本申请提供了一种银行业务回单的识别方法和识别装置，其中，所述识别方法包括：将目标银行业务回单的图片输入到预先训练好的第一神经网络模型中，确定所述银行业务回单的业务类型；基于所述银行业务回单的业务类型，确定所述银行业务回单的图片中所述业务类型对应的多个待识别区域；针对每一个待识别区域，得到每一个待识别区域中的多个待识别区域块；将每个所述待识别区域块依次输入到预先训练好的第二神经网络模型中，确定所述银行业务回单中的每个待识别区域中的文字信息。根据所述识别方法和识别装置，能够通过将银行业务回单的识别拆解为银行业务回单的业务类型识别和文字识别，从而提高银行业务回单的识别准确率，提高系统扩展性。提高系统扩展性。提高系统扩展性。
【技术实现步骤摘要】
一种银行业务回单的识别方法和识别装置
[0001]本申请涉及图像识别
，尤其是涉及一种银行业务回单的识别方法和识别装置。
技术介绍
[0002]在银行和企业没有进行网络直接连接的情况下，公司财务人员转账需要通过网上银行操作，转账后需要在公司数据系统中录入已经完成转账的该笔业务回单的信息。
[0003]目前，通常通过OCR识别系统(光学字符识别)来识别已经转账后的业务回单，但是通过该方法识别出的图片清晰度比较差；同时，当增加了新的银行业务回单类型的时候，OCR识别系统对新增的银行业务回单的类型识别准确度较差，系统扩展性不高。
技术实现思路
[0004]有鉴于此，本申请实施例的目的在于提供一种银行业务回单的识别方法和识别装置，能够通过将银行业务回单的识别拆解为银行业务回单的业务类型识别和文字识别，从而提高银行业务回单的识别准确率，提高系统扩展性。
[0005]第一方面，本申请实施例提供了一种银行业务回单的识别方法，所述识别方法包括：
[0006]获取待识别的银行业务回单的图片。
[0007]将所述待识别的银行业务回单的图片中的目标银行业务回单的图片输入到预先训练好的第一神经网络模型中，确定所述银行业务回单的业务类型。
[0008]基于所述银行业务回单的业务类型，确定所述银行业务回单的图片中所述业务类型对应的多个待识别区域。
[0009]针对每一个待识别区域，对所述待识别区域进行切割处理，得到每一个待识别区域中的多个待识别区域块。
[0010]将每个所述待识别区域块依次输入到预先训练好的第二神经网络模型中，确定所述银行业务回单中的每个待识别区域中的文字信息。
[0011]可选地，所述获取待识别的银行业务回单的图片之前，所述识别方法还包括：
[0012]获取原始银行业务回单的图片。
[0013]对所述原始银行业务回单的图片做预处理，得到待识别的银行业务回单的图片；所述预处理包括倾斜矫正、尺寸剪裁和旋转中的一个或者多个的组合。
[0014]可选地，所述将所述待识别的银行业务回单的图片中的目标银行业务回单的图片输入到预先训练好的第一神经网络模型中，确定所述银行业务回单的业务类型，包括：
[0015]基于图片的清晰度，从所述待识别的银行业务回单的图片中筛选出图片清晰度满足预设条件的银行业务回单的图片。
[0016]将所述图片清晰度满足预设条件的待识别的银行业务回单的图片确定为目标银行业务回单的图片，并将所述目标银行业务回单的图片输入到预先训练好的第一神经网络
模型中，以确定出所述银行业务回单的业务类型。
[0017]可选地，通过以下方式训练第一神经网络模型：
[0018]获取多种业务类型的银行业务回单的样本图片。
[0019]利用所述多种业务类型的银行业务回单的样本图片训练原始第一神经网络模型，得到训练好的第一神经网络模型。
[0020]可选地，所述基于所述银行业务回单的业务类型，确定所述银行业务回单的图片中所述业务类型对应的多个待识别区域，包括：
[0021]基于所述银行业务回单的业务类型，确定该业务类型对应的多个待识别信息。
[0022]基于所述多个待识别信息，确定所述多个待识别信息对应的多个待识别区域。
[0023]可选地，通过以下方式训练第二神经网络模型：
[0024]获取多种文字的样本图片；其中，所述文字与所述业务回单的文字是相同的字体。
[0025]利用所述多种文字的图片训练原始第二神经网络模型，得到训练好的第二神经网络模型。
[0026]第二方面，本申请实施例提供了一种银行业务回单的识别装置，所述识别装置包括：
[0027]获取模块，用于获取待识别的银行业务回单的图片。
[0028]业务类型确定模块，用于将所述待识别的银行业务回单的图片输入到预先训练好的第一神经网络模型中，确定所述银行业务回单的业务类型。
