CN116543407A - 票据识别方法、装置、设备及存储介质 - Google Patents
票据识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116543407A CN116543407A CN202310410097.2A CN202310410097A CN116543407A CN 116543407 A CN116543407 A CN 116543407A CN 202310410097 A CN202310410097 A CN 202310410097A CN 116543407 A CN116543407 A CN 116543407A
- Authority
- CN
- China
- Prior art keywords
- bill
- character
- image
- processed
- processing
- 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 75
- 238000012545 processing Methods 0.000 claims abstract description 136
- 230000011218 segmentation Effects 0.000 claims abstract description 27
- 238000007781 pre-processing Methods 0.000 claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 33
- 238000011282 treatment Methods 0.000 claims description 32
- 238000003708 edge detection Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- 238000005260 corrosion Methods 0.000 claims description 11
- 230000007797 corrosion Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 6
- 230000000977 initiatory effect Effects 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 12
- 230000007613 environmental effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012015 optical character recognition Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
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
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- 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
- G06V30/14—Image acquisition
- G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
-
- 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
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
- G06V30/16—Image preprocessing
-
- 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
- G06V30/16—Image preprocessing
- G06V30/164—Noise filtering
-
- 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
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19013—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
- G06V30/19—Recognition using electronic means
- G06V30/19007—Matching; Proximity measures
- G06V30/19093—Proximity measures, i.e. similarity or distance measures
-
- 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
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Character Input (AREA)
Abstract
本申请提供一种票据识别方法、装置、设备及存储介质,涉及金融科技领域或其他相关领域。该方法包括:获取待处理票据;对待处理票据进行图像预处理,得到第一处理图像;对第一处理图像进行票据数字定位处理,得到第二处理图像;对第二处理图像进行字符分割处理,得到待处理票据对应的至少一个单字符;对每个单字符进行识别处理,确定每个单字符的字符信息;根据每个单字符的字符信息,输出待处理票据对应的识别结果。本申请的方法,实现了票据识别的自动化,减少了票据识别的时间,提高了票据识别的准确性和识别效率。
