CN112580108B - 签名和***完整性验证方法及计算机设备 - Google Patents
签名和***完整性验证方法及计算机设备 Download PDFInfo
- Publication number
- CN112580108B CN112580108B CN202011434668.9A CN202011434668A CN112580108B CN 112580108 B CN112580108 B CN 112580108B CN 202011434668 A CN202011434668 A CN 202011434668A CN 112580108 B CN112580108 B CN 112580108B
- Authority
- CN
- China
- Prior art keywords
- seal
- signature
- verified
- target
- chapter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012795 verification Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 87
- 230000000875 corresponding effect Effects 0.000 claims description 62
- 238000012549 training Methods 0.000 claims description 32
- 238000013145 classification model Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012015 optical character recognition Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请实施例公开了一种签名和***完整性验证方法、计算机设备及计算机存储介质，用于快速地对签名和***进行自动化验证，以提高签名和***的验证效率。本申请实施例包括：计算机设备根据预先训练完成的目标检测模型对待验证文档进行检测，确定待验证文档的待验证章节中的签名区域及***区域，判断待验证章节中所有签名区域的签名文本个数是否少于目标章节中的签名标识个数，若是，则确定待验证章节的签名不完整；判断待验证章节中所有***区域的***个数是否少于目标章节中的***标识个数，若是，则确定待验证章节的***不完整。因此，实现了对文档的签名***完整性的自动化验证，无需由人工执行签名***的验证，提高了签名***的验证效率。
Description
技术领域
本申请实施例涉及数据处理领域，具体涉及一种签名和***完整性验证方法、计算机设备。
背景技术
目前，虽然无纸化办公与办公自动化***(office automation，OA)非常流行，但是加盖实体***的纸质文件在金融领域的应用仍非常广泛，特别是在跨机构的信息报送或信任转移等领域。在证券发行方面，保荐机构需要提交招股说明书、审计报告、保荐报告等海量文件，文件的页数较多，有些文件甚至达到数千页，需要签字盖章的地方也比较多，人工验证签名和***的工作量较大，极大地限制了工作效率。
因此，亟需一种可以快速地对签名和***进行自动化验证的方案，以提高签名和***的验证效率。
发明内容
本申请实施例提供了一种签名和***完整性验证方法、计算机设备及计算机存储介质，用于快速地对签名和***进行自动化验证，以提高签名和***的验证效率。
本申请实施例第一方面提供了一种签名和***完整性验证方法，包括：
获取当前的待验证文档，并获取预先构建的目标字典，所述目标字典包括所述待验证文档的章节与签名标识和***标识的对应关系，所述目标字典与所述待验证文档的文档类别对应；
根据预先训练完成的目标检测模型对所述待验证文档进行检测，确定所述待验证文档的待验证章节中的签名区域及***区域；
确定所述目标字典中与所述待验证章节对应的目标章节，并判断所述待验证章节中所有签名区域的签名文本个数是否少于所述目标章节中的签名标识个数，以及判断所述待验证章节中所有***区域的***个数是否少于所述目标章节中的***标识个数；
若所述签名文本个数等于所述签名标识个数且所述***个数等于所述***标识个数，则确定所述待验证章节的签名和***完整；
若所述签名文本个数少于所述签名标识个数，则确定所述待验证章节的签名不完整；
若所述***个数少于所述***标识个数，则确定所述待验证章节的***不完整。
本申请实施例第二方面提供了一种计算机设备，包括：
获取单元，用于获取当前的待验证文档，并获取预先构建的目标字典，所述目标字典包括所述待验证文档的章节与签名标识和***标识的对应关系，所述目标字典与所述待验证文档的文档类别对应；
目标检测单元，用于根据预先训练完成的目标检测模型对所述待验证文档进行检测，确定所述待验证文档的待验证章节中的签名区域及***区域；
第一确定单元，用于确定所述目标字典中与所述待验证章节对应的目标章节；
判断单元，用于判断所述待验证章节中所有签名区域的签名文本个数是否少于所述目标章节中的签名标识个数，以及判断所述待验证章节中所有***区域的***个数是否少于所述目标章节中的***标识个数；
第二确定单元，用于当所述签名文本个数等于所述签名标识个数且所述***个数等于所述***标识个数时，确定所述待验证章节的签名和***完整；
所述第二确定单元还用于当所述签名文本个数少于所述签名标识个数时，确定所述待验证章节的签名不完整；
所述第二确定单元还用于当所述***个数少于所述***标识个数时，确定所述待验证章节的***不完整。
本申请实施例第三方面提供了一种计算机设备，包括：
处理器、存储器、总线、输入输出设备；
所述处理器与所述存储器、输入输出设备相连；
所述总线分别连接所述处理器、存储器以及输入输出设备；
所述输入输出设备用于获取当前的待验证文档，并获取预先构建的目标字典，所述目标字典包括所述待验证文档的章节与签名标识和***标识的对应关系，所述目标字典与所述待验证文档的文档类别对应；
所述处理器用于根据预先训练完成的目标检测模型对所述待验证文档进行检测，确定所述待验证文档的待验证章节中的签名区域及***区域；确定所述目标字典中与所述待验证章节对应的目标章节；判断所述待验证章节中所有签名区域的签名文本个数是否少于所述目标章节中的签名标识个数，以及判断所述待验证章节中所有***区域的***个数是否少于所述目标章节中的***标识个数；当所述签名文本个数等于所述签名标识个数且所述***个数等于所述***标识个数时，确定所述待验证章节的签名和***完整；当所述签名文本个数少于所述签名标识个数时，确定所述待验证章节的签名不完整；当所述***个数少于所述***标识个数时，确定所述待验证章节的***不完整。
本申请实施例第四方面提供了一种计算机存储介质，计算机存储介质中存储有指令，该指令在计算机上执行时，使得计算机执行前述第一方面的方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例中，计算机设备根据预先训练完成的目标检测模型对待验证文档进行检测，确定待验证文档的待验证章节中的签名区域及***区域，判断待验证章节中所有签名区域的签名文本个数是否少于目标章节中的签名标识个数，以及判断待验证章节中所有***区域的***个数是否少于目标章节中的***标识个数，由于目标字典是人员根据文档需要签名和盖章的实际情况构建的，目标字典可以作为验证文档的签名***完整性的标准，因此，当所有签名区域的签名文本个数少于目标章节中的签名标识个数时，确定待验证章节的签名不完整；当所有***区域的***个数少于目标章节中的***标识个数时，确定待验证章节的***不完整。因此，实现了对文档的签名***完整性的自动化验证，无需由人工执行签名***的验证，提高了签名***的验证效率。
