[發(fā)明專(zhuān)利]一種柱狀圖數(shù)據(jù)提取和轉(zhuǎn)化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010979562.0
• 申請(qǐng)日: 2020-09-17
• 公開(kāi)（公告）號(hào): CN112101237A
• 公開(kāi)（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 王辰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 新華智云科技有限公司
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 杭州裕陽(yáng)聯(lián)合專(zhuān)利代理有限公司 33289
• 代理人: 田金霞

本發(fā)明公開(kāi)了一種柱狀圖數(shù)據(jù)提取和轉(zhuǎn)化方法，所述方法包括如下步驟：獲取柱狀圖；采用目標(biāo)檢測(cè)模型識(shí)別柱狀圖中的文字、圖例位置；將識(shí)別的文字和圖例進(jìn)行分類(lèi)，并采用文字識(shí)別模型識(shí)別文字，獲取文字含義；采用圖像轉(zhuǎn)文字模型識(shí)別柱狀圖中每一柱體的高度，并獲取每一柱體的高度數(shù)據(jù)；將分類(lèi)后的文字、圖例以及高度數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)數(shù)據(jù)。所述數(shù)據(jù)提取方法采用深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別圖例信息，從而可以識(shí)別包括但不僅限于顏色、形狀、花紋等圖例信息，并且使得可識(shí)別的柱狀圖種類(lèi)更多，具有更廣泛的應(yīng)用。

發(fā)明領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)處理領(lǐng)域，特別涉及一種柱狀圖數(shù)據(jù)提取和轉(zhuǎn)化方法。

背景技術(shù)

現(xiàn)有技術(shù)中，柱狀圖的數(shù)據(jù)提取方法通常采用Faster R-CNN模型和文字識(shí)別技術(shù)提取柱狀圖中的元素和文字，并且識(shí)別柱狀圖中不同顏色，根據(jù)不同顏色進(jìn)行柱狀圖信息和圖例匹配，傳統(tǒng)的柱狀圖數(shù)據(jù)提取方法采用Faster R-CNN模型識(shí)別圖例元素位置，并進(jìn)一步提取圖例元素?cái)?shù)據(jù)。需要說(shuō)明的是，當(dāng)柱狀圖的顏色圖例數(shù)量較大時(shí)，傳統(tǒng)的技術(shù)方案效果較差，F(xiàn)aster R-CNN模型位置識(shí)別不準(zhǔn)確，從而容易導(dǎo)致數(shù)據(jù)提取的精度較差，匹配結(jié)果容易出現(xiàn)錯(cuò)誤，無(wú)法完全復(fù)原柱狀圖的信息。

發(fā)明內(nèi)容

本發(fā)明其中一個(gè)較佳實(shí)施例在于提供一種柱狀圖數(shù)據(jù)提取和轉(zhuǎn)化方法，所述數(shù)據(jù)提取和轉(zhuǎn)化方法采用image-to-text技術(shù)，即圖像轉(zhuǎn)文字技術(shù)對(duì)柱狀圖中的文字進(jìn)行識(shí)別，并對(duì)識(shí)別的文字根據(jù)其屬性進(jìn)行分類(lèi)處理，提取柱狀圖的數(shù)據(jù)后將柱狀圖數(shù)據(jù)轉(zhuǎn)化為所需的結(jié)構(gòu)數(shù)據(jù)，可提高圖例匹配的準(zhǔn)確度，提高柱狀圖的轉(zhuǎn)化效果。

本發(fā)明另一個(gè)較佳實(shí)施例在于提供一種柱狀圖數(shù)據(jù)提取和轉(zhuǎn)化方法，所述數(shù)據(jù)提取和轉(zhuǎn)化方法采用深度卷積神經(jīng)網(wǎng)絡(luò)識(shí)別圖例信息，從而可以識(shí)別包括但不僅限于顏色、形狀、花紋等圖例信息，并且使得可識(shí)別的柱狀圖種類(lèi)更多，具有更廣泛的應(yīng)用。

本發(fā)明另一個(gè)較佳實(shí)施例在于提供一種柱狀圖數(shù)據(jù)提取和轉(zhuǎn)化方法，所述數(shù)據(jù)提取和轉(zhuǎn)化方法采用訓(xùn)練好的目標(biāo)檢測(cè)模型，檢測(cè)柱狀圖中的圖例和文字對(duì)應(yīng)的位置，并識(shí)別柱狀圖的橫坐標(biāo)、縱坐標(biāo)、標(biāo)題和圖例解釋?zhuān)捎冒ǖ粌H限于cascade-RCNN的目標(biāo)檢測(cè)模型可精準(zhǔn)識(shí)別柱狀圖中元素和對(duì)應(yīng)的位置，從而可以實(shí)現(xiàn)精確的數(shù)據(jù)匹配和轉(zhuǎn)化。

本發(fā)明另一個(gè)較佳實(shí)施例在于提供一種柱狀圖數(shù)據(jù)提取和轉(zhuǎn)化方法，所述數(shù)據(jù)提取和轉(zhuǎn)化方法可通過(guò)所述目標(biāo)檢測(cè)模型識(shí)別每個(gè)圖例的高度信息，在完成高度信息檢測(cè)后可進(jìn)一步轉(zhuǎn)化為縱坐標(biāo)數(shù)據(jù)，可提高數(shù)據(jù)轉(zhuǎn)化的效率和精度。

為了實(shí)現(xiàn)至少一個(gè)上述發(fā)明目的，本發(fā)明進(jìn)一步提供一種柱狀圖數(shù)據(jù)提取和轉(zhuǎn)化方法，所述方法包括如下步驟：

獲取柱狀圖；

采用目標(biāo)檢測(cè)模型識(shí)別柱狀圖中的文字、圖例位置；

將識(shí)別的文字和圖例進(jìn)行分類(lèi)，并采用文字識(shí)別模型識(shí)別文字，獲取文字含義；

采用圖像轉(zhuǎn)文字模型識(shí)別柱狀圖中每一柱體的高度，并獲取每一柱體的高度數(shù)據(jù)；

將分類(lèi)后的文字、圖例以及高度數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)數(shù)據(jù)。

根據(jù)本發(fā)明其中一個(gè)較佳實(shí)施例，將所述目標(biāo)檢測(cè)模型識(shí)別的文字和圖例分類(lèi)形成橫坐標(biāo)、縱坐標(biāo)、標(biāo)題、圖例解釋?zhuān)梦淖肿R(shí)別模型識(shí)別柱狀圖中的文字信息。

根據(jù)本發(fā)明另一個(gè)較佳實(shí)施例，將識(shí)別的文字和圖例進(jìn)行分類(lèi)包括如下步驟：識(shí)別圖例的個(gè)數(shù)，并識(shí)別圖例中的圖例文字和圖例元素，將每個(gè)圖例元素和對(duì)應(yīng)的圖例文字相匹配并存儲(chǔ)。

根據(jù)本發(fā)明另一個(gè)較佳實(shí)施例，獲取柱狀圖中所有圖例的圖例元素，采用圖像轉(zhuǎn)文字識(shí)別每一圖例元素在柱狀圖中的位置，以及識(shí)別每一圖例對(duì)應(yīng)的橫坐標(biāo)信息，將圖例元素和所述柱狀圖依次輸入所述圖像轉(zhuǎn)文字模型，獲取每一柱體的高度信息。