CN117115829A - 一种打款回执单的识别方法和装置 - Google Patents

Abstract

本发明公开了一种打款回执单的识别方法和装置，包括：获取文件单页图片；确定单页图片最佳等分数量n；根据最佳等分数量n，将单页图片等分为n个区域，确定区域的坐标；同时在n个区域进行重要字符匹配，获取回执单高度，确定回执单范围；在回执单范围内进行内容识别，生成与订单对应的回执信息。根据上述技术方案，可以减少打款回执单识别时定位时的扫描空间，降低资源压力，也可以对识别误差进一步判断，提高识别处理的效率。

Description

一种打款回执单的识别方法和装置

技术领域

本发明涉及计算机应用领域，具体而言，涉及一种打款回执单的识别方法和装置。

背景技术

当前众多互联网业务需要用户向服务商汇款，如果客户选择直接向银行汇款的付款方式，通常需要银行的打款回执单来确认对照客户打款的状态及打款的信息；当客户越来越多，打款业务越来越频繁后，人工或者简单的图像识别，在确认回执状态时，效率低下，容易产生误差。因此需要一种针对打款的回执单进行识别处理的方案，既要保证识别的准确率，又要保证识别的效率。

发明内容

为实现上述目的，本发明提供了一种打款回执单的识别方法，包括以下步骤：

获取文件单页图片；

确定单页图片最佳等分数量n；

根据最佳等分数量n，将单页图片等分为n个区域，确定区域的坐标；

同时在n个区域进行重要字符匹配，获取回执单高度，确定回执单范围；

在回执单范围内进行内容识别，生成与订单对应的回执信息。

其中，确定单页图片最佳等分数量n的方法为：n＝k+2，其中k为单页图片回执数量k，通过提前预设确定；

单页图片回执数量为制作PDF文件时确定，一个页面中可包含的回执单最大值。

进一步的，将单页图片等分为n个区域前，确定坐标原点为文件单页图片左上角的点，确定文件单页图片的长度和宽度分别为l，w；

将单页图片等分为n个区域后，n个坐标区域定义为：其中，i＝1、2…n，i<n。

进一步的，重要字符匹配指：确定区域的坐标范围，在坐标范围查找重要字符组，找到重要字符组的全部内容后，返回重要字符组的标识坐标，停止寻找；

其中，重要字符组包括一个或多个字符信息；

其中，标识坐标指，重要字符组中所有字符信息的最小坐标；

将n个区域获得的标识坐标的y值相减，获得的最小差值绝对值为回执单高度。

进一步的，生成与订单对应的回执信息包括信息确认，信息确认指：通过图像识别技术获取信息项后，对信息项进行归类，针对信息项类别进行二次确认，如果确认通过，存储该信息项；

二次确认包括：基本内容确认和业务内容确认。

基本内容确认包括数字验证、长度验证、内容验证。

业务内容确认指：将回执单信息发送至服务器，在业务信息中确认回执单信息是否有效；确认所述回执单信息是否有效包括：校验收款人名称是否属于客户人群、收款人账户是否为对应的客户白名单收款账户。

进一步的，针对信息项类别进行二次确认还包括：如果确认不通过，采取警报机制；警报主要来源为基本内容确认和业务内容确认不通过的内容，警报机制将确认失败的原因、获取的回执单信息及截取的回执单图片归类、展示，支持通过二次识别或者人工纠正的方式来弥补和完善数据。

另一方面，本发明还提供了一种打款回执单的识别装置，包括：

识别图片确定模块：用于从PDF文件获取文件单页图片；

等分数量确定模块：用于确定单页图片最佳等分数量n；

识别区域确定模块：用于根据最佳等分数量n，将单页图片等分为n个区域，确定区域的坐标；

回执内容确定模块：包括识别范围确定单元、内容识别单元和内容确认单元；识别范围确定单元用于同时在n个区域进行重要字符匹配，获取回执单高度，确定回执单范围；内容识别单元用于在回执单范围内进行内容识别，生成与订单对应的回执信息；内容确认单元用于通过图像识别技术获取信息项后，对所述信息项进行归类，针对所述信息项类别进行二次确认，如果确认通过，对所述信息项进行存储。

