【技术实现步骤摘要】
一种财务报销数据处理方法和处理系统
[0001]本专利技术涉及财务数据处理
，具体是一种财务报销数据处理方法和处理系统。
技术介绍
[0002]在财务报销过程中，需要处理庞大数量的报销凭证，如发票、pos单等各类报销凭证。财务人员需要花费大工作量对各类报销凭证数据进行核对，同时，还需要人工录入大量的报销信息，使得整个报销过程复杂繁琐，工作量巨大。因此，出现了很多一键式智能化财务报销软件。
[0003]在这些财务报销软件中，最开始的步骤都是对报销凭证进行一个筛选，传统的筛选方法大都是比对式的筛选过程，即，将获取到的报销凭证与参考图像进行比对；实际上，对于同一报销凭证来说，不同拍摄参数下的成品图像的区别很大，这就要求参考图像的种类要尽可能的多，种类越多，筛选过程越准确。可以想到，在比对识别的架构下，对报销凭证的拍摄条件有一定的要求，而拍摄条件属于不可控因素，因此，传统的技术方案变相的提高了识别错误的概率。
技术实现思路
[0004]本专利技术的目的在于提供一种财务报销数据处理方法和处理系统，以解决上...
【技术保护点】
【技术特征摘要】
1.一种财务报销数据处理方法，其特征在于，所述处理方法包括：接收用户发送的报销申请，根据预设的信息模板获取含有分类标签的报销凭证影像，根据分类标签查询参考图幅，基于所述参考图幅对所述报销凭证影像进行几何校正；将几何校正后的报销凭证影像输入训练好的第一分类器，基于第一分类器对所述报销凭证影像进行内容识别，根据内容识别结果确定存疑图像；将所述存疑图像上传至人工端并接收人工标记结果，根据人工标记结果将存疑图像分别存储至第一样本库和第二样本库；将所述存疑图像输入训练好的第二分类器，基于所述第二分类器对存疑图像进行特征识别，根据特征识别结果过滤存疑图像中的有效图像；其中，所述第一分类器包括训练好的第一图像识别模型，所述第一图像识别模型为基于第一样本库训练得到的神经网络模型；所述第二分类器包括训练好的特征识别模型和训练好的第二图像识别模型，所述第二图像识别模型为基于第二样本库训练得到的神经网络模型；所述特征识别模型与所述第二图像识别模型为竞争关系。2.根据权利要求1所述的财务报销数据处理方法，其特征在于，所述根据分类标签查询参考图幅，基于所述参考图幅对所述报销凭证影像进行几何校正的步骤包括：根据分类标签提取参考图幅，根据预设的采样频率在所述参考图幅中确定第一采样点；比对所述参考图幅和所述报销凭证影像，确定至少两个不共线的映射向量；根据所述映射向量和参考图幅中的采样点确定报销凭证影像中的第二采样点；根据所述第一采样点和所述第二采样点确定坐标变换参数，根据坐标变换参数对报销凭证影像进行几何校正。3.根据权利要求2所述的财务报销数据处理方法，其特征在于，所述根据所述第一采样点和所述第二采样点确定坐标变换参数，根据坐标变换参数对报销凭证影像进行几何校正的步骤包括：以第一采样点为中心，在参考图幅中拷贝第一采样区域；以第二采样点为中心，在报销凭证影像中拷贝第二采样区域；将所述第一采样区域和所述第二采样区域输入同一图像
‑
数值转换模型，得到两个目标值；计算两个目标值之间的偏差率，标记偏差率小于预设的偏差阈值的第一采样区域和第二采样区域；统计标记的第一采样区域和第二采样区域对应的第一采样点和第二采样点，根据统计到的第一采样点和第二采样点的位置关系确定坐标变换参数；根据坐标变换参数对报销凭证影像进行几何校正。4.根据权利要求1所述的财务报销数据处理方法，其特征在于，所述将所述存疑图像输入训练好的第二分类器，基于所述第二分类器对存疑图像进行特征识别，根据特征识别结果过滤存疑图像中的有效图像的步骤包括：在第二分类器加载特征识别模型和第二图像识别模型；将所述存疑图像分别输入特征识别模型和第二图像识别模型，分别记录特征识别模型
和第二图像识别模型的输出值；其中，存疑图像为第一标识值，有效图像为第二标识值；实时比对同一存疑图像对应的第一标识值和第二标识值，标记第一标识值和第二标识值不同的存疑图像，并将所述存疑图像向人工端发送；接收人工端的反馈信号，根据所述反馈信号生成特征识别模型和第二图像识别模型的准确度；当第二图像识别模型的准确度大于特征识别模型的准确度时，在第二分类器仅加载第二图像识别模型。5.根据权利要求4所述的财务报销数据处理方法，其特征在于，所述特征识别模型的工作步骤包括：根据预设的区域标记对存疑图像进行切分，得到子区域；所述区域标记包括信息区域和标识区域；对标识区域进行轮廓识别，根据轮廓...
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。