附图说明
图1为本申请实施例中签名和***完整性验证方法一个流程示意图；
图2为本申请实施例中签名和***完整性验证方法另一流程示意图；
图3为本申请实施例中目标检测模型对签名区域和***区域的一种识别效果示意图；
图4为本申请实施例中一种待验证章节中的签名区域和***区域示意图；
图5为本申请实施例中计算机设备一个结构示意图；
图6为本申请实施例中计算机设备另一结构示意图。
具体实施方式
本申请实施例提供了一种签名和***完整性验证方法、计算机设备及计算机存储介质，用于快速地对签名和***进行自动化验证，以提高签名和***的验证效率。
请参阅图1，本申请实施例中签名和***完整性验证方法一个实施例包括：
101、获取当前的待验证文档，并获取预先构建的目标字典；
本实施例的方法应用于计算机设备，该计算机设备可以是终端、服务器等能够执行数据处理和数据分析等任务的计算机设备。当该计算机设备为终端时，可以是个人电脑(personal computer，PC)、台式计算机等终端设备；当该计算机设备为服务器时，可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式***，还可以是提供云数据库、云计算以及大数据和人工智能平台等基础云计算服务的云服务器。
计算机设备获取待验证文档以验证该待验证文档中的签名和***是否完整。在获取待验证文档时，对待验证文档进行扫描或者拍照，将待验证文档转换为电子文档的形式，以便计算机设备识别和读取，将待验证文档转换为电子数据也有利于数据传输和数据处理。
本实施例中，待验证文档包括一个或多个章节，每一章节分别为待验证文档的一个部分，每一章节也包括了一个或多个签名和***。人员根据待验证文档所属的文档类别，人为地构建待验证文档所属文档类别对应的目标字典，并向计算机设备输入该目标字典。因此，目标字典对应了该待验证文档所属文档类别中的文档。具体的，目标字典包括了待验证文档的章节与签名标识和***标识的对应关系，即目标字典描述了每一章节包括的签名标识以及***标识，签名标识和***标识可以是字母、数字等字符，以分别指代签名和***。例如，签名标识可以是签名1、签名2等标识，***标识可以是***1、***2等标识。
例如，人员根据“合并现金流量表”这一类别的文档构建目标字典，目标字典描述了合并现金流量表中应当具有的签名和***。在对当前的某一合并现金流量表进行验证时，获取该目标字典，利用该目标字典来验证当前的合并现金流量表的签名***完整性。
102、根据预先训练完成的目标检测模型对待验证文档进行检测，确定待验证文档的待验证章节中的签名区域及***区域；
本实施例中，目标检测模型预先训练完成，可以利用该目标检测模型对文档中的签名区域和***区域进行目标识别和检测。由于待验证文档包括一个或多个章节，因此，利用该目标检测模型对待验证文档中的待验证章节进行目标识别，确定出该待验证章节中的签名区域和***区域。
待验证章节中一个签名区域对应一处需要签名的位置，例如，待验证章节有5个签名区域，表明该待验证章节有5个位置需要签名。同理，待验证章节中一个***区域对应一处需要盖章的位置。
其中，签名区域根据实际情况，可以分为以下几种类别：仅有签名提示而无签名文本、有签名提示和签名文本、仅有签名文本而无签名提示等类别；***区域根据实际情况，也可以分为以下几种类别：仅有***提示而无***内容、有***提示和***内容、仅有***内容而无***提示等类别。签名文本是指当事人的签名手迹以及签名手迹对应的文本(即当事人姓名)，***内容是指***图样以及该***图样对应的文本，若***为机构***，则***图样对应的文本为机构名称，若***为姓名章，则***图样对应的文本为姓名。可以理解，当***为姓名章时，签名提示也可以视为***提示。
103、确定目标字典中与待验证章节对应的目标章节；
由于目标字典描述了待验证文档的章节与签名标识和***标识的对应关系，因此，可以从目标字典中确定出与待验证章节对应的目标章节。目标章节与待验证章节相对应，可以是章节名称相对应，例如待验证文档的“合并现金流量表”这一章节对应目标字典中的“合并现金流量表”这一章节；也可以是章节的页码相对应，或者以其他方式相对应。
需要说明的是，步骤103可以先于步骤102执行，也可以在步骤102之后执行，或者步骤102与103同时执行，步骤102与103的执行顺序不作限定。
104、判断待验证章节中所有签名区域的签名文本个数是否少于目标章节中的签名标识个数，若是，则执行步骤105；若否，则执行步骤106；
在目标检测模型对待验证章节识别到签名区域之后，判断待验证章节中所有的签名区域的签名文本个数是否少于目标章节中的签名标识个数。
例如，待验证章节中的签名区域有5个，而这5个签名区域仅有3个签名区域是有签名的，即仅有3个签名文本。同时，与该待验证章节对应的目标章节有5个签名标识，则可以确定待验证章节中所有签名区域的签名文本个数少于目标章节中的签名标识个数。
105、确定待验证章节的签名不完整；
由于目标字典是人员根据文档需要签名和盖章的实际情况构建的，因此，可以目标字典为标准来验证文档的签名***完整性。在确定待验证章节中所有签名区域的签名文本个数少于目标章节中的签名标识个数时，表明待验证章节不符合目标字典所确定的标准，即待验证章节有部分签名区域未签名，其签名并不完整。
106、确定待验证章节的签名完整；
若待验证章节中所有签名区域的签名文本个数等于目标章节中的签名标识个数时，表明待验证章节符合目标字典所确定的标准，待验证章节的签名完整。
107、判断待验证章节中所有***区域的***个数是否少于目标章节中的***标识个数，若是，则执行步骤108；若否，则执行步骤109；
在目标检测模型对待验证章节识别到***区域之后，判断待验证章节中所有***区域的***个数是否少于目标章节中的***标识个数。
例如，待验证章节中的***区域有5个，而这5个***区域仅有3个***区域是有***的，即***个数为3个。同时，与该待验证章节对应的目标章节有5个***标识，则可以确定待验证章节中所有***区域的***个数少于目标章节中的***标识个数。
108、确定待验证章节的***不完整；
在确定待验证章节中所有***区域的***个数少于目标章节中的***标识个数时，表明待验证章节不符合目标字典所确定的标准，即待验证章节有部分***区域未盖章，其***并不完整。
109、确定待验证章节的***完整；
若待验证章节中所有***区域的***个数等于目标章节中的***标识个数时，表明待验证章节符合目标字典所确定的标准，待验证章节的***完整。
在得到待验证章节的签名和***是否完整的结果之后，可以向计算机设备的用户输出该结果，以使用户获知待验证章节的验证结果。
依照以上步骤对待验证文档的多个待验证章节分别进行验证，可以得到待验证文档的签名和***的完整性验证结果。
本实施例中，计算机设备根据预先训练完成的目标检测模型对待验证文档进行检测，确定待验证文档的待验证章节中的签名区域及***区域，判断待验证章节中所有签名区域的签名文本个数是否少于目标章节中的签名标识个数，以及判断待验证章节中所有***区域的***个数是否少于目标章节中的***标识个数，由于目标字典是人员根据文档需要签名和盖章的实际情况构建的，目标字典可以作为验证文档的签名***完整性的标准，因此，当所有签名区域的签名文本个数少于目标章节中的签名标识个数时，确定待验证章节的签名不完整；当所有***区域的***个数少于目标章节中的***标识个数时，确定待验证章节的***不完整。因此，实现了对文档的签名***完整性的自动化验证，无需由人工执行签名***的验证，提高了签名***的验证效率。
