一种票据识别方法、装置、电子设备及介质与流程

1.本技术涉及票据识别技术领域，尤其涉及一种票据识别方法、装置、电子设备及介质。


背景技术：

2.目前的银行系统在票据识别方面存在较多困难。一是票据种类多样，涉及多种类型、多种版式的票据，且每种票据的待识别内容不固定，需要针对每种版式定制单独的ocr检测和识别模型。二是票据识别难度大。票据中通常包含数字、英文、中文等类型文字，且存在书写潦草、字与字之间粘连等问题。三是票据标注成本高。需要同时标注待识别内容的位置和文字，单张票据标注时间长，且标注的数据量过小会导致ocr模型识别效果差。
3.现有的票据识别方法主要分为两类，一类是先检测在识别，无法实现自动化训练，需要人工根据票据类型设置超参数。另一类通过端到端识别的方式，无需检测，直接输出识别结果。但需要根据每种待识别的内容训练一个单独的识别模型，整体流程复杂。


技术实现要素：

4.本技术提供了一种票据识别方法、装置、电子设备及介质，能够通过利用自动深度学习技术自动化训练票据识别模型，解决票据识别依赖人工，流程复杂的问题。
5.根据本技术的一方面，提供了一种票据识别方法，所述方法包括：
6.从样本票据中确定目标票据，确定所述目标票据的目标区域；
7.根据所述目标票据以及所述目标区域进行模型训练，确定区域检测模型；
8.基于所述区域检测模型对所述样本票据进行检测，确定所述样本票据中的内容区域；
9.截取所述样本票据中的内容区域，并根据所述样本票据中的内容区域以及所述内容区域中的文字内容进行模型训练，确定文字识别模型，以基于文字识别模型对待识别票据中的文字进行识别。
10.根据本技术的另一方面，提供了一种票据识别装置，包括：
11.目标区域确定模块，用于从样本票据中确定目标票据，确定所述目标票据的目标区域；
12.模型训练模块，用于根据所述目标票据以及所述目标区域进行模型训练，确定区域检测模型；
13.内容区域确定模块，用于基于所述区域检测模型对所述样本票据进行检测，确定所述样本票据中的内容区域；
14.文字识别模块，用于截取所述样本票据中的内容区域，并根据所述样本票据中的内容区域以及所述内容区域中的文字内容进行模型训练，确定文字识别模型，以基于文字识别模型对待识别票据中的文字进行识别。
15.根据本技术的另一方面，提供了一种票据识别电子设备，所述电子设备包括：
16.至少一个处理器；以及
17.与所述至少一个处理器通信连接的存储器；其中，
18.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序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本技术任一实施例所述的票据识别方法。
19.根据本技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本技术任一实施例所述的票据识别方法。
20.本技术方案，通过利用自动深度学习技术，自动化训练票据识别模型，降低标注数据量，大幅提高训练效率及准确率。
21.应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术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
22.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
23.图1是根据本技术实施例一提供的一种票据识别方法的流程图；
24.图2是根据本技术实施例一提供的票据识别方法基本步骤示意图；
25.图3是根据本技术实施例二提供的一种票据识别方法的流程图；
26.图4是根据本技术实施例二提供的票据识别方法基本步骤示意图；
27.图5是根据本技术实施例四提供的一种票据识别装置的结构示意图；
28.图6是实现本技术实施例的一种票据识别方法的电子设备的结构示意图。
具体实施方式
29.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
30.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
31.实施例一
32.图1为本技术实施例一提供的一种票据识别方法的流程图，本实施例可适用于对银行流水中产生票据进行识别的情况，该方法可以由票据识别装置来执行，该票据识别装置可以采用硬件和/或软件的形式实现，该票据识别装置可配置于具有数据处理能力的电子设备中。如图1所示，该方法包括：
33.s110、从样本票据中确定目标票据，确定所述目标票据的目标区域。
34.其中，样本票据可以是由银行签发或由银行承担付款的票据，包括：银行本票、银行汇票、银行签发的支票等，在此不限定样本票据的种类。
35.可选的，所述目标票据的数量小于所述样本票据的数量。
36.用户可以选择将样本票据中的部分票据作为目标票据。示例的，若样本票据的数量为100张，用户可以选择将其中10张作为目标票据，本技术对样本票据及目标票据数量均不做限定。