Description
技术领域
本申请涉及金融科技领域或其他相关领域,尤其涉及一种票据识别方法、装置、设备及存储介质。
背景技术
票据作为常用的交易凭证,其承载着较多重要信息。根据票据信息进行相关处理是日常工作的重要方面。但是随着票据的不断更新迭代,需要对票据信息进行快速准确地记录和存储。
相关技术中,票据的识别主要依靠人工的目测以及简单的识别算法实现,而基于识别算法的识别方法通常由嵌入式单片机控制和单一计算机控制。
然而,现有技术的票据识别方法识别时间长、识别准确性差、识别效率低。
发明内容
本申请提供一种票据识别方法、装置、设备及存储介质,用以解决现有技术的票据识别方法识别时间长、识别准确性差、识别效率低的问题。
第一方面,本申请提供一种票据识别方法,包括:
获取待处理票据;
对所述待处理票据进行图像预处理,得到第一处理图像;
对所述第一处理图像进行票据数字定位处理,得到第二处理图像;
对所述第二处理图像进行字符分割处理,得到所述待处理票据对应的至少一个单字符;
对每个所述单字符进行识别处理,确定每个所述单字符的字符信息;
根据每个所述单字符的字符信息,输出所述待处理票据对应的识别结果。
这里,本申请实施例提供了一种自动识别票据的方法,当获取到待处理票据后,为了去除环境影响,首先对票据进行图像预处理,再对图像进行票据数字定位处理,从而将含有数字的信息图像和背景图像区分开,截取出票据数据的信息,去除票据图像的其他背景信息,为了进一步地实现识别的准确性和高效率,对票据中的数字信息进行字符分割处理,得到至少一个单字符,再对单字符进行识别,实现了针对票据地高效、准确识别,用户仅需将票据放在指定位置,即可针对票据进行自动识别,实现了票据识别的自动化,减少了票据识别的时间,提高了票据识别的准确性和识别效率。
可选地,所述对所述第一处理图像进行票据数字定位处理,得到第二处理图像,包括:
基于改进型索伯算子边缘检测算法,对所述第一处理图像进行第一边缘提取处理和去噪处理,得到粗定位图像;
对所述粗定位图像分别进行腐蚀处理、第二边缘检测处理和膨胀处理,得到第二处理图像。
这里,本申请实施例基于改进型索伯算子(sobel operator)边缘检测算法进行图像的粗定位,并通过腐蚀、边缘检测和膨胀处理,腐蚀操作尽可能去除含票据数字图像中的一些噪声和非目标区域图像块,从而只获得票据数字区域的图像;边缘检测是对腐蚀后的票据数字图像进行检测,找到整个票据数字的边缘和票据数字各个字符的边缘;膨胀操作使票据数字字符的边缘尽可能加粗,便于后面对票据数字图像进行水平投影和垂直投影来准确定位到票据数字区域的位置,实现了对票据中数字的精准定位,进一步地提高了票据识别的准确性。
可选地,所述获取待处理票据,包括:
通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据。
其中,本申请实施例通过现场可编程逻辑门阵列(Field Programmable GateArray,FPGA)芯片控制摄像采集系统获取待处理票据,进一步地,可通过FPGA芯片实现票据识别方法的全部自动化,芯片的自动化及强大的处理能力保证了票据识别的准确性及高效率。
可选地,在所述通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据之前,还包括:
发起票据摆放提示,以提示用户将待处理票据放置在预设位置。
其中,本申请实施例可以提示用户将待处理票据防止在预设位置,可快速实现待处理票据的获取,进一步地提高了票据识别的效率。
可选地,所述对所述待处理票据进行图像预处理,得到第一处理图像,包括:
对所述待处理票据进行图像去噪处理、彩色图像灰度化处理或者灰度图像二值化处理中的至少一种,得到第一处理图像。
这里,本申请实施例通过图像去噪处理、彩色图像灰度化处理或者灰度图像二值化处理中的至少一种来进行票据的预处理,去除摄像头采集到的图像收到的环境影响,减少了环境干扰带来的误差,进一步地提高了票据识别的准确性。
可选地,所述对每个所述单字符进行识别处理,确定每个所述单字符的字符信息,包括:
对每个所述单字符进行归一化处理,提取每个所述单字符的特征信息;
根据所述特征信息,对每个所述单字符进行特征匹配处理;
根据匹配结果确定每个所述单字符的字符信息。
所述根据所述特征信息,对每个所述单字符进行特征匹配处理,包括:
根据所述特征信息,通过预设字符模板和预设边缘模板对所述单字符进行第一特征匹配,若匹配成功,则根据第一匹配结果确定匹配成功的单字符的字符信息,其中,所述预设字符模板为数字库和字母库的混合模板库;
若匹配不成功,则提取第一特征匹配不成功的单字符的网格特征,通过预设网格特征模板对所述第一特征匹配不成功的单字符进行第二特征匹配,根据第二匹配结果确定第一特征匹配不成功的单字符的字符信息。
其中,本申请实施例基于改进模板匹配和特征提取的字符识别算法,根据匹配的相似度判定字符对应的类就是模板所属的类别,完成字符识别的操作,系统识别准确度和算法运行效率高,进一步地提高了票据识别的准确性和效率。
可选地,所述根据每个所述单字符的字符信息,输出所述待处理票据对应的识别结果,包括:
根据每个所述单字符的字符信息,对所述待处理票据进行分类;
根据分类结果,将所述待处理票据的识别结果发送至所述分类结果对应的预设接收终端。
其中,本申请实施例将票据正确识别出来之后,票据信息可根据不同应用场景输出到不同的预设接收终端例如不同的应用平台等,实现了票据的自动管理,进一步地提高了用户体验。
第二方面,本申请实施例提供了一种票据识别装置,包括:
获取模块,用于获取待处理票据;
预处理模块,用于对所述待处理票据进行图像预处理,得到第一处理图像;
定位处理模块,用于对所述第一处理图像进行票据数字定位处理,得到第二处理图像;
字符分割处理模块,用于对所述第二处理图像进行字符分割处理,得到所述待处理票据对应的至少一个单字符;
