发明内容
本发明正是基于上述问题,提出了一种基于图像识别的财务数据处理系统及方法,通过构建每个用户的财务行为画像,在当前用户的财务数据匹配上某一财务行为画像时,利用此财务行为画像协助识别当前用户提交的财务数据(如单据影像数据),并按财务业务类型将财务业务数据发送至对应的服务器进行处理,不仅能提高图像数据的识别率,还能提高业务处理效率。
有鉴于此,本发明的一方面提出了一种基于图像识别的财务数据处理系统,包括:用于获取第一图像数据和与所述第一图像数据关联的第一财务行为数据的数据获取模块、图像识别模块、用于给用户构建财务行为画像数据的画像模块、业务分类模块、处理器、用于处理第一类型业务的第一服务器、用于处理第二类型业务的第二服务器和用于处理第三类型业务的第三服务器;
所述画像模块,用于根据所有用户的历史财务行为数据分别构建各个用户的财务行为画像;
所述处理器,用于根据所述第一财务行为数据从所述财务行为画像中确定第一财务行为画像;
所述图像识别模块,用于根据所述第一财务行为画像识别所述第一图像数据,得到财务业务数据;
所述业务分类模块,用于根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据,并用于将所述待处理财务业务数据发送到所述第一服务器或所述第二服务器或所述第三服务器。
可选地,所述第一服务器,用于接收所述第一类型业务的第一数据,从所述第一数据中识别出第一目标得到第一识别结果;将所述第一识别结果发送给第一审批人,接收所述第一审批人的身份验证信息与确认反馈信息;
所述第二服务器,用于接收所述第二类型业务的第二数据,识别出第二目标得到第二识别结果,并根据所述第二识别结果执行对应方案;
所述第三服务器,用于接收所述第三类型业务的第三数据,识别出第三目标得到第三识别结果,当识别率低于预设阈值时,将所述第三识别结果及审批请求发送至第二审批人,接收所述第二审批人的身份验证信息与确认反馈信息。
可选地,所述画像模块,用于根据所有用户的历史财务行为数据分别构建各个用户的财务行为画像,具体是:
对所述历史财务数据进行特征处理,基于不同维度生成多个特征数据集;
对所述多个特征数据集进行处理,得到不同维度的第一训练数据;
利用所述第一训练数据训练第一神经网络,生成第一模型
分别对各个用户的历史财务行为数据进行特征处理,得到每个用户的财务行为特征数据;
将每个用户的财务行为特征数据分别输入所述第一模型;
得到每个用户的财务行为画像。
可选地,所述图像识别模块,用于根据所述第一财务行为画像识别所述第一图像数据,得到财务业务数据,具体是:
从所述第一图像数据中提出特征点数据,利用第一图像识别模型对所述特征点数据进行识别,得到第四识别结果;
根据所述第一财务行为画像,对所述第四识别结果进行修正,得到财务业务数据。
可选地,所述业务分类模块,用于根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据,具体是:
根据财务业务发起的部门或财务业务涉及的金额大小或者财务业务所涉及的资产类型,对所述财务业务数据进行分类得到待处理财务业务数据。
本发明的另一方面提供一种基于图像识别的财务数据处理方法,所述财务数据处理系统包括用于获取第一图像数据和与所述第一图像数据关联的第一财务行为数据的数据获取模块、图像识别模块、用于给用户构建财务行为画像数据的画像模块、业务分类模块、处理器、用于处理第一类型业务的第一服务器、用于处理第二类型业务的第二服务器和用于处理第三类型业务的第三服务器,所述财务数据处理方法包括:
根据所有用户的历史财务行为数据分别构建各个用户的财务行为画像;
根据所述第一财务行为数据从所述财务行为画像中确定第一财务行为画像;
根据所述第一财务行为画像识别所述第一图像数据,得到财务业务数据;
根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据,并用于将所述待处理财务业务数据发送到所述第一服务器或所述第二服务器或所述第三服务器。
可选地,所述财务数据处理方法还包括:
接收所述第一类型业务的第一数据,从所述第一数据中识别出第一目标得到第一识别结果,将所述第一识别结果发送给第一审批人,接收所述第一审批人的身份验证信息与确认反馈信息;和/或,
