一种基于OCR识别技术的表单快速搭建方法技术

本发明专利技术公开了一种基于OCR识别技术的表单快速搭建方法，包括以下步骤：S1：上传纸质表格图片；S2：基于OCR识别技术，识别出图片中的文字、文字在图片中的绝对位置以及文字的范围；S3：对于识别到的文字进行语义化，获得对应的表单组件；S4：识别图片中各个字段的布局位置。本发明专利技术中，将表单拍照上传即可快速识别，省去了使用excel导入需要先手动将信息录入到excel的操作，最大限度地降低手动录入花费的时间成本和人力成本，增加了识别语义化的过程，通过自动识别，快速分析和匹配字段类型，帮助用户快速理解表单的组件类型，用户无需理解字段类型的差异，即可快速搭建表单，降低用户理解成本。理解成本。理解成本。

【技术实现步骤摘要】
一种基于OCR识别技术的表单快速搭建方法


[0001]本专利技术涉及低代码
，尤其涉及一种基于OCR识别技术的表单快速搭建方法。

技术介绍

[0002]低代码开发平台(LCDP)是无需编码(0代码)或通过少量代码就可以快速生成应用程序的开发平台。通过可视化进行应用程序开发的方法(参考可视编程语言)，使具有不同经验水平的开发人员可以通过图形化的用户界面，使用拖拽组件和模型驱动的逻辑来创建网页和移动应用程序。
[0003]低代码的表单功能正在逐渐取代线下的纸质化流程，但在纸质化向线上化转型中，需要大量的将线下的纸质表格手动输入到系统中，创建新的表格，首先，对于不熟悉低代码使用的人群，或者表格内容较多的情况下，手动录入的方式耗费时间和人力，也容易出现遗漏偏差等问题；
[0004]其次，使用已有的excel/word导入创建表单的方式，需要先完成纸质表格到excel/word文档的录入工作，同样需要人工先转录，才能再次导入，占用较多的人力成本和时间成本；
[0005]最后，现有公开号为：CN109784235A，名称为“纸质表单的自动录入方法、装置、计算机设备和存储介质”，以及公开号为：CN109886108A，名称为“一种表单任意区域字符识别与信息录入方法”的中国专利，虽然同样实现了表单搭建，但是其本质是通过录入数据而非识别文字的方式搭建表单，且依赖于已有的电子模板，适用场景有限。

