[发明专利]一种基于文字识别与语义分析的发票分类方法

说明书

本发明公开了一种基于文字识别与语义分析的发票分类方法，其以检测出发票的种类为目标，首先利用图像采集设备采集发票图像，接着利用霍夫变换检测出图像中发票的长和宽，再将长和宽与预先设定的边长阈值分别进行比较，实现发票的初步分类，然后根据初步分类的结果，调用相应的发票模板，切割出需要进行文字识别的区域；最后调用百度文字识别系统等第三方文字识别系统识别上述区域中的文字；识别完成后，对其结果进行语义分析，最终得出发票分类的精确结果。本发明解决了发票识别中因无法区分发票种类而不能实现准确识别的问题，适用于多种不同类别的发票，在发票识别与智能财务报销中拥有较高的应用价值。

技术领域

本发明涉及图像处理、人工智能技术领域，具体涉及一种基于文字识别与语义分析的发票分类方法。

背景技术

近几年来，随着我国社会经济的飞速发展，经济活动日益频繁，无论是普通消费者还是各种类型的企业对消费必须开具发票、凭票才能进行报销的认识日益深刻。目前，我国每年报销使用的发票数以亿计，而且发票的种类也在不断增多。如果人工处理这些发票的话，一方面会消耗大量的人力物力，加重负责报销的财务人员的工作负担，而且会占用报销者大量额外的精力。另一方面人工处理发票效率低、错误率高。故实现发票自动化处理与智能财务报销有很大的实用价值。

利用图像处理及人工智能领域的相关技术识别发票文字、实现智能财务报销具有重要意义。它即能提高报销效率，减少报销者在报销上浪费的精力和时间，降低财务人员的工作负担，又能降低中小型企业的人力资源成本，对企业与社会发展十分有益。

发明内容

为解决现有技术中的不足，本发明提供一种基于文字识别与语义分析的发票分类方法，解决了发票种类分类速度慢、发票报销效率低的问题。

为了实现上述目标，本发明采用如下技术方案：一种基于文字识别与语义分析的发票分类方法，其特征在于：具体包括以下步骤：

步骤一，通过图像采集设备采集发票图像，记作A；

步骤二，利用霍夫变换检测图像A中发票的长length和宽width，单位为像素；

步骤三，设定边长阈值l_threshold，并将边长阈值与长和宽进行比较，对发票进行初步分类；

步骤四，根据上一步的初步分类结果，调用发票模版，根据发票模板切割出需要进行文字识别的区域X；

步骤五，调用第三方文字识别系统，识别区域X中的文字并对识别结果进行语义分析，得出精确的发票分类。

前述的一种基于文字识别与语义分析的发票分类方法，其特征是：所述步骤二中利用霍夫变换检测图像A中发票的长length和宽width，具体步骤包括：

步骤2-1，将图像A二值化，得到二值图像B，并在直角坐标系下将二值图像B离散化，计算出图像B的长和宽，分别记为m,n；

步骤2-2，建立并初始化离散化的参数空间ρ-θ，其中，θ∈[0,180)，单位为度，单位间隔为1；建立并初始化水平二维累加数组K_H(0⁰,ρ)和垂直二维累加数组K_V(90⁰,ρ)；

步骤2-3，遍历步骤2-1中离散化的二值图像B，找出所有像素值不为0的点(x,y)，每找出一个点，将其带入方程ρ＝xcosθ+ysinθ中，分别求出θ＝0⁰和θ＝90⁰对应的ρ，并分别在相应的水平二维累加数组K_H(0⁰,ρ)和垂直二维累加数组K_V(90⁰,ρ)上加1；