TWI826155B - 識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統 - Google Patents

Abstract

一種識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統中，一影像擷取裝置是在一學習階段對多次對隨機不同放置之複數個學習用帳務憑證對應複數個上述之隨機多合一學習用帳務憑證影，並在一辨識階段對隨機放置之複數個待辨識帳務憑證擷取一隨機多合一待辨識帳務憑證影像。處理裝置在辨識階段，在待辨識帳務憑證影像中定義出複數個前景圖像區塊，將在前景圖像區塊中所擷取之複數個原始待辨識帳務憑證影像加以正規化形成複數個正規化待辨識帳務憑證影像，並辨識正規化待辨識帳務憑證影像而產生出複數組帳務關聯資訊。

Description

識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統

本發明係關於一種帳務管理系統，尤其是指一種識別隨機多合一帳務憑證影像以自動獲取帳務關聯資訊之帳務管理系統。

一般來說，人們往往因為日常生活中的食衣住行等各種行為而得到大量的發票或收據等帳務憑證，例如收銀機統一發票（二聯式收銀機發票或三聯式收銀機發票）、三聯式統一發票（人工三聯式發票或電子三聯式發票）、電子發票（二維條碼發票）、特種統一發票或免用統一發票收據等，而這些大量的帳務憑證更因為各種類的尺寸與格式不同而造成人們收納與記帳的困難。

在上述各種類的發票中，電子發票因為政府政策的推廣而常見於日常生活消費中，且由於電子發票中會印有二維條碼（QR code）來記載發票上的各種資訊，因此現有技術中已有針對電子發票之記帳所開發的手機應用程式，可以透過掃描QR code的方式來獲取電子發票上的資訊，進而增加人們記帳理財的便利性。

相較於電子發票有易於讀取辨識的QR code，其他類型的發票仍存有不易收納與記帳的問題，對於經常會使用到大量三聯式發票的中小企業或個人公司而言更加不便。為了解決上述問題，本案申請人曾於2021年10月13日申請之中華民國公告號第I772199號發明專利（已於2022年7月22日核准公告，以下簡稱「’199號專利」中，揭露了一種識別帳務憑證影像以自動獲取帳務關聯資訊之帳務管理系統，藉以解決上述問題。

然而，在實務上，帳務憑證數量為數眾多，每次只針對一個帳務憑證進行辨識的辨識速度太慢。此外，在每一次對帳務憑證擷取圖像時的條件（至少包含拍攝距離、拍攝角度與憑證擺放角度等）多半不相同，即便利用’199號專利之技術，也無法同時對多張隨機放置之帳務憑證之隨機多合一帳務憑證影像進行有效的辨識而同時獲取多組帳務關聯資訊。

有鑒於在先前技術中，仍無法同時對多張隨機放置之帳務憑證之隨機多合一帳務憑證影像進行有效的辨識，藉以同時獲取多組帳務關聯資訊；緣此，本發明的主要目的在於提供一種識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，以達成同時對多張隨機放置之帳務憑證之隨機多合一帳務憑證影像進行有效的辨識，藉以同時獲取多組帳務關聯資訊的主要目的。

本發明為解決先前技術之問題，所採用的必要技術手段是提供一種識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統（以下簡稱「帳務管理系統」），包含一影像擷取裝置以及一處理裝置。影像擷取裝置係用以在一學習階段對隨機放置之複數個學習用帳務憑證擷取一隨機多合一學習用帳務憑證影像，藉以在重新隨機放置複次不同之該些學習用帳務憑證後，對應地擷取複數個上述之隨機多合一學習用帳務憑證影像，並用以在一辨識階段對隨機放置之複數個待辨識帳務憑證擷取一隨機多合一待辨識帳務憑證影像。

處理裝置係通訊連結於影像擷取裝置，並且包含一學習模組、一關聯區塊辨識模組、一圖像正規化模組與一字符辨識模組。學習模組包含一正規化圖像儲存單元與一分析學習單元。正規化圖像儲存單元係對應於每一隨機多合一學習用帳務憑證影而對應地儲存一組有效帳務憑證影像，每一組有效帳務憑證影像包含複數個正規化學習用帳務憑證影像，藉以儲存複數種正規化尺寸規格之正規化學習用帳務憑證影像。

分析學習單元係分析每一隨機多合一學習用帳務憑證影像與對應之該些正規化學習用帳務憑證影像，用以分析學習出每一隨機多合一學習用帳務憑證影像中之複數個學習影像像素與該些正規化學習用帳務憑證影像之關聯性，藉以學習產生一關聯性分數預測規則。