接收所述第二类型业务的第二数据,识别出第二目标得到第二识别结果,并根据所述第二识别结果执行对应方案;和/或,
接收所述第三类型业务的第三数据,识别出第三目标得到第三识别结果,当识别率低于预设阈值时,将所述第三识别结果及审批请求发送至第二审批人,接收所述第二审批人的身份验证信息与确认反馈信息。
可选地,所述根据所有用户的历史财务行为数据分别构建各个用户的财务行为画像的步骤,包括:
对所述历史财务数据进行特征处理,基于不同维度生成多个特征数据集;
对所述多个特征数据集进行处理,得到不同维度的第一训练数据;
利用所述第一训练数据训练第一神经网络,生成第一模型
分别对各个用户的历史财务行为数据进行特征处理,得到每个用户的财务行为特征数据;
将每个用户的财务行为特征数据分别输入所述第一模型;
得到每个用户的财务行为画像。
可选地,所述根据所述第一财务行为画像识别所述第一图像数据,得到财务业务数据的步骤,包括:
从所述第一图像数据中提出特征点数据,利用第一图像识别模型对所述特征点数据进行识别,得到第四识别结果;
根据所述第一财务行为画像,对所述第四识别结果进行修正,得到财务业务数据。
可选地,所述根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据的步骤,包括:
根据财务业务发起的部门或财务业务涉及的金额大小或者财务业务所涉及的资产类型,对所述财务业务数据进行分类得到待处理财务业务数据。
采用本发明的技术方案,基于图像识别的财务数据处理系统设置用于获取第一图像数据和与所述第一图像数据关联的第一财务行为数据的数据获取模块、图像识别模块、用于给用户构建财务行为画像数据的画像模块、业务分类模块、处理器、用于处理第一类型业务的第一服务器、用于处理第二类型业务的第二服务器和用于处理第三类型业务的第三服务器。通过构建每个用户的财务行为画像,在当前用户的财务数据匹配上某一财务行为画像时,利用此财务行为画像协助识别当前用户提交的财务数据(如单据影像数据),并按财务业务类型将财务业务数据发送至对应的服务器进行处理,不仅能提高图像数据的识别率,还能提高业务处理效率。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面参照图1至图2来描述根据本发明一些实施方式提供的一种基于图像识别的财务数据处理系统及方法。
如图1所示,本发明一个实施例提供一种基于图像识别的财务数据处理系统,包括:用于获取第一图像数据和与所述第一图像数据关联的第一财务行为数据的数据获取模块、图像识别模块、用于给用户构建财务行为画像数据的画像模块、业务分类模块、处理器、用于处理第一类型业务的第一服务器、用于处理第二类型业务的第二服务器和用于处理第三类型业务的第三服务器;
所述画像模块,用于根据所有用户的历史财务行为数据分别构建各个用户的财务行为画像;
所述处理器,用于根据所述第一财务行为数据从所述财务行为画像中确定第一财务行为画像;
所述图像识别模块,用于根据所述第一财务行为画像识别所述第一图像数据,得到财务业务数据;
所述业务分类模块,用于根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据,并用于将所述待处理财务业务数据发送到所述第一服务器或所述第二服务器或所述第三服务器。
可以理解的是,在本发明的实施例中,所述第一财务行为数据包括记账、银行对账、结账、账簿查询及打印输出、支付货币、客户对账、开票、报销等。
所述财务行为画像包括个人财务行为画像、角色财务行为画像。
所述个人财务行为画像包括的标签有用户姓名、编号、角色、登录时间、操作名称、操作频次、行为轨迹、财务业务类型、票据类型、票据特征等。
所述角色财务行为画像包括的标签有角色名、登录时间、操作名称、时间段效率、操作频次、行为分布、行为序列模式等。
在本发明的实施例中,在采集所述第一图像数据时,会同步记录采集人信息、采集工具信息(如手机、无人机、办公机器人、智能摄像头等设备的唯一标识、参数等)、采集方式(如通过设备直接采集、通过网络连接其他设备采集等)、采集时间、采集点坐标等信息,将此信息作为所述第一图像数据的第一附加信息;在上传/提交所述第一图像数据时,会同步记录上传操作数据信息(如上传人信息、上传地点信息、上传工具信息、上传时间信息等),将上传操作数据作为所述第一图像数据的第二附加信息;将所述第一附加信息和第二附加信息添加到所述第一图像数据的扩展编码字段中。
