CN114092948A - 一种票据识别方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开提供了一种票据识别方法、装置、设备以及存储介质，涉及图像处理技术领域，尤其涉及智能搜索领域。具体实现方案为：获取票据图片；将票据图片进行划分，得到票据图片中的子区域；针对各个子区域，获得子区域的识别信息；对各个子区域的识别信息进行整合，得到票据图片的识别结果。本公开无需区分票据类型，可以实现对不同样式的票据进行识别，提供了一种通用的票据识别方法。

Description

一种票据识别方法、装置、设备以及存储介质

技术领域

本公开涉及图像处理技术领域，尤其涉及智能搜索领域，具体涉及一种票据识别方法、装置、设备以及存储介质。

背景技术

现实生活中存在各式各样的票据，比如银行存款单、收入证明、购物小票等，日常应用中需要对各种各种样的票据进行数字化归档以及检索，而纯图像的数据是很难进行检索的，往往需要在检索前进行识别。

发明内容

本公开提供了一种票据识别方法、装置、设备以及存储介质。

根据本公开的第一方面，提供了一种票据识别方法，包括：

获取票据图片；

将所述票据图片进行划分，得到所述票据图片中的子区域；所述子区域是通用结构中的一种；所述通用结构是经统计得到的票据所包含的结构；

针对各个子区域，获得所述子区域的识别信息；

对各个子区域的识别信息进行整合，得到所述票据图片的识别结果。

根据本公开的第二方面，提供了一种票据识别装置，包括：

获取模块，用于获取票据图片；

确定子区域模块，用于将所述票据图片进行划分，得到所述票据图片中的子区域；所述子区域是通用结构中的一种；所述通用结构是经统计得到的票据所包含的结构；

获得模块，用于针对各个子区域，获得所述子区域的识别信息；

整合模块，用于对各个子区域的识别信息进行整合，得到所述票据图片的识别结果。

根据本公开的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面所述的方法。

根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的方法。

本公开提供的票据识别方法无需区分票据类型，可以实现对不同样式的票据进行识别，即实现了一种通用的票据识别方式。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本公开实施例提供的票据识别方法的流程图；

图2A是本公开实施例中键值对KV区的示意图；

图2B是本公开实施例中段落区的示意图；

图2C是本公开实施例中表格区的示意图；

图2D是本公开实施例中KV区和表格区组合的示意图；

图2E是本公开实施例中段落区和表格区的示意图；

图2F是本公开实施例中KV区、段落区和表格区的示意图；

图3是应用本公开实施例提供的票据识别方法的示意图；

图4是本公开实施例中子区域的示意图；

图5是本公开实施例提供的票据识别装置的结构示意图；

图6是用来实现本公开实施例的票据识别方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

常见的光学字符识别(Optical Character Recognition，OCR)是直接用来识别一个图片上的文字。而对于票据来说，不仅要识别票据图片上的文字还要针对票据的结构识别出来对应的key(关键字)和value(值)，并建立key和value的映射关系。比如，得到结果是key为【年龄】所对应的value是【20】。

相关技术进行票据识别的时候先根据票据进行分类，分类完成后针对每一类票据单独来实现识别，实现过程中会先通过票据全文OCR得到全文的文本信息，然后通过编写规则策略来进行文字格式的抽取，如此不仅需要先对票据进行分类，还需要针对每一种票据类型都确定对应的规则策略，而在编写规则抽取的过程中只依赖了文字本身的信息，对于票据版式特别多的情况下，抽取字段多种多样，会造成规则策略编写起来非常复杂。总的来讲，相关技术中票据识别需要对票据进行分类，即需要先确定票据类型，以及针对每一种票据类型均需要确定对应的规则策略，如此会使得整个票据识别比较复杂。

本公开实施例提供的票据识别方法无需区分票据类型，可以实现对不同样式的票据进行识别，即提供了一种通用的票据识别方法，也可以理解为实现了多模态的票据识别。且本公开实施例中针对每一种票据类型，均可以将票据图片进行划分，得到票据图片中的子区域；针对各个子区域，获得子区域的识别信息；对各个子区域的识别信息进行整合，得到票据图片的识别结果，本公开实施例无需区分票据类型，也无需为每种票据类型确定对应的规则策略，能够降低票据识别的复杂度。