技术实现思路

[0006]为了解决上述
技术介绍
中所提到的技术问题，而提出的一种基于OCR识别技术的表单快速搭建方法。
[0007]为了实现上述目的，本专利技术采用了如下技术方案：
[0008]一种基于OCR识别技术的表单快速搭建方法，包括以下步骤：
[0009]S1：通过表单搭建页面的上传图片入口上传纸质表格图片，图片上传成功后，调用OCR服务接口对图片进行亮暗度、清晰度检查，对于满足检查要求的图片调用图片识别接口，对于不满足检查要求的图片，重新拍照上传；
[0010]S2：通过调用OCR文字识别服务接口，获取返回的图片中的文字数据，文字数据包括图片分辨率信息、识别到的文字信息和文字在图片中的绝对位置坐标信息，若图片中不包含文字，识别失败，返回步骤S1；
[0011]S3：对于识别到的文字进行语义匹配，获得对应的表单组件；
[0012]S4：计算识别到的文字在布局中的绝对位置与宽高，结合布局预设方案计算出字段在布局中的位置；
[0013]S5：根据识别出的表单组件、布局位置和比例进行排列，获得表单预览页面，根据
识别出表单组件获得组件列表，手动调整组件列表中的组件类型，对表单预览页面中的表单组件进行编辑；
[0014]S6：确认表单预览页面中的字段无误后，在表单设计页面生成表单页面，设置表单参数，完成表单创建。
[0015]作为上述技术方案的进一步描述：
[0016]在步骤S3中，所述文字语义匹配步骤包括：
[0017]S31：将识别到的文字与数据库中的字段名称进行精确和模糊匹配，获取匹配到的字段名称对应的表单组件集合，并对表单组件集合进行分组统计，取分组中数量最多的组件类型作为待匹配文字的类型；
[0018]S32：当匹配到的组件类型为单选或者复选或者表格时，则继续进行字段匹配，单选或者多选会继续识别选项值，表格则按照步骤S31识别表格中的组件类型；
[0019]S33：当未匹配到的组件类型为单选、复选或者表格的复合类型时，手动确定识别到的文字是单选、复选或者表格，并将其他字段加入到该复合类型中；
[0020]S34：基于步骤S31
‑
S33匹配失败的，按照语义化基本规则进行匹配，基于语义化基本规则和步骤S31
‑
S33均匹配失败的，组件类型默认为TEXT。
[0021]作为上述技术方案的进一步描述：
[0022]在步骤S31中，字段精确匹配为：将待匹配的识别文字作为匹配条件带入到查询条件中的name.keyword做关键字筛选，对筛选到的记录按字段类型dataType进行分组统计，取统计数量最大的组的类型作为文字的语义化字段类型。
[0023]作为上述技术方案的进一步描述：
[0024]在步骤S31中，字段模糊匹配为：当精确匹配无法匹配到数据时，采用分词进行模糊匹配，取相关性最大的记录的类型作为待匹配文字的类型，最大相关性数据存在多条，则对记录按字段类型进行分组，取最大分组的类型作为文字的语义化类型。
[0025]作为上述技术方案的进一步描述：
[0026]在步骤S32中，当匹配到的类型是一个单选或者复选类型时，则会进行选项的匹配，选项的匹配规则为：
[0027]S321、基于步骤S31确认字段类型的数据样本，获取这些数据的options属性，并将这些选项全部封装为一个Set集合再去重，得到一个选项的并集；
[0028]S322、通过并集集合到OCR识别数据中精确匹配可能选项；
[0029]当匹配到的类型是一个表格类型时，则会进行表格表头字段的匹配，其匹配规则为：
[0030]S323、基于步骤S31确认字段类型的数据样本，获取这些数据的tableField属性，并将这些表头字段全部封装为一个Set集合再去重，得到一个表头字段的并集；
[0031]S324、通过并集集合到OCR识别数据中精确匹配可能选项。
[0032]作为上述技术方案的进一步描述：
[0033]在步骤S1中，采用图像清晰度评价算法计算图像清晰度，在Tenegrad函数中使用Sobel算子处理图片后，提取图片水平和垂直方向的梯度值，若计算所得的梯度值低于预设的阈值，则判断图片不满足检查要求。
[0034]作为上述技术方案的进一步描述：
[0035]在步骤S4中，表单布局的预设方案包括：1/2行、1/3行、1/4行、2/3行、3/4行、整行，单行至多允许有4个组件，根据OCR识别到的文字位置计算出字段在表单布局中的相对位置。
[0036]作为上述技术方案的进一步描述：
[0037]在步骤S4中，表单布局计算步骤如下：
[0038]S41、以图片的宽度imageWidth为基准，获取第一个识别到的字段，获取这个字段的width属性值，计算imageWidth
‑
width，若计算结果小于0，则该第一个字段独占一行，否则，记录这个计算结果用于第二次计算；
[0039]S42、获取下一个字段，运用上一个计算结果再计算宽度，直到计算结果小于等于0或者字段数达到4个为止，之后再进行下一行的布局计算，小于0时最后一个字段不计入当前行，等于0时，最后一个字段计入当前行；
[0040]S43、当获取到的字段类型是TABLE类型时，直接进行下一行的布局计算，并且TABLE独占一行，同时，TABLE内的字段不参与位置的计算，直接显示在TABLE中。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于OCR识别技术的表单快速搭建方法，其特征在于，包括以下步骤：S1：通过表单搭建页面的上传图片入口上传纸质表格图片，图片上传成功后，调用OCR服务接口对图片进行亮暗度、清晰度检查，对于满足检查要求的图片调用图片识别接口，对于不满足检查要求的图片，重新拍照上传；S2：通过调用OCR文字识别服务接口，获取返回的图片中的文字数据，文字数据包括图片分辨率信息、识别到的文字信息和文字在图片中的绝对位置坐标信息，若图片中不包含文字，识别失败，返回步骤S1；S3：对于识别到的文字进行语义匹配，获得对应的表单组件；S4：计算识别到的文字在布局中的绝对位置与宽高，结合布局预设方案计算出字段在布局中的位置；S5：根据识别出的表单组件、布局位置和比例进行排列，获得表单预览页面，根据识别出表单组件获得组件列表，手动调整组件列表中的组件类型，对表单预览页面中的表单组件进行编辑；S6：确认表单预览页面中的字段无误后，在表单设计页面生成表单页面，设置表单参数，完成表单创建。2.根据权利要求1所述的一种基于OCR识别技术的表单快速搭建方法，其特征在于，在步骤S3中，所述文字语义匹配步骤包括：S31：将识别到的文字与数据库中的字段名称进行精确和模糊匹配，获取匹配到的字段名称对应的表单组件集合，并对表单组件集合进行分组统计，取分组中数量最多的组件类型作为待匹配文字的类型；S32：当匹配到的组件类型为单选或者复选或者表格时，则继续进行字段匹配，单选或者多选会继续识别选项值，表格则按照步骤S31识别表格中的组件类型；S33：当未匹配到的组件类型为单选、复选或者表格的复合类型时，手动确定识别到的文字是单选、复选或者表格，并将其他字段加入到该复合类型中；S34：基于步骤S31
‑
S33匹配失败的，按照语义化基本规则进行匹配，基于语义化基本规则和步骤S31
‑
S33均匹配失败的，组件类型默认为TEXT。3.根据权利要求2所述的一种基于OCR识别技术的表单快速搭建方法，其特征在于，在步骤S31中，字段精确匹配为：将待匹配的识别文字作为匹配条件带入到查询条件中的name.keyword做关键字筛选，对筛选到的记录按字段类型dataType进行分组统计，取统计数量最大的组的类型作为文字的语义化字段类型。4.根据权利要求3所述的一种基于OCR识别技术的表单快速搭建方法，其特征在于，在步骤S31中，字段模糊匹配为：当精确匹配无法匹配到数据时，采用分词进行模糊匹配，取相关性最大的记录的类型作为待匹配文字的类型，最大相关性数据存在多条，则对记录按字段类型进行分组，取最大分组的类型作为文字的语义化类型。5.根据权利要求4所述的一种基于OCR识别技术的表单...

【专利技术属性】
技术研发人员：陶滨江，
申请(专利权)人：上海纽酷信息科技有限公司，
类型：发明
国别省市：