进一步的，回执内容确定模块还包括警报单元，用于当二次确认未通过时，获取失败原因和回执信息并发送至管理人员。

根据本发明，可以节约打款回执单识别时定位时的空间扫描，降低资源压力，也可以对识别误差进一步判断，提高识别处理的效率。

附图说明

图1是根据本发明实施例提供的打款回执单的识别方法步骤图；

图2是根据本发明实施例提供的打款回执单文件单页图片处理示意图；

图3是根据本发明实施例提供的打款回执单的识别装置结构示意图。

具体实施方式

目前部分互联网服务业务的付费流程包括客户向银行汇款，银行向服务商批量提供打款回执单，服务商根据回执单确认客户订单；其中银行提供打款回执单的格式，多数为多页的PDF文件，每一页包括一份或多份完整的回执单；在本发明提供的方案中，将PDF的每一页进行等分后，在小区域内识别关键位置以确定回执单的准确位置，在准确位置识别关键信息后，对信息进行校验，检验通过的信息作为订单有效信息，更新订单状态和存档；同时，由于采用等分区域，各区域同步识别的方案，减小了每次识别的资源压力，提高了识别处理的效率。

下面结合说明书附图对本发明的具体实现方式做一详细描述。

图1是本发明提供的打款回执单的识别方法步骤图，如图所示，包括以下步骤：

S100：获取文件单页图片；

首先，导入银行打款电子回执单的PDF文件，该PDF文件一般为一页或多页，一页包括一份或多份回执确认单；

其次，将该PDF文件按页进行图片化，即提取文件单页图片，每页单页图片如图2所示；

图片化的页面可通过OCR图像识别，由于一个单页图片可能包括多份回热，则需要分别获取每条回执单信息；并计算每条回执单信息的相关坐标，按照坐标对图片进行截取，获取单条回执单信息。

在本发明中，对提取回执单信息的相关坐标、获取回执单高度的方案进行了优化：即在单页中区分区域，针对每个区域加载识别任务，查找指定信息的位置，各区域中一旦查找到该信息，即停止该区域的查找。因此，减少了页面识别中无效查找的操作，极大的提高了识别效率。

具体操作程见以下步骤：

S110：确定单页图片最佳等分数量n；

本发明提供确定单页图片最佳等分数量n的方法为：n＝k+2；

其中k为单页图片回执数量，单页图片回执数量为制作PDF文件时确定的、一个页面中可包含的回执单最大值。例如，通常情况下每一页最多包含3个回执信息，则预先设定回执数量为k＝3，即此时n取值5。

S120：根据所述最佳等分数量n，将单页图片等分为n个区域，确定区域的坐标；

本步骤中，将识别结果区域进行n等分，用于后续步骤的重要字符匹配，减少字符匹配查找次数，更加快速获取每一条回执信息的开始位置及结束位置，更加精准的对回执单进行截取。

将单页图片等分为n个区域前，确定坐标原点为文件单页图片左上角，确定文件单页图片的长度和宽度分别为l，w；

如图2所示，将单页图片等分为n个区域后，n个坐标区域(左上角、右下角坐标确定一个区域)定义为：

其中，i＝1、2…n，i<n。

S130：同时在所述n个区域进行重要字符匹配，获取回执单高度，确定回执单范围；

如n＝5的情况，将每一页按照页面高度平均分为5个部分，识别结果对照纵向高度信息，也同样分成5个结果部分，同时在这5个结果部分中查找重要字符，找到后立即返回字符坐标，并停止寻找，结合最近的两个字符坐标，相减即可计算出每页中，每一条回单信息的高度。通过这种方式，相对整页扫描后确定每一条回执的位置，避免了大量的无效位置的扫描代价；相对于固定坐标截取，又可以兼容位置变化，更具灵活性和准确性。

本步骤中提出的重要字符匹配指：确定区域的坐标范围，坐标范围查找重要字符组，找到重要字符组的全部内容后，返回重要字符组的标识坐标，停止寻找；

其中，重要字符组包括一个或多个字符信息；可根据银行回执单特征或者业务特征确定，如本实施例中，重要字符组设定为“银行”、“回单”；

标识坐标指，重要字符组中所有字符信息的最小坐标；例如，在n＝1的区域，查找到“银行”的坐标为(90，25)，“回单”的坐标为(134，27)，则该重要字符组的标识坐标(90，25)；

通过同样的方法，获得在n＝2的区域，该重要字符组的标识坐标(90，380)；

在n＝3的区域，未找到该重要字符组；

在n＝4的区域，该重要字符组的标识坐标(90，738)；

在n＝5的区域，由于已找到n-2份重要字符级，则在该区域需要查找重要字符组；

将n个区域获得的标识坐标的y值相减，获得的最小差值绝对值为回执单高度；在本实施例中，可获得y值相减的最小值为355，即可确定高度为355像素。

通过回执单高度，即可确定回执单的范围；

在本实施例中，回执单高度为355像素，则：结合重要字符组的标识坐标，可确定三份回执单的范围分别为：

[(0,25),(w,380)]、[(0,381),(w,736)]、[(0,738),(w,1093)]；

该区域通过左上角和右下角限定区域，其中，w为单页宽度。

S140：在回执单的坐标范围内进行内容识别，生成与订单对应的回执信息。

根据回执单的范围进行OCR识别和截图，获取每一条回执单的全部信息，每条回执单包括回单编号、回单类型、付款人账户、付款人名称、收款人账户、收款人姓名、开户行等信息。