所述数据获取模块从所述第一图像数据提取所述第一附加信息和所述第二附加信息,并根据预先设定的附加信息与财务行为数据的关联关系,确定与所述第一图像数据关联的第一财务行为数据,从而可以从所述财务行为画像中确定第一财务行为画像。然后利用所述第一财务行为画像识别所述第一图像数据,得到财务业务数据,最后根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据,将所述待处理财务业务数据发送到所述第一服务器或所述第二服务器或所述第三服务器,具体是:当待处理财务业务数据为第一类型业务的第一数据时,发送至所述第一服务器;当待处理财务业务数据为第二类型业务的第二数据时,发送至所述第二服务器;当待处理财务业务数据为第三类型业务的第三数据时,发送至所述第三服务器。
采用该实施例的技术方案,基于图像识别的财务数据处理系统包括用于获取第一图像数据和与所述第一图像数据关联的第一财务行为数据的数据获取模块、图像识别模块、用于给用户构建财务行为画像数据的画像模块、业务分类模块、处理器、用于处理第一类型业务的第一服务器、用于处理第二类型业务的第二服务器和用于处理第三类型业务的第三服务器。通过构建每个用户的财务行为画像,在当前用户的财务数据匹配上某一财务行为画像时,利用此财务行为画像协助识别当前用户提交的财务数据(如单据影像数据),并按财务业务类型将财务业务数据发送至对应的服务器进行处理,不仅能提高图像数据的识别率,还能提高业务处理效率。
应当知道的是,图1所示的基于图像识别的财务数据处理系统的框图仅作示意,其所示出的各模块的数量并不对本发明的保护范围进行限定。
在本发明一些可能的实施方式中,所述第一服务器,用于接收所述第一类型业务的第一数据,从所述第一数据中识别出第一目标得到第一识别结果;将所述第一识别结果发送给第一审批人,接收所述第一审批人的身份验证信息与确认反馈信息;
所述第二服务器,用于接收所述第二类型业务的第二数据,识别出第二目标得到第二识别结果,并根据所述第二识别结果执行对应方案;
所述第三服务器,用于接收所述第三类型业务的第三数据,识别出第三目标得到第三识别结果,当识别率低于预设阈值时,将所述第三识别结果及审批请求发送至第二审批人,接收所述第二审批人的身份验证信息与确认反馈信息。
可以理解的是,财务行为贯穿整个企业/组织的运转过程,各类财务业务的处理流程与财务数据的保密要求也不尽相同,为了更合理地进行财务业务的处理,提高组织的运转效率,在本发明的实施例中,根据业务类型的不同将财务业务分发至不同的服务器,由服务器进行处理,不仅能提高处理效率,还能保证数据安全。例如,第一方面,可将涉及金额超过第一预设值的财务业务设定为第一类型业务,将所述第一类型业务的第一数据发送至第一服务器,从所述第一数据中识别出第一目标得到第一识别结果(如发起人、业务类型、金额、支付形式、标的物等)并确定第一审批人;将所述第一识别结果发送给第一审批人,接收所述第一审批人的身份验证信息与确认反馈信息。第二方面,可将涉及金额小且属于常规业务的财务业务(如员工每月不超100元的通信费报销业务)设定为第二类型业务,将报销数据(即第二数据)发送至所述第二服务器,第二服务器接收所述第二数据,识别出第二目标得到第二识别结果(如报销人、报销项目、报销金额等),并根据所述第二识别结果执行对应方案(如由系统直接通过审批并支付)。第三方面,可将涉及金额大于第二预设值且之前未发生过的业务设定为第三类型业务,将所述第三类型业务的第三数据,识别出第三目标得到第三识别结果,对第三识别结果进行识别率验证,当识别率低于预设阈值时,将所述第三识别结果及审批请求发送至第二审批人,接收所述第二审批人的身份验证信息与确认反馈信息。
在本实施例中,通过对将不同业务类型的财务业务发送至不同的服务器处理,不仅能提高处理效率,还能保证数据的安全。
在本发明一些可能的实施方式中,所述画像模块,用于根据所有用户的历史财务行为数据分别构建各个用户的财务行为画像,具体是:
