相同时，判断在10次内，当前相同的客户端识别结果与之后获得的客户端识别结果是否存在相同，若存在至少一次相同，则判断所述识别任务识别成功，结束该识别任务的识别步骤。

另外，在逐一获取识别任务的识别正确率时，比对当前客户端识别结果与上一次获得的客户端识别结果是否相同，如果没有出现连续两次的客户端识别结果相同的情况，则在获得的10次客户端识别结果中筛选出识别正确率大于等于50％的客户端识别结果。判断是否有至少3组的客户端识别结果相同，如果有则判断所述识别任务识别成功，结束该识别任务的识别步骤；如果没有则判断所述识别任务识别失败，结束该识别任务的识别步骤。

本实施例通过在接收客户端返回的客户端识别结果时，同步进行判断，相比于在获取所有返回的客户端识别结果而言，效率更高。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本公开实施例还提供了一种用于实现上述所涉及的信息识别处理方法的信息识别处理装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个信息识别处理装置实施例中的具体限定可以参见上文中对于信息识别处理方法的限定，在此不再赘述。

所述装置可以包括使用了本说明书实施例所述方法的系统(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，本公开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见前述方法的实施，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。

在本公开的一些实施例中，提供了一种信息识别处理装置，所述装置可以为前述所述终端，也可以为服务器，或者集成于所述服务器的模块、组件、器件、单元等。具体的可以参照图8，该装置Z00可以包括：

初次识别模块Z10，用于获取待识别对象的图像信息，将所述图像信息拆分为若干单位图像，对所述单位图像进行初次识别；

数据库模块Z20，用于获取所述单位图像的初次识别结果，将初次识别成功的第一单位图像和所述第一单位图像的初次识别结果存储至第一数据库，将初次识别失败的第二单位图像存储至第二数据库；

任务模块Z30，用于随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端；

客户端识别模块Z40，用于获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库；

识别结果生成模块Z50，用于根据所述第一数据库中的单位图像、所述初次识别结果、所述任务识别结果，生成所述待识别对象的识别结果。

在本公开的一些实施例中，如图9所示，所述数据库模块Z20还用于将客户端识别失败的第二识别任务中的第二单位图像存储至第三数据库；所述第二识别任务为所述客户端识别结果为识别失败的识别任务。所述装置Z00还包括人工识别模块Z60，所述人工识别模块Z60用于获取所述第三数据库中的单位图像的人工识别结果，将所述第三数据库中的单位图像和所述人工识别结果存储至所述第一数据库。

在本公开的一些实施例中，如图10所示，所述任务模块Z30包括：

定位单元Z32，用于获取客户端的定位信息；发送单元Z34，用于基于所述定位信息，将所述识别任务按照设定次数发送到不同区域的所述客户端。

在本公开的一些实施例中，如图11所示，所述装置Z00还包括奖励模块Z70，用于向接收所述识别任务并返回所述识别任务的客户端识别结果的客户端发送奖励资源。

在本公开的一些实施例中，如图12所示，所述客户端识别模块Z40包括：

标记单元Z42，用于接收所述识别任务的客户端识别结果，根据所述客户端识别结果判断所述识别任务是否识别成功，将识别成功的所述识别任务标记为所述第一识别任务，将所述第一识别任务对应的客户端识别结果中识别成功的客户端识别结果标记为任务识别结果；归库单元Z44，用于基于所述第一识别任务的任务识别结果，将所述第一识别任务中的第二单位图像和二次识别结果存储至所述第一数据库，并将所述第一识别任务中的第二单位图像从所述第二数据库中删除；所述二次识别结果为所述第一识别任务中第二单位图像在所述任务识别结果中对应的识别结果。

