单据审核方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种单据审核方法、装置、计算机设备及存储介质，所述方法包括：获取与单据审核指令关联的待审核单据图像；将待审核单据图像输入字符串区域识别模型，通过YOLO算法，获取至少三个字符串区域图像；将各个字符串区域图像输入训练完成的轻量字符识别模型，对字符串区域图像进行字符特征提取，获取识别结果；判断单据信息与单据号是否相同，得第一判别结果，以及判断身份证信息与身份证号码是否相同，得第二判别结果，同时判断银行卡信息与银行卡号码是否相同，得第三判别结果；若第一判别结果、第二判别结果和第三判别结果均为相同，则确定审核通过。本发明专利技术实现了自动识别单据中的字符串并对该字符串进行审核，达到自动审核单据的效果。

【技术实现步骤摘要】
单据审核方法、装置、计算机设备及存储介质
本专利技术涉及数据处理领域，尤其涉及一种单据审核方法、装置、计算机设备及存储介质。
技术介绍
随着科学技术的发展，需要对各种文档图像、单据图像进行审核的场景也越来越多，比如，很多场景下需要审核验证各类人员的填报单据的图像，以确定其中信息是否有误，工作量极大，且在各类人员的填报单据中，往往会出现手写的字符，目前，对于手写字符的识别，需要人工识别，存在一定的识别错误率；现有技术中，也会通过OCR(OpticalCharacterRecognition，光学字符识别)技术识别单据图像，由于现有的OCR技术是逐个字符进行识别，因此其对字符(特别是手写字符)识别的响应时间较长且程序容量及负载大，加重了服务器的运行，导致识别效率存在瓶颈且服务器会超负载运作，最终影响审核效率，导致客户满意度差。
技术实现思路
本专利技术提供一种单据审核方法、装置、计算机设备及存储介质，实现了自动识别单据中的字符串并对该字符串进行审核，达到自动审核单据的效果，大大缩小模型的容量和简化模型的结构，能应用于移动设备中提高了识别准确率和可靠性，并提升了客户的满意度。一种单据审核方法，包括：接收到单据审核指令之后，获取与所述单据审核指令关联的待审核单据图像；所述单据审核指令包括单据号、对象的身份证号码和对象的银行卡号码；将所述待审核单据图像输入字符串区域识别模型，通过YOLO算法，获取所述字符串区域识别模型识别出的所述待审核单据图像中至少三个字符串区域图像；将各个所述字符串区域图像输入训练完成的轻量字符识别模型，所述轻量字符识别模型对所述字符串区域图像进行字符特征提取，获取所述轻量字符识别模型根据提取的所述字符特征输出的识别结果；所述识别结果包括所述字符串区域图像的字符串类别和字符串信息；所述字符串类别包括单据类、身份证类和银行卡类；所述字符串信息包括与所述单据类对应的单据信息、与所述身份证类对应的身份证信息和与所述银行卡类对应的银行卡信息；所述轻量字符识别模型为基于ShuffleNet模型的神经网络模型；判断所述单据信息与所述单据号是否相同，得到第一判别结果，以及判断所述身份证信息与所述身份证号码是否相同，得到第二判别结果，同时判断所述银行卡信息与所述银行卡号码是否相同，得到第三判别结果；若所述第一判别结果、所述第二判别结果和所述第三判别结果均为相同，则确定所述待审核单据图像为审核通过。一种单据审核装置，包括：接收模块，用于接收到单据审核指令之后，获取与所述单据审核指令关联的待审核单据图像；所述单据审核指令包括单据号、对象的身份证号码和对象的银行卡号码；获取模块，用于将所述待审核单据图像输入字符串区域识别模型，通过YOLO算法，获取所述字符串区域识别模型识别出的所述待审核单据图像中至少三个字符串区域图像；识别模块，用于将各个所述字符串区域图像输入训练完成的轻量字符识别模型，所述轻量字符识别模型对所述字符串区域图像进行字符特征提取，获取所述轻量字符识别模型根据提取的所述字符特征输出的识别结果；所述识别结果包括所述字符串区域图像的字符串类别和字符串信息；所述字符串类别包括单据类、身份证类和银行卡类；所述字符串信息包括与所述单据类对应的单据信息、与所述身份证类对应的身份证信息和与所述银行卡类对应的银行卡信息；所述轻量字符识别模型为基于ShuffleNet模型的神经网络模型；判断模块，用于判断所述单据信息与所述单据号是否相同，得到第一判别结果，以及判断所述身份证信息与所述身份证号码是否相同，得到第二判别结果，同时判断所述银行卡信息与所述银行卡号码是否相同，得到第三判别结果；确定模块，用于若所述第一判别结果、所述第二判别结果和所述第三判别结果均为相同，则确定所述待审核单据图像为审核通过。一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述单据审核方法的步骤。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程序，所述计算机程序被处理器执行时实现上述单据审核方法的步骤。本专利技术提供的单据审核方法、装置、计算机设备及存储介质，通过YOLO算法识别出待审核单据图像中至少三个字符串区域图像(包括印刷字符串区域图像和手写字符串区域图像)，将该待审核单据图像输入基于ShuffleNet模型的轻量字符识别模型进行字符特征提取，获取识别结果，根据识别结果确定是否审核通过，如此，本专利技术实现了自动识别单据中的字符串并对该字符串进行审核，达到自动审核单据的效果，大大缩小模型的容量和简化模型的结构，能应用于移动设备中，提高了识别准确率和可靠性，并提升了客户的满意度。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中单据审核方法的应用环境示意图；图2是本专利技术一实施例中单据审核方法的流程图；图3是本专利技术另一实施例中单据审核方法的流程图；图4是本专利技术一实施例中单据审核方法的步骤S20的流程图；图5是本专利技术一实施例中单据审核方法的步骤S30的流程图；图6是本专利技术一实施例中单据审核方法的步骤S302的流程图；图7是本专利技术一实施例中单据审核方法的步骤S30201的流程图；图8是本专利技术另一实施例中单据审核方法的步骤S30的流程图；图9是本专利技术一实施例中单据审核装置的原理框图；图10是本专利技术一实施例中计算机设备的示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术提供的单据审核方法，可应用在如图1的应用环境中，其中，客户端(计算机设备)通过网络与服务器进行通信。其中，客户端(计算机设备)包括但不限于为各种个人计算机、笔记本电脑、智能手机、平板电脑、摄像头和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一实施例中，如图2所示，提供一种单据审核方法，其技术方案主要包括以下步骤S10-S50：S10，接收到单据审核指令之后，获取与所述单据审核指令关联的待审核单据图像；所述单据审核指令包括单据号、对象的身份证号码和对象的银行卡号码。可理解地，在工作人员填写完单据后并拍摄填写完的单据的图像之后，提交拍摄后的待审核单据图像进行审核，触发所述单据审核指令，其中，所述单据审核指令与所述待审核单据图像关联，所述单据审核指令包括单据号、对象的身份证号码和对象的银本文档来自技高网...