本公开实施例提供了一种票据识别方法，可以包括：

获取票据图片；

将票据图片进行划分，得到票据图片中的子区域，子区域是通用结构中的一种；通用结构是经统计得到的票据所包含的结构；

针对各个子区域，获得子区域的识别信息；

对各个子区域的识别信息进行整合，得到票据图片的识别结果。

本公开实施例中，先将票据图片进行划分得到票据图片中的子区域，然后，针对各个子区域，获得子区域的识别信息，并对各个子区域的识别信息进行整合，得到票据图片的识别结果。如此，无需区分票据图片的类型，实现了一种通用的票据识别，且不需要划分票据类型，也不需要针对众多的票据图片分别确定对应的规则策略，能够降低票据识别的复杂度。

图1为本公开实施例提供的票据识别方法的流程图。参见图1，本公开实施例提供的票据识别方法可以包括如下步骤：

S101，获取票据图片。

票据图片即待识别的票据的图片。

可以针对待识别的票据进行图像采集，得到票据图片。例如，通过拍照、扫描等方式获得待识别的票据的图片。

S102，将票据图片进行划分，得到票据图片中的子区域。

子区域是通用结构中的一种。针对各个子区域，该子区域是通用结构中的一种。

通用结构是经统计得到的票据所包含的结构。

例如，可以获取大量样本票据图片，预先对大量样本票据图片进行统计分析，大量样本票据图片中的大多数样本票据图片均含有的结构可以理解为经统计得到的票据所包含的结构，即通用结构。

可以设置一预设数量阈值，当含有某一结构的样本票据图片的数量不小于该预设数量阈值，则该结构可以理解为经统计得到的票据所包含的结构，也即大多数样本票据图片均含有的结构。例如，预设数量阈值为70，获取100个样本票据图片，其中，90个样本票据图片均含有结构一，85个样本票据图片均含有结构二，80个样本票据图片均含有结构三，30个样本票据图片含有结构四，1个样本票据图片含有结构五，则可以将结构一作为通用结构一，将结构二作为通用结构二，将结构三作为通用结构三，本公开实施例中通用结构包括通用结构一、通用结构二和通用结构三，一般票据由通用结构一、通用结构二和通用结构三中的一种或多种组成。

本公开实施例中，可以预先对多个样本票据图片进行版式分析，即将样本票据图片进行划分，得到多个样本票据图片中的通用结构。如此，待对票据图片进行识别时，可以先识别票据图片中的通用结构，简单理解，即对票据图片进行大块识别。

一种可实现方式中，本公开实施例经分析得到：大部分票据都会包括三种有特点的结构中的至少一种，三种通用结构是KV(key-value)区、段落区和表格区，票据包括三种通用结构中的至少一种。简单理解，大部分票据都是由KV区、段落区和表格区中的一种或多种组成。如，情况1：票据中包括KV区；情况2：票据中包括段落区；情况3：票据中包括表格区；情况4：票据中包括KV区和段落区；情况5：票据中包括段落区和表格区；情况6：票据中包括KV区和表格区；情况7：票据中包括KV区、段落区和表格区。

本公开实施例中通用结构可以包括以下结构中的一种或多种：键值对KV区、段落区和表格区。

KV区表示票据图片中包含键值对、且键值对中键以及键对应的值以预设规则呈现的区域。其中，预设规则可以包括多个键以及键对应的值呈行列式分布，如图2A中k1：v1；k2：v2、k3：v3和k4：v4。

表格区表示票据图片中含有表格的区域。

段落区表示确定票据图片中仅包含文本的区域。

例如，子区域可以是以下组合中的一种：KV区，如图2A所示；段落区，如图2B所示；表格区，如图2C所示；KV区和段落区；KV区和表格区，如图2D；段落区和表格区，如图2E；KV区、段落区和表格区，如图2F。

