CN109903174B

CN109903174B - 一种基于移动终端摄像的保险单录入***及方法

Info

Publication number: CN109903174B
Application number: CN201910222268.2A
Authority: CN
Inventors: 王健荣; 曹光旺; 金鑫; 李小川
Original assignee: Chengdu Sure Technology Co ltd
Current assignee: Chengdu Sure Technology Co ltd
Priority date: 2019-03-22
Filing date: 2019-03-22
Publication date: 2023-11-24
Anticipated expiration: 2039-03-22
Also published as: CN109903174A

Abstract

本发明公开了一种基于移动终端摄像的保险单录入***及方法，云端服务器分别与移动终端和电脑终端连通，移动终端包含摄像头和保险单图片特征检测模块，摄像头对保险单进行摄像并抓取帧图像，保险单图片特征检测模块对帧图像进行检测，云端服务器包含保险单信息解析模块，云端服务器用于接收通过检测的保险单图片，保险单信息解析模块将保险单图片中的文字信息解析并存储为保险单数据，电脑终端或移动终端用于访问云端服务器存储的保险单数据。平均速度为20秒/份，相较于人工录入平均约10分钟/份，大大提高了录入效率，且基于保险单图片特征检测模块，识别出可能为保险的图片，大大提高云端服务器端对保险单信息的解析精确率。

Description

一种基于移动终端摄像的保险单录入***及方法

技术领域

本发明涉及保险单录入技术领域，具体涉及一种基于移动终端摄像的保险单录入***及方法。

背景技术

保险单简称“保单”，是保险人与投保人签订保险合同的书面证明。保险单的主要内容包括：(1)双方对有关保险标的事项的说明，包括被保险人名称，保险标的名称及其存放地点或所处状态、保险金额、保险期限、保险费等。(2)双方的权利和义务，如承担责任和不予承担的责任等。(3)附注条件，指保险条款或双方约定的其他条件以及保单变更、转让和注销等事项。保险单是签订保险合同的主要表现形式。现在已知的录入保险单的方式，都是人工手动录入的。人工基于保险单的信息，手动录入***。该方式需要大量人力，且录入时间久，经测试平均录入时间为20分钟每份保险单，效率低。

发明内容

鉴于现有技术中的上述缺陷或不足，期望提供一种基于移动终端摄像的保险单录入***及方法，大大提高了录入效率和对保险单信息的解析精确率。

根据本申请实施例提供的技术方案，一方面提供一种基于移动终端摄像的保险单录入***，包括移动终端、云端服务器和电脑终端，所述云端服务器分别与所述移动终端和所述电脑终端连通，所述移动终端包含摄像头和保险单图片特征检测模块，所述摄像头对保险单进行摄像并抓取帧图像，所述保险单图片特征检测模块对所述帧图像进行检测，所述云端服务器包含保险单信息解析模块，所述云端服务器用于接收通过检测的保险单图片，所述保险单信息解析模块将所述保险单图片中的文字信息解析并存储为保险单数据，所述电脑终端或所述移动终端用于访问所述云端服务器存储的所述保险单数据。

