[發(fā)明專利]文字識別、編改的系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201010253559.7
• 申請日: 2010-08-16
• 公開（公告）號: CN101908147A
• 公開（公告）日: 2010-12-08
• 發(fā)明（設(shè)計）人: 瞿洋;袁仁慧;梁洵;張振海
• 申請（專利權(quán)）人: 同方知網(wǎng)(北京)技術(shù)有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06T11/60
• 代理公司: 北京捷誠信通專利事務(wù)所(普通合伙) 11221
• 代理人: 魏殿紳

技術(shù)領(lǐng)域

本發(fā)明涉及涉及文檔電子化過程中文字識別及編改的系統(tǒng)，尤其涉及中文印刷體識別與編改的系統(tǒng)。

背景技術(shù)

在紙制文件電子化的過程中，OCR識別后的文字編改工作耗費了極大的人力，它是一項人力密集性工作，勞動強度也很高。目前的應(yīng)用現(xiàn)狀是：用普通OCR軟件進行圖像識別，再進行一次編改校正，在保證每人8萬字/8小時正常編改的速度下，編改的錯誤率通常也會超過1/1000。

發(fā)明內(nèi)容

為解決現(xiàn)有的人工編改效率低，錯誤率高的現(xiàn)狀，本發(fā)明提供了一種文字識別、編改的系統(tǒng)。該系統(tǒng)可以極大地提高人工編改的效率，降低成本，所述技術(shù)方案如下：

文字識別、編改的系統(tǒng)，包括：

雙路識別單元，調(diào)用識別軟件并采用外掛的方式對文檔中的文字進行識別；

流控處理單元，對待識別的文檔圖像進行段落切圖，對識別后的不同的文字進行編改校對并進行質(zhì)檢；

后續(xù)加工處理單元，對其發(fā)現(xiàn)的錯誤進行改正并返還到發(fā)現(xiàn)錯誤的執(zhí)行者。

本發(fā)明提供的技術(shù)方案的有益效果是：

通過本發(fā)明對正常的漢字為主體的文檔其編改的效率可以提高7倍以上，達(dá)到70萬字/8小時；同時編改錯誤率降低60％，達(dá)到4/10000以下。

附圖說明

圖1是本發(fā)明基于網(wǎng)絡(luò)和數(shù)據(jù)庫的流程化加工系統(tǒng)圖。

具體實施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細(xì)描述：

本實施例提供了一種文字識別、編改的系統(tǒng)，該系統(tǒng)包括：該系統(tǒng)包括雙路識別單元、流控處理單元及后續(xù)加工處理單元，其中雙路識別單元，調(diào)用識別軟件并采用外掛的方式對文檔中的文字進行識別；流控處理單元，對待識別的文檔圖像進行段落切圖，對識別后的不同的文字進行編改校對并進行質(zhì)檢；后續(xù)加工處理單元，對其發(fā)現(xiàn)的錯誤進行改正并返還到發(fā)現(xiàn)錯誤的執(zhí)行者。上述外掛識別就是不改變原來的OCR識別軟件，編寫新程序模擬人工操作OCR識別軟件的過程，以便完成圖像識別工作。外掛程序和OCR程序是各自獨立運行的軟件。外掛程序識別圖像不需要OCR程序的識別接口，外掛程序利用OCR程序進行圖像識別。

上述雙路識別單元包括：識別機器人與機器人智能監(jiān)控程序，其中，識別機器人采用漢王OCR識別軟件和文通OCR識別軟件通過外掛的方式對待識別的文檔圖像進行識別，對其識別的結(jié)果進行比較，并將二者不一致的字拋出編改。

機器人智能監(jiān)控程序，監(jiān)控識別機器人的運行狀態(tài)，如果有異常則重啟機器人，嚴(yán)重問題則重啟操作系統(tǒng)并啟動機器人，以保證識別機器人持續(xù)、穩(wěn)定運行。

本系統(tǒng)采用的漢王OCR識別軟件和文通OCR識別軟件具有很強的互補性，我們利用其識別結(jié)果并進行單行逐字比對，過濾出具有相同的識別結(jié)果的字，不交給人工進行編改，將識別不同的字交給人工進行編改校對。

上述流控處理單元包括：切圖模塊、縱編模塊、橫編模塊及質(zhì)檢模塊，其中，切圖模塊，對待識別的文檔圖像進行段落切圖，以保證雙路OCR識別軟件具有相同的版面分析結(jié)果。其切圖順序遵照文章段落的自然順序，并提供傾斜校正、去噪、二值化等圖像處理功能。縱編模塊，以每人每天的編改效率(例如70萬字)為參考標(biāo)準(zhǔn)組織編改任務(wù)批次，將同一批次的需要縱編的文字以字為單位重新組合進行編改。對雙路識別有矛盾且重復(fù)出現(xiàn)兩次以上的字先交給人工進行縱向編改校對。所有需縱編的字都在段落中標(biāo)紅，編過的字標(biāo)藍(lán)，且圖文對照。按70萬字一批形成任務(wù)批次，基本保證該批次在一天內(nèi)完成。正常情況下，該過程的編改量只占全部應(yīng)編改工作量的5％。縱編有效地提高了編改效率，減輕編改勞動強度。為了提高系統(tǒng)整體的正確率，我們還主動加入了一些易混字和易錯字，對他們?nèi)窟M行縱編。如“人”、“入”、“一”、“二”、“卜”、“白”、“.”、“兒”等二十個字。橫編模塊，在縱編的基礎(chǔ)上對需要編改的文字以文檔的自然順序進行圖文對照編改。所有需橫編的文字都在段落中標(biāo)紅，已縱編的字都在段落中標(biāo)綠，編過的字標(biāo)藍(lán)，且圖文對照，在正常情況下，該過程的編改量小于全部應(yīng)編改工作量的1％，在編改的過程中，要求編改者同時檢查段落的正確。質(zhì)檢模塊，按人按批按設(shè)定的比例進行抽檢，對抽取的編改結(jié)果進行質(zhì)量檢查，并下質(zhì)檢結(jié)論。

上述后續(xù)加工處理單元包括改錯返工模塊及管理與監(jiān)控模塊，所述改錯返工模塊，對其雙路識別單元和流控處理模塊單元中的每個工作崗位發(fā)現(xiàn)的錯誤以及質(zhì)檢結(jié)果為返工的任務(wù)，流程將任務(wù)分派給出現(xiàn)錯誤的員工，錯誤被改正后再將任務(wù)返回給發(fā)現(xiàn)錯誤的員。管理與監(jiān)控模塊，包括工資的結(jié)算、任務(wù)統(tǒng)計分析、任務(wù)優(yōu)先級調(diào)整、暫停加工及恢復(fù)加工的功能。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。