其中，子区域包括的KV区、段落区和表格区的个数可以是1个，也可以是多个。

一种可实现方式中，S102可以包括：

响应于票据图片中包括含有键值对、且键值对中键以及键对应的值以预设规则呈现的区域，将票据图片中含有键值对、且键值对中键以及键对应的值以预设规则呈现的区域作为KV区。

响应于票据图片中包括含有表格的区域，将票据图片中含有表格的区域作为表格区。

响应于票据图片中有仅包含文本的区域，将票据图片中仅包含文本的区域作为段落区。

KV区、段落区和表格区是票据中的通用结构，可以将票据图片划分为通用结构，如此，无需区分票据类型，可以针对任意类型的票据进行识别。

一种可选的实施例中，可以将票据图片输入预先训练的深度学习模型，通过深度学习模型输出票据图片中各个子区域的位置信息；分别基于各个子区域的位置信息，从票据图片中提取各个子区域。

可以预先训练得到深度学习模型，该深度学习模型用于确定票据图片中的子区域。

具体地，预先训练得到该深度学习模型包括：

获取多个样本票据图片。

针对各个样本票据图片，标注样本票据图片中的子区域以及各个子区域的区域类别，例如，标注样本票据图片中的KV区、段落区和/或表格区，可以标注各个子区域的位置信息，如顶点坐标。

一个样本票据图片以及该样本票据图片的子区域作为一个样本对，该样本票据图片的子区域可以理解为真值。

分别将各个样本对输入初始模型，针对每一样本对，将样本对输入初始模型得到的模型输出，与该样本对的真值即该样本对中样本票据图片的子区域，进行比较，且通过调整模型参数，使得模型输出与真值之间的差异小于预设值，预设值可以根据实际情况确定，例如，0.01,0.001，等等，如此，针对每一样本对均使得模型输出与真值之间的差异小于预设值，或者，将模型输出与真值进行比较一次作为一次迭代，当迭代次数达到预设次数时，则结束整个训练过程，得到训练好的深度学习模型。

训练好的用于识别票据图片的子区域的深度学习模型的输入是票据图片，输出是该票据图片中各个子区域的位置信息，如各个子区域的顶点坐标。同时，还可以输出该子区域的区域类别。

如此，可以将票据图片输入预先训练的深度学习模型，通过深度学习模型输出票据图片中各个子区域的位置信息，进而基于各个子区域的位置信息，从票据图片中提取各个子区域。

例如，将票据图片输入该深度学习模型，分别输出各个区域的四角点坐标((x1,y1)、(x2,y2)、(x3,y3)、(x4,y4))，和这个坐标区域的类别(KV区、表格区、段落区)。如此，基于一区域的四角点坐标((x1,y1)、(x2,y2)、(x3,y3)、(x4,y4))，可以从票据图片中提取该子区域，该子区域可以理解为票据图片中的子图片。

通过预先训练好的深度学习模型，可以快速、准确地对票据图片划分子区域。

S103，针对各个子区域，获得子区域的识别信息。

分别针对各个子区域进行识别，得到各个子区域的识别信息。

不同类型的子区域的结构不同，故可以基于子区域的区域类别的不同，有针对地进行识别。可以先确定子区域的区域类别，然后基于子区域的区域类别对该子区域进行识别的，得到该区域的识别信息。

KV区在于结构化识别，可以利用视觉识别算法进行识别。

例如，针对KV进行结构化：先通过OCR识别，识别出来KV区中的文字块。然后，通过预先定义的key的字典来识别出来具体的key的文字块，其中，预先定义的key的字典包括多个key的文字块，将识别出来的文字块与字典中包括的多个key的文字块进行比对，如果一文字块与字典中包括的文字块匹配，则该文字块为KV区中key的文字块。接着，进行value的抽取，对于位置关系固定的value的抽取可以配置对应的搜索策略来进行，比如从key往后边搜索碰到的第一个文字块就是value；对于关系不确定的抽取，可以通过分类模型来进行，分类模型的输入包括文字块的位置信息、文字块的内容，以及和周边文字块的相对位置关系，分类模型的输出包括文字块是哪个key对应value的分类结果。

在KV结构化的过程中通过深度学习模型，如上述分类模型不仅加入了OCR以后的文本信息，还通过文字的图像信息、位置等时空信息来进行向量化的构建，识别出key与value的映射关系。

