[发明专利]一种基于机器视觉的文本与内容识别分析方法

说明书

本发明公开了一种基于机器视觉的文本与内容识别分析方法，包括如下步骤：S1、首先通过机器扫描文件，识别文件中的文本内容，根据文件内容选择合适的识别方式，S2、在对特定的内容进行查找时，通过在知识库中选择需要查找的内容，通过机器扫描，识别该内容对应的文本，本发明通过机器视觉识别文本提及的表格和票据，对表格和票据文本进行识别，查找对应的表格和票据，识别表格和票据名称，查找与文本关联的表格和票据，将关联的表格和票据排放在对应的文本后面，够后续查阅，方便快速的查找关联的表格和票据，对文本内容更加快速的审核，使尽职调查的速度更快，节省时间，提高效率。

技术领域

本发明涉及机器视觉技术领域，具体为一种基于机器视觉的文本与内容识别分析方法。

背景技术

机器视觉是用机器代替人眼进行目标对象的识别、判断和测量，只要研究用计算机来模拟人的视觉功能，机器视觉技术涉及目标对象的图像获取技术、对图像信息的处理技术以及对目标对象的测量和识别技术，利用机器视觉技术给生活中的特定内容的读取识别带来的便捷，机器视觉技术常应用在仪器仪表上的数据读取、智能交通的车牌识别等；

但是目前在尽职调查中，通过机器视觉技术对大量文件进行识别查阅时，文件数量较多，文件种类不同，查阅文本内容较为复杂，使尽职调查的任务量较大，无法快速的将相关联的表格、票据与文本对应起来，从而导致尽职调查耗时较长。

发明内容

本发明提供一种基于机器视觉的文本与内容识别分析方法，可以有效解决上述背景技术中提出目前在尽职调查中，通过机器视觉技术对大量文件进行识别查阅时，文件数量较多，文件种类不同，查阅文本内容较为复杂，使尽职调查的任务量较大，无法快速的将相关联的表格、票据与文本对应起来，从而导致尽职调查耗时较长的问题。

为实现上述目的，本发明提供如下技术方案：一种基于机器视觉的文本与内容识别分析方法，包括如下步骤：

S1、首先通过机器扫描文件，识别文件中的文本内容，根据文件内容选择合适的识别方式；

S2、在对特定的内容进行查找时，通过在知识库中选择需要查找的内容，通过机器扫描，识别该内容对应的文本；

S3、先识别确定文本的整体结构，分析不同文本之间的关联性，再抓取文件中文本的名称和目录内容；

S4、然后按照目录对文本内容进行识别，先识别每个目录下的小标题，对文本结构进行补充；

S5、再根据尽职调查的需要和文本结构，快速定位至需要查找的位置，对重要内容进行识别分析；

S6、在重要文本内容识别分析过程中，识别到相同的文本内容时，将其他相同文本的位置标注在文本右侧；

S7、重要内容识别分析完成后，打印出重点内容分析报告；

S8、然后逐句对文本剩余内容进行识别分析，先识别提取数字和文字内容，最后识别图片内容；

S9、在文本内容全部分析完成后，打印整体分析报告。

根据上述技术方案，所述S1中，待识别的文件为图像文件，图像文件中的内容包括表格、文章和票据；

根据文本中文字记录的表格和票据，对其他含有表格和票据的文本进行查找，将表格名称和票据名称分别与文字记录的内容进行对比，将关联的票据文本和表格文本排放在对应文本后面；

关联表格和票据查找完成后，将票据与票据、表格与表格、表格与票据之间的内容进行对比分析，在对比后存在数据差异的位置进行框选标记；

所述S2中，知识库中存储有公司名称、重要文件名称、商业计划书名称和商业计划书中的故事

根据上述技术方案，所述S3中，在识别文本内容时，先通过机器视觉对文本内容进行扫描，对整个文本开始处的文本主题名称和文本目录进行识别，了解文档的大致内容，为后期查询做准备，然后识别文本中的目录，接着识别文本的重要内容，最后识别剩余内容；

在识别表格和票据时，先识别表格上方的表格名称，再识别表格的第一列和第一行的文本内容，确定表格整体结构，最后识别表格中剩余文本内容。