在本公开的一些实施例中，如图13所示，所述标记单元Z42包括：

正确率子单元Z422，用于根据所述识别任务的客户端识别结果，和所述第一数据库中的初次识别结果，获得所述客户端识别结果的识别正确率；所述识别正确率为识别任务中的第一单位图像的识别正确率；判断子单元Z424，用于获取所述识别任务的第一阈值次数的客户端识别结果，当至少第二阈值次数的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值，则判断所述识别任务识别成功，所述相同的客户端识别结果为所述任务识别结果；所述第二阈值次数小于等于所述第一阈值次数。

正确率子单元Z422还可以用于当连续第三阈值次数获得的所述识别任务的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值时，判断当前相同的客户端识别结果与下一次获得的客户端识别结果是否相同；所述第三阈值次数等于所述第一阈值次数减一；当所述判断结果为相同时，判断所述识别任务识别成功；当所述判断结果为不相同时，判断在所述第一阈值次数内，当前相同的客户端识别结果与其他获得的客户端识别结果是否存在相同，若存在至少一次相同，则判断所述识别任务识别成功。

上述信息识别处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。需要说明的是，本公开实施例中对模块的划分是示意性的，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。

基于前述信息识别处理方法的实施例描述，在本公开提供的另一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图14所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信息识别处理方法。

本领域技术人员可以理解，图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

基于前述信息识别处理方法的实施例描述，在本公开提供的另一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。

基于前述信息识别处理方法的实施例描述，在本公开提供的另一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明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描述不一定指的是相同的实施例或示例。

可以理解的是，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/相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。相关之处参见其他方法实施例的描述说明即可。

上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本公开的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本公开构思的前提下，还可以做出若干变形和改进，这些都属于本公开的保护范围。因此，本公开专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种信息识别处理方法，其特征在于，所述方法包括：

获取待识别对象的图像信息，将所述图像信息拆分为若干单位图像，对所述单位图像进行初次识别；

获取所述单位图像的初次识别结果，将初次识别成功的第一单位图像和所述第一单位图像的初次识别结果存储至第一数据库，将初次识别失败的第二单位图像存储至第二数据库；

随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端；

获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库；

根据所述第一数据库中的单位图像、所述初次识别结果、所述任务识别结果，生成所述待识别对象的识别结果；

其中，所述获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库，包括：

接收所述识别任务的客户端识别结果，根据所述客户端识别结果判断所述识别任务是否识别成功，将识别成功的所述识别任务标记为所述第一识别任务，将所述第一识别任务对应的客户端识别结果中识别成功的客户端识别结果标记为任务识别结果；

基于所述第一识别任务的任务识别结果，将所述第一识别任务中的第二单位图像和二次识别结果存储至所述第一数据库，并将所述第一识别任务中的第二单位图像从所述第二数据库中删除；所述二次识别结果为所述第一识别任务中第二单位图像在所述任务识别结果中对应的识别结果；

所述接收所述识别任务的客户端识别结果，根据所述客户端识别结果判断所述识别任务是否识别成功，将识别成功的所述识别任务标记为所述第一识别任务，将所述第一识别任务对应的客户端识别结果中识别成功的客户端识别结果标记为任务识别结果包括：

根据所述识别任务的客户端识别结果，和所述第一数据库中的初次识别结果，获得所述客户端识别结果的识别正确率；所述识别正确率为识别任务中的第一单位图像的识别正确率；

获取所述识别任务的第一阈值次数的客户端识别结果，当至少第二阈值次数的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值，则判断所述识别任务识别成功，所述相同的客户端识别结果为所述任务识别结果；所述第二阈值次数小于等于所述第一阈值次数。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一数据库中的单位图像、所述初次识别结果、所述任务识别结果，生成所述待识别对象的识别结果之前，还包括：

将客户端识别失败的第二识别任务中的第二单位图像存储至第三数据库；

获取所述第三数据库中的单位图像的人工识别结果，将所述第三数据库中的单位图像和对应的所述人工识别结果存储至所述第一数据库。

3.根据权利要求1所述的方法，其特征在于，所述随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端包括：

获取客户端的定位信息；

基于所述定位信息，将所述识别任务按照设定次数发送到不同区域的所述客户端。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