關聯區塊辨識模組係耦接於學習模組與影像擷取裝置，用以在辨識階段利用關聯性分數預測規則分析預測隨機多合一待辨識帳務憑證影像中之複數個辨識影像像素之複數個關聯性預測分數，將關聯性預測分數中達到一辨識臨界分數之複數個第一辨識影像像素集合定義為複數個前景圖像區塊，並將關聯性預測分數中小於辨識臨界分數之至少一第二辨識影像像素集合定義為至少一背景圖像區塊。

圖像正規化模組係耦接於關聯區塊辨識模組，用以在該些前景圖像區塊中擷取複數個原始待辨識帳務憑證影像，並將該些原始待辨識帳務憑證影像加以正規化以形成對應於該些待辨識帳務憑證之複數個正規化待辨識帳務憑證影像。字符辨識模組係耦接於圖像正規化模組，用以平行化辨識分析該些正規化待辨識帳務憑證影像，據以產生對應於該些待辨識帳務憑證之複數組帳務關聯資訊。

在上述必要技術手段的基礎下所衍生之附屬技術手段中，較佳者，關聯區塊辨識模組更包含一影像像素關聯性預測單元，影像像素關聯性預測單元係在辨識階段利用關聯性分數預測規則分析預測隨機多合一待辨識帳務憑證影像中之辨識影像像素之關聯性預測分數。關聯區塊辨識模組更可包含一前景區塊判斷單元，前景區塊判斷單元係將關聯性預測分數達到辨識臨界分數之第一辨識影像像素集合定義為該些前景圖像區塊，並將關聯性預測分數小於辨識臨界分數之第二辨識影像像素集合定義為該至少一背景圖像區塊。

圖像正規化模組可包含一角度正規化單元。角度正規化單元係分析每一該些前景圖像區塊之一傾斜角度，以分析出每一該些前景圖像區塊所對應之一旋轉修正角，藉以將每一該些原始待辨識帳務憑證影像旋轉所對應之該旋轉修正角後，使該些原始待辨識帳務憑證影像被正規化而形成該些正規化待辨識帳務憑證影像。

圖像正規化模組也可包含一尺寸正規化單元。尺寸正規化單元係比對每一該些原始待辨識帳務憑證影像之一原始尺寸規格與該些正規化尺寸規格，以分析出每一原始待辨識帳務憑證影像所對應之一尺寸調整比例，藉以將每一原始待辨識帳務憑證影像依據所對應之該尺寸調整比例進行調整後，使該些原始待辨識帳務憑證影像被正規化而形成該些正規化待辨識帳務憑證影像。此外，字符辨識模組包含一光學字元辨識（Optical Character Recognition，OCR）單元。

帳務管理系統更可包含一帳務資料處理子系統，帳務資料處理子系統係通信連結於處理裝置，用以儲存些組帳務關聯資訊。較佳者，帳務資料處理子系統更可包含一帳務資料處理單元、一帳務資料儲存單元與一報表產生模組。

帳務資料處理單元係用以接收該些組帳務關聯資訊，並將該些組帳務關聯資訊依據複數個資訊種類進行分類。帳務資料儲存單元係耦接於帳務資料處理單元，用以依據該些資訊種類分別儲存相對應之該些組帳務關聯資訊。報表產生模組係耦接於帳務資料處理單元，用以在接收到一報表產生指令時，透過帳務資料處理單元自帳務資料儲存單元獲取該些組帳務關聯資訊其中至少一者，並據以產生至少一輸出報表。

較佳者，報表產生模組更包含一報表模板儲存單元與一報表產生單元。報表模板儲存單元係儲存有複數個報表模板，報表產生單元係耦接於帳務資料處理單元與報表模板儲存單元，且報表產生單元更依據報表產生指令之一輸出參數將該些組帳務關聯資訊其中至少一者填入該些報表模板其中之至少一者，並據以產生至少一輸出報表。帳務管理系統更可包含一操作介面，操作介面係通訊連結於帳務資料處理子系統，用以受操作而自該帳務資料處理子系統獲取該些組帳務關聯資訊。

綜合以上所述，由於在本發明所提供之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統中，在學習階段可利用分析學習單元多次分析每一隨機多合一學習用帳務憑證影像與對應之正規化帳務憑證影像，並從中學習產生一關聯性分數預測規則，並在辨識階段利用關聯性分數預測規則分析預測隨機多合一待辨識帳務憑證影像中之複數個辨識影像像素之複數個關聯性預測分數，藉以精確地界定出複數個前景圖像區塊而擷取複數個原始待辨識帳務憑證影像，並藉由將原始待辨識帳務憑證影像加以正規化以形成複數個正規化待辨識帳務憑證影像。

毫無疑問地，由於在每一次的辨識過程中，都可對隨機多合一帳務憑證影進行，因此可大幅縮短辨識時間而提升辨識速度；此外，由於是對經過正規化處理的複數個正規化待辨識帳務憑證影像進行字符辨識，因此可以在縮短辨識時間之餘，仍舊可以維持較高的辨識率。顯然本發明所提供之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統兼具提升辨識速度與維持高辨識率之功效。

