[发明专利]表单信息的获取方法、装置和服务器

权利要求书

1.一种表单信息的获取方法，其特征在于，包括：

获取目标图像；其中，所述目标图像包含有待处理的目标表单；

确定出目标图像中所包含的目标表单的主题类型；

根据所述目标图像，获取目标表单内的文本数据和文本数据的位置信息，并确定文本数据之间的基于位置的第一类依赖关系；

根据预设的知识图谱、所述主题类型、所述目标表单内的文本数据和文本数据的位置信息，确定出文本数据之间的基于语义的第二类依赖关系，并构建得到目标表单的泛化套打表格模型；其中，所述目标表单的泛化套打表格模型包含有文本数据，以及文本数据之间的基于位置的第一类依赖关系和基于语义的第二类依赖关系；

根据目标规则，从所述目标表单的泛化套打表格模型中提取出相应的文本数据，以得到目标表单信息。

2.根据权利要求1所述的方法，其特征在于，在获取目标图像之后，所述方法还包括：

对所述目标图像进行预处理；其中，所述预处理包括以下至少之一：图像标准化处理、倾斜校正处理、扭曲修复处理。

3.根据权利要求2所述的方法，其特征在于，在所述预处理包括扭曲修复处理的情况下，对所述目标图像进行预处理，包括：

检测所述目标图像中的目标表单是否存在扭曲；

在确定所述目标图像中的目标表单存在扭曲的情况下，确定扭曲类型；其中，所述扭曲类型包括：目标表单自身存在的扭曲、获取目标图像时引入的扭曲；

在确定所述扭曲类型为目标表单自身存在的扭曲的情况下，调用预设的扭曲修复处理模型，处理所述目标图像；其中，所述预设的扭曲修复处理模型为包含有两个U-net堆叠而成的DocUNet结构的深度学习模型。

4.根据权利要求1所述的方法，其特征在于，确定出目标图像中所包含的目标表单的主题类型，包括：

利用SIFT算法处理所述目标图像，以提取得到目标图像特征；

调用预设的主题分类模型处理所述目标图像特征，以确定出目标图像中所包含的目标表单的主题类型。

5.根据权利要求4所述的方法，其特征在于，所述主题类型包括以下至少之一：不动产证、结婚证、财务报表、发票。

6.根据权利要求1所述的方法，其特征在于，根据所述目标图像，获取目标表单内的文本数据和文本数据的位置信息，并确定文本数据之间的基于位置的第一类依赖关系，包括：

调用预设的文本检测模型，根据目标表单的主题类型，处理所述目标图像，以识别并确定出目标图像中的多个文本图像区域；其中，所述文本图像区域包含有图像形式的文本数据；

调用预设的处理模型，处理所述目标图像中的多个文本图像区域，以提取出各个文本图像区域中的文本数据；

通过对目标表单进行表单结构还原处理，以确定出文本数据的位置信息；

根据文本数据的位置信息，确定出文本数据之间的基于位置的第一类依赖关系。

7.根据权利要求6所述的方法，其特征在于，通过对目标表单进行表单结构还原处理，以确定出文本数据的位置信息，包括：

将所述目标图像转换为灰度图；

根据所述灰度图，将所述目标图像中的目标表单划分为多个矩形单元的组合；

根据所确定出的目标表单中的多个文本图像区域，对所述多个矩形单元的组合进行校正处理，得到矫正后的多个矩形单元的组合；

根据所述矫正后的多个矩形单元的组合，确定出各个文本数据所在的矩形单元，得到各个文本数据的位置信息。

8.根据权利要求1所述的方法，其特征在于，根据预设的知识图谱、所述主题类型、所述目标表单内的文本数据和文本数据的位置信息，确定出文本数据之间的基于语义的第二类依赖关系，并构建得到目标表单的泛化套打表格模型，包括：

根据所述主题类型，从预设的知识图谱中确定出匹配的模式层；

根据所述匹配的模式层、所述目标表单内的文本数据，以及所述文本数据的位置信息，构建相应的元数据层和实例层，以得到目标表单的泛化套打表格模型。