[发明专利]基于深度神经网络的医疗票据类文本检测识别方法及系统

权利要求书

1.一种基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述方法包括以下步骤：

步骤一、使用目标检测算法，检测出票据图片中票据的所在位置；

步骤二、根据检测出的票据的所在位置对票据图片进行裁剪；

步骤三、对裁剪后的票据图片进行边缘检测，并根据票据图片中的水平和竖直的直线的角度，将票据图片旋转至水平方向；

步骤四、对完成裁剪和旋转后的票据图片进行文字检测和识别；

步骤五、根据识别出来的文字与方位，进行筛选和提取，获得所需数据。

2.如权利要求1所述的基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述步骤一中的目标检测算法为Faster RCNN、SSD、YOLO以及YOLO-v2中的任意一种。

3.如权利要求2所述的基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述步骤一中的目标检测算法为Faster RCNN；所述步骤一中检测票据的所在位置的过程具体为：

深度卷积网络提取票据图片抽象特征；使用区域候选网络推荐票据候选区域；从候选区域回归票据的精准区域，检测出票据图片中票据的所在位置。

4.如权利要求1所述的基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述步骤三中采用Sobel边缘检测算子对裁剪后的票据图片进行边缘检测。

5.如权利要求1所述的基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述步骤四中对完成裁剪和旋转后的票据图片进行文字检测的算法为Faster RCNN、SSD、YOLO、EAST、RRCNN、TextBoxes以及CTPN中的任意一种。

6.如权利要求5所述的基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述步骤四中对完成裁剪和旋转后的票据图片进行文字检测的算法为Faster RCNN。

7.如权利要求6所述的基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述步骤四中对完成裁剪和旋转后的票据图片的文字识别结合了深度卷积神经网络和循环神经网络，其过程具体为：

使用卷积网络提取票据图片特征；将提取到的票据图片特征输入LSTM构成的双向循环神经网络；使用CTC算法合并叠字和占位符，输出概率最大的文字序列。

8.如权利要求1所述的基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述基于深度神经网络的医疗票据类文本检测识别方法还包括：针对票据中预设类型的数字，训练一个只有数字集合的数字识别模型；

当所述步骤四中识别出的文本为纯数字时，使用所述数字识别模型重新进行一次识别，以提高数字的准确率。

9.如权利要求1所述的基于深度神经网络的医疗票据类文本检测识别方法，其特征在于，所述步骤五具体为：

根据不同票据的格式，首先搜索具有预设特征的文字，然后在搜索到的文字附近寻找对应的项目与金额。

10.一种基于深度神经网络的医疗票据类文本检测识别系统，其特征在于，所述基于深度神经网络的医疗票据类文本检测识别系统包括：

目标检测模块，用于使用目标检测算法，检测出票据图片中票据的所在位置；

裁剪模块，用于根据检测出的票据的所在位置对票据图片进行裁剪；

旋转模块，用于对裁剪后的票据图片进行边缘检测，并根据票据图片中的水平和竖直的直线的角度，将票据图片旋转至水平方向；

文字检测和识别模块，用于对完成裁剪和旋转后的票据图片进行文字检测和识别；

文字筛选和提取模块，用于根据识别出来的文字与方位，进行筛选和提取，获得所需数据。