本發明所採用的具體實施例，將藉由以下之實施例及圖式作進一步之說明。

由於本發明所提供之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，可廣泛運用於對多種不同的帳務憑證進行識別並獲得多組帳務關聯資訊，其組合與變化實施方式不勝枚舉。在此，僅列舉其中較佳的一個實施例來加以具體說明。此外，在各實施例中的圖式均採用非常簡化的形式，各圖式中的影像並非使用絕對精準的比例加以呈現，僅用以方便、明晰地輔助說明本發明實施例的目的與功效。

請參閱第一圖，第一圖顯示本發明較佳實施例所提供之帳務管理系統之系統方塊圖。如第一圖所示，一種識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統（以下簡稱「帳務管理系統」）100包含一影像擷取裝置1、一處理裝置2、一帳務資料處理子系統3以及一操作介面4。

請參閱第一圖與第二圖，其中，第二圖係顯示對隨機放置之複數個學習用帳務憑證擷取一隨機多合一學習用帳務憑證影像。影像擷取裝置1係用以在一學習階段對隨機放置之複數個學習用帳務憑證201、202、203與204擷取一隨機多合一學習用帳務憑證影像200。當學習用帳務憑證201、202、203與204為實體憑證時，影像擷取裝置1可為一數位相機，當學習用帳務憑證201、202、203與204為電子影像憑證，影像擷取裝置1可為一具有影像合成編輯功能之電子裝置。

所謂的「隨機放置」是指無特定方向、無特定位置、無特定放置帳務憑證種類與無特定放置帳務憑證數量。所謂的「帳務憑證」可以是實體帳務憑證，也可以是電子影像帳務憑證。所謂的「多合一」是指一張影像中包含多個學習用帳務憑證影像。因此，所謂的「隨機多合一學習用帳務憑證影像」，可以是一次對隨機放置在放置平台上的多個實體帳務憑證（如學習用帳務憑證201、202、203、204）進行拍照所擷取的影像，也可以是將多個電子影像帳務憑證隨機拼接而成的整合式影像。在本實施例中，隨機多合一學習用帳務憑證影像200中包含無特定方向與位置之四個學習用帳務憑證影像201a、202a、203a與204a，本實施例中涉及三種帳務憑證影像，包含長型電子發票證明聯影像（學習用帳務憑證影像201a）、收銀機統一發票影像（學習用帳務憑證影像202a）與短型電子發票證明聯影像（學習用帳務憑證影像203a與204a）。

請參閱第三圖至第五圖，其中第三圖係顯示在隨機多合一學習用帳務憑證影像中標記複數個帳務憑證影像框，第四圖係顯示依據帳務憑證影像框擷取學習用帳務憑證影像，第五圖係顯示學習用帳務憑證影像加以正規化所獲得之正規化學習用帳務憑證影像。在獲得隨機多合一學習用帳務憑證影像200後，可利用影像處理軟體點選標記出對應於學習用帳務憑證影像201a、202a、203a與204a的四個帳務憑證影像框201f、202f、203f與204f。

然後利用影像處理軟體依據四個帳務憑證影像框201f、202f、203f與204f擷取學習用帳務憑證影像201a、202a、203a與204a。學習用帳務憑證影像201a、202a、203a與204a。經過正規化處理後分別形成四個正規化學習用帳務憑證影像201n、202n、203n與204n。四個正規化學習用帳務憑證影像201n、202n、203n與204n對應於帳務憑證種類包含三種正規化尺寸規格，其中，正規化學習用帳務憑證影像201n為正規化長度Ln1 正規化寬度Wn1之第一種正規化尺寸規格；正規化學習用帳務憑證影像202n為正規化長度Ln2 正規化寬度Wn2之第二種正規化尺寸規格；正規化學習用帳務憑證影像203n與204n皆為正規化長度Ln3 正規化寬度Wn3之第三種正規化尺寸規格。

請參閱第一圖、第二圖與第五圖，處理裝置2係通訊連結於影像擷取裝置1，並且包含一學習模組21、一關聯區塊辨識模組22、一圖像正規化模組23與一字符辨識模組24。關聯區塊辨識模組22係耦接於學習模組21與影像擷取裝置1，圖像正規化模組23係耦接於關聯區塊辨識模組22，字符辨識模組24係耦接於圖像正規化模組23。學習模組21包含一正規化圖像儲存單元211與一分析學習單元212。關聯區塊辨識模組22包含一影像像素關聯性預測單元221與一前景區塊判斷單元222。圖像正規化模組23包含一角度正規化單元231與一尺寸正規化單元232。字符辨識模組24包含一OCR單元241。

