[发明专利]一种纸质发票信息提取方法及装置

说明书

本发明实施例提供了一种纸质发票信息提取方法及装置，用于提升纸质发票信息提取速度和准确性。所述方法包括：获取纸质发票图像；通过光学字符识别OCR模型对所述纸质发票图像进行全票面文本识别，得到文本识别结果；其中，所述OCR模型为将目标检测模型YOLO4和文本识别模型CRNN结合得到的，所述YOLO4模型用于对所述纸质发票图像进行文本检测，所述CRNN模型用于对所述YOLO4模型的文本检测结果进行文本识别；导出所述文本识别结果对应的文本信息。

技术领域

本发明涉及票据识别技术领域，尤其涉及一种纸质发票信息提取方法及装置。

背景技术

在财务人员进行财务报销的过程中，需要财务人员对报销的发票单据进行手工处理，这样不仅会耗费大量的人力物力，而且工作效率非常低下，因此推出了发票自动识别技术，批量采集发票单据上的信息并输出结构化的数据，与传统的人工录入数据相比，大大的减少了财务人员的工作量，提升了工作效率。

目前，对于发票自动识别，首先对发票的文字区域进行分割，分割后，发票中的文字为单独的待识别个体，接下来，再用模板匹配等强字符分类器的方式识别分割好的单个字符，最后将单子识别结果连接起来，作为识别出的发票元素。其中，由于汉字数量巨大、字体种类众多、图像变形、形近字、生僻字等众多影响，分类器对单个汉字的识别能力较弱，从而对发票图像信息提取的准确度较低，速度较慢。

发明内容

本发明实施例提供了一种纸质发票信息提取方法及装置，用于提升纸质发票信息提取速度和准确性。

第一方面，提供一种纸质发票信息提取方法，所述方法包括：

获取纸质发票图像；

通过光学字符识别OCR模型对所述纸质发票图像进行全票面文本识别，得到文本识别结果；其中，所述OCR模型为将目标检测模型YOLO4和文本识别模型CRNN结合得到的，所述YOLO4模型用于对所述纸质发票图像进行文本检测，所述CRNN模型用于对所述YOLO4模型的文本检测结果进行文本识别；

导出所述文本识别结果对应的文本信息。

可选的，所述通过光学字符识别OCR模型对所述纸质发票图像进行全票面文本识别，包括：

将所述图像的尺寸调整为目标尺寸，得到第一图像；

通过霍夫直线检测方法对所述第一图像进行直线检测，得到所述第一图像的倾斜角度；

根据所述倾斜角度对所述第一图像进行矫正，得到第二图像；

通过所述OCR模型对所述第二图像进行全票面文本识别。

可选的，所述导出所述文本识别结果对应的文本信息，包括：

确定所述文本识别结果中是否包含所有预设字段对应的文本信息；

若所述文本识别结果中包含所有预设字段对应的文本信息，则导出所述文本识别结果对应的文本信息。

可选的，若所述文本识别结果中不包含第一字段对应的文本信息，还包括：

确定所述第一字段是否为四要素对应的字段；其中，所述四要素包括发票代码、发票号码、开票日期和税前金额；

若所述第一字段不是所述四要素对应的字段，则根据所述四要素对应的文本信息调用查验接口获取所述纸质发票对应的文本信息。

可选的，所述方法还包括：

若所述第一字段为四要素对应的字段，则获取所述纸质发票图像上的二维码信息；

扫描所述二维码信息，获取所述四要素对应的文本信息；

根据所述四要素对应的文本信息调用查验接口获取所述纸质发票对应的文本信息。