对所述历史财务数据进行特征处理,基于不同维度生成多个特征数据集;
在本步骤中,在对所述历史财务数据进行预处理后,再进特征处理,特征处理包括标准化、归一化、离散化、特征升维/降维、缺省值处理等,可以根据数据用途/类型选择对应的特征处理方法。对所述历史财务数据进行特征处理后,利用处理后的历史财务数据基于不同维度生成多个特征数据集,多个特征数据集用于表示所述历史财务数据对应的多种数据类型。
对所述多个特征数据集进行处理,得到不同维度的第一训练数据;
在本步骤中,对所述多个特征数据集进行处理,如进行矩阵变换后,得到不同维度的第一训练数据。
利用所述第一训练数据训练第一神经网络,生成第一模型;
分别对各个用户的历史财务行为数据进行特征处理,得到每个用户的财务行为特征数据;
将每个用户的财务行为特征数据分别输入所述第一模型;
得到每个用户的财务行为画像。
可以理解的是,本申请的实施例可以基于人工智能技术对相关的数据进行获取和处理。基于大数据和深度学习模型,能够根据各个用户的历史财务行为数据,提取出对应特征,对用户财务行为进行画像,做到更清晰、全面地认识用户,有利于理解用户新产生的行为。
在本发明一些可能的实施方式中,所述图像识别模块,用于根据所述第一财务行为画像识别所述第一图像数据,得到财务业务数据,具体是:
从所述第一图像数据中提出特征点数据,利用第一图像识别模型对所述特征点数据进行识别,得到第四识别结果;
根据所述第一财务行为画像,对所述第四识别结果进行修正,得到财务业务数据。
可以理解的是,在本发明的实施例中,首先对所述第一图像数据进行特征点提取和描述,然后利用预置的第一图像识别模型对预存的图片库(经过事先处理的模板化图片库)中的图片逐一进行特征点配对,找到与所述第一图像数据匹配的第二图像;确定匹配特征点的位置;根据匹配特征点,生成变换矩阵,并对所述第一图像数据应用变换矩阵生成对第二图像的映射图像;确定所述第一图像数据和第二图像的所有的最强的匹配点所在的位置;通过映射矩阵变换,得到所述第一图像的所有最强匹配点经过映射后投影到第三图像上的位置坐标;对所述第一图像数据未匹配的特征点进行二次识别与矫正后,经过映射后投影到第三图像上的对应位置坐标,生成第三图像,将所述第三图像作为第四识别结果。利用所述第一财务行为画像,对所述第四识别结果,特别是上文所述第一图像数据未匹配的特征点,进行修正,得到财务业务数据。通过本实施例,利用预置的第一图像识别模型对预存的图片库中的图片进行检索,找到与第一图像数据最匹配的第二图像(模板化图片),能够提高识别精度和识别速度。
在本发明一些可能的实施方式中,所述业务分类模块,用于根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据,具体是:
根据财务业务发起的部门或财务业务涉及的金额大小或者财务业务所涉及的资产类型,对所述财务业务数据进行分类得到待处理财务业务数据。
可以理解的是,本实施例通过对所述财务业务数据进行分类得到待处理财务业务数据,对财务业务进行分门别类,使得业务流程条理清楚、简明。
参见图2,本发明的另一实施例提供一种基于图像识别的财务数据处理方法,所述财务数据处理系统包括用于获取第一图像数据和与所述第一图像数据关联的第一财务行为数据的数据获取模块、图像识别模块、用于给用户构建财务行为画像数据的画像模块、业务分类模块、处理器、用于处理第一类型业务的第一服务器、用于处理第二类型业务的第二服务器和用于处理第三类型业务的第三服务器,所述财务数据处理方法包括:
根据所有用户的历史财务行为数据分别构建各个用户的财务行为画像;
根据所述第一财务行为数据从所述财务行为画像中确定第一财务行为画像;
根据所述第一财务行为画像识别所述第一图像数据,得到财务业务数据;
根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据,并用于将所述待处理财务业务数据发送到所述第一服务器或所述第二服务器或所述第三服务器。
可以理解的是,在本发明的实施例中,所述第一财务行为数据包括记账、银行对账、结账、账簿查询及打印输出、支付货币、客户对账、开票、报销等。
所述财务行为画像包括个人财务行为画像、角色财务行为画像。