向接收所述识别任务并返回所述识别任务的客户端识别结果的客户端发送奖励资源。

5.根据权利要求1所述的方法，其特征在于，所述获取所述识别任务的第一阈值次数的客户端识别结果，当至少第二阈值次数的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值，则判断所述识别任务识别成功，所述相同的客户端识别结果为所述任务识别结果包括：

当连续第三阈值次数获得的所述识别任务的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值时，判断当前相同的客户端识别结果与下一次获得的客户端识别结果是否相同；所述第三阈值次数等于所述第一阈值次数减一；

当所述判断结果为相同时，判断所述识别任务识别成功；

当所述判断结果为不相同时，判断在所述第一阈值次数内，当前相同的客户端识别结果与其他获得的客户端识别结果是否存在相同，若存在至少一次相同，则判断所述识别任务识别成功。

6.一种信息识别处理装置，其特征在于，所述装置包括：

初次识别模块，用于获取待识别对象的图像信息，将所述图像信息拆分为若干单位图像，对所述单位图像进行初次识别；

数据库模块，用于获取所述单位图像的初次识别结果，将初次识别成功的第一单位图像和所述第一单位图像的初次识别结果存储至第一数据库，将初次识别失败的第二单位图像存储至第二数据库；

任务模块，用于随机抽取所述第一单位图像和所述第二单位图像生成识别任务，将所述识别任务发送至随机选取的若干客户端；

客户端识别模块，用于获取客户端返回的客户端识别结果，将客户端识别成功的第一识别任务和所述第一识别任务对应的任务识别结果存储至所述第一数据库；

识别结果生成模块，用于根据所述第一数据库中的单位图像、所述初次识别结果、所述任务识别结果，生成所述待识别对象的识别结果；

其中，所述客户端识别模块包括：

标记单元，用于接收所述识别任务的客户端识别结果，根据所述客户端识别结果判断所述识别任务是否识别成功，将识别成功的所述识别任务标记为所述第一识别任务，将所述第一识别任务对应的客户端识别结果中识别成功的客户端识别结果标记为任务识别结果；

归库单元，用于基于所述第一识别任务的任务识别结果，将所述第一识别任务中的第二单位图像和二次识别结果存储至所述第一数据库，并将所述第一识别任务中的第二单位图像从所述第二数据库中删除；所述二次识别结果为所述第一识别任务中第二单位图像在所述任务识别结果中对应的识别结果；

所述标记单元包括：

正确率子单元，用于根据所述识别任务的客户端识别结果，和所述第一数据库中的初次识别结果，获得所述客户端识别结果的识别正确率；所述识别正确率为识别任务中的第一单位图像的识别正确率；

判断子单元，用于获取所述识别任务的第一阈值次数的客户端识别结果，当至少第二阈值次数的客户端识别结果相同，且相同的客户端识别结果的识别正确率大于等于预设阈值，则判断所述识别任务识别成功，所述相同的客户端识别结果为所述任务识别结果；所述第二阈值次数小于等于所述第一阈值次数。

7.根据权利要求6所述的装置，其特征在于，所述数据库模块还用于将客户端识别失败的第二识别任务中的第二单位图像存储至第三数据库；

所述装置还包括人工识别模块，所述人工识别模块用于获取所述第三数据库中的单位图像的人工识别结果，将所述第三数据库中的单位图像和对应的所述人工识别结果存储至所述第一数据库。

8.根据权利要求6所述的装置，其特征在于，所述任务模块包括：

定位单元，用于获取客户端的定位信息；

发送单元，用于基于所述定位信息，将所述识别任务按照设定次数发送到不同区域的所述客户端。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

奖励模块，用于向接收所述识别任务并返回所述识别任务的客户端识别结果的客户端发送奖励资源。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。

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，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。

12.一种计算机程序产品，包括计算机程序，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5中任一项所述的方法的步骤。