[0029]待识别区域确定模块，用于基于所述银行业务回单的业务类型，确定所述银行业务回单图片中所述业务类型对应的多个待识别区域。
[0030]待识别区域块确定模块，用于针对每一个待识别区域，对所述待识别区域进行切割处理，得到每一个待识别区域中的多个待识别区域块。
[0031]文字信息确定模块，将每个所述待识别区域块依次输入到预先训练好的第二神经网络模型中，确定所述银行业务回单中的每个待识别区域中的文字信息。
[0032]第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行第一方面任一项所述的银行业务回单的识别方法的步骤。
[0033]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面任一项所述的银行业务回单的识别方法的步骤。
[0034]本申请实施例提供的银行业务回单的识别方法和识别装置，通过将银行业务回单的识别拆解为银行业务回单的业务类型识别和文字识别，从而提高银行业务回单的识别准确率，提高系统扩展性。
[0035]为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0036]为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附
图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0037]图1示出了本申请实施例提供的一种银行业务回单的识别方法的流程图；
[0038]图2示出了本申请实施例提供的一种训练第一神经网络模型的步骤的流程图；
[0039]图3示出了本申请实施例提供的一种训练第二神经网络模型的步骤的流程图；
[0040]图4示出了本申请实施例提供的一种银行业务回单的识别装置的结构示意图之一；
[0041]图5示出了本申请实施例提供的一种银行业务回单的识别装置的结构示意图之二；
[0042]图6示出了本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0043]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种银行业务回单的识别方法，其特征在于，所述识别方法包括：获取待识别的银行业务回单的图片；将所述待识别的银行业务回单的图片中的目标银行业务回单的图片输入到预先训练好的第一神经网络模型中，确定所述银行业务回单的业务类型；基于所述银行业务回单的业务类型，确定所述银行业务回单的图片中所述业务类型对应的多个待识别区域；针对每一个待识别区域，对所述待识别区域进行切割处理，得到每一个待识别区域中的多个待识别区域块；将每个所述待识别区域块依次输入到预先训练好的第二神经网络模型中，确定所述银行业务回单中的每个待识别区域中的文字信息。2.根据权利要求1所述的识别方法，其特征在于，所述获取待识别的银行业务回单的图片之前，所述识别方法还包括：获取原始银行业务回单的图片；对所述原始银行业务回单的图片做预处理，得到待识别的银行业务回单的图片；所述预处理包括倾斜矫正、尺寸剪裁和旋转中的一个或者多个的组合。3.根据权利要求1所述的方法，其特征在于，所述将所述待识别的银行业务回单的图片中的目标银行业务回单的图片输入到预先训练好的第一神经网络模型中，确定所述银行业务回单的业务类型，包括：基于图片的清晰度，从所述待识别的银行业务回单的图片中筛选出图片清晰度满足预设条件的银行业务回单的图片；将所述图片清晰度满足预设条件的待识别的银行业务回单的图片确定为目标银行业务回单的图片，并将所述目标银行业务回单的图片输入到预先训练好的第一神经网络模型中，以确定出所述银行业务回单的业务类型。4.根据权利要求1所述的识别方法，其特征在于，通过以下方式训练第一神经网络模型：获取多种业务类型的银行业务回单的样本图片；利用所述多种业务类型的银行业务回单的样本图片训练原始第一神经网络模型，得到训练好的第一神经网络模型。5.根据权利要求1所述的识别方法，其特征在于，所述基于所述银行业务回单的业务类型，确定所述银行业务回单的图片中所述业务类型对应的多个待识别区域，包括：基于所述银行业务回单的业务类型，确定该业务类型对应的多个待识别信...
【专利技术属性】
技术研发人员：郑丽俊，
申请(专利权)人：汇承金融科技服务南京有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。