37.在确定目标票据后，用户可以手动将每张目标票据中的目标区域标注出来，作为检测模型的训练样本的标签，并将标注后的目标票据输入电子设备进行后续处理，电子设备可以是手机、电脑等，本技术对此不做限定。
38.目标区域可以是票据中需要进行识别的区域，具体可以是带有文字的区域。
39.s120、根据所述目标票据以及所述目标区域进行模型训练，确定区域检测模型。
40.具体的，可以采用自动深度学习技术进行模型训练，自动深度学习用算法学习深度学习(deep learning,dl)算法(结构)，来替代深度学习中的人工操作，自动深度学习中神经网络结构设计和超参数调优可以自动进行，不依赖人工调节模型参数。
41.在实际处理过程中，可以将已经输入进电子设备的做好目标区域标注的票据输入进基础神经网络模型中进行训练，神经网络模型可以是卷积神经网络，卷积神经网络(convolutional neural networks,cnn)是一类包含卷积计算且具有深度结构的前馈神经网络(feedforward neural networks)，也可以是其他神经网络，本技术对此不做限定，经过训练后得到区域检测模型。
42.s130、基于所述区域检测模型对所述样本票据进行检测，确定所述样本票据中的内容区域。
43.将样本票据输入训练好的区域检测模型，确定所有样本票据中的内容区域。
44.s140、截取所述样本票据中的内容区域，并根据所述样本票据中的内容区域以及所述内容区域中的文字内容进行模型训练，确定文字识别模型，以基于文字识别模型对待识别票据中的文字进行识别。
45.具体的，提取业务流水中票据的待识别内容的文字信息，作为识别模型的训练样本的标签。使用训练好的检测模型检测票据中的各个待识别内容的位置，并根据检测结果裁剪对应的区域，作为识别模型的训练样本。
46.使用自动深度学习技术，训练票据识别模型，用于识别票据中各个待识别内容的文字信息。
47.图2是根据本技术实施例一提供的票据识别方法基本步骤示意图；如图2所示，步骤包括：
48.s1、开始。
49.s2、人工标注待识别内容的位置区域。
50.s3、提取业务流水中待识别内容的文字信息。
51.步骤s3和步骤s2可以同步进行。
52.s4、使用自动深度学习技术训练检测模型。
53.s5、使用检测模型检测并切割票据中的各类待识别内容区域。
54.待识别内容可以依据关键词分为不同的类别，包括但不限于：用户姓名区域，金额区域等。
55.s6、使用自动深度学习训练识别模型。
56.其中，识别模型用于对票据上的文字进行识别。
57.s7、结束。
58.本技术实施例的技术方案，从样本票据中确定目标票据，确定目标票据的目标区域；根据目标票据以及目标区域进行模型训练，确定区域检测模型；基于区域检测模型对样本票据进行检测，确定样本票据中的内容区域；截取样本票据中的内容区域，并根据样本票据中的内容区域以及内容区域中的文字内容进行模型训练，确定文字识别模型，以基于文字识别模型对待识别票据中的文字进行识别。本技术方案，通过利用自动深度学习技术，自动化训练票据识别模型，降低标注数据量，大幅提高训练效率及准确率。
59.实施例二
60.图3为本技术实施例二提供的一种票据识别方法的流程图，本实施例以上述实施例为基础进行优化。如图3所示，本实施例的方法具体包括如下步骤：
61.s210，加载预设的训练配置文件，以根据预设的训练配置文件进行模型训练确定区域检测模型以及文字识别模型；
62.其中，预设的训练配置文件包括基础检测模型名称、基础识别模型名称、样本票据路径、基础检测模型的参数以及基础识别模型的参数中的至少一项。
63.基础检测模型可以被存储在神经网络模型库中，有对应的名称，样本票据路径可以是样本票据在本地存储的物理路径。基础检测模型的参数和基础识别模型的参数可以是基础模型需要输入的参数，以基础模型为卷积神经网络模型为例，输入参数可以是基础网络层数、卷积核大小、滑动步长等。
64.s220，加载样本票据配置文件，以根据样本票据配置文件确定待识别的关键字段和/或关键字段数量。
65.关键字段可以是样本票据表单填写项目的名称，以转账支票为例，关键字段包括：出票日期、汇款行名称、收款人以及出票人账号等。
66.s230，加载至少一组预设超参数，以根据所述预设超参数对区域检测模型以及文字识别模型进行迭代优化；
67.其中，预设超参数包括学习率、训练迭代次数、是否使用测试时增强技术中的至少一项。
68.学习率(learning rate)作为监督学习以及深度学习中重要的超参数，其决定着目标函数能否收敛到局部最小值以及何时收敛到最小值。设定合适的学习率能够使目标函数在合适的时间内收敛到局部最小值。
69.测试时增强(test time augmentation，tta)是将输入的源图片生成多份分别送入模型，然后对所有的推理结果做一个综合整合。
70.训练迭代次数可以包括：epoch、batch_size和iteration。
71.epoch是指训练时，所有训练数据集都训练过一次。