隨機多合一學習用帳務憑證影像200與對應之一組有效帳務憑證影像（包含正規化學習用帳務憑證影像201n、202n、203n與204n）都會被儲存在正規化圖像儲存單元211中。

在重新隨機放置複次不同之複數個學習用帳務憑證後，可對應地擷取複數個上述之隨機多合一學習用帳務憑證影像，並分別得到負數組有效帳務憑證影像，且每一隨機多合一學習用帳務憑證影像都會對應於一組上述之有效帳務憑證影像（包含複數個正規化學習用帳務憑證影像），並且儲存在正規化圖像儲存單元211中。換言之，正規化圖像儲存單元211係對應於複數個上述之隨機多合一學習用帳務憑證影而對應地儲存複數組有效帳務憑證影像，每一組有效帳務憑證影像包含複數個正規化學習用帳務憑證影像，藉以儲存複數種正規化尺寸規格之正規化學習用帳務憑證影像。

分析學習單元212係用以分析每一隨機多合一學習用帳務憑證影像（包含隨機多合一學習用帳務憑證影像200）與對應之複數個上述之正規化帳務憑證影像（包含正規化學習用帳務憑證影像201n、202n、203n與204n），在累積多次對隨機多合一學習用帳務憑證影像與對應之複數個上述之正規化帳務憑證影像進行分析學習後，可分析學習出每一隨機多合一學習用帳務憑證影像中之複數個學習影像像素與該些正規化學習用帳務憑證影像之關聯性，藉以學習產生一關聯性分數預測規則。

關於分析學習方式可採用目前現有的區域生成網路（regional proposal network；RPN）或卷積神經網路（Convolutional Neural Network；CNN），結合卷積運算（Convolution）、池化運算（Pooling）、整流線性單位函數（Rectified Linear Unit；ReLU），或結合粗略矩形區域 (Anchor Boxes) 進行多次回歸運算型（Regression type）運算，或在其相關數學運算模型的組合而歸納分析出上述之關聯性分數預測規則，上述之關聯性分數預測規則可為一預測函數其他數學預測運算模型。由於區域生成網路與卷積神經網路學習技術都是屬於目前已相當成熟的學習技術，以下不再予以贅述。

請繼續參閱第一圖與第六圖，其中，第六圖係顯示對隨機放置之複數個待辨識帳務憑證所擷取之一隨機多合一待辨識帳務憑證影像。在帳務管理系統100於學習階段累績完成對多個隨機多合一學習用帳務憑證影像與對應之複數個上述之正規化帳務憑證影像的多次分析學習後，帳務管理系統100已具備足夠的辨識能力，並可進入一辨識階段。影像擷取裝置1係用以在辨識階段對隨機放置之複數個待辨識帳務憑證（在本實施例中包含三個待辨識帳務憑證301、302與303）擷取一隨機多合一待辨識帳務憑證影像300。且隨機多合一待辨識帳務憑證影像300中包含三個原始待辨識帳務憑證影像301a、302a與303a。

請繼續參閱第一圖、第六圖與第七圖，其中，第七圖係顯示關聯區塊辨識模組分析預測隨機多合一待辨識帳務憑證影像中之複數個辨識影像像素所辨識出之前景圖像區塊與背景圖像區塊。關聯區塊辨識模組22之影像像素關聯性預測單元221係在辨識階段利用關聯性分數預測規則分析預測隨機多合一待辨識帳務憑證影像300中之複數個辨識影像像素之複數個關聯性預測分數，在第七圖中的每一格代表一個辨識影像像素，影像像素關聯性預測單元221會對每一格分析預測出一個關聯性預測分數。關聯性預測分數可視為影像像素關聯性預測單元221預測每一辨識影像像素與原始待辨識帳務憑證影像301a有關的機率或信心度。

關聯區塊辨識模組22之前景區塊判斷單元222係將關聯性預測分數達到辨識臨界分數之三個第一辨識影像像素集合定義為複數個前景圖像區塊（在本實施例中定義出三個前景圖像區塊301FR、302FR與303FR），並將關聯性預測分數小於辨識臨界分數之至少一個第二辨識影像像素集合定義為至少一背景圖像區塊（在本實施例中定義出位於前景圖像區塊301FR、302FR與303FR之外的一個背景圖像區塊300BR）。

必須要強調的是，為了便於說明個像素與區塊辨識之間的關係，第七圖中呈現的是120 90的粗略像素。在實務上，隨機多合一待辨識帳務憑證影像300的像素通常可以達到4096 3072，甚至更高；因此，實際上的前景圖像區塊301FR、302FR與303FR的邊界，在肉眼上看來通常會極為接近線性邊界而非如第七圖所顯示之鋸齒狀邊界。關於辨識臨界分數的制定，可依據關聯性分數預測規則與後續驗證回饋出之辨識正確率而調整性地制定。

