[发明专利]翻页异常检测方法

权利要求书

1.一种翻页异常检测方法，其特征在于，包括：

步骤1，根据设定的页码区域类型将页面图像划分为多个页面区域，通过选取页码区域类型来限定用于页码识别的页面区域；

步骤2，根据选取的所述页码区域类型在所述页面图像中截取对应的页码区域图像；

步骤3，对截取的所述页码区域图像进行光学字符识别并输出页码区域图像中的文本信息；

步骤4，在光学字符识别得到的所述文本信息中查找并提取出现的所有数字信息并将其作为候选页码，所述候选页码构成候选页码集合；

步骤5，查询所述候选页码集合中候选页码的上下文，过滤其中前置量词或后跟量词为非页码量词的候选页码；

步骤6，对过滤后的候选页码集中的候选页码按照其坐标位置进行排序，选取最靠近页面边缘的候选页码作为初步识别结果；

步骤7，根据文档页码连续递增的特性，利用相邻页面的页码识别结果对当前页面的初步识别结果进行平滑及确认处理，生成页码识别结果；

步骤8，根据页码识别结果对页面的翻页异常类型进行判定和标记，得到翻页异常检测结果；

其中，所述平滑及确认处理包括纠正、补全、确认；根据处理对象的尺度采用多层次的平滑及确认处理；

其中，根据处理对象的尺度采用多层次的平滑及确认处理，具体包括：

相邻页面之间的平滑及确认，即通过当前页面相邻两侧页面的页码识别结果推断当前页面的页码，并将推断结果与当前页面的初步识别结果一起进行投票处理，将投票最多的页码作为当前页面的页码识别结果；

相邻页面段之间的平滑及确认，即在页面中查找已确认页码且页码连续的页面段以及待确认页码的页面段，当待确认页码的页面段相邻两侧为已确认页码且页码连续的页面段时，比较待确认页码的页面段的长度值与其相邻两侧已确认页码且页码连续的页面段的页码间隔值，当长度值与页码间隔值相等时则直接获得待确认页码的页面段中各个页面的页码，生成页码识别结果；其中，所述页面段为多个相邻页面构成的页面序列；页面段的长度值为该页面段所包含的页面数量；

页面段内部的平滑及确认，即对于依次经过相邻页面之间的平滑及确认处理、相邻页面段之间的平滑及确认处理后仍然无法确认页码的页面段，对该页面段进行内部投票处理，结合该页面段相邻两侧已确认页码且页码连续的页面段所限定的页码范围获得页码，生成页码识别结果；

其中，页面段内部的平滑及确认，具体包括：

当页面段内部页面的页码为连续时，首先确定该页面段起始页面的页码，即确定起始页面的页码识别结果；根据该起始页面的页码推算该页面段内其他页面的页码，生成页码识别结果；

当该页面段起始页面的页码无法确定而该页面段内一个或多个页面页码具有对应的初步识别结果时，则根据页码的初步识别结果反向推算该页面段起始页面的页码，并进行页面段内部投票处理确定起始页面的页码；根据该起始页面的页码推算该页面段内其他页面的页码，生成页码识别结果；

其中，页面段中第i个页面页码的初步识别结果为f_i；根据初步识别结果f_i推算第i个页面对应的该页面段起始页面的页码投票结果v_i1＝f_i-(i-1)；当该页面段包含n个具有初步识别结果的页面时则对应获得起始页面的n个页码投票结果；统计起始页面的n个页码投票结果，进行页面段内部投票，将累计票数最多且票数超过设定的内部投票阈值的页码投票结果作为起始页面的页码识别结果S₁；

页面段中第i个页面的页码识别结果为P_i；根据起始页面的页码识别结果S₁获得页面段内其他页面的页码识别结果P_i＝S₁+(i-1)；

其中，所述根据页码识别结果对页面的翻页异常类型进行判定，具体包括：

比较相邻页面的页码识别结果；当前后页码间隔小于1时则判定为发生了重页，将其翻页异常类型标记为重页；当前后页码间隔大于1时则判定为发生了漏页，将其翻页异常类型标记为漏页；无法确认页码的页面则将其翻页异常类型标记为识别失败；将翻页异常类型标记为重页、漏页、识别失败的页面交由人工进行核验。