由于单纯的识别结果，可能发生乱码情况，在本发明中，在生成与订单对应的回执信息过程中，增加信息确认步骤，通过信息确认可以更加准确的提取回执单中的信息，根据业务需要进行归类，对异常数据进行提示。

信息确认指：通过图像识别技术获取信息项后，对所述信息项进行归类，针对所述信息项类别进行二次确认，如果确认通过，对所述信息项进行存储；所谓信息的二次确认，即包括两类确认：基本内容确认和业务内容确认：

基本内容确认的范围，包括：数字验证、长度验证、内容验证。

例如，收款人信息主要包含：收款人账户、收款人名称、附加信息，国内收款人账户通常为全数字，因此这里会对收款人账户做一个全数字检验的确认，不通过则会提出警报；而收款人名称则会检验长度，当长度不在2到4个字符之间，则提出警报。最后轮询全部的回执单信息将收款人名称相同的归为一类，并以获取到的附加信息作为二级分类，从而提取出以人为主体、附加信息为次一级的回执单信息分类结果。

业务内容确认指：将回执单信息发送至服务器，在业务信息中确认所述回执单信息是否有效，具体包括：分类后的一一对应的回执单信息以及截取到的图片数据发送至服务器，服务器首先校验收款人名称是否属于客户人群、收款人账户是否为对应的客户白名单收款账户，成功则将截取到的图片归档到该客户名下，检验失败则会进行警报，截取到的图片则展示归档到回执单里的收款人名下，不与任何客户绑定。如实施例中，由后台服务器维护一个客户人群表单与一个客户关联的收款账户白名单，通过收款人名称查找是否存在该用户，并且也要检验该用户在收款账户白名单中的收款账户与上传到服务器的回执单数据中的收款人名称是否对应。

基于信息确认通过的回执信息，可以更新客户的付款状态，并处理相关的业务。

如在本实施例中，服务器会根据收款人名称对应找到相关客户，更新该用户的付款状态，并根据附加信息，查找对对应的业务，为该客户开通相关业务的权限。

而对于信息确认未通过的信息，可采取相应警报机制，警报主要来源为基本内容确认和业务内容确认不通过的内容，警报机制将确认失败的原因、获取的回执单信息及截取的回执单图片归类、展示，可以通过二次识别或者人工纠正的方式来弥补和完善数据，从而进一步的保障回执单归类的准确率。

本发明还公开了一种打款回执单的识别装置，其结构如图3所示，包括以下部分：

P300识别图片确定模块：用于从PDF文件获取文件单页图片；

在本发明中，识别图片确定模块获取导入的银行打款电子回执单的PDF文件，将该PDF文件按页进行图片化，即提取文件单页图片。

P310等分数量确定模块：用于确定单页图片最佳等分数量n；

最佳等分数量n根据文件单页图片中回执单的数量决定，具体采用n＝k+2确定方案，例如，一个文件单页图片中包括3份回执单，则最佳等分数量为5。

P320识别区域确定模块：用于根据最佳等分数量n，将单页图片等分为n个区域，确定各区域的坐标；

识别区域确定模块将每个单页图片加入坐标系，确定坐标原点为文件单页图片左上角，确定文件单页图片的长度和宽度分别为l，w，将单页图片纵向等分为n个区域后，n个坐标区域(左上角、右下角坐标确定一个区域)定义为：

其中，i＝1、2…n，i<n。

P330回执内容确定模块：包括P331识别范围确定单元、P332内容识别单元和P333内容确认单元；

P331识别范围确定单元用于同时在n个区域进行重要字符匹配，获取回执单高度，确定回执单范围；

识别范围确定单元启动查找任务，在单页图片的n个区域分别查找重要字符组，本发明中，重要字符组可以设为“银行”、“回单”，在各任务在对应的坐标范围查找重要字符组时，找到全部内容后，返回重要字符组的标识坐标，并停止寻找；在确认未查找的区域不存在重要字符组的情况下，查找任务可忽略该区域，例如，n＝5的情况下，前4个区域已查到3个重要字符组的标识坐标，则第5个区域可忽略查找。

将重要字符组中所有字符信息的最小坐标设为标识坐标，将n个区域获得的标识坐标的y值相减，获得的最小差值绝对值为回执单高度。通过回执单高度，即可确定回执单的范围。

P332内容识别单元用于根据坐标范围对单页图片进行图片裁剪和内容识别，生成与订单对应的回执信息，其中包括回单编号、回单类型、付款人账户、付款人名称、收款人账户、收款人姓名、开户行等信息项。

