[发明专利]一种表格证件影像件的文本识别方法及计算设备

权利要求书

1.一种表格证件影像件的文本识别方法，其特征在于，包括：

针对任一类型的表格证件影像件，通过对所述类型的表格证件影像件进行文本内容识别，确定出所述类型的表格证件影像件的第一文本内容；

在确定所述第一文本内容中第一文本行的字符串的数量与所述类型的表格证件所具有的各关键字段的数量不相同时，将所述第一文本行的任一字符串，与第二文本行中的各字符串进行拼接处理，并对拼接后的字符串进行验证；所述第二文本行为所述第一文本内容中位于所述第一文本行之前的最近一行；

在任一拼接后的字符串符合所述类型的表格证件中任一关键字段的文本内容规则时，将所述拼接后的字符串确定为所述关键字段的文本内容；

将所述各关键字段的文本内容确定为所述类型的表格证件影像件的第二文本内容。

2.如权利要求1所述的方法，其特征在于，通过如下方式确定拼接后的字符串符合所述类型的表格证件中任一关键字段的文本内容规则，包括：

若所述拼接后的字符串属于纯数字类型，则从所述各关键字段中确定出文本内容属于纯数字类型的关键字段；

针对任一文本内容属于纯数字类型的关键字段，按照所述关键字段的文本内容规则对所述拼接后的字符串进行长度校验和正则表达式校验，从而确定所述拼接后的字符串是否符合所述关键字段的文本内容规则。

3.如权利要求1所述的方法，其特征在于，通过如下方式确定拼接后的字符串符合所述类型的表格证件中任一关键字段的文本内容规则，包括：

若所述拼接后的字符串属于字母+至少一个特殊字符类型，则从所述各关键字段中确定出文本内容属于字母+至少一个特殊字符类型的关键字段；

针对任一文本内容属于字母+至少一个特殊字符类型的关键字段，按照所述关键字段的文本内容规则对所述拼接后的字符串进行正则表达式校验，从而确定所述拼接后的字符串是否符合所述关键字段的文本内容规则。

4.如权利要求1所述的方法，其特征在于，通过如下方式确定拼接后的字符串符合所述类型的表格证件中任一关键字段的文本内容规则，包括：

若所述拼接后的字符串属于包含至少一个中文词类型，则从所述各关键字段中确定出文本内容属于包含至少一个中文词类型的关键字段；

通过设定的语言模型对所述拼接后的字符串进行处理，确定出所述拼接后的字符串符合任一文本内容属于包含至少一个中文词类型的关键字段的文本内容规则的句子概率，从而确定所述拼接后的字符串是否符合所述关键字段的文本内容规则。

5.如权利要求4所述的方法，其特征在于，所述通过设定的语言模型对所述拼接后的字符串进行处理，确定出所述拼接后的字符串符合任一文本内容属于包含至少一个中文词类型的关键字段的文本内容规则的句子概率，包括：

通过设定的分词工具对所述拼接后的字符串进行分词处理，得到至少一个分词以及所述至少一个分词中每个分词的词性；

按照排列组合的方式，将所述至少一个分词组合成至少一个句子；

针对每个句子，通过所述设定的语言模型对所述句子中的各分词进行处理，确定出所述句子的第一子句子概率，并通过所述设定的语言模型对所述句子中各分词的词性进行处理，确定出所述句子的第二子句子概率；基于所述句子的第一子句子概率以及所述句子的第二子句子概率，确定出所述句子的句子概率；所述第一子句子概率是通过统计所述句子中各分词的词频确定的；所述第二子句子概率是通过统计所述句子中各分词的词性的词频确定的；

将所述至少一个句子的句子概率进行比对，确定出最大的句子概率，并将所述最大的句子概率确定为所述拼接后的字符串对应的句子概率。