請繼續參閱第一圖、第六圖、第七圖與第八圖，其中，第八圖係顯示在前景圖像區塊所擷取之原始待辨識帳務憑證影像。在關聯區塊辨識模組22定義出前景圖像區塊301FR、302FR與303FR與背景圖像區塊300BR後，圖像正規化模組23會將在前景圖像區塊301FR、302FR與303FR中擷取三個原始待辨識帳務憑證影像301a、302a與303a，並進行正規化。本發明中所採用的正規化手段可包含角度正規化、尺寸正規化、影像變形正規化（如梯形修正正規化）與灰階正規化中之至少一者，在本實施例中，主要採用了角度正規化與尺寸正規化。

在角度正規化技術中，圖像正規化模組23之角度正規化單元231可分析前景圖像區塊301FR、302FR與303FR（也可視為由原始待辨識帳務憑證影像301a、302a與303a之邊界所分別圍構出之區域）之一傾斜角度。較佳的方式可分析出原始待辨識帳務憑證影像301a、302a與303a所對應之三個中軸線CL1、CL2與CL3分別與垂直方向之間的三個夾角，藉此作為前景圖像區塊301FR、302FR與303FR所對應之三個旋轉修正角θ1、θ2與θ3。

請繼續參閱第一圖、第八圖與第九圖，其中，第九圖係顯示經過角度正規化後所形成之（角度）正規化待辨識帳務憑證影像。在角度正規化單元231分析出旋轉修正角θ1、θ2與θ3後，可將原始待辨識帳務憑證影像301a、302a與303a分別旋轉所對應之旋轉修正角θ1、θ2與θ3後，即可使原始待辨識帳務憑證影像301a、302a與303a被正規化而形成（角度）正規化待辨識帳務憑證影像301n1、302n1與303n1。

請繼續參閱第一圖、第九圖與第十圖，其中，第十圖係顯示其中一（角度）正規化待辨識帳務憑證影像經過尺寸正規化形成一（尺寸）正規化待辨識帳務憑證影像。圖像正規化模組23之尺寸正規化單元232可辨識出（角度）正規化待辨識帳務憑證影像301n1之尺寸規格為原始長度L1 原始寬度W1；在分析原始長度L1和原始寬度W1之比例與正規化尺寸規格中之正規化長度Ln1和正規化寬度Wn1之比例最為接近時，會辨識出（角度）正規化待辨識帳務憑證影像301n1是屬於短型電子發票證明聯影像，可依據原始長度L1與正規化長度Ln1定義出一尺寸調整比例，藉以將（角度）正規化待辨識帳務憑證影像301n1依據所對應之尺寸調整比例進行調整，而將（角度）正規化待辨識帳務憑證影像301n1加以正規化而形成尺寸規格為正規化長度Ln3 正規化寬度Wn3之一（尺寸）正規化待辨識帳務憑證影像301n2。

請繼續參閱第一圖、第九圖與第十一圖，其中，第十一圖係顯示另一（角度）正規化待辨識帳務憑證影像經過尺寸正規化形成另一（尺寸）正規化待辨識帳務憑證影像。相似地，圖像正規化模組23之尺寸正規化單元232可辨識出（角度）正規化待辨識帳務憑證影像302n1之尺寸規格為原始長度L2 原始寬度W2，並利用以上方式將（角度）正規化待辨識帳務憑證影像302n1加以正規化而形成尺寸規格為正規化長度Ln1 正規化寬度Wn1之另一（尺寸）正規化待辨識帳務憑證影像302n2。

請繼續參閱第一圖、第九圖與第十二圖，其中，第十二圖係顯示另一（角度）正規化待辨識帳務憑證影像經過尺寸正規化形成另一（尺寸）正規化待辨識帳務憑證影像。相似地，圖像正規化模組23之尺寸正規化單元232可辨識出（角度）正規化待辨識帳務憑證影像303n1之尺寸規格為原始長度L3 原始寬度W3，並利用以上方式將（角度）正規化待辨識帳務憑證影像303n1加以正規化而形成尺寸規格為正規化長度Ln2 正規化寬度Wn2之另一（尺寸）正規化待辨識帳務憑證影像303n2。

除了以上所述之角度正規化與尺寸正規化之外，如果擷取隨機多合一待辨識帳務憑證影像300時，影像擷取裝置1的中心光軸與待辨識帳務憑證301、302與303的法線方向偏差太大時，容易因為影像擷取裝置1與待辨識帳務憑證301、302與303每個部位的距離產生較大的落差，造成距離近的部位影像較大，距離遠的部位影像較小，因而產生影像變形（如梯形變形）；此時，圖像正規化模組23也可進行影像變形正規化（如梯形修正正規化）。此外，當待辨識帳務憑證301、302與303上有淺色髒污或斑點時，也可藉由灰階正規化的方式濾除部分之髒污與斑點影像。