本申请中，所述保险单图片特征检测模块包括亮度检测、清晰度检测、倾斜度检测和文字大小、完整性检测，所述保险单信息解析模块采用OCR识别算法。

另一方面提供一种基于移动终端摄像的保险单录入方法，保险单图片特征检测模块对摄像头抓取的帧图像分别进行亮度检测、清晰度检测、倾斜度检测和文字大小、完整性检测，如果检测通过，停止摄像，并将通过的保险单图片远程发送至云端服务器，如果检测未通过，提示错误信息，并继续抓取图片帧，继续检测，直到通过为止，所述亮度检测包括以下步骤，S1、图片灰度化；S2、计算图片所有像素点的灰度均值cp，其中x_n为像素点n的灰度值，N为图片像素点的总数；S3、设定阀值，该阀值可调整，过暗阀值pd＝-60，过亮阀值pl＝60；S4、检测，当pa<pd时，过暗，检测不通过，当pa>pl时，过亮，检测不通过，当pd<＝pa<＝pl时，检测通过；所述清晰度检测包括以下步骤，S10、图片灰度化；S20、使用Tenengrad函数式计算图片平均灰度meanG；S30、根据图片的大小计算阀值ct，ct＝c1-c2xmaxl，其中c1是常数，根据测试设定为3.10，c1可更改，c2是常数，根据测试设定为0.0019，c2可更改，maxl是图片最长边像素总数；S40、检测，当meanG>＝ct时，图片清晰度检测通过，当meanG<ct时，图片清晰度检测不通过；所述倾斜度检测包括以下步骤，S100、图片灰度化，然后二值化；S200、通过霍夫标准变换提取图片中所有直线集合L；S300、去掉不合理直线，定义最小直线长度(miml):miml＝wl*0.3，其中wl是图片的宽度，从该集合L中，移除长度小于minl的直线。S400、计算平均倾斜度ms，/>S500、检测，设定倾斜角度阀值(msd):msd＝15，该msd可更改，如果该集合L元素为0个时，检测不通过，如果该集合L元素大于0时，当|ms|<＝msd时，则检测通过，当|ms|>msd时,则检测不通过；所述文字大小、完整性检测包括以下步骤，S1000、图片灰度化，然后二值化；S2000、使用OpenCV的erode函数进行腐蚀一次，再使用OpenCv的dilate函数膨胀一次，腐蚀和膨胀参数，核形状MORPH_RECT矩形，核尺寸大小、14x2；S3000、提取文字区域轮廓集合T，使用OpenCV的finContours函数，提取文字区局轮廓。参数为，轮廓类型、RETR_CCOMP所有轮廓，轮廓的近似方法、CHAIN_APPROX_SIMPLE，仅保存轮廓的拐点信息；S4000、移除异常的轮廓数据，异常的轮廓包含面积过小和狭长，移除面积过小的轮廓，最小面积阀值minA＝80,该minA可更改，轮廓面积为a，当轮廓面积a<mina时，从T中移除该轮廓，当a>＝spt时，保留该轮廓；移除狭长的轮廓，计算轮廓高宽比例sp，sp＝h/w；其中h是轮廓的长度，w是轮廓的宽度；设定最小比例阀值spt,spt＝1.25，该spt可更改，当sp>spt时，从T中移除该轮廓，当sp<＝spt时，保留该轮廓。

本申请中，所述文字大小、完整性检测包括文字大小检测和文字完整性检测，所述文字大小检测使用以下步骤，S10000、计算平均高度mh，S20000、定义阀值，文字最小高度minh＝10.5，该minh可更改，文字最大高度maxh 16.8，该maxh可更改；S30000、检测，当mh<minh或mh>maxh时，检测不通过，当minh<＝mh<＝maxh时，检测通过；所述文字完整性检测使用以下步骤，S100000、计算每个轮廓的左侧x坐标(txl)和右侧x坐标(txr)，txl＝tx，txr＝tx+tw；其中tx是轮廓t在图片中相对图片到x坐标，tw是轮廓的宽度；S200000、定义阀值，边界最小距离mins，mins＝4,该mins可更改；S300000、检测，对每一个轮廓集合T，进行文字完整性检测，如果有一个检测不通过，则文字完整性检测不通过，当所有轮廓检测通过，则文字完整性检测通过；S40000、每个轮廓T的文字完整性检测,当txl>mins并且txr<(pw-mins)时，轮廓文字完整性检测通过，否则不通过，其中pw是图片的宽度。

综上所述，本申请的有益效果：通过手机摄像进行识别，平均速度为20秒/份，相较于人工录入平均约10分钟/份，大大提高了录入效率，且基于保险单图片特征检测模块，对摄像中的图片帧进行检查，识别出可能为保险的图片，大大提高云端服务器端对保险单信息的解析精确率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1为本申请的***结构示意图；

图2为本申请的***流程图；

图3为本申请保险单图片特征检测模块的流程图。

图1中标号：10、移动终端；20、云端服务器；30、电脑终端。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

请参考图1和图2，一种基于移动终端摄像的保险单录入***，包括移动终端10、云端服务器20和电脑终端30，所述云端服务器20分别与所述移动终端10和所述电脑终端30连通，所述移动终端10包含摄像头和保险单图片特征检测模块，所述摄像头对保险单进行摄像并抓取帧图像，所述保险单图片特征检测模块对所述帧图像进行检测，所述云端服务器20包含保险单信息解析模块，所述云端服务器20用于接收通过检测的保险单图片，所述保险单信息解析模块将所述保险单图片中的文字信息解析并存储为保险单数据，所述电脑终端30或所述移动终端10用于访问所述云端服务器20存储的所述保险单数据。所述保险单图片特征检测模块包括亮度检测、清晰度检测、倾斜度检测和文字大小、完整性检测，所述保险单信息解析模块采用OCR识别算法。