字符识别处理模块,用于对每个所述单字符进行识别处理,确定每个所述单字符的字符信息;
输出模块,用于根据每个所述单字符的字符信息,输出所述待处理票据对应的识别结果。
可选地,所述定位处理模块具体用于:
基于改进型索伯算子边缘检测算法,对所述第一处理图像进行第一边缘提取处理和去噪处理,得到粗定位图像;
对所述粗定位图像分别进行腐蚀处理、第二边缘检测处理和膨胀处理,得到第二处理图像。
可选地,所述获取模块具体用于:
通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据。
可选地,在所述获取模块通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据之前,上述装置还包括:
提示模块,用于发起票据摆放提示,以提示用户将待处理票据放置在预设位置。
可选地,所述预处理模块具体用于:
对所述待处理票据进行图像去噪处理、彩色图像灰度化处理或者灰度图像二值化处理中的至少一种,得到第一处理图像。
可选地,所述字符识别处理模块具体用于:
对每个所述单字符进行归一化处理,提取每个所述单字符的特征信息;
根据所述特征信息,对每个所述单字符进行特征匹配处理;
根据匹配结果确定每个所述单字符的字符信息。
可选地,所述字符识别处理模块还具体用于:
根据所述特征信息,通过预设字符模板和预设边缘模板对所述单字符进行第一特征匹配,若匹配成功,则根据第一匹配结果确定匹配成功的单字符的字符信息,其中,所述预设字符模板为数字库和字母库的混合模板库;
若匹配不成功,则提取第一特征匹配不成功的单字符的网格特征,通过预设网格特征模板对所述第一特征匹配不成功的单字符进行第二特征匹配,根据第二匹配结果确定第一特征匹配不成功的单字符的字符信息。
第三方面,本申请提供一种票据识别设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的票据识别方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上第一方面以及第一方面各种可能的设计所述的票据识别方法。
第五方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现如上第一方面以及第一方面各种可能的设计所述的票据识别方法。
本申请提供的票据识别方法、装置、设备及存储介质,当获取到待处理票据后,为了去除环境影响,首先对票据进行图像预处理,再对图像进行票据数字定位处理,从而将含有数字的信息图像和背景图像区分开,截取出票据数据的信息,去除票据图像的其他背景信息,为了进一步地实现识别的准确性和高效率,对票据中的数字信息进行字符分割处理,得到至少一个单字符,再对单字符进行识别,实现了针对票据地高效、准确识别,用户仅需将票据放在指定位置,即可针对票据进行自动识别,实现了票据识别的自动化,减少了票据识别的时间,提高了票据识别的准确性和识别效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的一种票据识别系统架构示意图;
图2为本申请实施例提供的一种票据识别系统的结构示意图;
图3为本申请实施例提供的一种票据识别方法的流程示意图;
图4为本申请实施例提供的一种获取待处理票据的流程示意图;
图5为本申请实施例提供的一种字符识别的流程示意图;
图6为本申请实施例提供的一种票据识别装置的结构示意图;
图7为本申请实施例提供的一种票据识别设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请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、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,本申请所涉及的用户信息(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,并且相关数据的收集、使用和处理需要遵守相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
需要说明的是,本申请票据识别方法、装置、设备及存储介质可用于金融科技领域或其他相关领域,也可用于除金融科技领域或其他相关领域之外的任意领域,本申请票据识别方法、装置、设备及存储介质的应用领域不作限定。
光符识别:(Optical Character Recognition,OCR)文字识别是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,然后用字符识别方法将形状翻译成计算机文字的过程;即,对文本资料进行扫描,然后对图像文件进行分析处理,获取文字及版面信息的过程。
票据自动处理系统的设计与实现主要涉及图像处理、模式识别、神经网络等学科,是一套实现自动的票据输入、数据复核的系统。采用了技术的票据自动处理系统,通过对扫描得到的票据图形进行分析,可以直接提取金额、日期、证件号、条码、账号等重要数据,并对数据进行鉴别,方便监察和校对。
目前该技术在证件识别、交通运输、智慧医疗、无人驾驶、无纸化办公、稿件编辑校对、物流分拣、舆情监控、文档检索、文献资料检索等行业起到重要的影响。但票据字符识别在识别准确度、灵活度等方面还亟待进一步优化。