字符辨識模組24可包含一光學字元辨識（Optical Character Recognition，OCR）單元，可直接利用OCR單元平行化辨識分析（尺寸）正規化待辨識帳務憑證影像301n2、302n2與303n2，據以產生對應於待辨識帳務憑證301、302與303之三組帳務關聯資訊。所謂的「平行化辨識」是指同時啟動對三個（尺寸）正規化待辨識帳務憑證影像301n2、302n2與303n2進行辨識工作，且每一個辨識工作都是獨立運行，不受其他辨識工作的影響。更佳者，可利用字符辨識模組24結合先前技術中所述之’199號專利之技術平行化辨識分析，據以產生對應於待辨識帳務憑證301、302與303之三組帳務關聯資訊。

請繼續參閱第一圖與第十三圖，其中，第十三圖為本發明之所提供之帳務管理系統中之帳務資料處理子系統與周邊相關元件系統方塊圖。在本實施例中，在處理裝置2將自待辨識帳務憑證301、302與303解析出三組帳務關聯資訊後，處理裝置2會將三組帳務關聯資訊後傳送至帳務資料處理子系統3加以儲存，並繼續進行帳務資料處理工作。

在本實施例中，帳務資料處理子系統3包含一帳務資料處理單元31、一帳務資料儲存單元32以及一報表產生模組33。帳務資料處理單元31是通信連結於處理裝置2，用以接收處理裝置2所解析出之三組帳務關聯資訊，並將三組帳務關聯資訊依據複數個資訊種類進行分類；其中，資訊種類是依據憑證類型進行分類，例如包含了長型電子發票證明聯、收銀機統一發票與短型電子發票證明聯、採購單、報價單與請款單等。帳務資料儲存單元32是電性連結於帳務資料處理單元31，用以依據資訊種類分別儲存相對應之各組帳務關聯資訊。

報表產生模組33包含一報表模板儲存單元331與一報表產生單元332。報表模板儲存單元331儲存有複數個報表模板（圖未示）；其中，報表模板例如包含採購計畫表模板、營收報表模板、科目餘額表、損益表或資產負債表等可以整合帳務關聯資訊之報表模板。

報表產生單元332是電性連結於帳務資料處理單元31與報表模板儲存單元331，且報表產生單元332更依據一報表產生指令（圖未示）之輸出參數將儲存於帳務資料儲存單元32之多個帳務關聯資訊其中至少一者套入多個報表模板其中之一者，並據以產生一輸出報表400。

操作介面4是通訊連結於帳務資料處理子系統3之報表產生單元332，用以受使用者操作而發送報表產生指令至帳務資料處理子系統3，藉以自帳務資料處理子系統3獲取帳務關聯資訊。在本實施例中，帳務資料處理子系統3可為一雲端處理系統，而操作介面4可以是透過電腦主機或智慧型電子裝置實現；此外，輸出報表400可以是電子式報表（PDF檔或excel檔）或者是透過影印裝置列印之書面報表。

最後必須強調的是，以上所述之「模組」與可為在一裝置中所安裝之一應用程式之主程式或副程式，或安裝該應用程式之主程式或副程式之裝置；上述之「單元」在一裝置中所安裝之一應用程式之副程式，或安裝該應用程式之副程式之裝置。上述之「耦接」可為主程式與副程式之資料、命令或指令對接，或者為安裝該應用程式之裝置之間的資料、命令或指令對接。

綜合以上所述，由於在本發明所提供之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統100中，在學習階段可利用分析學習單元212多次分析每一隨機多合一學習用帳務憑證影像200與對應之正規化帳務憑證影像，並從中學習產生一關聯性分數預測規則，並在辨識階段利用關聯性分數預測規則分析預測隨機多合一待辨識帳務憑證影像300中之複數個辨識影像像素之複數個關聯性預測分數，藉以精確地界定出複數個前景圖像區塊301FR、302FR與303FR而擷取複數個原始待辨識帳務憑證影像301a、302a與303a，並藉由將原始待辨識帳務憑證影像301a、302a與303a加以正規化（如角度與尺寸正規化）以形成複數個（尺寸）正規化待辨識帳務憑證影像301n2、302n2與303n2。

毫無疑問地，由於在每一次的辨識過程中，都可對隨機多合一帳務憑證影進行，因此可大幅縮短辨識時間而提升辨識速度；此外，由於是對經過正規化處理的（尺寸）正規化待辨識帳務憑證影像301n2、302n2與303n2進行字符辨識，因此可以在縮短辨識時間之餘，仍舊可以維持較高的辨識率。顯然本發明所提供之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統兼具提升辨識速度與維持高辨識率之功效。