所述个人财务行为画像包括的标签有用户姓名、编号、角色、登录时间、操作名称、操作频次、行为轨迹、财务业务类型、票据类型、票据特征等。
所述角色财务行为画像包括的标签有角色名、登录时间、操作名称、时间段效率、操作频次、行为分布、行为序列模式等。
在本发明的实施例中,在采集所述第一图像数据时,会同步记录采集人信息、采集工具信息(如手机、无人机、办公机器人、智能摄像头等设备的唯一标识、参数等)、采集方式(如通过设备直接采集、通过网络连接其他设备采集等)、采集时间、采集点坐标等信息,将此信息作为所述第一图像数据的第一附加信息;在上传/提交所述第一图像数据时,会同步记录上传操作数据信息(如上传人信息、上传地点信息、上传工具信息、上传时间信息等),将上传操作数据作为所述第一图像数据的第二附加信息;将所述第一附加信息和第二附加信息添加到所述第一图像数据的扩展编码字段中。
所述数据获取模块从所述第一图像数据提取所述第一附加信息和所述第二附加信息,并根据预先设定的附加信息与财务行为数据的关联关系,确定与所述第一图像数据关联的第一财务行为数据,从而可以从所述财务行为画像中确定第一财务行为画像。然后利用所述第一财务行为画像识别所述第一图像数据,得到财务业务数据,最后根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据,将所述待处理财务业务数据发送到所述第一服务器或所述第二服务器或所述第三服务器,具体是:当待处理财务业务数据为第一类型业务的第一数据时,发送至所述第一服务器;当待处理财务业务数据为第二类型业务的第二数据时,发送至所述第二服务器;当待处理财务业务数据为第三类型业务的第三数据时,发送至所述第三服务器。
采用该实施例的技术方案,基于图像识别的财务数据处理系统包括用于获取第一图像数据和与所述第一图像数据关联的第一财务行为数据的数据获取模块、图像识别模块、用于给用户构建财务行为画像数据的画像模块、业务分类模块、处理器、用于处理第一类型业务的第一服务器、用于处理第二类型业务的第二服务器和用于处理第三类型业务的第三服务器。通过构建每个用户的财务行为画像,在当前用户的财务数据匹配上某一财务行为画像时,利用此财务行为画像协助识别当前用户提交的财务数据(如单据影像数据),并按财务业务类型将财务业务数据发送至对应的服务器进行处理,不仅能提高图像数据的识别率,还能提高业务处理效率。
在本发明一些可能的实施方式中,所述财务数据处理方法还包括:
接收所述第一类型业务的第一数据,从所述第一数据中识别出第一目标得到第一识别结果,将所述第一识别结果发送给第一审批人,接收所述第一审批人的身份验证信息与确认反馈信息;和/或,
接收所述第二类型业务的第二数据,识别出第二目标得到第二识别结果,并根据所述第二识别结果执行对应方案;和/或,
接收所述第三类型业务的第三数据,识别出第三目标得到第三识别结果,当识别率低于预设阈值时,将所述第三识别结果及审批请求发送至第二审批人,接收所述第二审批人的身份验证信息与确认反馈信息。
可以理解的是,财务行为贯穿整个企业/组织的运转过程,各类财务业务的处理流程与财务数据的保密要求也不尽相同,为了更合理地进行财务业务的处理,提高组织的运转效率,在本发明的实施例中,根据业务类型的不同将财务业务分发至不同的服务器,由服务器进行处理,不仅能提高处理效率,还能保证数据安全。例如,第一方面,可将涉及金额超过第一预设值的财务业务设定为第一类型业务,将所述第一类型业务的第一数据发送至第一服务器,从所述第一数据中识别出第一目标得到第一识别结果(如发起人、业务类型、金额、支付形式、标的物等)并确定第一审批人;将所述第一识别结果发送给第一审批人,接收所述第一审批人的身份验证信息与确认反馈信息。第二方面,可将涉及金额小且属于常规业务的财务业务(如员工每月不超100元的通信费报销业务)设定为第二类型业务,将报销数据(即第二数据)发送至所述第二服务器,第二服务器接收所述第二数据,识别出第二目标得到第二识别结果(如报销人、报销项目、报销金额等),并根据所述第二识别结果执行对应方案(如由系统直接通过审批并支付)。第三方面,可将涉及金额大于第二预设值且之前未发生过的业务设定为第三类型业务,将所述第三类型业务的第三数据,识别出第三目标得到第三识别结果,对第三识别结果进行识别率验证,当识别率低于预设阈值时,将所述第三识别结果及审批请求发送至第二审批人,接收所述第二审批人的身份验证信息与确认反馈信息。
