一种基于深度神经网络的体检单识别方法和系统技术方案

本发明专利技术提供的一种基于深度神经网络的体检单识别方法和系统，对完成体检项目的纸质体检单进行图像扫描，获取体检单图像；对体检单图像进行预处理；获取预处理后的体检图像的目标区域图像；利用训练完毕的卷积循环神经网络对目标区域图像进行文字识别，输出识别结果；根据识别结果生成电子体检单。卷积循环神经网络包括卷积层、循环层和转录层，卷积层使用卷积神经网络，循环层使用循环神经网络，转录层使用连接时序分类算法计算损失。提高体检项目填写识别率，成本低，效率快，应用广泛。

【技术实现步骤摘要】
一种基于深度神经网络的体检单识别方法和系统
本专利技术涉及一种识别
，尤其涉及一种基于深度神经网络的体检单识别方法和系统。
技术介绍
现有技术中的体检单识别通常是基于OCR的轮廓识别，OCR识别无法解决手写数字和手写汉字的识别。需要采用一种技术解决难以识别手写字符的问题。
技术实现思路
本专利技术提供的一种基于深度神经网络的体检单识别方法和系统，旨在解决现有技术中识别手写数字和手写汉字困难的技术问题。一种基于深度神经网络的体检单识别方法，包括以下步骤：步骤A1，对完成体检项目的纸质体检单进行图像扫描，获取体检单图像；步骤A2，对体检单图像进行预处理；步骤A3，获取预处理后的体检图像的目标区域图像和非目标区域图像；步骤A4，利用训练完毕的卷积循环神经网络对目标区域图像进行文字识别，输出文字识别结果；步骤A5，对非目标区域图像进行定位和文字识别；步骤A6，根据对目标区域图像和非目标区域图像的文字识别结果生成电子体检单。进一步的，步骤A2中预处理包括：<本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的体检单识别方法，其特征在于，包括以下步骤：/n步骤A1，对完成体检项目的纸质体检单进行图像扫描，获取体检单图像；/n步骤A2，对所述体检单图像进行预处理；/n步骤A3，获取预处理后的所述体检图像的目标区域图像和非目标区域图像；/n步骤A4，利用训练完毕的卷积循环神经网络对所述目标区域图像进行文字识别，输出文字识别结果；/n步骤A5，对非目标区域图像进行定位和文字识别；/n步骤A6，根据对所述目标区域图像和所述非目标区域图像的文字识别结果生成电子体检单。/n

【技术特征摘要】
1.一种基于深度神经网络的体检单识别方法，其特征在于，包括以下步骤：
步骤A1，对完成体检项目的纸质体检单进行图像扫描，获取体检单图像；
步骤A2，对所述体检单图像进行预处理；
步骤A3，获取预处理后的所述体检图像的目标区域图像和非目标区域图像；
步骤A4，利用训练完毕的卷积循环神经网络对所述目标区域图像进行文字识别，输出文字识别结果；
步骤A5，对非目标区域图像进行定位和文字识别；
步骤A6，根据对所述目标区域图像和所述非目标区域图像的文字识别结果生成电子体检单。


2.如权利要求1所述的一种基于深度神经网络的体检单识别方法，其特征在于，所述步骤A2中所述预处理包括：
步骤A21，对所述体检单图像进行灰度化；
步骤A22，对灰度化后的所述体检单图像进行二值化。


3.如权利要求1所述的一种基于深度神经网络的体检单识别方法，其特征在于，所述步骤A3包括：
步骤A31，对预处理后的体检单图像进行分割获取多个勾选区域图像，对所述勾选区域图像进行定位；
步骤A32，检测所述勾选区域图像是否存在矩形勾选框轮廓；
步骤A33，若所述勾选区域图像不存在矩形勾选框轮廓，则将所述勾选区域图像对应的体检项目标识为已被勾选，所述目标区域图像是指体检项目被标识为已被勾选的所述勾选区域图像。


4.如权利要求3所述的一种基于深度神经网络的体检单识别方法，其特征在于，在所述步骤A33中，若所述勾选区域图像存在矩形勾选框轮廓，则将所述勾选区域图像对应的体检项目标识为未被勾选，所述非目标区域图像是指体检项目被标识为未被勾选的所述...

【专利技术属性】
技术研发人员：丁洋洋，
申请(专利权)人：上海瑞美锦鑫健康管理有限公司，
类型：发明
国别省市：上海;31