[发明专利]一种基于OCR的单据自动识别方法

权利要求书

1.一种基于OCR的单据自动识别方法，其特征在于，所述自动识别方法包括以下步骤：

S1，基于OCR对单据图像中的文本信息进行提取，得到文字数据；

S2，根据预设特征值对所述文字数据中的单据类型进行识别，得到第一解析结果；

S3，根据预设逻辑对所述文字数据中的单据模板进行识别，得到第二解析结果；

S4，基于第一预设识别规则对所述文字数据中的文字含义进行识别，得到第三解析结果，其中，对车牌信息包括进行误差校正识别；

S5，将所述第一解析结果、第二解析结果和第三解析结果进行归集；

其中，步骤S5中的归集结果将储存于数据库中，以形成历史数据。

2.如权利要求1所述的一种基于OCR的单据自动识别方法，其特征在于，所述自动识别方法还包括步骤S6，基于第二预设识别规则对所述文字数据中的文字含义进行识别，得到第三解析结果。

3.如权利要求1或2所述的一种基于OCR的单据自动识别方法，其特征在于，步骤S2中的预设特征值包括限定关键字，即在识别到第一关键字时，不能包含第二关键字，否则识别无效；识别到第二关键字时，不能包含第一关键字，否则识别无效。

4.如权利要求1或2所述的一种基于OCR的单据自动识别方法，其特征在于，步骤S3中的预设逻辑包括对提取的文字特征进行分解匹配，若匹配对应，则认定该文字特征为单据模板；该预设逻辑还包括对特征值的提取，其特征值的提取依照单据上的预设方位坐标。

5.如权利要求1或2所述的一种基于OCR的单据自动识别方法，其特征在于，步骤S4中的通用识别规则包括根据单据字段的特性将其进行划分，即划分为有限集名词集合、有限集固定规律字母组合集合、无限集数字集合和可穷举固定格式。

6.如权利要求5所述的一种基于OCR的单据自动识别方法，其特征在于，对于所述有限集名词集合的提取过程包括以下步骤：

提取名词并将其分类；

提取匹配关键字；

提取排斥关键字；

名词收录完成。

7.如权利要求5所述的一种基于OCR的单据自动识别方法，其特征在于，对于所述有限集固定规律字母组合集合的提取方法包括根据提取数据与数据库中历史数据的比对，对其进行莱文斯坦距离的计算。

8.如权利要求1或2所述的一种基于OCR的单据自动识别方法，其特征在于，步骤S4中的误差矫正识别包括以下算法步骤：

根据X中每个车牌对应的车牌ID，获取其历史可靠性更新次数，并按照和X一一对应的顺序构造出向量Q；

根据预设的超参数λ和Error(Q)计算出初始的结果向量M；

对向量M进行MIN-MAX归一化处理；

根据预设超参数θ，更新M，其更新公式为C＝θM；

若R(X,Xi)0.5，更新C_i，C_i＝C_i+α，其中α为补偿系数；

G＝V，E为无向无权同质网络，为X中尚未连接顶点增加一条边，形成完全图；

其中，Error(X)＝Sigmoid(-In(λX))，Sigmoid(x)＝1/(1+e-x)，α＝θp，p∈(0,1)；根据向量C更新车牌信息的可靠性，输出可靠性较高的数据作为有限集固定规律字母组合集合。

9.如权利要求8所述的一种基于OCR的单据自动识别方法，其特征在于，R(X,X_i)函数的计算公式如下:

R(X,X_i)＝ΣE_nX_n＝E_TX，

其中，E_i表示X中的第n个节点与第i个节点是否相连,若相连，E_n＝1,否则为0，对E_T进行平均归一化处理后再与X相乘。