段落区仅含有文本，重点在于要素抽取，对于段落区实现段落中的要素抽取操作，可以基于超大规模的预训练语言模型来进行。如可以通过自然语言处理(NLP，NaturalLanguage Processing)等命名实体识别来进行抽取。例如，段落要素抽取是将OCR识别以后的结果，通过基于深度学习的命名实体识别算法来进行要素的抽取，可以以NLP预训练语言模型为基础，增加双向长短期记忆网络(LSTM，Long Short-Term Memory)和序列化标注算法(sequence labeling algorithm，CRF)网络结构，实现关键要素的抽取。

表格区重点在于表格解析，例如，可以实现表格cell(单元格)的切分以及表格线的识别。或者，可以利用表格解析的模型，比如TableNet(用于从扫描文档图像进行端到端表检测和表格数据提取的深度学习模型)来实现表格的结构化解析。

一种可实现方式中，可以针对不同的区域类别，预先训练该区域类别对应的识别模型。具体地，模型训练可以参照相关技术中深度学习模型的训练过程。

针对KV区，可以训练包含OCR识别以及分类结构的识别模型，以用于KV区的结构化识别。例如，可以预先获取多个第一训练样本，第一训练样本可以是包含KV区的票据图片，标注出各个第一训练样本的识别结果，针对各个第一训练样本，第一训练样本个该第一训练样本对应的识别结果作为一个样本对，识别结果可以理解为该样本对的真值。分别将每一样本对输入第一模型，第一模型可以包括OCR识别模块以及分类模块，通过将样本对输入第一模型得到的模型输出，与该样本对的真值即该样本对中第一训练样本的识别结果，进行比较，且通过调整模型参数，使得模型输出与真值之间的差异小于第一值，第一值可以根据实际情况确定，例如，0.01,0.001，等等，如此，针对每一样本对均使得模型输出与真值之间的差异小于预设值，或者，将模型输出与真值进行比较一次作为一次迭代，当迭代次数达到预设次数时，则结束整个训练过程，得到用于KV区识别的识别模型。

针对段落区，可以预先训练包含NLP的识别模型，以用于段落区的要素抽取。例如，可以预先获取多个第二训练样本，第二训练样本可以是包含段落区的票据图片，标注出各个第二训练样本的识别结果，针对各个第二训练样本，第二训练样本个该第二训练样本对应的识别结果作为一个样本对，识别结果可以理解为该样本对的真值。分别将每一样本对输入第二模型，第二模型可以包括NLP结构，或者还可以在NLP结构的基础上包含LSTM、CRF，通过将样本对输入第二模型得到的模型输出，与该样本对的真值即该样本对中第二训练样本的识别结果，进行比较，且通过调整模型参数，使得模型输出与真值之间的差异小于第二值，第二值可以根据实际情况确定，例如，0.01,0.001，等等，如此，针对每一样本对均使得模型输出与真值之间的差异小于预设值，或者，将模型输出与真值进行比较一次作为一次迭代，当迭代次数达到预设次数时，则结束整个训练过程，得到用于段落区识别的识别模型。

针对表格区，可以预先训练TableNet，具体地TableNet的训练过程可以参照相关技术中TableNet，这里不再赘述。

用于识别票据图片的子区域的深度学习模型除了可以输出票据图片中各个子区域的位置信息，如各个子区域的顶点坐标，还可以输出子区域的区域类别。基于此，可以利用区域类别，为子区域选择对应的识别模型。

在将票据图片输入预先训练的深度学习模型，通过深度学习模型输出票据图片中各个子区域的顶点坐标的同时，深度学习模型还输出各个子区域的区域类别。

针对各个子区域，区域类别用于表示子区域是KV区、段落区或表格区。

S103可以包括：

针对各个子区域，基于该子区域的区域类别，选取该区域类别对应的识别模型；利用识别模型，得到该子区域对应的识别信息。

预先训练好不同区域类别对应的识别模型，在票据识别过程中，可以基于区域类别直接选择对应的识别模型。如此，针对每个子区域通过深度学习模型来实现对应的抽取工作，可以通过模型来减少规则策略的编写，进一步降低票据识别的复杂度。且针对子区域的区域类别的不同，选择适用于该区域类型的识别模型有针对地进行识别，能够提高识别的准确性。

