资源交互凭据的处理方法、装置、计算机设备和存储介质制造方法及图纸

本公开涉及一种资源交互凭据的处理方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取资源交互凭据的图像；根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类；利用与所述凭据种类相匹配的文本识别模型获取所述图像中的文本信息，对所述文本信息进行存储，其中，所述文本识别模型为基于预设的卷积神经网络算法和预设的循环神经网络算法得到。采用本方法能够快速准确地管理资源交互凭据。地管理资源交互凭据。地管理资源交互凭据。

【技术实现步骤摘要】
资源交互凭据的处理方法、装置、计算机设备和存储介质


[0001]本公开涉及图像数据处理
，特别是涉及一种资源交互凭据的处理方法、装置、计算机设备和存储介质。

技术介绍

[0002]在一些特定的资源交互场景下，当完成资源交互的流程之后，可以生成对应的资源交互凭据。通常情况下，为了保证资源交互的有序性，需要对资源交互凭据进行处理。
[0003]传统技术中，可以通过人工对不同种类的资源交互凭据进行录入、审核、校验，以实现对资源交互凭据的管理。然而，针对大量的多种类的资源交互凭据，人工管理的方法流程繁琐，效率低下，且由于主观因素较大，还会存在校验错误等问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种快速准确地管理资源交互凭据的资源交互凭据的处理方法、装置、计算机设备、存储介质和计算机程序产品。
[0005]第一方面，本公开实施例提供了一种资源交互凭据的处理方法。所述方法包括：
[0006]获取资源交互凭据的图像；
[0007]根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类；
[0008]利用与所述凭据种类相匹配的文本识别模型获取所述图像中的文本信息，对所述文本信息进行存储，其中，所述文本识别模型为基于预设的卷积神经网络算法和预设的循环神经网络算法得到。
[0009]在其中一个实施例中，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：
[0010]获取资源交互凭据多个区域对应的凭据种类验证方式；
[0011]按照预设顺序获取所述图像中的多个区域中的预设区域的数据；
[0012]利用与所述预设区域相匹配的凭据种类验证方式对所述预设区域的数据进行验证，直到确定所述资源交互凭据的凭据种类。
[0013]在其中一个实施例中，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：
[0014]获取所述图像中的文本区域的边框长度数据；
[0015]在所述边框长度数据符合第一预设条件的情况下，确定所述资源交互凭据的凭据种类为第一凭据种类。
[0016]在其中一个实施例中，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：
[0017]获取所述图像中的标识区域个数和预设颜色区域个数；
[0018]在所述标识区域个数和所述预设颜色区域个数符合第二预设条件的情况下，确定所述资源交互凭据对应为第二凭据种类。
[0019]在其中一个实施例中，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：
[0020]获取所述图像中的预设区域的灰度数据；
[0021]在所述灰度数据符合第三预设条件的情况下，确定所述资源交互凭据的种类为第三凭据种类。
[0022]在其中一个实施例中，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：
[0023]获取所述图像中预设区域中的标识文本数据；
[0024]根据所述标识文本数据确定所述资源交互凭据的凭据种类。
[0025]在其中一个实施例中，所述利用与所述凭据种类相匹配的文本识别模型获取所述图像中的文本信息，包括：
[0026]在所述图像中包括多个资源交互凭据的情况下，获取所述图像中预设颜色区域图像数据；
[0027]根据所述预设颜色区域图像数据对所述图像进行分割，得到所述多个资源交互凭据对应的多个子图像；
[0028]利用与所述凭据种类相匹配的文本识别模型获取所述多个子图像的文本信息。
[0029]在其中一个实施例中，所述获取资源交互凭据的图像，包括：
[0030]获取资源交互凭据的原始图像；
[0031]利用预设的直线检测方式获取所述原始图像中预设方向的直线角度；
[0032]在所述直线角度在预设范围以内的情况下，对所述原始图像进行水平校正，得到资源交互凭据的图像。
[0033]在其中一个实施例中，所述文本识别模型的获取方式包括：
[0034]获取资源交互凭据的样本图像数据，其中，所述样本图像数据包括标注文本信息的资源交互凭据图像数据；
[0035]基于预设的卷积神经网络算法和预设的循环网络算法构建初始文本识别模型，所述初始文本识别模型中设置有训练参数；