实施例：如图3所示，一种基于移动终端摄像的保险单录入方法，保险单图片特征检测模块对摄像头抓取的帧图像分别进行亮度检测、清晰度检测、倾斜度检测和文字大小、完整性检测，以上检测项可交换检测顺序，如果检测通过，停止摄像，并将通过的保险单图片远程发送至云端服务器，如果检测未通过，提示错误信息，并继续抓取图片帧，继续检测，直到通过为止，所述亮度检测包括以下步骤，S1、图片灰度化；S2、计算图片所有像素点的灰度均值cp，其中x_n为像素点n的灰度值，N为图片像素点的总数；S3、设定阀值，该阀值可调整，过暗阀值pd＝-60，过亮阀值pl＝60；S4、检测，当pa<pd时，过暗，检测不通过，当pa>pl时，过亮，检测不通过，当pd<＝pa<＝pl时，检测通过；所述清晰度检测包括以下步骤，S10、图片灰度化；S20、使用Tenengrad函数式计算图片平均灰度meanG；S30、根据图片的大小计算阀值ct，ct＝c1-c2xmaxl，其中c1是常数，根据测试设定为3.10，c1可更改，c2是常数，根据测试设定为0.0019，c2可更改，maxl是图片最长边像素总数；S40、检测，当meanG>＝ct时，图片清晰度检测通过，当meanG<ct时，图片清晰度检测不通过；所述倾斜度检测包括以下步骤，S100、图片灰度化，然后二值化；S200、通过霍夫标准变换提取图片中所有直线集合L；S300、去掉不合理直线，定义最小直线长度(miml):miml＝wl*0.3，其中wl是图片的宽度，从该集合L中，移除长度小于minl的直线。S400、计算平均倾斜度ms，S500、检测，设定倾斜角度阀值(msd):msd＝15，该msd可更改，如果该集合L元素为0个时，检测不通过，如果该集合L元素大于0时，当|ms|<＝msd时，则检测通过，当|ms|>msd时,则检测不通过；所述文字大小、完整性检测包括以下步骤，S1000、图片灰度化，然后二值化；S2000、使用OpenCV的erode函数进行腐蚀一次，再使用OpenCv的dilate函数膨胀一次，腐蚀和膨胀参数，核形状MORPH_RECT矩形，核尺寸大小、14x2；S3000、提取文字区域轮廓集合T，使用OpenCV的finContours函数，提取文字区局轮廓。参数为，轮廓类型、RETR_CCOMP所有轮廓，轮廓的近似方法、CHAIN_APPROX_SIMPLE，仅保存轮廓的拐点信息；S4000、移除异常的轮廓数据，异常的轮廓包含面积过小和狭长，移除面积过小的轮廓，最小面积阀值minA＝80,该minA可更改，轮廓面积为a，当轮廓面积a<mina时，从T中移除该轮廓，当a>＝spt时，保留该轮廓；移除狭长的轮廓，计算轮廓高宽比例sp，sp＝h/w；其中h是轮廓的长度，w是轮廓的宽度；设定最小比例阀值spt,spt＝1.25，该spt可更改，当sp>spt时，从T中移除该轮廓，当sp<＝spt时，保留该轮廓。所述文字大小、完整性检测包括文字大小检测和文字完整性检测，所述文字大小检测使用以下步骤，S10000、计算平均高度mh，/>S20000、定义阀值，文字最小高度minh＝10.5，该minh可更改，文字最大高度maxh 16.8，该maxh可更改；S30000、检测，当mh<minh或mh>maxh时，检测不通过，当minh<＝mh<＝maxh时，检测通过；所述文字完整性检测使用以下步骤，S100000、计算每个轮廓的左侧x坐标(txl)和右侧x坐标(txr)，txl＝tx，txr＝tx+tw；其中tx是轮廓t在图片中相对图片到x坐标，tw是轮廓的宽度；S200000、定义阀值，边界最小距离mins，mins＝4,该mins可更改；S300000、检测，对每一个轮廓集合T，进行文字完整性检测，如果有一个检测不通过，则文字完整性检测不通过，当所有轮廓检测通过，则文字完整性检测通过；S40000、每个轮廓T的文字完整性检测,当txl>mins并且txr<(pw-mins)时，轮廓文字完整性检测通过，否则不通过，其中pw是图片的宽度。

以上描述仅为本申请的较佳实施例以及对所运用技术原理等方案的说明。同时，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims

1.一种基于移动终端摄像的保险单录入***，其特征是：包括移动终端(10)、云端服务器(20)和电脑终端(30)，所述云端服务器(20)分别与所述移动终端(10)和所述电脑终端(30)连通，所述移动终端(10)包含摄像头和保险单图片特征检测模块，所述摄像头对保险单进行摄像并抓取帧图像，所述保险单图片特征检测模块对所述帧图像进行检测，所述云端服务器(20)包含保险单信息解析模块，所述云端服务器(20)用于接收通过检测的保险单图片，所述保险单信息解析模块将所述保险单图片中的文字信息解析并存储为保险单数据，所述电脑终端(30)或所述移动终端(10)用于访问所述云端服务器(20)存储的所述保险单数据；