S104，对各个子区域的识别信息进行整合，得到票据图片的识别结果。

识别出各个子区域的识别信息后，可以将各个子区域的识别信息进行合并，得到票据图片的识别结果。

一个具体的例子中，如图3所示，针对一票据图片，进行版面分析，也即版式分析，得到多个子区域，针对每一子区域，该子区域可以是KV区，段落区或表格区。针对KV区进行结构化提取，针对段落区进行要素提取，针对表格区进行表格解析，最终将各个子区域得到的识别信息进行汇总，即结果汇总。例如，票据图片包括3个子区域，包括1个KV区，1个段落区，1个表格区。

KV区返回的结果，也即KV的识别信息是{'姓名':'XX'}；段落区返回的结果，也即段落区的识别信息是{"身份证号":"xxxxxx"}；表格区返回的结果，也即表格区的识别信息是{"总金额":"100"}，将这3个子区域的识别信息进行合并，最终汇总得到的结果:{'姓名':"XX","身份证号":"xxxxxx","总金额":"100"}，即票据图片的识别结果。

例如，一个例子中，票据图片如图4所示。将票据图片进行划分，得到票据图片中的子区域，包括1个KV区如图4中虚线框401所示和1个表格区如图4中虚线框402所示。针对各个子区域，获得各个子区域的识别信息，例如从KV区抽取{"开票日期":"2012.10.10"}，从表格区域抽取{"运费":"USD50.00"}，最终汇总结果，则图4所示票据图片的识别结果包括{"开票日期":"2012.10.10","运费":"USD50.00"}，这里仅是对识别结果汇总的过程进行示例性说明，图4中还可以包括示例中没有说明的信息。

本公开实施例实现了一种通用的票据识别，且本公开实施例中获取票据图片后，将票据图片进行划分，得到票据图片中的子区域；针对各个子区域，获得子区域的识别信息；并对各个子区域的识别信息进行整合，即可得到票据图片的识别结果，也可以理解为一种端到端的票据识别。总的来讲，本公开实施例实现了一种通用的端到端票据识别。且在票据图片识别的过程中可以支持不同票据版式的结构化工作，将票据图片拆分成有限个子结构，针对每个子结构通过深度学习模型来实现对应的抽取工作，可以大幅度降低票据版式种类个数带来的困扰，同时可以通过模型来减少规则策略的编写，简化整体的实现方案。

本公开实施例还提供了一种票据识别装置，如图5所示，可以包括：

获取模块501，用于获取票据图片；

确定子区域模块502，用于将票据图片进行划分，得到票据图片中的子区域；子区域是通用结构中的一种；通用结构是经统计得到的票据所包含的结构；

获得模块503，用于针对各个子区域，获得子区域的识别信息；

整合模块504，用于对各个子区域的识别信息进行整合，得到票据图片的识别结果。

可选的，子区域包括以下结构中的一种或多种：键值对KV区、段落区和表格区；

确定子区域模块502，还用于：响应于票据图片中包括含有键值对、且键值对中键以及键对应的值以预设规则呈现的区域，将票据图片中含有键值对、且键值对中键以及键对应的值以预设规则呈现的区域作为KV区；响应于票据图片中包括含有表格的区域，将票据图片中含有表格的区域作为表格区；响应于票据图片中有仅包含文本的区域，将票据图片中仅包含文本的区域作为段落区。

可选的，确定子区域模块502，还用于：将票据图片输入预先训练的深度学习模型，通过深度学习模型输出票据图片中各个子区域的位置信息；分别基于各个子区域的位置信息，从票据图片中提取各个子区域。

可选的，获得模块503，还用于：针对各个子区域，基于该子区域的区域类别，选取该区域类别对应的识别模型；利用识别模型，得到该子区域对应的识别信息，其中，各个子区域的区域类别是在将票据图片输入预先训练的深度学习模型，通过深度学习模型输出票据图片中各个子区域的顶点坐标的同时，深度学习模型输出的，针对各个子区域，区域类别用于表示子区域是KV区、段落区或表格区。

