[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

说明书

本发明公开了一种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，该方法包括：使用目标检测算法，检测出票据图片中票据的所在位置，对票据图片进行裁剪；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；对完成裁剪和旋转后的票据图片进行文字检测和识别；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。本发明结合了目标检测、文字识别等方法，可以提高数据录入的效率与准确度。并且本发明基于深度神经网络，在文本检测和文本识别中能获取极高的准确率；通过使用传统的图像处理算法对图片做方便提取特征的处理，使得在医疗票据的复杂场景下也能达到超高准确率。

技术领域

本发明涉及文字识别技术领域，尤其涉及一种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。

背景技术

保险公司处理医疗类保险案件时，用户会提供大量的报销票据或复印件的图片，而保险公司需要根据这些图片内容，录入保险案件所需要的医疗数据。目前，对于医疗票据类文本的录入都是依靠人工的方式来识别票据图片中的内容，进而实现保险案件所需要的医疗数据的录入，因此这部分工作需要大量的人力，人工成本极高，且录入过程耗时过长，效率较低。

此外，保险公司常见的医疗票据主要分为4个大类：门诊票据、住院票据、结算单、明细单。每个大类下有各个省份各个医院不同样式的小类，小类数量超过上百种，而且不同小类别的票据可能样式差别极大，再加上票据本身的背景较为复杂，导致通过传统识别系统自动识别票据文本非常困难。因此采用传统的文本检测和文本识别方法，会有准确率过低的问题；虽然对于简单环境下的文本，传统方式识别准确率较高，但是由于票据本身的一些特点，比如拍摄角度非水平、票据过小等，传统识别方式的准确率就会受到很大影响。

发明内容

针对上述现有技术中存在的不足之处，本发明提供一种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，通过结合目标检测、文字识别等方法，对医疗票据类文本图片进行了数据提取，用以提高医疗票据类的数据录入的效率与准确度。

该基于深度神经网络的医疗票据类文本检测识别方法包括以下步骤：

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。

可选地，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。

优选地，所述步骤一中的目标检测算法为Faster RCNN；进一步地，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。

优选地，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。

可选地，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。

优选地，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。

进一步地，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：