[发明专利]一种柱状图数据提取和转化方法

说明书

本发明公开了一种柱状图数据提取和转化方法，所述方法包括如下步骤：获取柱状图；采用目标检测模型识别柱状图中的文字、图例位置；将识别的文字和图例进行分类，并采用文字识别模型识别文字，获取文字含义；采用图像转文字模型识别柱状图中每一柱体的高度，并获取每一柱体的高度数据；将分类后的文字、图例以及高度数据转化为结构数据。所述数据提取方法采用深度卷积神经网络识别图例信息，从而可以识别包括但不仅限于颜色、形状、花纹等图例信息，并且使得可识别的柱状图种类更多，具有更广泛的应用。

发明领域

本发明涉及大数据处理领域，特别涉及一种柱状图数据提取和转化方法。

背景技术

现有技术中，柱状图的数据提取方法通常采用Faster R-CNN模型和文字识别技术提取柱状图中的元素和文字，并且识别柱状图中不同颜色，根据不同颜色进行柱状图信息和图例匹配，传统的柱状图数据提取方法采用Faster R-CNN模型识别图例元素位置，并进一步提取图例元素数据。需要说明的是，当柱状图的颜色图例数量较大时，传统的技术方案效果较差，Faster R-CNN模型位置识别不准确，从而容易导致数据提取的精度较差，匹配结果容易出现错误，无法完全复原柱状图的信息。

发明内容

本发明其中一个较佳实施例在于提供一种柱状图数据提取和转化方法，所述数据提取和转化方法采用image-to-text技术，即图像转文字技术对柱状图中的文字进行识别，并对识别的文字根据其属性进行分类处理，提取柱状图的数据后将柱状图数据转化为所需的结构数据，可提高图例匹配的准确度，提高柱状图的转化效果。

本发明另一个较佳实施例在于提供一种柱状图数据提取和转化方法，所述数据提取和转化方法采用深度卷积神经网络识别图例信息，从而可以识别包括但不仅限于颜色、形状、花纹等图例信息，并且使得可识别的柱状图种类更多，具有更广泛的应用。

本发明另一个较佳实施例在于提供一种柱状图数据提取和转化方法，所述数据提取和转化方法采用训练好的目标检测模型，检测柱状图中的图例和文字对应的位置，并识别柱状图的横坐标、纵坐标、标题和图例解释，采用包括但不仅限于cascade-RCNN的目标检测模型可精准识别柱状图中元素和对应的位置，从而可以实现精确的数据匹配和转化。

本发明另一个较佳实施例在于提供一种柱状图数据提取和转化方法，所述数据提取和转化方法可通过所述目标检测模型识别每个图例的高度信息，在完成高度信息检测后可进一步转化为纵坐标数据，可提高数据转化的效率和精度。

为了实现至少一个上述发明目的，本发明进一步提供一种柱状图数据提取和转化方法，所述方法包括如下步骤：

获取柱状图；

采用目标检测模型识别柱状图中的文字、图例位置；

将识别的文字和图例进行分类，并采用文字识别模型识别文字，获取文字含义；

采用图像转文字模型识别柱状图中每一柱体的高度，并获取每一柱体的高度数据；

将分类后的文字、图例以及高度数据转化为结构数据。

根据本发明其中一个较佳实施例，将所述目标检测模型识别的文字和图例分类形成横坐标、纵坐标、标题、图例解释，用文字识别模型识别柱状图中的文字信息。

根据本发明另一个较佳实施例，将识别的文字和图例进行分类包括如下步骤：识别图例的个数，并识别图例中的图例文字和图例元素，将每个图例元素和对应的图例文字相匹配并存储。

根据本发明另一个较佳实施例，获取柱状图中所有图例的图例元素，采用图像转文字识别每一图例元素在柱状图中的位置，以及识别每一图例对应的横坐标信息，将图例元素和所述柱状图依次输入所述图像转文字模型，获取每一柱体的高度信息。