目前存在的主要不足与问题如下:1、票据识别自动化不足:字符识别目前主要依靠人工的目测以及简单的识别算法实现。人工检查机械化的工作加重了识别人员的工作负担。简单的人机交互识别算法虽然极大缓和了人工的工作强度,识别过程中存在误识别,识别速度慢等问题,该问题严重影响了相关行业的工作效率和进度。2、票据定位与分割精度不足:各由于目前票据按规格和颜色分类有很多种,图像准确提取出票据区域是一个完善的票据识别系统中的重难点。此外现有的票据数字识别算法对受到字符粘连、污染、光照不均等环境因素影响的情况下无法进行精准定位与分割,无法满足字符识别的后续处理要求。3、设备较为单一且数据处理能力低下:目前行业内采用的票据识别系统有嵌入式单片机控制和单一计算机控制。计算机控制的字符识别系统工作场所较为局限,设备成本较大。普通的嵌入式单片机面对较大的数据量和工作量无法具备识别过程中的数据交互能力。综上,现有技术的票据识别方法识别时间长、识别准确性差、识别效率低。
为了解决上述问题,本申请实施例提供一种票据识别方法、装置、设备及存储介质,其中该方法当获取到待处理票据后,为了去除环境影响,首先对票据进行图像预处理,再对图像进行票据数字定位处理,从而将含有数字的信息图像和背景图像区分开,截取出票据数据的信息,去除票据图像的其他背景信息,为了进一步地实现识别的准确性和高效率,对票据中的数字信息进行字符分割处理,得到至少一个单字符,再对单字符进行识别,实现了票据识别的自动化。
可选的,图1为本申请实施例提供的一种票据识别系统架构示意图。在图1中,上述架构包括接收设备101、处理器102和显示设备103中至少一种。
可以理解的是,本申请实施例示意的结构并不构成对票据识别系统架构的具体限定。在本申请另一些可行的实施方式中,上述架构可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置,具体可根据实际应用场景确定,在此不做限制。图1所示的部件可以以硬件,软件,或软件与硬件的组合实现。
在具体实现过程中,接收设备101可以是输入/输出接口,也可以是通信接口。
处理器102可以通过接收设备101获取待处理票据,为了去除环境影响,首先对票据进行图像预处理,再对图像进行票据数字定位处理,从而将含有数字的信息图像和背景图像区分开,截取出票据数据的信息,去除票据图像的其他背景信息,为了进一步地实现识别的准确性和高效率,对票据中的数字信息进行字符分割处理,得到至少一个单字符,再对单字符进行识别,实现了票据识别的自动化。
显示设备103可以用于对上述结果等进行显示。
显示设备还可以是触摸显示屏,用于在显示的上述内容的同时接收用户指令,以实现与用户的交互。
应理解,上述处理器可以通过处理器读取存储器中的指令并执行指令的方式实现,也可以通过芯片电路实现。
可选地,本申请实施例提供了一种票据识别系统,如图2所示,图2为本申请实施例提供的一种票据识别系统的结构示意图,该系统基于FPGA芯片,可选地,图中第一处理器为ARM,票据识别系统主要功能包括图像采集、图像预处理、票据定位、字符分割和字符识别。票据定位是票据识别系统中的关键算法,本系统设计了一套基于票据字符的改进型边缘检测和定位方法,先通过票据颜色和形态学处理实现票据粗定位,再对票据进行边缘检测后提取票据区域。字符分割采用垂直投影和票据先验知识相结合的方法,先对票据图像预处理去除票据干扰信号,再通过投影算法实现字符分割。针对票据字符识别算法,本系统在传统模板匹配法基础上进行改进,综合多种特征识别的优势使用基于票据字符的模板匹配法对票据字符进行识别。
可选地,本申请实施例还提供了一种基于FPGA的OCR票据数字信息识别设备。该设备包括:摄像头采集及存储、显示模块,该模块负责对票据相关数字信息的提取,并完成票据信息的显示和存储。图像处理模块,负责对采集到的图像信息进行预处理,对待识别的数字区域进行突出显示,调节待识别区域的清晰度,模糊背景信息。字符识别模块通过神经网络对字符进行识别,通过设计FPGA识别程序,得到识别最终结果。进而提升票据识别速度与精确度,防止票据号码误报和检测精度低的问题。
另外,本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
下面结合具体的实施例对本申请的技术方案进行详细的说明:
可选地,图3为本申请实施例提供的一种票据识别方法的流程示意图。本申请实施例的执行主体可以为图1中的处理器102或者如图2所示的票据识别系统,具体执行主体可以根据实际应用场景确定。如图3所示,该方法包括如下步骤:
S301:获取待处理票据。
可选地,获取待处理票据,包括:通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据。
可选地,通过FPGA控制图像传感器OV5640采集系统对应位置的图像信息。
在一种可能的实现方式中,图4为本申请实施例提供的一种获取待处理票据的流程示意图。图4中“N”代表“否”,“Y”代表“是”。
可选地,在通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据之前,还包括:发起票据摆放提示,以提示用户将待处理票据放置在预设位置。
其中,本申请实施例可以提示用户将待处理票据防止在预设位置,可快速实现待处理票据的获取,进一步地提高了票据识别的效率。
可选地,通过上位机显示实时信息。提示使用者将待测试发票至于对应位置,并开始进行采集。
其中,本申请实施例通过现场FPGA芯片控制摄像采集系统获取待处理票据,进一步地,可通过FPGA芯片实现票据识别方法的全部自动化,芯片的自动化及强大的处理能力保证了票据识别的准确性及高效率。
可选地,本申请实施例还可以进行票据检测跟踪,用于检测是否有票据需要识别。
可选地,本申请实施例还可以进行票据字符定位,判断票据字符是否发生倾斜。
可选地,若字符发生倾斜,则进行票据字符校正。
S302:对待处理票据进行图像预处理,得到第一处理图像。
可选地,对待处理票据进行图像预处理,得到第一处理图像,包括:对待处理票据进行图像去噪处理、彩色图像灰度化处理或者灰度图像二值化处理中的至少一种,得到第一处理图像。
其中,图像预处理过程包括图像去噪、彩色图像灰度化和灰度图像二值化等操作,去除摄像头采集到的图像受到环境的影响。
