[发明专利]一种增值税发票中发票代码识别后处理方法

说明书

本发明提供一种增值税发票中发票代码识别后处理方法，属于计算机视觉领域。该方法包括：采集增值税发票图像，并进行票面信息结构化，获取所有的结构化信息；获取第一字段发票代码和第二字段发票代码，通过比较二者是否相同对第一字段发票代码和/或第二字段发票代码进行校正；完成发票代码识别后处理。通过本发明技术方案给出的方法，发票代码的最终识别率从70％提高到98％，达到了很好的识别效果。

技术领域

本发明属于计算机视觉领域，尤其是一种增值税发票中发票代码识别后处理方法。

背景技术

财务报销是一个公司中所有必不可少的业务，每一个公司的每一个人都有可能需要进行财务报销，特别是业务销售，财务报销更是非常频繁。

增值税发票(增值税专用发票、增值税普通发票)是中国目前公司业务中使用的最多的两种发票，之前发票的电子化一般是人工录入，随着OCR领域技术不断普及，很多行业逐步采用了OCR识别技术代替人工录入，很大程度提高了工作效率。随着OCR识别技术的发展，目前有很多技术可以很好的识别纸质发票上的所有内容，并且结构化出来。OCR识别发票技术被应用于各行各业，比如报销、报税、财务记账、发票真伪查验等等。

但是由于发票一般都是针式打印机套打，还会出现打印打偏、打出界、打不全、打重叠等等情况，如图1，严重影像发票识别率。通过申请人统计，如果识别完成不做任何后处理，发票代码的识别率只有70％左右。

发明内容

为了解决以上问题，本发明提供了一种增值税发票中发票代码识别后处理方法，该方法针对打印打偏、打出界、打不全、打重叠等影响发票识别率的情况供一套行之有效的方法。经分析，在增值税发票上有2个发票代码区域，一个是打印的发票代码，一个是印刷的发票代码，由于发票代码可被用于鉴别发票的真伪，因此本发明技术方案将其作为依据通过发票代码的校验和后处理，可以提高发票代码的识别率。通过本发明技术方案给出的方法，发票代码的最终识别率从70％提高到98％，达到了很好的识别效果。

根据本发明的第一方面，提供一种增值税发票中发票代码识别后处理方法，所述增值税发票包括新版增值税普通发票、旧版增值税普通发票和增值税专用发票，其特征在于，所述方法包括：

步骤1：采集增值税发票图像，并进行票面信息结构化，获取所有的结构化信息；

步骤2：获取第一字段发票代码和第二字段发票代码，通过比较二者是否相同对第一字段发票代码和/或第二字段发票代码进行校正；

步骤3：完成发票代码识别后处理。

进一步的，所述步骤1具体包括：

步骤11：采集一张或者多张增值税发票图像；

步骤12：通过结构化模板对增值税发票图像进行票面信息结构化处理；

步骤13：识别增值税发票图像的所有文字条目，得到所有的增值税发票文字信息；

步骤14：对所有的增值税发票文字信息进行结构化分析，得到所有的结构化信息。

进一步的，所述步骤12具体包括：

针对每种增值税发票版式制定结构化模板；

通过结构化模板对特定版式的增值税发票进行票面信息结构化处理。

进一步的，所述步骤1还包括：将所有的结构化信息转换成用于传输和存储的数据。

进一步的，所述输出模式包括但不限于JSON格式和XML格式；所述数据格式按照企业自定义标准进行格式化输出。

进一步的，所述步骤2具体包括：

步骤21：获取第一字段发票代码和第二字段发票代码；