藉由以上較佳具體實施例之詳述，係希望能更加清楚描述本發明之特徵與精神，而並非以上述所揭露的較佳具體實施例來對本發明之範疇加以限制。相反地，其目的是希望能涵蓋各種改變及具相等性的安排於本發明所欲申請之專利範圍的範疇內。

100:帳務管理系統 1:影像擷取裝置 2:處理裝置 21:學習模組 211:正規化圖像儲存單元 212:分析學習單元 22:關聯區塊辨識模組 221:影像像素關聯性預測單元 222:前景區塊判斷單元 23:圖像正規化模組 231:角度正規化單元 232 :尺寸正規化單元 24:字符辨識模組 241:OCR單元 3:帳務資料處理子系統 31:帳務資料處理單元 32:帳務資料儲存單元 33:報表產生模組 331:報表模板儲存單元 332:報表產生單元 4:操作介面 201~204:學習用帳務憑證 200:隨機多合一學習用帳務憑證影像 201f~204f:帳務憑證影像框 201a~204a:學習用帳務憑證影像 201n~204n:正規化學習用帳務憑證影像 301~303:待辨識帳務憑證 300:隨機多合一待辨識帳務憑證影像 301a~303a:原始待辨識帳務憑證影像 300BR:背景圖像區塊 301FR,302FR,303FR:前景圖像區塊 301n1~303n1:（角度）正規化待辨識帳務憑證影像 301n2~303n2:（尺寸）正規化待辨識帳務憑證影像 CL1~CL3:中軸線 Ln1~Ln3:正規化長度 Wn1~Wn3:正規化寬度 L1~L3:原始長度 W1~W3:原始寬度 θ1~θ3:旋轉修正角 400:輸出報表

第一圖顯示本發明較佳實施例所提供之帳務管理系統之系統方塊圖； 第二圖係顯示對隨機放置之複數個學習用帳務憑證擷取一隨機多合一學習用帳務憑證影像； 第三圖係顯示在隨機多合一學習用帳務憑證影像中標記複數個帳務憑證影像框； 第四圖係顯示依據帳務憑證影像框擷取學習用帳務憑證影像； 第五圖係顯示學習用帳務憑證影像加以正規化所獲得之正規化學習用帳務憑證影像； 第六圖係顯示對隨機放置之複數個待辨識帳務憑證所擷取之一隨機多合一待辨識帳務憑證影像； 第七圖係顯示關聯區塊辨識模組分析預測隨機多合一待辨識帳務憑證影像中之複數個辨識影像像素所辨識出之前景圖像區塊與背景圖像區塊； 第八圖係顯示在前景圖像區塊所擷取之原始待辨識帳務憑證影像； 第九圖係顯示經過角度正規化後所形成之（角度）正規化待辨識帳務憑證影像； 第十圖係顯示其中一（角度）正規化待辨識帳務憑證影像經過尺寸正規化形成一（尺寸）正規化待辨識帳務憑證影像； 第十一圖係顯示另一（角度）正規化待辨識帳務憑證影像經過尺寸正規化形成另一（尺寸）正規化待辨識帳務憑證影像； 第十二圖係顯示另一（角度）正規化待辨識帳務憑證影像經過尺寸正規化形成另一（尺寸）正規化待辨識帳務憑證影像；以及 第十三圖為本發明之所提供之帳務管理系統中之帳務資料處理子系統與周邊相關元件系統方塊圖。

100:帳務管理系統

1:影像擷取裝置

2:處理裝置

21:學習模組

211:正規化圖像儲存單元

212:分析學習單元

22:關聯區塊辨識模組

221:影像像素關聯性預測單元

222:前景區塊判斷單元

23:圖像正規化模組

231:角度正規化單元

232:尺寸正規化單元

24:字符辨識模組

241:OCR單元

3:帳務資料處理子系統

4:操作介面

201~204:學習用帳務憑證

301~303:待辨識帳務憑證

Claims (10)