所述保险单图片特征检测模块包括亮度检测、清晰度检测、倾斜度检测和文字大小、完整性检测，所述保险单信息解析模块采用OCR识别算法；

保险单图片特征检测模块对摄像头抓取的帧图像分别进行亮度检测、清晰度检测、倾斜度检测和文字大小、完整性检测，如果检测通过，停止摄像，并将通过的保险单图片远程发送至云端服务器，如果检测未通过，提示错误信息，并继续抓取图片帧，继续检测，直到通过为止，所述亮度检测包括以下步骤，

S1、图片灰度化；

S2、计算图片所有像素点的灰度均值cp，其中xn为像素点n的灰度值，N为图片像素点的总数；

S3、设定阀值，该阀值根据需要进行调整，过暗阀值pd＝-60，过亮阀值pl＝60；

S4、检测，

pa为灰度均值:是步骤S2中某一次拍照后计算出来的值，

当cp<pd时，过暗，检测不通过，

当cp>pl时，过亮，检测不通过，

当pd<＝cp<＝pl时，检测通过；

所述清晰度检测包括以下步骤，

S10、图片灰度化；

S20、使用Tenengrad函数式计算图片平均灰度meanG；

S30、根据图片的大小计算阀值ct，ct＝c1-c2xmaxl，其中c1是常数，根据测试设定为3.10，c1根据需要进行更改，c2是常数，根据测试设定为0.0019，c2根据需要进行更改，maxl是图片最长边像素总数；

S40、检测，

当meanG>＝ct时，图片清晰度检测通过，

当meanG<ct时，图片清晰度检测不通过；

所述倾斜度检测包括以下步骤，

S100、图片灰度化，然后二值化；

S200、通过霍夫标准变换提取图片中所有直线集合L；

S300、去掉不合理直线，定义最小直线长度miml,miml＝wl*0.3，

其中wl是图片的宽度，从该集合L中，移除长度小于minl的直线；

S400、计算平均倾斜度ms，其中Ln为第n条直线与水平轴的偏移角度，第1和3象限取值为0到90，第2和4象限取值为0到-90，n为直线总数；

S500、检测，设定倾斜角度阀值msd,msd＝15，该msd根据需要进行更改，

如果该集合L元素为0个时，检测不通过，

如果该集合L元素大于0时，

当|ms|<＝msd时，则检测通过，

当|ms|>msd时,则检测不通过；

所述文字大小、完整性检测包括以下步骤，

S1000、图片灰度化，然后二值化；

S2000、使用OpenCV的erode函数进行腐蚀一次，再使用OpenCv的dilate函数膨胀一次，腐蚀和膨胀参数，核形状MORPH_RECT矩形，核尺寸大小、14x2；

S3000、提取文字区域轮廓集合T，使用OpenCV的finContours函数，提取文字区局轮廓，所述文字区局轮廓需要提取的参数为：轮廓类型、RETR_CCOMP所有轮廓，轮廓的近似方法、CHAIN_APPROX_SIMPLE，然后仅保存轮廓的拐点信息；

S4000、移除异常的轮廓数据，异常的轮廓包含面积过小和狭长，

移除面积过小的轮廓，最小面积阀值minA＝80,该minA根据需要进行更改，轮廓面积为a，当轮廓面积a<minA时，从T中移除该轮廓，当a>＝minA时，保留该轮廓；

移除狭长的轮廓，计算轮廓高宽比例sp，sp＝h/w；其中h是轮廓的长度，w是轮廓的宽度；设定最小比例阀值spt,spt＝1.25，该spt根据需要进行更改，当sp>spt时，从T中移除该轮廓，当sp<＝spt时，保留该轮廓；

所述文字大小、完整性检测包括文字大小检测和文字完整性检测，

所述文字大小检测使用以下步骤，

S10000、计算平均高度mh，Tn为第n个轮廓的高度，n为轮廓总数；

S20000、定义阀值，文字最小高度minh＝10.5，该minh根据需要进行更改，文字最大高度maxh；

S30000、检测，

当mh<minh或mh>maxh时，检测不通过，

当minh<＝mh<＝maxh时，检测通过；

所述文字完整性检测使用以下步骤，

S100000、计算每个轮廓的左侧x坐标txl和右侧x坐标txr，txl＝tx，txr＝tx+tw；其中tx是轮廓t在图片中相对图片到x坐标，tw是轮廓的宽度；

S200000、定义阀值，边界最小距离mins，mins＝4,该mins根据需要进行更改；

S300000、检测，对每一个轮廓集合T，进行文字完整性检测，如果有一个检测不通过，则文字完整性检测不通过，当所有轮廓检测通过，则文字完整性检测通过；

S400000、每个轮廓T的文字完整性检测,当txl>mins并且txr<(pw-mins)时，轮廓文字完整性检测通过，否则不通过，其中pw是图片的宽度。