下面将在前述图1所示实施例的基础上，进一步详细地描述本申请实施例。请参阅图2，本申请实施例中签名和***完整性验证方法另一实施例包括：
201、获取当前的待验证文档，并获取预先构建的目标字典；
本实施例中，目标字典是根据待验证文档所属文档类别的文档中需要签名和***的标准来构建的，也就是说，目标字典描述了待验证文档所属文档类别的文档应当具备的签名和***。因此，在构建目标字典之后，可以根据目标字典来验证一个文档类别中的多份文档。
例如，假设待验证文档包括合并现金流量表及会计师事务所声明，并且合并现金流量表及会计师事务所声明均包括必须具备的签名和***，则根据以上标准构建目标字典，目标字典描述了合并现金流量表及会计师事务所声明必须具备的签名和***，得到表1所示的目标字典，其中签名1、***1、签名2、***2等分别为签名标识和***标识。
表1
其中，待验证文档中的合并现金流量表及会计师事务所声明可分别作为待验证文档的一个待验证章节，则在目标字典中存在与任一待验证章节相对应的目标章节，例如待验证章节“合并现金流量表”与目标字典中的“合并现金流量表”相对应。
202、根据预先训练完成的目标检测模型对待验证文档进行检测，确定待验证文档的待验证章节中的签名区域及***区域；
本实施例中，目标检测模型是基于机器学习算法对多组训练样本训练得到的，其中，每组训练样本包括签名***类别图像，也就是将仅有签名提示的图像、仅有***提示的图像、仅有签名提示及签名的图像、仅有***提示及***的图像、有签名提示及签名文本和***提示及***的图像、有签名提示及签名和***提示的图像、有***提示及***和签名提示的图像等多种签名***类别图像作为训练样本，目标检测模型的初始模型基于机器学习算法对以上多种签名***类别图像进行训练，当训练至满足模型的收敛条件时，得到目标检测模型。
因此，经过模型训练的目标检测模型可以对待验证文档的页面中的签名区域和***区域进行目标识别，将待验证文档输入至目标检测模型，目标检测模型对页面中的签名区域和***区域进行识别，输出签名区域的区域位置信息以及***区域的区域位置信息。
其中，签名区域的区域位置信息以及***区域的区域位置信息可以是签名区域的坐标信息和***区域的坐标信息，该坐标信息是以矩形框标示出目标区域的对角点坐标。
例如，如图3所示，目标检测模型分别对签名区域和***区域进行识别，并以矩形框的形式标示出所识别到的签名区域和***区域，其中矩形框的对角点坐标即为签名区域或***区域的区域位置信息。
可以理解，由于目标检测模型是基于上述的多种签名***类别图像进行训练的，因此，目标检测模型可以将仅有签名提示、仅有签名提示及签名、有签名提示及签名和姓名***、仅有签名等类型的签名区域识别出来，同时也可以将仅有***提示、仅有***提示及***、仅有***等类型的***区域识别出来。
训练目标检测模型的机器学习算法可以是R-CNN、Fast R-CNN、Faster R-CNN、YOLO、SSD等机器视觉算法。
本实施例还基于光学字符识别(optical character recognition，OCR)技术来提取出签名区域和***区域中的内容。具体的，计算机设备获取文本检测模型，该文本检测模型由文本检测算法对多组图像训练样本训练得到。在目标检测模型确定出签名区域和***区域的区域位置信息之后，将签名区域的区域位置信息对应的图像输入至该文本检测模型，对图像进行文本检测，得到文本检测模型输出的签名区域的签名文本和/或签名提示文本，并将***区域的区域位置信息对应的图像输入至文本检测模型，对图像进行文本检测，得到文本检测模型输出的***区域的***内容和/或***提示文本。
其中，文本检测算法可以是基于卷积神经网络和循环神经网络的CTPN文本检测算法(detecting text in natural image with connectionist text proposal network)，也可以是EAST算法(efficient and accuracy scene text)，或者是SegLink算法等文本检测算法。
目标检测模型的每组训练样本还包括用于表示签名***类别图像的分类结果的标签信息，目标检测模型可以对多组训练样本进行训练，不断拟合该标签信息与签名***类别图像的对应关系，直至模型的训练满足收敛条件。训练完成的目标检测模型可以对待识别的签名***类别图像进行分类，并输出其分类结果。
因此，在确定出签名区域和***区域的同时，目标检测模型还可以对签名区域和***区域进行分类，并输出签名区域的分类结果以及***区域的分类结果。
其中，用于表示签名***类别图像的分类结果的标签信息可以是任意的字符，例如，数字“1”作为仅有签名提示及签名的图像的标签信息、数字“2”作为有签名提示及签名和姓名***的图像的标签信息，等等。
203、确定目标字典中与待验证章节对应的目标章节；
本步骤所执行的操作与前述图1所示实施例中的步骤103所执行的操作类似，此处不再赘述。
204、将签名区域的签名文本填充至目标章节中目标签名标识所指示的填充区域，将***区域的***内容填充至目标章节中目标***标识所指示的填充区域；
本实施例中，可以通过向目标字典填充签名文本和***内容来判断签名文本个数是否少于目标章节中的签名标识个数以及判断***个数是否少于目标章节中的***标识个数。具体的，目标章节中的签名标识包括签名标识对应的区域位置信息，目标章节中的***标识包括***标识对应的区域位置信息。在目标字典的目标章节中确定出目标签名标识和目标***标识，该目标签名标识对应的区域位置信息与签名区域的区域位置信息相对应的，目标***标识对应的区域位置信息与***区域的区域位置信息相对应。在步骤202检测到签名区域的签名文本以及***区域的***内容之后，将签名区域的签名文本填充至目标章节中与该签名区域相对应的目标签名标识所指示的填充区域，将***区域的***内容填充至目标章节中与该***区域相对应的目标***标识所指示的填充区域。
例如，沿用前述表1所示的例子，表1所示的目标字典的目标章节“合并现金流量表”中，每一签名标识和每一***标识均包括对应的区域位置信息，即签名标识的区域位置信息表示该签名标识在页面中的位置，***标识的区域位置信息表示该***标识在页面中的位置。由于待验证章节中的签名区域和***区域也分别包括了区域位置信息，因此，可以确定出与签名区域对应的目标签名标识以及确定出与***区域对应的目标***标识。之后，将签名区域的签名文本填充至目标签名标识所指示的填充区域，将***区域的***内容填充至目标***标识所指示的填充区域。假设待验证章节中的签名区域和***区域如图4所示，则可以得到表2所示的已填充签名文本和***内容的目标章节。
表2
205、判断目标章节中所有签名标识所指示的填充区域是否存在未填充签名文本的填充区域，若是，则执行步骤206；若否，则执行步骤207；
目标检测模型检测待验证章节的页面中所有签名区域以及所有***区域，当所有签名区域已经全部签署了姓名时，目标检测模型可以检测到所有签名区域的签名文本，将每一签名区域的签名文本分别填充至对应的签名标识的填充区域内，则目标章节中所有签名标识所指示的填充区域都将填充了签名文本；若有部分签名区域未签署姓名，则目标检测模型只能检测到已签署姓名的签名区域的签名文本，将签名文本填充至目标章节中，则目标章节中所有签名标识所指示的填充区域仍存在未填充签名文本的填充区域。
206、确定签名文本个数少于签名标识个数，待验证章节的签名不完整；