1. 一種識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，包含： 一影像擷取裝置，係用以在一學習階段對隨機放置之複數個學習用帳務憑證擷取一隨機多合一學習用帳務憑證影像，藉以在重新隨機放置複數次不同之該些學習用帳務憑證後，對應地擷取複數個上述之隨機多合一學習用帳務憑證影像，並用以在一辨識階段對隨機放置之複數個待辨識帳務憑證擷取一隨機多合一待辨識帳務憑證影像；以及 一處理裝置，係通訊連結於該影像擷取裝置，並且包含： 一學習模組，包含： 一正規化圖像儲存單元，係對應於每一該些隨機多合一學習用帳務憑證影像而對應地儲存一組有效帳務憑證影像，該組有效帳務憑證影像包含複數個正規化學習用帳務憑證影像，藉以儲存複數種正規化尺寸規格之該些正規化學習用帳務憑證影像；以及 一分析學習單元，係分析每一該些隨機多合一學習用帳務憑證影像與對應之該些正規化學習用帳務憑證影像，用以分析學習出每一該些隨機多合一學習用帳務憑證影像中之複數個學習影像像素與該些正規化學習用帳務憑證影像之關聯性，藉以學習產生一關聯性分數預測規則； 一關聯區塊辨識模組，係耦接於該學習模組與該影像擷取裝置，用以在該辨識階段利用該關聯性分數預測規則分析預測該隨機多合一待辨識帳務憑證影像中之複數個辨識影像像素之複數個關聯性預測分數，將該些關聯性預測分數中達到一辨識臨界分數之複數個第一辨識影像像素集合定義為複數個前景圖像區塊，並將該些關聯性預測分數中小於該辨識臨界分數之至少一第二辨識影像像素集合定義為至少一背景圖像區塊； 一圖像正規化模組，係耦接於該關聯區塊辨識模組，用以在該些前景圖像區塊中擷取複數個原始待辨識帳務憑證影像，並將該些原始待辨識帳務憑證影像加以正規化，藉以形成對應於該些待辨識帳務憑證之複數個正規化待辨識帳務憑證影像；以及 一字符辨識模組，係耦接於該圖像正規化模組，用以平行化辨識分析該些正規化待辨識帳務憑證影像，據以產生對應於該些待辨識帳務憑證之複數組帳務關聯資訊。
2. 如請求項1所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，其中，該關聯區塊辨識模組更包含一影像像素關聯性預測單元，該影像像素關聯性預測單元係在該辨識階段利用該關聯性分數預測規則分析預測該隨機多合一待辨識帳務憑證影像中之該些辨識影像像素之該些關聯性預測分數。
3. 如請求項1所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，其中，該關聯區塊辨識模組更包含一前景區塊判斷單元，該前景區塊判斷單元係將該些關聯性預測分數中達到該辨識臨界分數之該些第一辨識影像像素集合定義為該些前景圖像區塊，並將該些關聯性預測分數中小於該辨識臨界分數之該至少一第二辨識影像像素集合定義為該至少一背景圖像區塊。
4. 如請求項1所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，其中，該圖像正規化模組更包含一角度正規化單元，該角度正規化單元係分析每一該些前景圖像區塊之一傾斜角度，以分析出每一該些前景圖像區塊所對應之一旋轉修正角，藉以將每一該些原始待辨識帳務憑證影像旋轉所對應之該旋轉修正角後，使該些原始待辨識帳務憑證影像被正規化而形成該些正規化待辨識帳務憑證影像。
5. 如請求項1所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，其中，該圖像正規化模組更包含一尺寸正規化單元，該尺寸正規化單元係比對每一該些原始待辨識帳務憑證影像之一原始尺寸規格與該些正規化尺寸規格，以分析出每一該些原始待辨識帳務憑證影像所對應之一尺寸調整比例，藉以將每一該些原始待辨識帳務憑證影像依據所對應之該尺寸調整比例調整後，使該些原始待辨識帳務憑證影像被正規化而形成該些正規化待辨識帳務憑證影像。
6. 如請求項1所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，其中，該字符辨識模組包含一光學字元辨識（Optical Character Recognition，OCR）單元。
7. 如請求項1所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，更包含一帳務資料處理子系統，該帳務資料處理子系統係通信連結於該處理裝置，用以儲存該些組帳務關聯資訊。
8. 如請求項7所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，其中，該帳務資料處理子系統更包含： 一帳務資料處理單元，係用以接收該些組帳務關聯資訊，並將該些組帳務關聯資訊依據複數個資訊種類進行分類； 一帳務資料儲存單元，係耦接於該帳務資料處理單元，用以依據該些資訊種類分別儲存相對應之該些組帳務關聯資訊；以及 一報表產生模組，係耦接於該帳務資料處理單元，用以在接收到一報表產生指令時，透過該帳務資料處理單元自該帳務資料儲存單元獲取該些組帳務關聯資訊其中至少一者，並據以產生至少一輸出報表。
9. 如請求項8所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，其中，該報表產生模組更包含一報表模板儲存單元與一報表產生單元，該報表模板儲存單元係儲存有複數個報表模板，該報表產生單元係耦接於該帳務資料處理單元與該報表模板儲存單元，且該報表產生單元更依據該報表產生指令之一輸出參數將該些組帳務關聯資訊其中至少一者填入該些報表模板其中之至少一者，並據以產生該至少一輸出報表。
10. 如請求項7所述之識別隨機多合一帳務憑證影像以自動獲取多組帳務關聯資訊之帳務管理系統，更包含一操作介面，該操作介面係通訊連結於該帳務資料處理子系統，用以受操作而自該帳務資料處理子系統獲取該些組帳務關聯資訊。