在本实施例中,通过对将不同业务类型的财务业务发送至不同的服务器处理,不仅能提高处理效率,还能保证数据的安全。
在本发明一些可能的实施方式中,所述根据所有用户的历史财务行为数据分别构建各个用户的财务行为画像的步骤,包括:
对所述历史财务数据进行特征处理,基于不同维度生成多个特征数据集;
在本步骤中,在对所述历史财务数据进行预处理后,再进特征处理,特征处理包括标准化、归一化、离散化、特征升维/降维、缺省值处理等,可以根据数据用途/类型选择对应的特征处理方法。对所述历史财务数据进行特征处理后,利用处理后的历史财务数据基于不同维度生成多个特征数据集,多个特征数据集用于表示所述历史财务数据对应的多种数据类型。
对所述多个特征数据集进行处理,得到不同维度的第一训练数据;
在本步骤中,对所述多个特征数据集进行处理,如进行矩阵变换后,得到不同维度的第一训练数据。
利用所述第一训练数据训练第一神经网络,生成第一模型
分别对各个用户的历史财务行为数据进行特征处理,得到每个用户的财务行为特征数据;
将每个用户的财务行为特征数据分别输入所述第一模型;
得到每个用户的财务行为画像。
可以理解的是,本申请的实施例可以基于人工智能技术对相关的数据进行获取和处理。基于大数据和深度学习模型,能够根据各个用户的历史财务行为数据,提取出对应特征,对用户财务行为进行画像,做到更清晰、全面地认识用户,有利于理解用户新产生的行为。
在本发明一些可能的实施方式中,所述根据所述第一财务行为画像识别所述第一图像数据,得到财务业务数据的步骤,包括:
从所述第一图像数据中提出特征点数据,利用第一图像识别模型对所述特征点数据进行识别,得到第四识别结果;
根据所述第一财务行为画像,对所述第四识别结果进行修正,得到财务业务数据。
可以理解的是,在本发明的实施例中,首先对所述第一图像数据进行特征点提取和描述,然后利用预置的第一图像识别模型对预存的图片库(经过事先处理的模板化图片库)中的图片逐一进行特征点配对,找到与所述第一图像数据匹配的第二图像;确定匹配特征点的位置;根据匹配特征点,生成变换矩阵,并对所述第一图像数据应用变换矩阵生成对第二图像的映射图像;确定所述第一图像数据和第二图像的所有的最强的匹配点所在的位置;通过映射矩阵变换,得到所述第一图像的所有最强匹配点经过映射后投影到第三图像上的位置坐标;对所述第一图像数据未匹配的特征点进行二次识别与矫正后,经过映射后投影到第三图像上的对应位置坐标,生成第三图像,将所述第三图像作为第四识别结果。利用所述第一财务行为画像,对所述第四识别结果,特别是上文所述第一图像数据未匹配的特征点,进行修正,得到财务业务数据。通过本实施例,利用预置的第一图像识别模型对预存的图片库中的图片进行检索,找到与第一图像数据最匹配的第二图像(模板化图片),能够提高识别精度和识别速度。
在本发明一些可能的实施方式中,所述根据预设规则对所述财务业务数据进行分类得到待处理财务业务数据的步骤,包括:
根据财务业务发起的部门或财务业务涉及的金额大小或者财务业务所涉及的资产类型,对所述财务业务数据进行分类得到待处理财务业务数据。
可以理解的是,本实施例通过对所述财务业务数据进行分类得到待处理财务业务数据,对财务业务进行分门别类,使得业务流程条理清楚、简明。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,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,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,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申请的限制。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,可轻易想到变化或替换,均可作各种更动与修改,包含上述不同功能、实施步骤的组合,包含软件和硬件的实施方式,均在本发明的保护范围。