基于深度学习的票据识别系统设计

信息时代，票据给人们的生活带来了极大的便利。但是，输入票据的过程较耗时，大量的票据会给财务人员带来一定的工作压力。幸运的是，大数据分析和深度学习技术的发展，使得通过一个基于深度学习的票据内容识别技术方案简化这一过程成为可能。这个方案涉及3个阶段。第一阶段，使用ResNet分类拍摄的票据图像。第二阶段，对特定的票据进行文本定位和识别。在文本检测阶段，DBNet被用来检测和定位票据中的细粒度文本。第三阶段，通过文本序列识别（Convolutional Recurrent Neural Network,CRNN）实现文本识别任务。基于深度学习的票据识别系统比人工识别的识别速度更快，准确率更高。     

双网络模型下的智能医疗票据识别方法

为了满足医疗行业大量针式票据录入工作的需求，解决传统人工录入方式效率低、精度低的问题，构建了双网络模型下的针式打印字体医疗票据识别方法。传统目标检测网络的参数同时描述了目标的位置与类别信息，其用于大规模定位识别任务时由于参数量庞大导致网络极难以训练，为解决以上问题，提出了双网络模型方法以联合FasterRCNN与深度卷积神经网络实现票据中字符的定位与识别，双网络将定位与识别分步进行以降低任务的复杂度。实验采用自建票据数据集与字库数据集进行网络训练，利用现场采集的票据验证了算法的有效性，通过测试不同参数下模型的性能来选定最佳参数，并对比分析了该方法与传统方法的识别效果。实际测试表明，识别准确率达95.4%，召回率达92.7%，速度达0.76 s/张。     

应用OCR技术的金融票据处理系统

针对日常应用的金融票据,我们使用计算机进行自动处理。在金融票据自动处理系统的多个环节,我们应用了OCR技术。在票据类型识别这一重要环节,我们对印刷体的表头信息进行OCR识别,进一步提高了对票据类型的识别率。我们还对表格中以中文大写数字,手写阿拉伯数字,勾选填写的信息项运用OCR技术进行处理,提高了票据自动处理系统的能力。     

多重水印快速加密技术在图象深度传感器中的应用

本文研究了金融电子票据中高效率的快速多重数字水印加密在图象深度传感器中的应用方法,针对票据中的数字、签名等关键内容容易被篡改的问题,针对关键区域进行卷积神经网络的识别和水印加密。首先,利用卷积神经网络识别票据中的关键信息区域,以减少水印加密的运算数据量,提高金融票据自动处理效率。在传统的网络结构中,由于CNN的卷积池化操作,使得粗粒度和边缘信息丢失,CNN网络中最顶层的信息维度偏低,易导致过拟合。针对上述问题,本文提出利用票据图及其差分特征,构建适合CNN网络的多通道图像输入特征,充分挖掘图像内在特征;然后进一步改进传统的CNN网络结构,把所有卷积层的输出连接为一层,构成包含各层信息的融合特征,输入网络的全连接层进行分类识别。实验结果表明,改进后的CNN识别算法,相较传动CNN、DNN等算法,其性能均有明显提升,能够更加高效的进行多个关键区域的内容识别,从而高效的进行多重数字水印的加密,提高金融票据处理的安全性和运算效率。     

基于受控形态学的无限制票据分类

目前的票据类型识别要求票据中必须存在框线、分类码等明确的分类标志，而现有的实际票据往往不满足这些条件，基于受控形态学操作的二次分类方法选取图像本身的结构特征进行了分级受控击中击不中变换，对票据样式没有任何限制。分析和实验表明，该方法计算复杂度低、速度快、准确率高。     

层次型金融票据图像分类方法

金融票据图像识别处理是当今的一个热点研究方向,而票据分类是其中重要的基础部分。针对种类繁多、数量巨大、版面复杂和噪声干扰严重的金融票据彩色图像,本文提出了一种基于二叉树决策的层次型票据类型匹配方法。该方法利用三个类型判断器:基于票据版面结构的松弛匹配、基于OCR 的票据标题识别和基于票据颜色的色彩分析,层次化的进行票据类型判断。实验表明,层次型金融票据图像分类方法具有良好的效果;基于该方法的银行票据识别处理系统已经广泛应用于各大银行的相关业务系统中。     

