[发明专利]测试样本生成方法、系统、计算机设备及存储介质

说明书

本发明实施例提供了一种测试样本生成方法，所述方法包括：为目标证件类别配置至少一个目标证件底图，目标证件底图为未携带特征数据的证件图片；获取所述目标证件类别关联的多个目标特征；根据多个目标特征从数据库中获取多个目标特征数据集，每个目标特征数据集中包括多个目标特征对应的多个目标特征数据；根据目标证件底图和多个目标特征数据集生成多个测试样本，其中，每个测试样本包括所述目标证件底图和被加载在所述目标证件底图上的所述多个目标特征数据集中的其中一个目标特征数据集对应的多个目标特征数据。本发明实施例提供的测试样本生成方法，可以通过少量数据，自动生成大批量多个场景的符合格式要求且不涉及隐私的证件图片。

技术领域

本发明实施例涉及计算机数据处理领域，尤其涉及一种测试样本生成方法、系统、计算机设备及计算机可读存储介质。

背景技术

随着计算机技术的发展，将纸上内容以电子数据形式存储到本地端或云端，有效提高了工作效率。将纸上内容转化为电子数据，当下做法是：由人工将纸上内容手动输入到计算机设备中。例如，公司将新进员工的纸质毕业证上的名片内容(姓名、学校、专业、学位等)手动输入到员工档案录中。然而，这种做法的缺陷是显而易见，费时费力、容易出错，并且重复性高。

为解决上述问题提出了基于光学文字识别(OCR，Optical CharacterRecognition)技术的光学识别工具，该光学识别工具在于识别手写字符或扫描字符，对以纸质文字转化为数字化的电子信息。可预见的，光学识别工具在进行文字识别过程中可能会遇到各式各样的识别场景，为了确保该光学识别工具能够适应于该各式各样的识别场景，需要在投入使用前对该光学文字识别工具进行识别测试。本发明人目前所解决的技术中，本领域技术人员通常会收集大量的纸质材料，将该大量纸质材料转化为图片格式文件集，然后将图片格式文件集用于测试该光学识别工具的测试样本。

上述测试样本获取效率低，也难于将各式各样的测试样本收集齐全；另外，在测试样本收集过程中也可能会泄露隐私内容。

发明内容

有鉴于此，本发明实施例的目的是提供一种测试样本生成方法、系统、计算机设备及计算机可读存储介质，可以解决测试样本获取效率低、测试样本收集不齐全以及泄露隐私内容的问题。

为实现上述目的，本发明实施例提供了一种测试样本生成方法，包括以下步骤：

为目标证件类别配置至少一个目标证件底图，所述目标证件底图为未携带特征数据的证件图片；

获取所述目标证件类别关联的多个目标特征；

根据所述多个目标特征从数据库中获取多个目标特征数据集，每个目标特征数据集中包括所述多个目标特征对应的多个目标特征数据；及

根据所述目标证件底图和所述多个目标特征数据集生成多个测试样本，其中，每个测试样本包括所述目标证件底图和被加载在所述目标证件底图上的所述多个目标特征数据集中的其中一个目标特征数据集对应的多个目标特征数据。

优选地，为目标证件类别配置至少一个目标证件底图的步骤，包括：

为预先设置的多个证件类别分别配置对应的至少一个证件底图，所述多个证件类别包括所述目标证件类别；

其中，每个证件类别对应的证件为具有若干个统一版面格式的标准件。

优选地，获取所述目标证件类别关联的多个目标特征的步骤，包括：

通过图像采集装置采集目标证件类别的证件图片；

为所述证件图片的每个像素点生成坐标信息，其中，所述证件图片中的每个像素点的坐标信息与目标证件底图中相应像素点的坐标信息具有一一对应关系；

识别所述证件图片上的一组或多组文字信息，并记录每组文字信息的文字特征，所述文字特征包括在所述证件图片中的坐标信息、字体和字号；