若存在未填充签名文本的填充区域，即待验证章节中的签名文本个数少于目标章节中的签名标识个数，表明待验证章节中有部分签名区域未签署姓名，则可以确定待验证章节的签名不完整。
207、确定待验证章节的签名完整；
若不存在未填充签名文本的填充区域，即目标章节中的所有签名标识所指示的填充区域均填充了签名文本，表明待验证章节中所有应当签署姓名的签名区域均已签署了姓名，则可以确定待验证章节的签名完整。
208、判断目标章节中所有***标识所指示的填充区域是否存在未填充***内容的填充区域，若是，则执行步骤209；若否，则执行步骤210；
同理，当所有的***区域已全部盖章时，目标检测模型可以检测到所有***区域的***内容，将每一***区域的***内容分别填充至对应的***标识的填充区域内，则目标章节中所有***标识所指示的填充区域都将填充了***内容；若有部分***区域未盖章，则目标检测模型只能检测到已盖章的***区域的***内容，将***内容填充至目标章节中，则目标章节中所有***标识所指示的填充区域仍存在未填充***内容的填充区域。
209、确定***个数少于***标识个数，待验证章节的***不完整；
若存在未填充***内容的填充区域，即待验证章节中的***个数少于目标章节中的***标识个数，表明待验证章节中有部分***区域未盖章，则可以确定待验证章节的***不完整。
210、确定待验证章节的***完整；
若不存在未填充***内容的填充区域，即目标章节中的所有***标识所指示的填充区域均填充了***内容，表明待验证章节中所有应当盖章的***区域均已盖章，则可以确定待验证章节的***完整。
需要说明的是，本实施例中，在判断待验证章节的签名文本个数是否少于目标章节中的签名标识个数以及判断待验证章节的***个数是否少于目标章节中的***标识个数时，也可以无需通过向目标字典填充签名文本和***内容来判断，可以直接判断待验证章节的签名文本个数是否少于目标章节中的签名标识个数，以及直接判断待验证章节的***个数是否少于目标章节中的***标识个数，本实施例对此不作限定。
本实施例中，在提取到签名区域的签名文本和签名提示文本，以及提取到***区域的***内容和***提示文本之后，计算机设备还可以进一步判断签名区域的签名文本与该签名区域的签名提示文本是否一致，并获取该签名区域的一致性判断结果，以及进一步判断***区域的***内容与该***区域的***提示文本是否一致，并获取该***区域的一致性判断结果。
例如，签名区域的签名文本(即当事人签署的姓名)为“张三”，而该签名区域的签名提示文本为“李四”，则可以确定该签名区域的签名文本与签名提示文本不一致；***区域的***内容为“深圳市xxx有限公司”，而该***区域的***提示文本为“广州市xxx有限公司”，则可以确定该***区域的***内容与***提示文本不一致。
对签名区域和***区域的一致性判断，可以将签名区域分为“签名文本与签名提示一致”及“签名文本与签名提示不一致”这两种类别，将***区域分为“***内容与***提示一致”及“***内容与***提示不一致”这两种类别。
步骤202中用于训练目标检测模型的签名***类别图像包括仅有签名提示的图像、仅有***提示的图像、仅有签名提示及签名的图像、仅有***提示及***的图像、有签名提示及签名文本和***提示及***的图像、有签名提示及签名和***提示的图像、有***提示及***和签名提示的图像等多种图像，则对应地，签名区域的分类结果包括仅有签名提示、仅有签名提示及签名、有签名提示及签名和姓名***、仅有签名等多种分类结果，***区域的分类结果包括仅有***提示、仅有***提示及***、仅有***。同时，将上述的签名区域的一致性判断结果作为签名区域的一种分类结果、***区域的一致性判断结果作为***区域的一种分类结果。
则在步骤202中目标检测模型对签名区域和***区域进行分类，可以将每一签名区域及每一***区域分别划分为一种分类结果。因此，可以统计待验证章节中所有签名区域的每一分类结果的频数以及所有***区域的每一分类结果的频数，并将待验证章节的签名区域的频数统计结果以及***区域的频数统计结果作为待验证章节的签名和***完整性验证结果。
例如，待验证章节有5个应当签署姓名的签名区域和5个应当盖章的***区域，经过统计，5个签名区域中有3个为“有签名提示及签名和姓名***”这一类别的签名区域、2个为“仅有签名提示及签名”这一类别的签名区域；5个***区域中有4个为“仅有***提示及***”这一类别的***区域、1个为“仅有***提示”这一类别的***区域。因此，可以将以上的频数统计结果作为待验证章节的签名***完整性验证结果。
本实施例中，待验证章节可以是待验证文档中的任一章节，也可以是待验证文档中存在签名和/或***的页面图像对应的章节。具体的，在判断页面是否存在签名和/或***时，获取预先训练完成的目标分类模型，该目标分类模型由机器学习算法对多组页面图像训练样本训练得到，且每组页面图像训练样本包括页面图像以及用于表示页面图像的分类结果的标签信息，并将待验证文档的每一页面图像输入至目标分类模型，以得到该目标分类模型输出的待验证文档的每一页面图像的分类结果，其中分类结果包括存在签名和/或***的页面图像以及不存在签名和***的页面图像。在目标分类模型确定出待验证文档中存在签名和/或***的页面图像之后，将待验证文档中存在签名和/或***的页面图像所对应的章节确定为待验证章节。
用于训练目标分类模型的机器学习算法可以是LeNet、AlexNet、VGGNet、ResNET、GoogleNet等机器视觉算法。
本实施例还提供了对***进行验真的实施方式。具体的，在得到文本检测模型输出的***区域的***内容之后，在数据库存储的多个***图像中检索得到***内容和***类型与目标***区域的***内容对应的标准***图像，并根据图像相似度算法计算目标***区域的***图像与标准***图像的相似度值，当该相似度值小于预设阈值时，确定目标***区域的***图像不通过真实性验证；若该相似度值大于预设阈值，则确定目标***区域的***图像通过真实性验证。
其中，在步骤202中目标检测模型确定出待验证章节中的***区域时，可进一步对该***区域进行截图，进而获得***区域的***图像。
***类型可以根据任意的标准进行划分，例如可以将***分为单位公章和个人姓名章；根据单位的经营性质可分为国有企业公章、私营企业公章等类型的公章。***类型的划分方式不作限定。
其中，图像相似度算法可以是基于欧氏距离的相似度算法，或者是基于曼哈顿距离的相似度算法，还可以是余弦相似度算法。余弦相似度算法把图片表示为一个向量，通过计算两张图片所分别对应的向量之间的余弦距离来表征两张图片的相似度。图像相似度算法的种类不作限定。
此外，当目标***区域的***图像与标准***图像的相似度值小于预设阈值时，有可能是因为目标***区域的***图像已变更，此时，计算机设备将目标***区域的***图像及相似度值向用户展示，用户根据实际情况判断目标***区域的***图像是否已变更。若已变更，则用户可以向计算机设备发送指令，指示计算机设备将目标***区域变更后的***图像与该目标***区域对应的***内容和***类型关联存储至数据库中，并且指示计算机设备将该目标***区域变更前的***图像的更新状态标记为“已更新”，以便于计算机设备在后续操作中确定出已更新的***图像。其中，可以对***图像的更新状态进行赋值，不同的更新状态赋予不同的值。当***图像从未被更新，则其更新状态的值可以为空。
当无法检索到***内容和***类型与目标***区域的***内容对应的标准***图像时，将目标***区域的***内容和***类型与目标***区域的***图像关联存储于数据库中，以便后续对其他文档中的目标***区域的***图像进行验真。