72.batch_size是指在训练集中选择一组样本用来更新权值。
73.iteration是指，1个batch训练图像通过网络训练一次，一次前向传播，一次后向传播，每迭代一次权重更新一次。
74.s240，从样本票据中确定目标票据，确定所述目标票据的目标区域。
75.s250，根据所述目标票据以及所述目标区域进行模型训练，确定区域检测模型。
76.s260，基于所述区域检测模型对所述样本票据进行检测，确定所述样本票据中的内容区域。
77.s270，截取所述样本票据中的内容区域，并根据所述样本票据中的内容区域以及所述内容区域中的文字内容进行模型训练，确定文字识别模型，以基于文字识别模型对待识别票据中的文字进行识别。
78.s280，将所述区域检测模型和所述文字识别模型转换为开放神经网络交换格式。
79.onnx(open neural network exchange，开放神经网络交换格式)，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移，用于存储训练好的模型。
80.s290，对开放神经网络交换格式的区域检测模型和文字识别模型进行存储。
81.需要说明的是，本技术实施例中，s210、s220、s230、s240的执行顺序不做限定。
82.在上述实施例的基础上，可选的，对开放神经网络交换格式的区域检测模型和文字识别模型进行存储之后，所述方法还包括：
83.根据开放神经网络交换格式的区域检测模型和文字识别模型的存储路径，确定推理代码，以根据所述推理代码中的存储路径调用区域检测模型和文字识别模型对待检测票据进行处理。
84.区域检测模型和文字识别模型的存储路径可以是在本地存储的物理路径。
85.图4是根据本技术实施例二提供的票据识别方法基本步骤示意图。
86.如图4所示，步骤包括：
87.n1、开始。
88.n2、加载基础训练配置文件。
89.n3、加载票据相关参数配置文件。
90.n4、预设多组超参数。
91.实际操作中可以预设多组超参数，经过训练选择最具准确性和鲁棒性的超参数作为最终选定的超参数。
92.n5、训练基础检测模型。
93.n6、训练基础识别模型。
94.n7、onnx模型转换。
95.n8、编译推理代码。
96.n9、结束。
97.本技术方案，通过加载预设的训练配置文件，以根据预设的训练配置文件进行模型训练确定区域检测模型以及文字识别模型，加载样本票据配置文件，以根据样本票据配置文件确定待识别的关键字段和/或关键字段数量，加载至少一组预设超参数，以根据预设
超参数对区域检测模型以及文字识别模型进行迭代优化，将区域检测模型和文字识别模型转换为开放神经网络交换格式，对开放神经网络交换格式的区域检测模型和文字识别模型进行存储，根据开放神经网络交换格式的区域检测模型和文字识别模型的存储路径，确定推理代码，以根据所述推理代码中的存储路径调用区域检测模型和文字识别模型对待检测票据进行处理，自动化构建可用于线上部署的模型及推理代码，提高银行票据识别流程的系统化，自动化，节省人工成本，避免依赖人工检测识别造成的错误，票据检测识别更加准确。
98.实施例三
99.图5为本技术实施例三提供的一种票据识别装置的结构示意图，该装置可执行本技术任意实施例所提供的票据识别方法，具备执行方法相应的功能模块和有益效果。如图5所示，该装置包括：
100.目标区域确定模块310，用于从样本票据中确定目标票据，确定所述目标票据的目标区域；
101.模型训练模块320，用于根据所述目标票据以及所述目标区域进行模型训练，确定区域检测模型；
102.内容区域确定模块330，用于基于所述区域检测模型对所述样本票据进行检测，确定所述样本票据中的内容区域；
103.文字识别模块340，用于截取所述样本票据中的内容区域，并根据所述样本票据中的内容区域以及所述内容区域中的文字内容进行模型训练，确定文字识别模型，以基于文字识别模型对待识别票据中的文字进行识别。
104.在上述实施例的基础上，可选的，所述目标票据的数量小于所述样本票据的数量。
105.在上述实施例的基础上，可选的，所述装置还包括：
106.训练配置文件加载模块，用于加载预设的训练配置文件，以根据预设的训练配置文件进行模型训练确定区域检测模型以及文字识别模型；
107.其中，预设的训练配置文件包括基础检测模型名称、基础识别模型名称、样本票据路径、基础检测模型的参数以及基础识别模型的参数中的至少一项。
108.在上述实施例的基础上，可选的，所述装置还包括：
109.票据配置文件加载模块，用于加载样本票据配置文件，以根据样本票据配置文件确定待识别的关键字段和/或关键字段数量。
110.在上述实施例的基础上，可选的，所述装置还包括：
111.预设超参数加载模块，用于加载至少一组预设超参数，以根据所述预设超参数对区域检测模型以及文字识别模型进行迭代优化；其中，预设超参数包括学习率、训练迭代次数、是否使用测试时增强技术中的至少一项。
112.在上述实施例的基础上，可选的，所述装置还包括：