这里,本申请实施例通过图像去噪处理、彩色图像灰度化处理或者灰度图像二值化处理中的至少一种来进行票据的预处理,去除摄像头采集到的图像收到的环境影响,减少了环境干扰带来的误差,进一步地提高了票据识别的准确性。
S303:对第一处理图像进行票据数字定位处理,得到第二处理图像。
其中,票据数字定位:将摄像头采集到的票据图像中,含有数字的信息图像和背景图像区分开,截取出票据数据的信息,去除票据图像的其他背景信息。
可选地,对第一处理图像进行票据数字定位处理,得到第二处理图像,包括:基于改进型索伯算子边缘检测算法,对第一处理图像进行第一边缘提取处理和去噪处理,得到粗定位图像;对粗定位图像分别进行腐蚀处理、第二边缘检测处理和膨胀处理,得到第二处理图像。
这里,本申请实施例基于改进型sobel边缘检测算法进行图像的粗定位,并通过腐蚀、边缘检测和膨胀处理,腐蚀操作尽可能去除含票据数字图像中的一些噪声和非目标区域图像块,从而只获得票据数字区域的图像;边缘检测是对腐蚀后的票据数字图像进行检测,找到整个票据数字的边缘和票据数字各个字符的边缘;膨胀操作使票据数字字符的边缘尽可能加粗,便于后面对票据数字图像进行水平投影和垂直投影来准确定位到票据数字区域的位置,实现了对票据中数字的精准定位,进一步地提高了票据识别的准确性。
S304:对第二处理图像进行字符分割处理,得到待处理票据对应的至少一个单字符。
示范性地,以出租车底票据为例,在含有票据的图像中定位出票据区域之后,对该图像进行灰度化、二值化、腐蚀膨胀等处理,对字符进行分割。字符识别过程中只能对单个字符特征进行识别,所以在字符识别之前,先将字符分割开来,把最终所需获取信息的票据分割成单个字符,便于后续识别操作。
S305:对每个单字符进行识别处理,确定每个单字符的字符信息。
对字符分割过程中获取的单字符进行识别是决定整个系统性能的重要步骤。该过程就是对每个字符的特征进行分析,进而判断出该字符内容。在字符分割之后,对单个字符作归一化处理,提取每个字符的特征信息,进行匹配,根据相似度实现票据字符。
可选地,对每个单字符进行识别处理,确定每个单字符的字符信息,包括:对每个单字符进行归一化处理,提取每个单字符的特征信息;根据特征信息,对每个单字符进行特征匹配处理;根据匹配结果确定每个单字符的字符信息。
根据特征信息,对每个单字符进行特征匹配处理,包括:根据特征信息,通过预设字符模板和预设边缘模板对单字符进行第一特征匹配,若匹配成功,则根据第一匹配结果确定匹配成功的单字符的字符信息;若匹配不成功,则提取第一特征匹配不成功的单字符的网格特征,通过预设网格特征模板对第一特征匹配不成功的单字符进行第二特征匹配,根据第二匹配结果确定第一特征匹配不成功的单字符的字符信息。
其中,预设字符模板为数字库和字母库的混合模板库。
其中,本申请实施例基于改进模板匹配和特征提取的字符识别算法,根据匹配的相似度判定字符对应的类就是模板所属的类别,完成字符识别的操作,系统识别准确度和算法运行效率高,进一步地提高了票据识别的准确性和效率。
S306:根据每个单字符的字符信息,输出待处理票据对应的识别结果。
可选地,根据每个单字符的字符信息,输出待处理票据对应的识别结果,包括:根据每个单字符的字符信息,对待处理票据进行分类;根据分类结果,将待处理票据的识别结果发送至分类结果对应的预设接收终端。
在一种可能的实现方式中,将票据正确识别出来之后,票据信息可根据不同应用场景输出到不同的应用平台。主要用于记录票据的号码、票据颜色、时间信息,结果显示到票据管理平台,实现票据的自动管理。
其中,本申请实施例将票据正确识别出来之后,票据信息可根据不同应用场景输出到不同的预设接收终端例如不同的应用平台等,实现了票据的自动管理,进一步地提高了用户体验。
本申请实施例提供了一种自动识别票据的方法,当获取到待处理票据后,为了去除环境影响,首先对票据进行图像预处理,再对图像进行票据数字定位处理,从而将含有数字的信息图像和背景图像区分开,截取出票据数据的信息,去除票据图像的其他背景信息,为了进一步地实现识别的准确性和高效率,对票据中的数字信息进行字符分割处理,得到至少一个单字符,再对单字符进行识别,实现了针对票据地高效、准确识别,用户仅需将票据放在指定位置,即可针对票据进行自动识别,实现了票据识别的自动化,减少了票据识别的时间,提高了票据识别的准确性和识别效率。
在一种可能的实现方式中,本申请实施例中通过基于票据字符的改进型定位算法将边缘检测算法和定位算法相结合,解决票据的定位问题,其具体方法如下:
改进型Sobel边缘检测算法:通过改进的Sobel边缘检测算法采用8方向模板对票据数字图像进行卷积运算,最终合成中心像素的梯度幅值,即改进算法检测8方向梯度并引入更多的梯度计算模板以获得更完整的边缘信息。为了获得票据数字图像的边缘,选择适当的阈值来确定像素是否为边缘点。使用二值图像显示提取的边缘,灰度值设置为1,屏幕为白色,为图像的边缘点;否则灰度值设置为0且屏幕为黑色,则不认为是边缘点。
精定位:在票据数字定位过程中,经过边缘检测和去噪后,需要对票据数字进行腐蚀、边缘检测和膨胀,得到票据数字候选区域。腐蚀操作尽可能去除含票据数字图像中的一些噪声和非目标区域图像块,从而只获得票据数字区域的图像;边缘检测是对腐蚀后的票据数字图像进行检测,找到整个票据数字的边缘和票据数字各个字符的边缘;膨胀操作使票据数字字符的边缘尽可能加粗,便于后面对票据数字图像进行水平投影和垂直投影来准确定位到票据数字区域的位置。
票据定位、分割精度高:票据定位通过基于票据字符的改进型定位算法,结合改进的Sobel边缘检测算法,并结合票据特征,对票据实现精定位。字符分割将票据数字图像分割成单个字符图像,结合票据数字先验知识,采用垂直投影法对字符进行分割。基于改进模板匹配和特征提取的字符识别算法,根据匹配的相似度判定字符对应的类就是模板所属的类别,完成字符识别的操作,系统识别准确度和算法运行效率高。