[0036]将所述样本图像数据输入至所述初始文本识别模型，得到输出结果；
[0037]基于所述输出结果与标注的文本信息标签的差异，对所述初始文本识别模型进行迭代调整，直至所述差异满足预设要求，得到文本识别模型。
[0038]在其中一个实施例中，所述获取资源交互凭据的样本图像数据包括：
[0039]获取资源交互凭据的初始样本图像数据；
[0040]对所述初始样本图像数据进行预设比例的缩放处理，得到处理后的初始样本图像数据；
[0041]将所述处理后的初始样本图像数据与预设背景图像融合，得到资源交互凭据的样本图像数据。
[0042]第二方面，本公开实施例还提供了一种资源交互凭据的处理装置。所述装置包括：
[0043]获取模块，用于获取资源交互凭据的图像；
[0044]确定模块，用于根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类；
[0045]存储模块，用于利用与所述凭据种类相匹配的文本识别模型获取所述图像中的文本信息，对所述文本信息进行存储，其中，所述文本识别模型为基于预设的卷积神经网络算法和预设的循环神经网络算法得到。
[0046]在其中一个实施例中，所述确定模块，包括：
[0047]第一获取子模块，用于获取资源交互凭据多个区域对应的凭据种类验证方式；
[0048]第二获取子模块，用于按照预设顺序获取所述图像中的多个区域中的预设区域的数据；
[0049]验证模块，用于利用与所述预设区域相匹配的凭据种类验证方式对所述预设区域的数据进行验证，直到确定所述资源交互凭据的凭据种类。
[0050]在其中一个实施例中，所述确定模块，包括：
[0051]第三获取子模块，用于获取所述图像中的文本区域的边框长度数据；
[0052]第一确定子模块，用于在所述边框长度数据符合第一预设条件的情况下，确定所述资源交互凭据的凭据种类为第一凭据种类。
[0053]在其中一个实施例中，所述确定模块，包括：
[0054]第四获取子模块，用于获取所述图像中的标识区域个数和预设颜色区域个数；
[0055]第二确定子模块，用于在所述标识区域个数和所述预设颜色区域个数符合第二预设条件的情况下，确定所述资源交互凭据对应为第二凭据种类。
[0056]在其中一个实施例中，所述确定模块，包括：
[0057]第五获取子模块，用于获取所述图像中的预设区域的灰度数据；
[0058]第三确定子模块，用于在所述灰度数据符合第三预设条件的情况下，确定所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资源交互凭据的处理方法，其特征在于，所述方法包括：获取资源交互凭据的图像；根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类；利用与所述凭据种类相匹配的文本识别模型获取所述图像中的文本信息，对所述文本信息进行存储，其中，所述文本识别模型为基于预设的卷积神经网络算法和预设的循环神经网络算法得到。2.根据权利要求1所述的方法，其特征在于，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：获取资源交互凭据多个区域对应的凭据种类验证方式；按照预设顺序获取所述图像中的多个区域中的预设区域的数据；利用与所述预设区域相匹配的凭据种类验证方式对所述预设区域的数据进行验证，直到确定所述资源交互凭据的凭据种类。3.根据权利要求1所述的方法，其特征在于，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：获取所述图像中的文本区域的边框长度数据；在所述边框长度数据符合第一预设条件的情况下，确定所述资源交互凭据的凭据种类为第一凭据种类。4.根据权利要求1所述的方法，其特征在于，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：获取所述图像中的标识区域个数和预设颜色区域个数；在所述标识区域个数和所述预设颜色区域个数符合第二预设条件的情况下，确定所述资源交互凭据对应为第二凭据种类。5.根据权利要求1所述的方法，其特征在于，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：获取所述图像中的预设区域的灰度数据；在所述灰度数据符合第三预设条件的情况下，确定所述资源交互凭据的种类为第三凭据种类。6.根据权利要求1所述的方法，其特征在于，所述根据所述图像中的预设区域的数据确定所述资源交互凭据的凭据种类，包括：获取所述图像中预设区域中的标识文本数据；根据所述标识文本数据确定所述资源交互凭据的凭据种类。7.根据权利要求1所述的方法，其特征在于，所述利用与所述凭据种类相匹配的文本识别模型获取所述图像中的文本信息，包括：在所述图像中包括多个资源交互凭据的情况下...

【专利技术属性】
技术研发人员：吴建伟，庄广强，薛文，黄勇斌，刘煜，居胜峰，李铭仪，
申请(专利权)人：江苏常熟农村商业银行股份有限公司，
类型：发明
国别省市：