[发明专利]用于文本识别的表格模板建立方法、文本识别方法、系统

说明书

本发明涉及文字处理技术领域，具体涉及一种用于文本识别的表格模板建立方法、文本识别方法、系统。本申请旨在解决现有的表格模板存在的局限性大，灵活性低的问题。为此目的，本申请的表格模板建立方法包括：获取对上传的第一模板图像进行OCR识别后得到的识别结果；基于所述识别结果，绘制电子表格；响应于接收到的选取所述电子表格中感兴趣区域的指令，确定感兴趣区域的区域信息；基于所述区域信息，生成表格模板。本申请可以在通用的表格OCR识别结果的基础上，灵活地选取和设定感兴趣区域，提高表格模板的拓展性，降低成本。

技术领域

本发明涉及文字处理技术领域，具体涉及一种表格模板建立方法、文本识别方法、系统、装置及介质。

背景技术

市场上常见的表格OCR(Optical Character Recognition，光学字符识别)方案都是把所有识别到的文本数据全量返回给用户，不能有针对性的返回用户感兴趣的区域数据，用户对识别结果复用难度较大。

为解决上述问题，现有技术中通过模板匹配的方法来实现对感兴趣区域的文字提取。这种方法的一般实现过程如下：首先用户上传与待识别图像的表格结构一致的模板图像，其次由用户在模板图像中框选出感兴趣区域，然后记录感兴趣区域的位置信息(如角点坐标、框体长度/宽度等)，最后基于感兴趣区域的位置信息生成表格模板。使用时，先基于表格模板确定待识别表格中的感兴趣区域，然后利用文字识别技术来识别感兴趣区域的文字，并将识别结果返回给用户。

虽然上述技术方案一定程度上解决了识别结果复用难度大问题，但是该技术方案也不可避免地存在如下问题：上述表格模板对于有固定版式的表格较为适用，但是对于一些用户来说，虽然待识别表格的版式或类型只是相同的，但是表格中的数据的行列数并不固定，此时如果为每一种待识别表格都生成一个OCR模板，不仅耗时耗力，而且需要付出的成本过高。换句话说，当前的表格模板具有局限性大，灵活性低的问题。

相应地，本领域需要一种新的技术方案来解决上述问题。

发明内容

为了解决现有技术中的上述至少一个问题，即为了解决现有的表格模板存在的局限性大，灵活性低的问题，本申请的第一方面提供了一种用于文本识别的表格模板建立方法，所述建立方法包括：

获取对上传的第一模板图像进行OCR识别后得到的识别结果；

基于所述识别结果，绘制电子表格；

响应于接收到的选取所述电子表格中感兴趣区域的指令，确定感兴趣区域的区域信息；

基于所述区域信息，生成表格模板。

在上述用于文本识别的表格模板建立方法的优选技术方案中，“基于所述识别结果，绘制电子表格”的步骤进一步包括：

基于所述识别结果，在Web页面上绘制电子表格。

在上述用于文本识别的表格模板建立方法的优选技术方案中，所述感兴趣区域包括所述电子表格的单元格区域、整行区域、整列区域和表格外区域中的至少一种。

在上述用于文本识别的表格模板建立方法的优选技术方案中，所述区域信息包括所述感兴趣区域的坐标信息和/或所述感兴趣区域内的字符信息。

在上述用于文本识别的用于文本识别的表格模板建立方法的优选技术方案中，所述建立方法还包括：

基于与第一模板图像同类型的第二模板图像，对所述表格模板进行验证；

响应于验证通过的指令，生成所述表格模板。

本申请的第二方面提供了一种用于文本识别的表格模板建立系统，其特征在于，所述建立系统包括：

第一获取模块，其被配置成获取对上传的第一模板图像进行OCR识别后得到的识别结果；