本实施例中，可以借助向目标字典填充签名文本和***内容这一方式来验证文档的签名***完整性，提高了方案的可实现性。
上面对本申请实施例中的签名和***完整性验证方法进行了描述，下面对本申请实施例中的计算机设备进行描述，请参阅图5，本申请实施例中计算机设备一个实施例包括：
获取单元501，用于获取当前的待验证文档，并获取预先构建的目标字典，目标字典包括待验证文档的章节与签名标识和***标识的对应关系，目标字典与待验证文档的文档类别对应；
目标检测单元502，用于根据预先训练完成的目标检测模型对待验证文档进行检测，确定待验证文档的待验证章节中的签名区域及***区域；
第一确定单元503，用于确定目标字典中与待验证章节对应的目标章节；
判断单元504，用于判断待验证章节中所有签名区域的签名文本个数是否少于目标章节中的签名标识个数，以及判断待验证章节中所有***区域的***个数是否少于目标章节中的***标识个数；
第二确定单元505，用于当签名文本个数等于签名标识个数且***个数等于***标识个数时，确定待验证章节的签名和***完整；
第二确定单元505还用于当签名文本个数少于签名标识个数时，确定待验证章节的签名不完整；
第二确定单元505还用于当***个数少于***标识个数时，确定待验证章节的***不完整。
本实施例一种优选的实施方式中，目标检测单元502具体用于获取目标检测模型，目标检测模型由机器学习算法对多组训练样本训练得到，且每组训练样本包括签名***类别图像，签名***类别图像包括仅有签名提示的图像、仅有***提示的图像、仅有签名提示及签名的图像、仅有***提示及***的图像、有签名提示及签名文本和***提示及***的图像、有签名提示及签名和***提示的图像、有***提示及***和签名提示的图像；将待验证文档输入至目标检测模型，确定待验证章节中的签名区域的区域位置信息及***区域的区域位置信息。
本实施例一种优选的实施方式中，计算机设备还包括：
文本检测单元506，用于获取文本检测模型，文本检测模型由文本检测算法对多组图像训练样本训练得到；将签名区域的区域位置信息对应的图像输入至文本检测模型，以得到文本检测模型输出的签名区域的签名文本和/或签名提示文本；将***区域的区域位置信息对应的图像输入至文本检测模型，以得到文本检测模型输出的***区域的***内容和/或***提示文本。
本实施例一种优选的实施方式中，目标章节中的签名标识包括签名标识对应的区域位置信息，目标章节中的***标识包括***标识对应的区域位置信息；
计算机设备还包括：
填充单元507，用于将签名区域的签名文本填充至目标章节中目标签名标识所指示的填充区域，目标签名标识对应的区域位置信息与签名区域的区域位置信息相对应；将***区域的***内容填充至目标章节中目标***标识所指示的填充区域，目标***标识对应的区域位置信息与***区域的区域位置信息相对应。
本实施例一种优选的实施方式中，判断单元504具体用于判断目标章节中所有签名标识所指示的填充区域是否存在未填充签名文本的填充区域，以及目标章节中所有***标识所指示的填充区域是否存在未填充***内容的填充区域；
第二确定单元505具体用于当不存在未填充签名文本的填充区域且不存在未填充***内容的填充区域时，确定待验证章节的签名和***完整；当存在未填充签名文本的填充区域时，确定签名文本个数少于签名标识个数，待验证章节的签名不完整；当存在未填充***内容的填充区域时，确定***个数少于***标识个数，待验证章节的***不完整。
本实施例一种优选的实施方式中，每组训练样本还包括用于表示签名***类别图像的分类结果的标签信息；
目标检测单元502具体用于将待验证文档输入至目标检测模型，以得到目标检测模型输出的签名区域的分类结果以及***区域的分类结果。
本实施例一种优选的实施方式中，判断单元504还用于判断签名区域的签名文本与签名区域的签名提示文本是否一致，并获取签名区域的一致性判断结果；判断***区域的***内容与***区域的***提示文本是否一致，并获取***区域的一致性判断结果；
计算机设备还包括：
统计单元508，用于统计待验证章节中所有签名区域的每一分类结果的频数以及所有***区域的每一分类结果的频数，签名区域的分类结果包括仅有签名提示、仅有签名提示及签名、有签名提示及签名和姓名***、仅有签名、签名区域的一致性判断结果；***区域的分类结果包括仅有***提示、仅有***提示及***、仅有***、***区域的一致性判断结果；将待验证章节的签名区域的频数统计结果以及***区域的频数统计结果作为待验证章节的签名和***完整性验证结果。
本实施例一种优选的实施方式中，计算机设备还包括：
目标分类单元509，用于获取预先训练完成的目标分类模型，目标分类模型由机器学习算法对多组页面图像训练样本训练得到，且每组页面图像训练样本包括页面图像以及用于表示页面图像的分类结果的标签信息；将待验证文档的每一页面图像输入至目标分类模型，以得到目标分类模型输出的待验证文档的每一页面图像的分类结果，分类结果包括存在签名和/或***的页面图像以及不存在签名和***的页面图像；确定待验证文档中存在签名和/或***的页面图像所对应的待验证章节。
本实施例一种优选的实施方式中，计算机设备还包括：
***验真单元510，用于在数据库存储的多个***图像中检索***内容和***类型与目标***区域的***内容对应的标准***图像；根据图像相似度算法计算目标***区域的***图像与标准***图像的相似度值；当相似度差异值小于预设阈值时，确定目标***区域的***图像不通过真实性验证；当相似度值大于预设阈值时，确定目标***区域的***图像通过真实性验证。
本实施例一种优选的实施方式中，***验真单元510还用于当无法检索到***内容和***类型与目标***区域的***内容对应的标准***图像时，将目标***区域的***内容和***类型与目标***区域的***图像关联存储于数据库中。
本实施例中，计算机设备中各单元所执行的操作与前述图1至图2所示实施例中描述的类似，此处不再赘述。
本实施例中，目标检测单元502根据预先训练完成的目标检测模型对待验证文档进行检测，确定待验证文档的待验证章节中的签名区域及***区域，判断单元504判断待验证章节中所有签名区域的签名文本个数是否少于目标章节中的签名标识个数，以及判断待验证章节中所有***区域的***个数是否少于目标章节中的***标识个数，由于目标字典是人员根据文档需要签名和盖章的实际情况构建的，目标字典可以作为验证文档的签名***完整性的标准，因此，当所有签名区域的签名文本个数少于目标章节中的签名标识个数时，第二确定单元505确定待验证章节的签名不完整；当所有***区域的***个数少于目标章节中的***标识个数时，确定待验证章节的***不完整。因此，实现了对文档的签名***完整性的自动化验证，无需由人工执行签名***的验证，提高了签名***的验证效率。
下面对本申请实施例中的计算机设备进行描述，请参阅图6，本申请实施例中计算机设备一个实施例包括：
该计算机设备600可以包括一个或一个以***处理器(central processingunits，CPU)601和存储器605，该存储器605中存储有一个或一个以上的应用程序或数据。
其中，存储器605可以是易失性存储或持久存储。存储在存储器605的程序可以包括一个或一个以上模块，每个模块可以包括对计算机设备中的一系列指令操作。更进一步地，中央处理器601可以设置为与存储器605通信，在计算机设备600上执行存储器605中的一系列指令操作。
计算机设备600还可以包括一个或一个以上电源602，一个或一个以上有线或无线网络接口603，一个或一个以上输入输出接口604，和/或，一个或一个以上操作***，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等。