【技术保护点】
1.一种单据审核方法，其特征在于，包括：/n接收到单据审核指令之后，获取与所述单据审核指令关联的待审核单据图像；所述单据审核指令包括单据号、对象的身份证号码和对象的银行卡号码；/n将所述待审核单据图像输入字符串区域识别模型，通过YOLO算法，获取所述字符串区域识别模型识别出的所述待审核单据图像中至少三个字符串区域图像；/n将各个所述字符串区域图像输入训练完成的轻量字符识别模型，所述轻量字符识别模型对所述字符串区域图像进行字符特征提取，获取所述轻量字符识别模型根据提取的所述字符特征输出的识别结果；所述识别结果包括所述字符串区域图像的字符串类别和字符串信息；所述字符串类别包括单据类、身份证类和银行卡类；所述字符串信息包括与所述单据类对应的单据信息、与所述身份证类对应的身份证信息和与所述银行卡类对应的银行卡信息；所述轻量字符识别模型为基于ShuffleNet模型的神经网络模型；/n判断所述单据信息与所述单据号是否相同，得到第一判别结果，以及判断所述身份证信息与所述身份证号码是否相同，得到第二判别结果，同时判断所述银行卡信息与所述银行卡号码是否相同，得到第三判别结果；/n若所述第一判别结果、所述第二判别结果和所述第三判别结果均为相同，则确定所述待审核单据图像为审核通过。/n...