113.模型转换模块，用于将所述区域检测模型和所述文字识别模型转换为开放神经网络交换格式。
114.在上述实施例的基础上，可选的，所述装置还包括：
115.模型存储模块，用于对开放神经网络交换格式的区域检测模型和文字识别模型进行存储。
116.在上述实施例的基础上，可选的，所述装置还包括：
117.推理代码确定模块，用于根据开放神经网络交换格式的区域检测模型和文字识别模型的存储路径，确定推理代码，以根据所述推理代码中的存储路径调用区域检测模型和文字识别模型对待检测票据进行处理。
118.本技术实施例所提供的一种票据识别装置可执行本技术任意实施例所提供的一种票据识别方法，具备执行方法相应的功能模块和有益效果。
119.实施例五
120.图6示出了可以用来实施本技术的实施例的电子设备10的结构示意图。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(如头盔、眼镜、手表等)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/或者要求的本技术的实现。
121.如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
122.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
123.处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理，例如票据识别方法。
124.在一些实施例中，票据识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11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，处理器11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。
125.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(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系统上执行和/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，可以从存储系统、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系统、该至少一个输入装置、和该至少一个输出装置。
126.用于实施本技术的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序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，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
127.在本技术的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储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、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。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。
128.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：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电子设备。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。
129.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
130.计算系统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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
131.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，本技术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，只要能够实现本技术的技术方案所期望的结果，本文在此不进行限制。
132.上述具体实施方式，并不构成对本技术保护范围的限制。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。任何在本技术
的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。