该中央处理器601可以执行前述图1至图2所示实施例中计算机设备所执行的操作，具体此处不再赘述。
本申请实施例还提供了一种计算机存储介质，其中一个实施例包括：该计算机存储介质中存储有指令，该指令在计算机上执行时，使得该计算机执行前述图1至图2所示实施例中计算机设备所执行的操作。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (11)
1.一种签名和***完整性验证方法，其特征在于，包括：
获取当前的待验证文档，并获取预先构建的目标字典，所述目标字典包括所述待验证文档的章节与签名标识和***标识的对应关系，所述目标字典与所述待验证文档的文档类别对应；
根据预先训练完成的目标检测模型对所述待验证文档进行检测，确定所述待验证文档的待验证章节中的签名区域及***区域；
确定所述目标字典中与所述待验证章节对应的目标章节，并判断所述待验证章节中所有签名区域的签名文本个数是否少于所述目标章节中的签名标识个数，以及判断所述待验证章节中所有***区域的***个数是否少于所述目标章节中的***标识个数；
若所述签名文本个数等于所述签名标识个数且所述***个数等于所述***标识个数，则确定所述待验证章节的签名和***完整；
若所述签名文本个数少于所述签名标识个数，则确定所述待验证章节的签名不完整；
若所述***个数少于所述***标识个数，则确定所述待验证章节的***不完整。
2.根据权利要求1所述的签名和***完整性验证方法，其特征在于，所述根据预先训练完成的目标检测模型对所述待验证文档进行检测，包括：
获取所述目标检测模型，所述目标检测模型由机器学习算法对多组训练样本训练得到，且每组所述训练样本包括签名***类别图像，所述签名***类别图像包括仅有签名提示的图像、仅有***提示的图像、仅有签名提示及签名的图像、仅有***提示及***的图像、有签名提示及签名文本和***提示及***的图像、有签名提示及签名和***提示的图像、有***提示及***和签名提示的图像；
将所述待验证文档输入至所述目标检测模型，确定所述待验证章节中的签名区域的区域位置信息及***区域的区域位置信息。
3.根据权利要求2所述的签名和***完整性验证方法，其特征在于，所述方法还包括：
获取文本检测模型，所述文本检测模型由文本检测算法对多组图像训练样本训练得到；
将所述签名区域的区域位置信息对应的图像输入至所述文本检测模型，以得到所述文本检测模型输出的所述签名区域的签名文本和/或签名提示文本；
将所述***区域的区域位置信息对应的图像输入至所述文本检测模型，以得到所述文本检测模型输出的所述***区域的***内容和/或***提示文本。
4.根据权利要求3所述的签名和***完整性验证方法，其特征在于，所述目标章节中的签名标识包括所述签名标识对应的区域位置信息，所述目标章节中的***标识包括所述***标识对应的区域位置信息；
所述方法还包括：
将所述签名区域的签名文本填充至所述目标章节中目标签名标识所指示的填充区域，所述目标签名标识对应的区域位置信息与所述签名区域的区域位置信息相对应；
将所述***区域的***内容填充至所述目标章节中目标***标识所指示的填充区域，所述目标***标识对应的区域位置信息与所述***区域的区域位置信息相对应。
5.根据权利要求4所述的签名和***完整性验证方法，其特征在于，所述判断所述待验证章节中所有签名区域的签名文本个数是否少于所述目标章节中的签名标识个数，以及判断所述待验证章节中所有***区域的***个数是否少于所述目标章节中的***标识个数，包括：
判断所述目标章节中所有签名标识所指示的填充区域是否存在未填充签名文本的填充区域，以及所述目标章节中所有***标识所指示的填充区域是否存在未填充***内容的填充区域；
若不存在未填充签名文本的填充区域且不存在未填充***内容的填充区域，则确定所述待验证章节的签名和***完整；
若存在未填充签名文本的填充区域，则确定所述签名文本个数少于所述签名标识个数，所述待验证章节的签名不完整；
若存在未填充***内容的填充区域，则确定所述***个数少于所述***标识个数，所述待验证章节的***不完整。
6.根据权利要求3所述的签名和***完整性验证方法，其特征在于，每组所述训练样本还包括用于表示所述签名***类别图像的分类结果的标签信息；
所述将所述待验证文档输入至所述目标检测模型，确定所述待验证章节中的签名区域的区域位置信息及***区域的区域位置信息，包括：
将所述待验证文档输入至所述目标检测模型，以得到所述目标检测模型输出的所述签名区域的分类结果以及所述***区域的分类结果。
7.根据权利要求6所述的签名和***完整性验证方法，其特征在于，所述方法还包括：
判断所述签名区域的签名文本与所述签名区域的签名提示文本是否一致，并获取所述签名区域的一致性判断结果；
判断所述***区域的***内容与所述***区域的***提示文本是否一致，并获取所述***区域的一致性判断结果；
统计所述待验证章节中所有签名区域的每一分类结果的频数以及所有***区域的每一分类结果的频数，所述签名区域的分类结果包括仅有签名提示、仅有签名提示及签名、有签名提示及签名和姓名***、仅有签名、所述签名区域的一致性判断结果；所述***区域的分类结果包括仅有***提示、仅有***提示及***、仅有***、所述***区域的一致性判断结果；
将所述待验证章节的签名区域的频数统计结果以及***区域的频数统计结果作为所述待验证章节的签名和***完整性验证结果。
8.根据权利要求1至7任一项所述的签名和***完整性验证方法，其特征在于，所述根据预先训练完成的目标检测模型对所述待验证文档进行检测之前，所述方法还包括：
获取预先训练完成的目标分类模型，所述目标分类模型由机器学习算法对多组页面图像训练样本训练得到，且每组所述页面图像训练样本包括页面图像以及用于表示所述页面图像的分类结果的标签信息；
将所述待验证文档的每一页面图像输入至所述目标分类模型，以得到所述目标分类模型输出的所述待验证文档的每一页面图像的分类结果，所述分类结果包括存在签名和/或***的页面图像以及不存在签名和***的页面图像；
确定所述待验证文档中存在签名和/或***的页面图像所对应的所述待验证章节。
9.根据权利要求8所述的签名和***完整性验证方法，其特征在于，得到文本检测模型输出的所述***区域的***内容和/或***提示文本之后，所述方法还包括：
在数据库存储的多个***图像中检索***内容和***类型与目标***区域的***内容对应的标准***图像；
根据所述图像相似度算法计算所述目标***区域的***图像与所述标准***图像的相似度值；
若所述相似度值小于预设阈值，则确定所述目标***区域的***图像不通过真实性验证；
若所述相似度值大于所述预设阈值，则确定所述目标***区域的***图像通过真实性验证。
10.根据权利要求9所述的签名和***完整性验证方法，其特征在于，所述方法还包括：
当无法检索到***内容和***类型与所述目标***区域的***内容对应的标准***图像时，将所述目标***区域的***内容和***类型与所述目标***区域的***图像关联存储于所述数据库中。
11.一种计算机设备，其特征在于，包括：
获取单元，用于获取当前的待验证文档，并获取预先构建的目标字典，所述目标字典包括所述待验证文档的章节与签名标识和***标识的对应关系，所述目标字典与所述待验证文档的文档类别对应；
目标检测单元，用于根据预先训练完成的目标检测模型对所述待验证文档进行检测，确定所述待验证文档的待验证章节中的签名区域及***区域；
第一确定单元，用于确定所述目标字典中与所述待验证章节对应的目标章节；