在一种可能的实现方式中,本申请实施例中通过基于垂直投影和先验知识的字符分割算法实现字符分割,其具体方法如下:
在传统垂直投影的字符分割的基础上,结合票据数字的先验知识,有效去除边界的影响,在一定程度上解决了字符粘连、字符断裂和特殊字符识别的问题,提高了字符分割的准确性。据统计,标准票据数字的尺寸通常为45mm×15mm,票据数字字符总长度为40mm,单个字符尺寸为4mm×9mm,第二个和第三个字符之间的圆点宽度为1mm,这两个字符之间的间距为3mm,而其他字符之间的间距为1mm。根据先验知识,确定垂直分割线的位置。实验数据对比来看,本申请实施例采用的方法可以有效克服图像在受不同因素干扰带来的影响,对受到字符粘连、污染、光照不均等环境因素影响的情况下也能进行准确的分割。
在一种可能的实现方式中,本申请实施例中通过基于改进模板匹配和特征提取的字符识别算法实现字符识别,相应地,图5为本申请实施例提供的一种字符识别的流程示意图,其具体方法如下:
标准票据一般由字符、字母组成,因此,在识别之前,根据常规票据数字字符分配的特征建立两类模板,第一类由10个阿拉伯数字组成。第二类由24个大写英文字母组成。通过对票据数字字符进行分类,在进行匹配时有针对性的将待识别字符和相应的字符模板进行匹配运算,从而减少计算量,加快匹配速度。
对票据的第一个字符识别时采用数字和字母库的混合模板库,依次将待识别的票据数字字符与字符模板进行匹配,将其与模板字符作差值运算,得到的黑色像素数越多匹配度越高,与每个模板字符相减后所得的黑色像素值个数保存起来,从中找到数值最大的,输出其对应模板字符的真实含义,即为识别结果。
当使用常规模板和边缘模板匹配识别字符匹配不成功时,最后根据字符的结构,提取其网格特征。网格特征是指把二值化后的字符图像分割成M×N个网格,每个小网格代表一个特征值0或1,该特征值是由小网格中的像素点个数决定,最后M×N个特征值组成了待识别字符的网格特征。网格特征的提取是以网格为单位进行的,即使单个网格中个别像素点的统计有误差,不会对整个字符特征的提取造成太大的影响,利用该特征对不完整字符和相似字符都有较强的区分能力。
本申请实施例在功能上实现了对发票票面字符的采集、识别、处理、管理。通过预处理、识别算法等相关算、程序将票面采集工作所用到的各流程集成到同一设备中。用户只需将待采集发票置于对应位置,即可完成对票面信息采集工作的所有工作流程。
可选地,本申请实施例针对实际工作中存在的大量工作任务所需要的大量数据流,采用FPGA加ARM作为控制器,并通过设计系统运行状态,相比传统识别方法,极大加快了系统工作效率,满足工作人员对系统的需求。
图6为本申请实施例提供的一种票据识别装置的结构示意图,如图6所示,本申请实施例的装置包括:获取模块601、预处理模块602、定位处理模块603、字符分割处理模块604、字符识别处理模块605和输出模块606。这里的票据识别装置可以是上述处理器本身,或者是实现处理器的功能的芯片或者集成电路。这里需要说明的是,获取模块601、预处理模块602、定位处理模块603、字符分割处理模块604、字符识别处理模块605和输出模块606的划分只是一种逻辑功能的划分,物理上两者可以是集成的,也可以是独立的。
其中,获取模块,用于获取待处理票据;
预处理模块,用于对待处理票据进行图像预处理,得到第一处理图像;
定位处理模块,用于对第一处理图像进行票据数字定位处理,得到第二处理图像;
字符分割处理模块,用于对第二处理图像进行字符分割处理,得到待处理票据对应的至少一个单字符;
字符识别处理模块,用于对每个单字符进行识别处理,确定每个单字符的字符信息;
输出模块,用于根据每个单字符的字符信息,输出待处理票据对应的识别结果。
可选地,定位处理模块具体用于:
基于改进型索伯算子边缘检测算法,对第一处理图像进行第一边缘提取处理和去噪处理,得到粗定位图像;
对粗定位图像分别进行腐蚀处理、第二边缘检测处理和膨胀处理,得到第二处理图像。
可选地,获取模块具体用于:
通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据。
可选地,在获取模块通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据之前,上述装置还包括:
提示模块,用于发起票据摆放提示,以提示用户将待处理票据放置在预设位置。
可选地,预处理模块具体用于:
对待处理票据进行图像去噪处理、彩色图像灰度化处理或者灰度图像二值化处理中的至少一种,得到第一处理图像。
可选地,字符识别处理模块具体用于:
对每个单字符进行归一化处理,提取每个单字符的特征信息;
根据特征信息,对每个单字符进行特征匹配处理;
根据匹配结果确定每个单字符的字符信息。
可选地,字符识别处理模块还具体用于:
根据特征信息,通过预设字符模板和预设边缘模板对单字符进行第一特征匹配,若匹配成功,则根据第一匹配结果确定匹配成功的单字符的字符信息,其中,预设字符模板为数字库和字母库的混合模板库;
若匹配不成功,则提取第一特征匹配不成功的单字符的网格特征,通过预设网格特征模板对第一特征匹配不成功的单字符进行第二特征匹配,根据第二匹配结果确定第一特征匹配不成功的单字符的字符信息。
