[发明专利]票据识别后信息结构化提取方法、装置和设备

权利要求书

1.一种票据识别方法，其特征在于，包括：

获取待识别的票据的影像信息；

解析所述影像信息，从上向下，逐行识别所述票据中的至少一个文本信息，以及所述至少一个文本信息中的每一文本信息在所述票据上的位置信息；

对所述文本信息进行分类，根据分类结果从预设模板库中选取语义匹配的目标数据模板；

根据所述文本信息、所述位置信息和所述目标数据模板提取所述文本信息中的文本数据。

2.根据权利要求1所述的方法，其特征在于，所述解析所述影像信息，从上向下，逐行识别所述票据中的至少一个文本信息，以及所述至少一个文本信息中的每一文本信息在所述票据上的位置信息，包括：

识别所述影像信息，生成所述票据的文本库，所述文本库包括：所述票据的全部文本内容和每个字符在所述票据上的坐标信息；

从所述文本库中，选取每个预设字段指向的目标文本内容作为所述预设字段的所述文本信息，所述位置信息为所述目标文本内容所在的目标坐标范围。

3.根据权利要求2所述的方法，其特征在于，所述对所述文本信息进行分类，根据分类结果从预设模板库中选取语义匹配的目标数据模板，包括：

针对所述每个预设字段，识别所述目标文本内容的目标语义信息；

基于所述目标语义信息，于所述模板库中，选取模板语义信息与所述目标语义信息的相似度最大的所述目标数据模板。

4.根据权利要求3所述的方法，其特征在于，所述目标数据模板中包括：多个标记了语义标签和位置标签的标注框；所述根据所述文本信息、所述位置信息和所述目标数据模板提取所述文本信息中的文本数据，包括：

针对所述每个预设字段，分别计算所述位置信息与所述目标数据模板中每个标注框的位置标签的重叠率，将所述重叠率大于预设阈值的所述标注框作为候选标注框；

于所述候选标注框中，分别计算同一预设字段下的所述文本信息与每个所述候选标注框内的语义标签之间的语义相似度，选取所述语义相似度最大的一个所述候选标注框作为所述预设字段的模板标注框；

提取所述模板标注框所标注的文本信息的文本数据。

5.根据权利要求4所述的方法，其特征在于，所述提取所述模板标注框所标注的文本信息的文本数据，包括：

针对每个所述预设字段，调用所述模板标注框对应的数据提取规则，基于所述数据提取规则从所述文本信息中提取出所述文本信息中的所述文本数据。

6.一种票据识别装置，其特征在于，包括：

获取模块，用于获取待识别的票据的影像信息；

解析模块，用于解析所述影像信息，从上向下，逐行识别所述票据中的至少一个文本信息，以及所述至少一个文本信息中的每一文本信息在所述票据上的位置信息；

匹配模块，用于对所述文本信息进行分类，根据分类结果从预设模板库中选取语义匹配的目标数据模板；

提取模块，用于根据所述文本信息、所述位置信息和所述目标数据模板提取所述文本信息中的文本数据。

7.根据权利要求6所述的装置，其特征在于，所述解析模块用于：

识别所述影像信息，生成所述票据的文本库，所述文本库包括：所述票据的全部文本内容和每个字符在所述票据上的坐标信息；

从所述文本库中，选取每个预设字段指向的目标文本内容作为所述预设字段的所述文本信息，所述位置信息为所述目标文本内容所在的目标坐标范围。

8.根据权利要求7所述的装置，其特征在于，所述匹配模块用于：

针对所述每个预设字段，识别所述目标文本内容的目标语义信息；

基于所述目标语义信息，于所述模板库中，选取模板语义信息与所述目标语义信息的相似度最大的所述目标数据模板。