基于深度学习的发票文本信息识别方法技术

本发明专利技术涉及票据处理领域，公开了一种基于深度学习的发票文本信息识别方法，解决字段和信息的不能智能匹配问题，导致人工对票据信息进行匹配标定耗时耗力的问题。本发明专利技术的方案为：首先将图片导入深度学习网络进行通用文字检测；再结合检测结果对原图进行裁剪；再将裁剪后的图片送入深度学习网络进行通用文字识别；再结合通用文字检测识别结果进行后处理；最后结合后处理结果，得到票据字段及其对应信息，并保存结果到数据库。本发明专利技术适用于发票文本信息识别。

【技术实现步骤摘要】
基于深度学习的发票文本信息识别方法
本专利技术涉及票据处理领域，特别涉及基于深度学习的发票文本信息识别方法。
技术介绍
在票据识别方面，随着社会发展和经济进步，票据的识别检测工作量也逐步变大，智能化识别票据成为迫切的需求。在过去，票据上的各种关键字段信息全部由人工筛选识别，这种单一繁复的工作耗时巨大，随着深度学习方法的进步，票据的文本可以通过神经网络来进行通用识别和通用检测。但是此处存在一个缺陷，具体就是文本检测后的结果，仍然需要人工来进行筛选和修改，这仍然需要耗时耗力。产生缺陷的另一个原因是票据多种多样。票据上信息的复杂性成为了票据检测识别的瓶颈，包括字段文字类型的多样，字段边框的不定长宽比以及待检测识别的票据种类繁多等。主要体现为：文字类型有不同语言，不同符号，字段可能很长或是很短，票据种类包括统一发票，机票，火车票等等。随着深度学习技术发展，此技术正在被应用于越来越多的领域，工程、信息技术、金融、医疗等等。在财务电子化领域中，深度学习技术可以用于报表、发票、文件的识别和检测。但是由于票据的名录多种多样，票据内容更是纷繁复杂，仅仅使本文档来自技高网...

【技术保护点】
1.基于深度学习的发票文本信息识别方法，其特征在于，包括如下步骤：/n步骤一：将图片导入第一深度学习网络进行通用文字检测；/n步骤二：结合步骤一的检测结果对原图进行裁剪；/n步骤三：将裁剪后的图片送入第二深度学习网络进行通用文字识别；/n步骤四：结合通用文字检测识别结果进行后处理操作，所述后处理包括通用后处理，所述通用后处理包括正则匹配、范围检索、信息提取及坐标边界；/n所述正则匹配的步骤包括：对于给定的待匹配字段和相应的文本信息，制定正则表达式，然后在步骤二得到的文本内容列表中进行正则匹配，完成匹配后获取该文本的文本框序列号；/n所述范围检索的步骤包括：给定一个检索范围I，在正则匹配得到的序...

【技术特征摘要】
1.基于深度学习的发票文本信息识别方法，其特征在于，包括如下步骤：
步骤一：将图片导入第一深度学习网络进行通用文字检测；
步骤二：结合步骤一的检测结果对原图进行裁剪；
步骤三：将裁剪后的图片送入第二深度学习网络进行通用文字识别；
步骤四：结合通用文字检测识别结果进行后处理操作，所述后处理包括通用后处理，所述通用后处理包括正则匹配、范围检索、信息提取及坐标边界；
所述正则匹配的步骤包括：对于给定的待匹配字段和相应的文本信息，制定正则表达式，然后在步骤二得到的文本内容列表中进行正则匹配，完成匹配后获取该文本的文本框序列号；
所述范围检索的步骤包括：给定一个检索范围I，在正则匹配得到的序列号前后I个单位检索字段对应的文本内容；
所述信息提取的步骤包括：对检索的文本内容，首先提取其中的字母或数字类型的字符，并定义其为有用文本信息，通过有用文本信息再结合正则表达式进行进一步的文本匹配；
所述坐...

【专利技术属性】
技术研发人员：杨懿龄，肖欣庭，池明辉，刘楚雄，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51