基于OCR識(shí)別的單證數(shù)據(jù)提取方法、裝置、設(shè)備及介質(zhì)

基本信息

申請(qǐng)?zhí)?/td> CN202011478079.0 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN112507909A 公開(kāi)（公告）日 2021-03-16
申請(qǐng)公布號(hào) CN112507909A 申請(qǐng)公布日 2021-03-16
分類號(hào) G06K9/00;G06K9/32;G06K9/72;G06F40/289 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 莊志強(qiáng);施光輝;吳思琪;馬澤未;李承影;夏永財(cái) 申請(qǐng)（專利權(quán)）人 信號(hào)旗智能科技（上海）有限公司
代理機(jī)構(gòu) - 代理人 -
地址 200120 上海市浦東新區(qū)中國(guó)(上海)自由貿(mào)易試驗(yàn)區(qū)納賢路800號(hào)1幢A座8樓A1-3室
法律狀態(tài) -

摘要

摘要 本發(fā)明涉及表單數(shù)據(jù)處理領(lǐng)域，公開(kāi)了一種基于OCR識(shí)別的單證數(shù)據(jù)提取方法、裝置、設(shè)備及介質(zhì)，其方法包括：通過(guò)OCR識(shí)別程序處理單證文檔，生成包含若干字符塊及其字符坐標(biāo)信息的XML數(shù)據(jù)，一個(gè)字符塊對(duì)應(yīng)一個(gè)字符坐標(biāo)信息；根據(jù)字符坐標(biāo)信息將處于同一行的字符塊組成字符組；通過(guò)預(yù)設(shè)的分詞算法從字符組提取關(guān)鍵詞，生成詞塊，詞塊包括若干字符塊；根據(jù)詞塊內(nèi)各個(gè)字符塊對(duì)應(yīng)的字符坐標(biāo)信息確定詞塊的詞塊坐標(biāo)信息；通過(guò)預(yù)設(shè)除錯(cuò)合并程序處理詞塊和詞塊坐標(biāo)信息，生成結(jié)構(gòu)化單證數(shù)據(jù)。本發(fā)明可以提高單證文檔的識(shí)別精度，減少識(shí)別錯(cuò)誤。