参考图7,其示出了适于用来实现本公开实施例的票据识别设备700的结构示意图,该票据识别设备700可以为终端设备或服务器。其中,终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、个人数字助理(Personal Digital Assistant,简称PDA)、平板电脑(Portable Android Device,简称PAD)、便携式多媒体播放器(PortableMedia Player,简称PMP)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的票据识别设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图7所示,票据识别设备700可以包括处理装置(例如中央处理器、图形处理器等)701,其可以根据存储在只读存储器(Read Only Memory,简称ROM)702中的程序或者从存储装置708加载到随机访问存储器(Random Access Memory,简称RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有票据识别设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常,以下装置可以连接至I/O接口705:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706;包括例如液晶显示器(Liquid CrystalDisplay,简称LCD)、扬声器、振动器等的输出装置707;包括例如磁带、硬盘等的存储装置708;以及通信装置709。通信装置709可以允许票据识别设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的票据识别设备700,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置709从网络上被下载和安装,或者从存储装置708被安装,或者从ROM 702被安装。在该计算机程序被处理装置701执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述票据识别设备中所包含的;也可以是单独存在,而未装配入该票据识别设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该票据识别设备执行时,使得该票据识别设备执行上述实施例所示的方法。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LocalArea Network,简称LAN)或广域网(Wide Area Network,简称WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
本申请实施例的票据识别设备,可以用于执行本申请上述各方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有计算机执行指令,计算机执行指令被处理器执行时用于实现上述任一项的票据识别方法。
本申请实施例还提供一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时,用于实现上述任一项的票据识别方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以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,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。
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。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。
Claims (12)
1.一种票据识别方法,其特征在于,包括:
获取待处理票据;
对所述待处理票据进行图像预处理,得到第一处理图像;
对所述第一处理图像进行票据数字定位处理,得到第二处理图像;
对所述第二处理图像进行字符分割处理,得到所述待处理票据对应的至少一个单字符;
对每个所述单字符进行识别处理,确定每个所述单字符的字符信息;
根据每个所述单字符的字符信息,输出所述待处理票据对应的识别结果。
2.根据权利要求1所述的方法,其特征在于,所述对所述第一处理图像进行票据数字定位处理,得到第二处理图像,包括:
基于改进型索伯算子边缘检测算法,对所述第一处理图像进行第一边缘提取处理和去噪处理,得到粗定位图像;
对所述粗定位图像分别进行腐蚀处理、第二边缘检测处理和膨胀处理,得到第二处理图像。
3.根据权利要求1所述的方法,其特征在于,所述获取待处理票据,包括:
通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据。
4.根据权利要求3所述的方法,其特征在于,在所述通过现场可编程逻辑门阵列芯片控制摄像采集系统获取待处理票据之前,还包括:
发起票据摆放提示,以提示用户将待处理票据放置在预设位置。
5.根据权利要求1所述的方法,其特征在于,所述对所述待处理票据进行图像预处理,得到第一处理图像,包括:
对所述待处理票据进行图像去噪处理、彩色图像灰度化处理或者灰度图像二值化处理中的至少一种,得到第一处理图像。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述对每个所述单字符进行识别处理,确定每个所述单字符的字符信息,包括:
对每个所述单字符进行归一化处理,提取每个所述单字符的特征信息;
根据所述特征信息,对每个所述单字符进行特征匹配处理;
根据匹配结果确定每个所述单字符的字符信息。
7.根据权利要求6所述的方法,其特征在于,所述根据所述特征信息,对每个所述单字符进行特征匹配处理,包括:
根据所述特征信息,通过预设字符模板和预设边缘模板对所述单字符进行第一特征匹配,若匹配成功,则根据第一匹配结果确定匹配成功的单字符的字符信息,其中,所述预设字符模板为数字库和字母库的混合模板库;
若匹配不成功,则提取第一特征匹配不成功的单字符的网格特征,通过预设网格特征模板对所述第一特征匹配不成功的单字符进行第二特征匹配,根据第二匹配结果确定第一特征匹配不成功的单字符的字符信息。