本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如票据识别方法。例如，在一些实施例中，票据识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的票据识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行票据识别方法。

本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式***的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (11)

1.一种票据识别方法，包括：

获取票据图片；

将所述票据图片进行划分，得到所述票据图片中的子区域；所述子区域是通用结构中的一种；所述通用结构是经统计得到的票据所包含的结构；

针对各个子区域，获得所述子区域的识别信息；

对各个子区域的识别信息进行整合，得到所述票据图片的识别结果。

2.根据权利要求1所述的方法，其中，所述通用结构包括以下结构中的一种或多种：键值对KV区、段落区和表格区；

所述将所述票据图片进行划分，得到所述票据图片中的子区域，包括：

响应于所述票据图片中包括含有键值对、且所述键值对中键以及所述键对应的值以预设规则呈现的区域，将所述票据图片中含有键值对、且所述键值对中键以及所述键对应的值以预设规则呈现的区域作为KV区；

响应于所述票据图片中包括含有表格的区域，将所述票据图片中含有表格的区域作为表格区；

响应于所述票据图片中有仅包含文本的区域，将所述票据图片中仅包含文本的区域作为段落区。

3.根据权利要求1所述的方法，其中，所述将所述票据图片进行划分，得到所述票据图片中的子区域，包括：

将所述票据图片输入预先训练的深度学习模型，通过所述深度学习模型输出所述票据图片中各个子区域的位置信息；

分别基于各个子区域的位置信息，从所述票据图片中提取各个子区域。

4.根据权利要求3所述的方法，在将所述票据图片输入预先训练的深度学习模型，通过所述深度学习模型输出所述票据图片中各个子区域的位置信息的同时，所述深度学习模型还输出各个子区域的区域类别，针对各个子区域，所述区域类别用于表示所述子区域是KV区、段落区或表格区；

所述针对各个子区域，获得所述子区域的识别信息，包括：

针对各个子区域，基于该子区域的区域类别，选取该区域类别对应的识别模型；

利用所述识别模型，得到该子区域对应的识别信息。

5.一种票据识别装置，包括：

获取模块，用于获取票据图片；

确定子区域模块，用于将所述票据图片进行划分，得到所述票据图片中的子区域；所述子区域是通用结构中的一种；所述通用结构是经统计得到的票据所包含的结构；

获得模块，用于针对各个子区域，获得所述子区域的识别信息；

整合模块，用于对各个子区域的识别信息进行整合，得到所述票据图片的识别结果。

6.根据权利要求5所述的装置，其中，所述通用结构包括以下结构中的一种或多种：键值对KV区、段落区和表格区；

所述确定子区域模块，还用于：响应于所述票据图片中包括含有键值对、且所述键值对中键以及所述键对应的值以预设规则呈现的区域，将所述票据图片中含有键值对、且所述键值对中键以及所述键对应的值以预设规则呈现的区域作为KV区；响应于所述票据图片中包括含有表格的区域，将所述票据图片中含有表格的区域作为表格区；响应于所述票据图片中有仅包含文本的区域，将所述票据图片中仅包含文本的区域作为段落区。

7.根据权利要求5所述的装置，其中，所述确定子区域模块，还用于：将所述票据图片输入预先训练的深度学习模型，通过所述深度学习模型输出所述票据图片中各个子区域的位置信息；分别基于各个子区域的位置信息，从所述票据图片中提取各个子区域。

8.根据权利要求7所述的装置，所述获得模块，还用于：针对各个子区域，基于该子区域的区域类别，选取该区域类别对应的识别模型；利用所述识别模型，得到该子区域对应的识别信息，其中，各个子区域的区域类别是在将所述票据图片输入预先训练的深度学习模型，通过所述深度学习模型输出所述票据图片中各个子区域的顶点坐标的同时，所述深度学习模型输出的，针对各个子区域，所述区域类别用于表示所述子区域是KV区、段落区或表格区。

9.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。

11.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-4中任一项所述的方法。

Images