基于模板匹配和Tesseract的票据归类和索引

现在大量的纸质凭证都需要通过扫描存入计算机,但如何对这些凭证进行归类和检索成为一个主要问题。随着OCR技术的发展,已有软件产品能够完成扫描件的识别和管理。但在很多情况下只需对扫描件进行归类和建立索引,并不需要对整张票据进行OCR识别。本文提出一种快速、有效的基于模板匹配的票据分类方法,然后借助开源软件Tes-seract实现数字和字母的识别,完成票据的分类和索引功能。所提出的方法简便、高效,有效地降低了企业成本。另外,为了提高识别率,根据待识别对象的特征对图像进行预处理,实验表明该方法可以极大提高识别率,对专业的OCR软件也具借鉴意义。     

表情识别的图像预处理和特征提取方法研究

表情识别是基于视觉信息将脸部的运动或脸部特征的形变进行分类,包括三部分:脸部定位、脸部特征抽取和表情分类.本文首先使用肤色模型进行脸部定位;对提取出来的人脸进行预处理,然后通过Canny鼻子和人脸形状模型相结合的Canny-AAM方法进行特征点定位;最后利用曲线拟合的方法进行特征提取.基于上述算法建立表情识别平台,经过大样本对实时表情识别验证,结果表明对于不同光照下的实时表情识别具有鲁棒性.     

基于CNN与有限状态自动机的手写体大写金额识别

手写票据识别是模式识别中的研究难点之一,手写体风格多样、票据背景复杂等原因导致手写票据识别的准确率不高。大写金额作为票据中最重要的部分,对其进行准确识别是手写票据自动识别的关键。对基于分割的手写体大写金额识别及处理问题进行研究,提出一种基于卷积神经网络（CNN）与有限状态自动机的手写体大写金额识别方法。在利用过分割和组合过分割项得到单字符后使用CNN对其进行识别。通过对字符进行分类、定义各类字符之间的逻辑关系构造用于语法检查的有限状态自动机,通过语法自动机在识别结果中选择符合语法规则的字符串,并在路径搜索中利用语法自动机优化搜索性能。在此基础上,运用语法自动机对模糊字符进行预测,以纠正CNN的识别错误。实验结果表明,该方法在对大写金额单字符和文本行进行识别时准确率分别高达98.2%与96.6%。     

基于颜色分割的发票识别与自校正系统研究

传统基于二值图像的框线特征提取信息的票据识别技术,其结果存在一定的差错率,针对此问题,提出了基于颜色分割的发票识别与验证系统.通过颜色分割和版式分析,将文字区域、二维码及图章等不同区域进行分割,分区域进行识别处理后,对发票关键信息进行比对验证.与传统的票据识别技术相比,该系统不仅可以完成发票自动识别,还可以结合二维码信...     

基于嵌入式因特网的纸币识别系统

作为纸币交易实现自动化的关键设备,纸币识别器不仅承担着最基本的纸币识别和接收功能,而且必须适应网络化管理的需要增加相应的功能。文中介绍了嵌入式因特网技术的发展以及在纸币识别系统中的应用,阐述了在嵌入式系统中实现因特网协议的方法。系统通过采用uclinux嵌入式操作系统,并以Samsung公司的S3C4510b微处理器为核心,结合嵌入式因特网技术,来实现纸币识别器网络升级和网络支付功能。针对联网交易应用系统对传统纸币器提出的新要求,引入嵌入式技术重新设计了纸币识别器,使之具备直接和间接联网的能力,不仅解决了网络化的问题,而且兼容传统的通信方式,在功能上还有很好的可扩展性。     

基于CRF的藏文地名识别技术研究

藏文地名识别是藏文命名实体识别中必须要解决的问题。通过分析藏文地名的特点及识别难点,阐述了藏文地名的音节、触发词、地名后续词和格助词等特性适用基于CRF模型的地名识别,通过实验,验证了6种特征对藏文地名识别的有效性。实验结果表明该方法对藏文地名识别的准确率、召回率和[F]值分别达到了96.12%、81.92%和88.45%,实验结果与已有的系统相比,取得了较好的效果。     