P333内容确认单元用于通过图像识别技术获取信息项后，对信息项进行归类，针对信息项类别进行确认，如果确认通过，对所述信息项内容和对应的裁剪的回执单图片进行存储。内容确认单元支持二次确认，包括基本内容确认和业务内容确认，从信息项的格式角度，以及订单业务的用户信息角度都进行校验。

回执内容确定模块还包括P334警报单元，用于当二次确认未通过时，获取失败原因和回执信息并发送至管理人员。

本发明是针对银行提供打款回执单的实际场景，结合实际处理的PDF文件的特征提出的回执单识别方案。即：对每一页进行等分后，在小区域内识别关键位置以确定回执单的准确位置，在准确位置识别关键信息后，对信息进行校验，校验通过的信息作为订单有效信息，更新订单状态和存档；同时，在对有效区域定位的过程中，采用等分区域，各区域同步识别来定位的方案，减少了每次识别扫描的空间，降低了资源压力，提高了识别处理的效率。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (10)

1.一种打款回执单的识别方法，其特征在于，包括以下步骤：

获取文件单页图片；

确定所述单页图片最佳等分数量n；

根据所述最佳等分数量n，将所述单页图片等分为n个区域，确定所述区域的坐标；

同时在所述n个区域进行重要字符匹配，获取回执单高度，确定回执单范围；

在所述回执单范围内进行内容识别，生成与订单对应的回执信息。

2.根据权利要求1所述的识别方法，其特征在于，所述确定所述单页图片最佳等分数量n的方法为：n＝k+2，

其中k为所述单页图片回执数量k，通过提前预设确定；

所述单页图片回执数量为制作PDF文件时确定，一个页面中可包含的回执单最大值。

3.根据权利要求1所述的识别方法，其特征在于，所述将所述单页图片等分为n个区域前，确定坐标原点为所述文件单页图片左上角的点，确定所述文件单页图片的长度和宽度分别为l，w；

所述将所述单页图片等分为n个区域后，所述n个坐标区域定义为：其中，i＝1、2…n，i<n。

4.根据权利要求1所述的识别方法，其特征在于，所述重要字符匹配指：确定所述区域的坐标范围，在所述坐标范围查找重要字符组，找到所述重要字符组的全部内容后，返回所述重要字符组的标识坐标，停止寻找；

其中，所述重要字符组包括一个或多个字符信息；

所述标识坐标指，所述重要字符组中所有字符信息的最小坐标；

将所述n个区域获得的标识坐标的y值相减，获得的最小差值绝对值为回执单高度。

5.根据权利要求1所述的识别方法，其特征在于，所述生成与订单对应的回执信息包括信息确认，所述信息确认指：通过图像识别技术获取信息项后，对所述信息项进行归类，针对所述信息项类别进行二次确认，如果确认通过，对所述信息项进行存储；

所述二次确认包括：基本内容确认和业务内容确认。

6.根据权利要求5所述的识别方法，其特征在于，所述基本内容确认包括数字验证、长度验证、内容验证。

7.根据权利要5所述的识别方法，其特征在于，所述业务内容确认指：将回执单信息发送至服务器，在业务信息中确认所述回执单信息是否有效；所述确认所述回执单信息是否有效包括：校验收款人名称是否属于客户人群、收款人账户是否为对应的客户白名单收款账户。

8.根据权利要5所述的识别方法，其特征在于，所述针对所述信息项类别进行二次确认还包括：如果确认不通过，采取警报机制；所述警报主要来源为基本内容确认和业务内容确认不通过的内容，所述警报机制将确认失败的原因、获取的回执单信息及截取的回执单图片归类、展示，支持通过二次识别或者人工纠正的方式来弥补和完善数据。

9.一种打款回执单的识别装置，其特征在于，包括：

识别图片确定模块：用于从PDF文件获取文件单页图片；

等分数量确定模块：用于确定所述单页图片最佳等分数量n；

识别区域确定模块：用于根据所述最佳等分数量n，将所述单页图片等分为n个区域，确定所述区域的坐标；

回执内容确定模块：包括识别范围确定单元、内容识别单元和内容确认单元；所述识别范围确定单元用于同时在所述n个区域进行重要字符匹配，获取回执单高度，确定回执单范围；所述内容识别单元用于在所述回执单范围内进行内容识别，生成与订单对应的回执信息；所述内容确认单元用于通过图像识别技术获取信息项后，对所述信息项进行归类，针对所述信息项类别进行二次确认，如果确认通过，对所述信息项进行存储。

10.根据权利要9所述的识别装置，其特征在于，所述回执内容确定模块还包括警报单元，用于当二次确认未通过时，获取失败原因和回执信息并发送至管理人员。