【技术特征摘要】
1.一种单据审核方法，其特征在于，包括：
接收到单据审核指令之后，获取与所述单据审核指令关联的待审核单据图像；所述单据审核指令包括单据号、对象的身份证号码和对象的银行卡号码；
将所述待审核单据图像输入字符串区域识别模型，通过YOLO算法，获取所述字符串区域识别模型识别出的所述待审核单据图像中至少三个字符串区域图像；
将各个所述字符串区域图像输入训练完成的轻量字符识别模型，所述轻量字符识别模型对所述字符串区域图像进行字符特征提取，获取所述轻量字符识别模型根据提取的所述字符特征输出的识别结果；所述识别结果包括所述字符串区域图像的字符串类别和字符串信息；所述字符串类别包括单据类、身份证类和银行卡类；所述字符串信息包括与所述单据类对应的单据信息、与所述身份证类对应的身份证信息和与所述银行卡类对应的银行卡信息；所述轻量字符识别模型为基于ShuffleNet模型的神经网络模型；
判断所述单据信息与所述单据号是否相同，得到第一判别结果，以及判断所述身份证信息与所述身份证号码是否相同，得到第二判别结果，同时判断所述银行卡信息与所述银行卡号码是否相同，得到第三判别结果；
若所述第一判别结果、所述第二判别结果和所述第三判别结果均为相同，则确定所述待审核单据图像为审核通过。


2.如权利要求1所述的单据审核方法，其特征在于，所述判断所述银行卡信息与所述银行卡号码是否相同，得到第三判别结果之后，还包括：
若所述第一判别结果、所述第二判别结果和所述第三判别结果中至少有一个为不相同，则确定所述待审核单据图像为审核不通过。


3.如权利要求1所述的单据审核方法，其特征在于，所述通过YOLO算法，获取所述字符串区域识别模型识别出的所述待审核单据图像中多个字符串区域图像，包括：
所述字符串区域识别模型中的预处理模型对所述待审核单据图像进行灰度处理，得到灰度图像；
将所述灰度图像输入所述字符串区域识别模型中的YOLO识别模型；
通过YOLO算法，所述YOLO识别模型根据对所述灰度图像中的字符串特征进行提取，获取所述灰度图像中的含有字符串的标识区域；
截取所述标识区域为所述字符串区域图像。


4.如权利要求1所述的单据审核方法，其特征在于，所述轻量字符识别模型对所述字符串区域图像进行字符特征提取，获取所述轻量字符识别模型根据提取的所述字符特征输出的识别结果，包括：
将所述字符串区域图像输入所述轻量字符识别模型中的第一卷积层，所述第一卷积层对所述字符串区域图像进行压缩以及增维处理，得到第一字符特征图；
将所述第一字符特征图输入所述轻量字符识别模型中的第二卷积层，所述第二卷积层对所述第一字符特征图进行字符特征提取，得到第二字符特征图；所述第二卷积层为基于向下采样模型和ShuffleNet模型的卷积层；
将所述第二字符特征图输入所述轻量字符识别模型中的池化层，所述池化层对所述第二字符特征图进行池化处理，得到第三字符特征图；
将所述第三字符特征图输入所述轻量字符识别模型中的全连接层，所述全连接层对所述第三字符特征图进行特征连接，得到连接矩阵；
将所述连接矩阵输入所述轻量字符识别模型中的输出层，所述输出层对所述连接矩阵进行预测分类处理，得到识别结果。


5.如权利要求4所述的单据审核方法，其特征在于，所述第二卷积层对所述第一字符特征图进行字符特征提取，得到第二字符特征图，包括：
将所述第一字符特征图输入所述第二卷积层中的第一融合模型，所述第一融合模型对所述第一字符特征图进行下采样处理及特征提取处理，得到第一融合特征图；所述第一融合模型包括一个第一向下采样模型和一个第一ShuffleNet模型；
将所述第一融合特征图输入所述第二卷积层中的第二融合模型，所述第二融合模型对所述第一融合特征图进行下采样处理及特征提取处理，得到第二融合特征图；所述第二融合模型包括一个第二向下采样模型和一个第二ShuffleNet模型；
将所述第二融合特征图输入所述第二卷积...

【专利技术属性】
技术研发人员：唐子豪，刘莉红，刘玉宇，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44