[发明专利]一种基于CRNN的票据信息识别算法、设备及存储介质

说明书

本发明提供一种基于CRNN的票据信息识别算法、设备及存储介质。该方法包括：从票据图片中定位并切分出特定区域，例如购买方名称区域，以便于更好的识别；采用CRNN神经网络训练产生识别模型，从而对票据上的特定区域的信息进行识别。该方法优选地适用于发票信息的识别算法。本发明的识别算法不需要对汉字的进行切分，不需要设定字符长度，更不需要识别单个汉字，避免了因切分错误而对识别率造成的影响，从而极大地提高了识别正确率。

技术领域

本申请属于金融领域中票据图片处理和识别领域，具体涉及票据图片中文字的识别，尤其涉及一种基于卷积循环神经网络(CRNN)的票据信息识别算法、设备及存储介质。

背景技术

近年来，电子商务信息渗透各个行业，很多企业规模和业务量不断壮大，企业资金往来多元化，财务方面发票和其他金融票据数量急剧增大，从而使公司财务系统管理和工作量更加繁重。一方面，金融票据管理审核，具体地发票信息审核及报销，对电子化、数字化的需求也越来越高。而实际上，目前的票据审核大多是经过财务人员人工核算的，其相比人工智能核算，纯人工核算的工作效率低，且准确率也很容易受工作人员的心情、专注度的影响，更为关键的是审核出错之后，事后查找困难。

基于此，越来越多的研究人员研究采用人工智能技术进行票据的数据采集和识别。有人采用OCR(光学字符识别)文字识别技术，自动采集发票上的会计要素，自动对票据建立索引并归档，提高凭证信息查阅的一致性与准确性，与传统的会计人工录入数据方案相比，OCR扫描识别方案可以减少70％的工作量。也有人采用图像处理技术通过机器智能地去识别票据(例如，发票)中的目标区域。而在识别票据特定区域的信息的过程中，汉字识别是关键问题。传统的基于简单的CNN神经网络的识别方法只能训练和识别标签长度固定的图片，而票据中文字的长度未必都相同，例如发票中的购买方名称，因此必须进行单个汉字的切分来识别，如此以来就会因为切分时的错误对识别率造成影响。另外，直接使用RNN神经网络去识别效果偏低。

因此，现有技术存在的问题在于，常用的OCR系统只能完成部分类型发票的扫描录入，且识别准确率不高；而不同场景文字的检测与识别，汉字、字符和数字等文字信息的识别、端到端的解决技术方案还需要对文本进行切割，步骤复杂容易产生误差累积、效率低等诸多不足之处，以待改进。

鉴于现有技术中的上述缺陷或不足，本发明的发明者期望提供一种基于更优化的CRNN神经网络模型快速且准确的识别票据中文字信息的算法及设备，尤其是票据中某一特定区域的文字信息的识别算法，克服了上述现有技术不足，使财务人员从繁琐的票据审核工作解脱出来。

发明内容

基于上述目的，本发明创新性地从票据图片中定位并切分出特定区域，例如购买方名称区域，以便于更好的识别；同时，采用CRNN神经网络训练产生识别模型，不需要再进行汉字的切分识别单个汉字，避免了因切分错误而对识别率造成影响。具体地，首先利用CNN提取特征，然后再利用RNN处理序列，结合两者的优点进行识别，从而大大提高识别正确率。

第一方面，本发明提供了一种基于CRNN的票据信息识别算法，该方法包括以下步骤：

S1、获取多个票据图片；

S2、从所述多个票据图片中的任一票据图片上截取特定区域的图片作为所需的模板；

S3、采用模板匹配的方法来定位所述多个票据图片中相应位置的特定区域；

S4、重复执行S3，从所述多个票据图片中截取若干特定区域图片，整理并标注训练集；和

S5、利用CRNN训练模型识别所述特定区域图片中的文字信息。

具体地，

所述步骤S3采用模板匹配的方法来定位所述多个票据图片中的所述特定区域，包括：