8.根据权利要求1至5任一项所述的方法,其特征在于,所述根据每个所述单字符的字符信息,输出所述待处理票据对应的识别结果,包括:
根据每个所述单字符的字符信息,对所述待处理票据进行分类;
根据分类结果,将所述待处理票据的识别结果发送至所述分类结果对应的预设接收终端。
9.一种票据识别装置,其特征在于,包括:
获取模块,用于获取待处理票据;
预处理模块,用于对所述待处理票据进行图像预处理,得到第一处理图像;
定位处理模块,用于对所述第一处理图像进行票据数字定位处理,得到第二处理图像;
字符分割处理模块,用于对所述第二处理图像进行字符分割处理,得到所述待处理票据对应的至少一个单字符;
字符识别处理模块,用于对每个所述单字符进行识别处理,确定每个所述单字符的字符信息;
输出模块,用于根据每个所述单字符的字符信息,输出所述待处理票据对应的识别结果。
10.一种票据识别设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至8任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至8任一项所述的方法。
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8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310410097.2A CN116543407A (zh) | 2023-04-17 | 2023-04-17 | 票据识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310410097.2A CN116543407A (zh) | 2023-04-17 | 2023-04-17 | 票据识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116543407A true CN116543407A (zh) | 2023-08-04 |
Family
ID=87451476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310410097.2A Pending CN116543407A (zh) | 2023-04-17 | 2023-04-17 | 票据识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543407A (zh) |
-
2023
- 2023-04-17 CN CN202310410097.2A patent/CN116543407A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
US9679354B2 (en) | Duplicate check image resolution | |
CN107437294B (zh) | 一种字符分割方法、装置、设备及存储介质 | |
CN109344864B (zh) | 用于密集物体的图像处理方法及装置 | |
CN103034848A (zh) | 一种表单类型的识别方法 | |
CN114549993B (zh) | 实验中线段图像的评分方法、系统、设备及可读存储介质 | |
CN114387591A (zh) | 车牌识别方法、系统、设备及存储介质 | |
AG | Development of portable automatic number plate recognition (ANPR) system on Raspberry Pi | |
CN108665603B (zh) | 识别纸币币种的方法、装置及电子设备 | |
CN110647824B (zh) | 基于计算机视觉技术的增值税发票版面提取方法 | |
CN111462388A (zh) | 一种票据检验方法、装置、终端设备及存储介质 | |
Ganapathy et al. | A Malaysian vehicle license plate localization and recognition system | |
CN112036304A (zh) | 医疗票据版面识别的方法、装置及计算机设备 | |
CN105512662A (zh) | 一种无牌车辆检测方法及装置 | |
CN111414889B (zh) | 基于文字识别的财务报表识别方法及装置 | |
CA2109002C (en) | Method and apparatus for verifying a container code | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN112632926A (zh) | 票据的数据处理方法、装置、电子设备及存储介质 | |
CN116596921A (zh) | 一种焚烧炉渣分选方法及系统 | |
CN109118240B (zh) | 一种基于指纹采集的即时缴费系统 | |
CN116543407A (zh) | 票据识别方法、装置、设备及存储介质 | |
CN111008635A (zh) | 一种基于ocr的多票据自动识别方法及识别系统 | |
CN114663899A (zh) | 金融票据的处理方法、装置、设备及介质 | |
CN115223157A (zh) | 一种基于循环神经网络的电网设备铭牌光学字符识别方法 | |
CN115546811A (zh) | 一种识别印章的方法、装置、设备及存储介质 |
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 |