[發(fā)明專利]圖片類案卷材料的采集方法

在審

• 申請?zhí)枺?/td>: 201910897316.8
• 申請日: 2019-09-23
• 公開（公告）號: CN110675121A
• 公開（公告）日: 2020-01-10
• 發(fā)明（設(shè)計(jì)）人: 蘇學(xué)武;劉懷春;孔洋;陳繼良;吳海平
• 申請（專利權(quán)）人: 珠海市新德匯信息技術(shù)有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.圖片類案卷材料的采集方法，其特征在于，包括以下步驟：

A.根據(jù)所提供的用戶交互頁面，依照頁面的操作向?qū)В蟼餍枰杉膱D片類案卷材料；

B.對步驟A上傳的圖片類案卷材料進(jìn)行數(shù)據(jù)預(yù)處理，通過結(jié)合系統(tǒng)后臺自動化數(shù)據(jù)整理以及人工數(shù)據(jù)整理的半自動化數(shù)據(jù)整理方式，依據(jù)一組特定的基于采集規(guī)范預(yù)設(shè)的規(guī)則，整理好案卷材料數(shù)據(jù)以及其他采集信息數(shù)據(jù)；

C.在步驟B通過結(jié)合自動化與人工的方式完成對采集數(shù)據(jù)的整理后，按照設(shè)計(jì)好的數(shù)據(jù)模型，對在步驟B中整理好的臨時(shí)數(shù)據(jù)集進(jìn)行整合、組織，得到結(jié)果數(shù)據(jù)；

D.將步驟C中加工好的結(jié)果數(shù)據(jù)，存儲到數(shù)據(jù)庫。

2.根據(jù)權(quán)利要求1所述的圖片類案卷材料采集方法，其特征在于，所述步驟B包括以下具體步驟：

B1.為所有上傳的圖片類案卷材料文件創(chuàng)建唯一標(biāo)識，建立圖片文件與唯一標(biāo)識的映射；

B2.將圖片文件的內(nèi)容以字節(jié)流的形式與圖片文件對應(yīng)的由步驟B1創(chuàng)建的唯一標(biāo)識一并傳入后臺；

B3.后臺接收到傳入的數(shù)據(jù)后，將圖片文件內(nèi)容的字節(jié)流數(shù)據(jù)轉(zhuǎn)化為三階張量；

B4.調(diào)用光學(xué)字符識別服務(wù)提供的接口，將步驟B3得到的三階張量傳入，得到服務(wù)返回的識別結(jié)果；

B5.在步驟B4得到光學(xué)字符識別服務(wù)返回的識別結(jié)果后，根據(jù)一組特定的基于采集規(guī)范預(yù)設(shè)的規(guī)則，自動化整理數(shù)據(jù)；

B6.判斷自動化整理數(shù)據(jù)是否已符合采集的要求，如果滿足，則直接進(jìn)行B8步驟；否則，可先進(jìn)行B7步驟；

B7.根據(jù)案卷材料采集規(guī)范的要求，對需要采集的案卷材料以及其他采集信息進(jìn)行人工整理，完成后進(jìn)行B8步驟；

B8.將經(jīng)過半自動化整理的臨時(shí)數(shù)據(jù)集提交至后臺。

3.根據(jù)權(quán)利要求2所述的圖片類案卷材料采集方法，其特征在于，所述光學(xué)字符識別服務(wù)，是一組基于深度學(xué)習(xí)網(wǎng)絡(luò)所構(gòu)建的模型，并封裝成一組基于web架構(gòu)的、可供外部調(diào)用的接口，為外部提供服務(wù)。

4.根據(jù)權(quán)利要求3所述的圖片類案卷材料采集方法，其特征在于，所述基于深度學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建的模型，主要實(shí)現(xiàn)了基于CTPN網(wǎng)絡(luò)的文本檢測模型、基于GAN對抗網(wǎng)絡(luò)的超分辨率模型、基于CRNN的文字識別模型，其中：

文本檢測模型用于檢測圖片文件出現(xiàn)文字的區(qū)域，便于后續(xù)做圖片切割處理；

超分辨率模型用于解決因圖片質(zhì)量較模糊、部分文字區(qū)域有污跡而導(dǎo)致文字識別結(jié)果不準(zhǔn)的問題；

文字識別模型用于對采集的圖片文件進(jìn)行文字識別，提取出圖片包含的文本信息。

5.根據(jù)權(quán)利要求2所述的圖片類案卷材料采集方法，其特征在于，所述基于采集規(guī)范預(yù)設(shè)的規(guī)則，主要包括對采集模板以及要素提取的定義，其中：

采集模板定義是根據(jù)各類異構(gòu)案卷材料配置不同的采集模板，主要包括三大類信息：模板分類、模板名稱、案件編號、案件名稱模板字段信息；模板包含的附屬材料及相關(guān)字段信息；模板包含的附屬清單及相關(guān)字段信息；

要素提取定義是對有固定格式的案卷材料進(jìn)行要素提取規(guī)則的配置，包括前置規(guī)則與后置規(guī)則，結(jié)合分詞技術(shù)以及語義分析技術(shù)的應(yīng)用，提取出數(shù)據(jù)價(jià)值更高的要素信息。

6.根據(jù)權(quán)利要求2所述的圖片類案卷材料采集方法，其特征在于，所述自動化整理數(shù)據(jù)，是后臺根據(jù)預(yù)設(shè)規(guī)則自動完成數(shù)據(jù)整理的過程，主要包括采集文件的自動歸類編目與采集字段的信息回填兩個(gè)處理過程，最終將自動化數(shù)據(jù)整理的結(jié)果返回到前端用戶界面并進(jìn)行渲染。

7.根據(jù)權(quán)利要求2所述的圖片類案卷材料采集方法，其特征在于，所述人工整理，是用戶根據(jù)采集規(guī)范對自動化數(shù)據(jù)整理的結(jié)果進(jìn)行比對，判斷是否達(dá)到采集規(guī)范的要求，對于不符合要求的，可以在提供的用戶界面進(jìn)行調(diào)整，支持調(diào)整的包括采集文件的歸類編目、采集文件的排序、無法自動化整理的文件、修改字段的回填信息、補(bǔ)充無法回填的字段信息。

8.根據(jù)權(quán)利要求2所述的圖片類案卷材料采集方法，其特征在于，所述臨時(shí)數(shù)據(jù)集，是在經(jīng)過自動化與人工的半自動化數(shù)據(jù)整理后，能通過用戶界面表達(dá)的數(shù)據(jù)集合。