判断单元，用于判断所述待验证章节中所有签名区域的签名文本个数是否少于所述目标章节中的签名标识个数，以及判断所述待验证章节中所有***区域的***个数是否少于所述目标章节中的***标识个数；
第二确定单元，用于当所述签名文本个数等于所述签名标识个数且所述***个数等于所述***标识个数时，确定所述待验证章节的签名和***完整；
所述第二确定单元还用于当所述签名文本个数少于所述签名标识个数时，确定所述待验证章节的签名不完整；
所述第二确定单元还用于当所述***个数少于所述***标识个数时，确定所述待验证章节的***不完整。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011434668.9A CN112580108B (zh) | 2020-12-10 | 2020-12-10 | 签名和***完整性验证方法及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011434668.9A CN112580108B (zh) | 2020-12-10 | 2020-12-10 | 签名和***完整性验证方法及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112580108A CN112580108A (zh) | 2021-03-30 |
| CN112580108B true CN112580108B (zh) | 2024-04-19 |
Family
ID=75131140
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011434668.9A Active CN112580108B (zh) | 2020-12-10 | 2020-12-10 | 签名和***完整性验证方法及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112580108B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113434912B (zh) * | 2021-08-24 | 2021-12-24 | 共道网络科技有限公司 | 一种材料合规性校验方法及装置 |
| CN114821624A (zh) * | 2022-04-08 | 2022-07-29 | 烟台市勘察设计审查服务中心有限责任公司 | 施工图审查用签章认证方法及认证*** |
| CN116092099B (zh) * | 2023-01-18 | 2023-08-18 | 黑龙江省公安厅 | 一种多目标行政执法文书信息完整性识别检测方法及*** |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2104698A (en) * | 1981-04-27 | 1983-03-09 | Quest Automation | An improved apparatus for signature verification |
| US5606609A (en) * | 1994-09-19 | 1997-02-25 | Scientific-Atlanta | Electronic document verification system and method |
| US5992753A (en) * | 1997-10-30 | 1999-11-30 | Metanetics Corporation | Hand held dataform reader utilizing binarization process for dataform and signature area capture |
| CN101248433A (zh) * | 2005-05-09 | 2008-08-20 | 普罗维拉公司 | 具有签名产生及关联性检测的匹配引擎 |
| CN101325489A (zh) * | 2007-06-15 | 2008-12-17 | 佳能株式会社 | 文档验证方法和文档验证设备 |
| CN101360100A (zh) * | 2008-09-16 | 2009-02-04 | 浙江汇信科技有限公司 | 一种pdf文档的数字签名、签章及认证方法 |
| CN106202568A (zh) * | 2016-08-05 | 2016-12-07 | 欧阳能良 | 一种医学实验室质量管理体系文件的控制***及其规范化控制方法 |
| CN107798301A (zh) * | 2017-10-13 | 2018-03-13 | 上海眼控科技股份有限公司 | 一种用于车辆年检的签名检测***及方法 |
| CN107818504A (zh) * | 2017-09-27 | 2018-03-20 | 上海维信荟智金融科技有限公司 | 合同的自动化签署方法及*** |
| CN109829269A (zh) * | 2018-12-26 | 2019-05-31 | 平安科技（深圳）有限公司 | 基于电子***验证电子文档的方法、装置及*** |
| CN110443596A (zh) * | 2019-06-19 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、计算机设备及存储介质 |
| CN110443773A (zh) * | 2019-08-20 | 2019-11-12 | 江西博微新技术有限公司 | 基于***识别的文档图像去噪方法、服务器及存储介质 |
| CN110443250A (zh) * | 2019-07-31 | 2019-11-12 | 天津车之家数据信息技术有限公司 | 一种合同***的类别识别方法、装置和计算设备 |
| CN110619274A (zh) * | 2019-08-14 | 2019-12-27 | 深圳壹账通智能科技有限公司 | 基于***和签名的身份验证方法、装置和计算机设备 |
| CN111144358A (zh) * | 2019-12-30 | 2020-05-12 | 上海眼控科技股份有限公司 | 车辆合格证的验证方法、装置、计算机设备和存储介质 |
| CN111160860A (zh) * | 2019-12-27 | 2020-05-15 | 杭州日美开开电子科技有限公司 | 一种文件的打印及盖章方法 |
| CN111368632A (zh) * | 2019-12-27 | 2020-07-03 | 上海眼控科技股份有限公司 | 一种签名识别方法及设备 |
| CN111401372A (zh) * | 2019-12-20 | 2020-07-10 | 国家电网有限公司 | 一种扫描文档图文信息提取与鉴别的方法 |
| CN112001163A (zh) * | 2020-09-03 | 2020-11-27 | 深圳证券信息有限公司 | 一种文件完整性的检测方法、***、电子设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9729326B2 (en) * | 2008-04-25 | 2017-08-08 | Feng Lin | Document certification and authentication system |
-
2020
