[发明专利]发票识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种发票识别方法、系统、计算机设备和存储介质。所述方法包括：获取发票图像，对发票图像进行分割得到多个目标区域；对多个目标区域的多个字符区域进行分割得到多个字符图像；将每个字符图像输入已训练好的深度学习神经网络模型中进行识别，得到对应的每个字符图像的第一字符识别结果和与第一字符识别结果对应的识别概率；根据第一字符识别结果对应的识别概率获取二次识别字符图像，将二次识别字符图像输入支持向量机模型，得到对应的第二字符识别结果；根据第一字符识别结果和第二字符识别结果得到与发票图像对应的发票识别结果。采用本方法能够得到的更为准确的字符识别结果，从而提高发票的识别准确率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种发票识别方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术和图像处理技术的发展，图像处理技术被广泛的应用于各个技术领域。

在发票识别领域主要是用于识别发票中的信息，记录发票信息。增值发票(即增值税专用发票)是由国家税务总局监制设计印制的，只限于增值税一般纳税人领购使用的，既作为纳税人反映经济活动中的重要会计凭证又是兼记销货方纳税义务和购货方进项税额的合法证明。是纳税与财务报销中有重要凭证。现有的发票录入方式通常是发票进行拍照，调用OCR识别图像来识别发票的关键字段，但是由于拍摄的发票图像存在光照不均和发票本身被污染等问题，是导致识别得到的发票信息不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种通过对发票中识别准确率较低的字符进行二次识别，从而提高发票识别准确率的发票识别方法、装置、计算机设备和存储介质。

一种发票识别方法，包括：

获取发票图像，对所述发票图像进行分割得到多个目标区域；

对多个所述目标区域的多个字符区域进行分割得到多个字符图像；

将每个所述字符图像输入已训练好的深度学习神经网络模型中进行识别，得到对应的每个所述字符图像的第一字符识别结果和与所述第一字符识别结果对应的识别概率；

根据所述第一字符识别结果对应的识别概率获取二次识别字符图像，将所述二次识别字符图像输入支持向量机模型，得到对应的第二字符识别结果；

根据所述第一字符识别结果和所述第二字符识别结果得到与所述发票图像对应的发票识别结果。

在其中一个实施例中，所述对所述发票图像进行分割得到多个目标区域的步骤，包括：根据所述发票图像进行预处理得到二值化图像；根据分割算法对所述二值化图像进行分割，得到对应的二值化发票区域；根据所述二值化发票区域确定所述发票图像的初始发票区域；对所述初始发票区域进行阈值分割得到发票区域；对所述发票区域进行分割得到所述多个目标区域。

在其中一个实施例中，所述对所述初始发票区域进行阈值分割得到对应的发票区域的步骤，包括：获取所述初始发票区域的灰度等级；计算与所述灰度等级对应的灰度概率；根据所述灰度概率和所述灰度等级确定所述发票图像的分割阈值；按照所述分割阈值对所述发票图像进行分割得到发票区域。

在其中一个实施例中，所述对所述发票区域进行分割得到所述多个目标区域的步骤之前，包括：对所述发票图像进行色彩空间转换；在色彩空间转换后的颜色空间下提取所述发票图像的红色信息；根据所述红色信息确定红章在发票区域中的红章位置；根据所述红章位置和所述红章与发票区域的相对位置确定发票区域的位置信息；根据所述发票的位置信息对所述发票图像进行校正。