基于HMM方法的银行票据自动识别

利用隐态马尔可夫模型(HMMs)，对银行票据中金额的大小写数据识别问题进行了研究．主要内容包括建立新颖的文字分刻算法；设计HMM训练和识别算法．在HMM系统中，将使用频率比较高的手写体错别字和同音字作为不同的字符类来处理；同时在HMM的训练过程中，提出了平滑参数的新方法．实验结果表明，该方法在实践中是可行的，在银行票据自动识别中有很好的应用前景．     

煤矿入井人员唯一性检测技术研究

通过分析掌纹、指纹、虹膜、人脸、步态、声纹等生物特征识别技术的特点以及煤矿现场对入井人员生物特征的影响,指出虹膜识别、人脸识别、步态识别、声纹识别适用于煤矿入井人员唯一性检测;提出了一种基于人员定位和生物特征识别的煤矿入井人员唯一性检测技术方案,将生物特征识别技术嵌入人员定位系统,利用人员定位识别卡实现识别卡数量及人员身份的唯一性检测;指出煤矿入井人员唯一性检测技术的研究关键点是严重污染人脸的识别算法、对设备遮挡情况下人员步态图像的采集及对混入人员语音信号的煤矿现场噪声消除算法。     

基于主动判别函数的手写体识别

提出了一种新的基于主动判别函数的手写体识别方法.首先,提出了主子空间中基于统计特征的主动原型模板并给出了对应于待识模式的最优主动原型模板.然后,提出了主动判别函数,它是两个加权距离之和;其中一个是待识模式与主子空间的距离,另一个是待识模式与次子空间的距离.其次,作为主动判别函数的参数,主动原型模板的约束可应用最小分类错误准则进行优化,这一最优约束有助于提高主动判别函数的识别正确率.最后,在银行票据中使用的手写金融汉字样本库上进行实验.实验结果表明,主动判别函数在手写体识别方面是非常有前景的.     

受限领域中最长地点实体提及的提取研究

实体是构成事件信息的基本单元,在事件中扮演着重要的角色。在自然语言处理领域,实体识别是信息提取、句法分析、机器翻译、篇章理解等应用领域重要的基础性工具。汉语句法成分特有的套叠现象决定了实体表达的复杂性,增加了识别的难度。这使得已有的用于命名实体识别中的研究方法在长地点实体的识别中不能取得好的效果。为研究自动提取实体方法,文章从事件报道领域出发,以最长地点实体为对象,对325篇新闻语料进行地点实体标注和抽取,分析、研究了地点实体的出现特征,并根据分析结论提出实体提取可行方案。     

图像分割中字符号码类目标的快速定位方法

针对字符号码类目标，提出一种无需全图阈值分割和先验特征匹配计算的方法。先利用方向梯度块精确定位目标，再对目标区域作局部阈值分割，从而快速地得到高质量的目标信息。     

一种基于单目视觉的人手检测与识别方法

提出了一种单目视觉下的人手检测与识别方法。该方法结合肤色检测与运动前景检测技术,实现了人手的定位,再由阈值分割获取人手的二值图像。提取傅里叶形状描述子作为二值图像的特征,在与样本的特征进行相似性比对之后获得最终识别结果。实验证明,该方法可以有效地实现复杂背景下人手的定位与识别。     

基于篇章的中文地名识别研究

该文介绍了以篇章为单位的中文地名识别方法和系统实现。地名识别包括简单地名识别和复杂地名识别两个阶段。简单地名识别由基于条件随机场的识别模块和基于篇章地名关系的识别模块顺序构成,以原始文本为输入,直接利用地名内部结构和相邻字信息进行地名识别和文本分词,然后利用篇章地名关系和地名性判断进一步处理。复杂地名识别以简单地名识别结果为输入,采用条件随机场识别。系统在封闭测试和开放测试中F-1值分别达到92.87%和89.76%。研究发现,在地名性判断中地名确信度低的字串对于地名识别干扰性较大,篇章地名关系能够在不降低识别精确度的情况下有效提高召回率,综合利用地名短距离和长距离依存关系可以有效提高地名识别效果。