- 2020-12-10 CN CN202011434668.9A patent/CN112580108B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2104698A (en) * | 1981-04-27 | 1983-03-09 | Quest Automation | An improved apparatus for signature verification |
| US5606609A (en) * | 1994-09-19 | 1997-02-25 | Scientific-Atlanta | Electronic document verification system and method |
| US5992753A (en) * | 1997-10-30 | 1999-11-30 | Metanetics Corporation | Hand held dataform reader utilizing binarization process for dataform and signature area capture |
| CN101248433A (zh) * | 2005-05-09 | 2008-08-20 | 普罗维拉公司 | 具有签名产生及关联性检测的匹配引擎 |
| CN101325489A (zh) * | 2007-06-15 | 2008-12-17 | 佳能株式会社 | 文档验证方法和文档验证设备 |
| CN101360100A (zh) * | 2008-09-16 | 2009-02-04 | 浙江汇信科技有限公司 | 一种pdf文档的数字签名、签章及认证方法 |
| CN106202568A (zh) * | 2016-08-05 | 2016-12-07 | 欧阳能良 | 一种医学实验室质量管理体系文件的控制***及其规范化控制方法 |
| CN107818504A (zh) * | 2017-09-27 | 2018-03-20 | 上海维信荟智金融科技有限公司 | 合同的自动化签署方法及*** |
| CN107798301A (zh) * | 2017-10-13 | 2018-03-13 | 上海眼控科技股份有限公司 | 一种用于车辆年检的签名检测***及方法 |
| CN109829269A (zh) * | 2018-12-26 | 2019-05-31 | 平安科技（深圳）有限公司 | 基于电子***验证电子文档的方法、装置及*** |
| CN110443596A (zh) * | 2019-06-19 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 数据处理方法、装置、计算机设备及存储介质 |
| CN110443250A (zh) * | 2019-07-31 | 2019-11-12 | 天津车之家数据信息技术有限公司 | 一种合同***的类别识别方法、装置和计算设备 |
| CN110619274A (zh) * | 2019-08-14 | 2019-12-27 | 深圳壹账通智能科技有限公司 | 基于***和签名的身份验证方法、装置和计算机设备 |
| CN110443773A (zh) * | 2019-08-20 | 2019-11-12 | 江西博微新技术有限公司 | 基于***识别的文档图像去噪方法、服务器及存储介质 |
| CN111401372A (zh) * | 2019-12-20 | 2020-07-10 | 国家电网有限公司 | 一种扫描文档图文信息提取与鉴别的方法 |
| CN111160860A (zh) * | 2019-12-27 | 2020-05-15 | 杭州日美开开电子科技有限公司 | 一种文件的打印及盖章方法 |
| CN111368632A (zh) * | 2019-12-27 | 2020-07-03 | 上海眼控科技股份有限公司 | 一种签名识别方法及设备 |
| CN111144358A (zh) * | 2019-12-30 | 2020-05-12 | 上海眼控科技股份有限公司 | 车辆合格证的验证方法、装置、计算机设备和存储介质 |
| CN112001163A (zh) * | 2020-09-03 | 2020-11-27 | 深圳证券信息有限公司 | 一种文件完整性的检测方法、***、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于神经网络的***文字检测与识别方法;蒋冲宇;鲁统伟;闵峰;熊寒颖;胡记伟;;武汉工程大学学报;20191215(第06期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112580108A (zh) | 2021-03-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112580108B (zh) | 签名和***完整性验证方法及计算机设备 | |
| JP2014232533A (ja) | Ｏｃｒ出力検証システム及び方法 | |
| WO2022126978A1 (zh) | ***信息抽取方法、装置、计算机设备及存储介质 | |
| CN113569863B (zh) | 一种单据稽查的方法、***、电子设备及存储介质 | |
| CN111107107B (zh) | 网络行为的检测方法、装置、计算机设备和存储介质 | |
| CN112396047B (zh) | 训练样本生成方法、装置、计算机设备和存储介质 | |
| CN111552800A (zh) | 摘要生成方法、装置、电子设备及介质 | |
| CN114120299A (zh) | 信息获取方法、装置、存储介质及设备 | |
| CN115758451A (zh) | 基于人工智能的数据标注方法、装置、设备及存储介质 | |
| CN112801099A (zh) | 一种图像处理方法、装置、终端设备及介质 | |
| CN104966109A (zh) | 医疗化验单图像分类方法及装置 | |
| CN111881900B (zh) | 语料生成、翻译模型训练、翻译方法、装置、设备及介质 | |
| CN113177543B (zh) | 证件识别方法、装置、设备及存储介质 | |
| CN115880702A (zh) | 数据处理方法、装置、设备、程序产品及存储介质 | |
| CN112949305B (zh) | 负反馈信息采集方法、装置、设备及存储介质 | |
| CN114332599A (zh) | 图像识别方法、装置、计算机设备、存储介质和产品 | |
| CN113888760A (zh) | 基于软件应用的违规信息监控方法、装置、设备及介质 | |
| CN113362380A (zh) | 一种图像特征点检测模型训练方法、装置及其电子设备 | |
| CN113837129B (zh) | 手写签名错别字识别方法、装置、设备及存储介质 | |
| CN116612501B (zh) | 对象识别方法、装置、电子设备和计算机可读存储介质 | |
| WO2023168964A1 (zh) | 一种数据切分方法及相关装置 | |
| CN114925353A (zh) | 账号密码重置风险识别方法、装置、设备及存储介质 | |
| CN117033371A (zh) | 基于人工智能的数据报送方法、装置、计算机设备及介质 | |
| CN115422901A (zh) | 一种报刊订阅的***管理方法、装置、设备及存储介质 | |
| CN115797950A (zh) | 模型训练方法、图像分类方法及其装置、设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |