[發明專利]票據圖像的處理方法和裝置、存儲介質及電子設備

在審

• 申請號: 202010980981.6
• 申請日: 2020-09-17
• 公開（公告）號: CN112183594A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 畢姚姚;陳琳;吳偉佳;李羽
• 申請（專利權）人: 微民保險代理有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 深圳智匯遠見知識產權代理有限公司 44481
• 代理人: 李雪鵑;王旭

1.一種票據圖像的處理方法，其特征在于，所述方法包括：

獲取待審核的目標圖像，其中，所述目標圖像為申請受理目標業務的票據圖像；

將所述目標圖像輸入到目標分類模型中的目標特征提取網絡，得到所述目標特征提取網絡輸出的所述目標圖像的目標模糊特征，其中，所述目標特征提取網絡，是使用同一票據圖像不同模糊程度的至少兩個票據圖像進行訓練得到的；所述目標分類模型，是使用第一票據圖像樣本集對包含有所述目標特征提取網絡的初始分類模型進行訓練微調得到的；

將所述目標模糊特征輸入到所述目標分類模型的目標全連接層，得到所述目標全連接層輸出的目標模糊概率，其中，所述目標模糊概率為所述目標圖像是模糊圖像的概率；

根據所述目標模糊概率和預設模糊概率閾值，確定所述目標圖像的目標分類結果，其中，所述目標分類結果用于指示所述目標圖像是否是模糊圖像；

在所述目標分類結果用于指示所述目標圖像不是模糊圖像的情況下，確定對所述目標圖像審核通過。

2.根據權利要求1所述的方法，其特征在于，所述獲取待審核的目標圖像之前，所述方法還包括：

獲取所述第一票據圖像樣本集，所述第一票據圖像樣本集包含所述第一票據圖像、以及用于指示所述第一票據圖像是否為模糊圖像的目標標注信息；

將所述第一票據圖像輸入到初始分類模型內的所述目標特征提取網絡，得到所述第一票據圖像的模糊特征；

根據所述第一票據圖像的模糊特征，確定所述第一票據圖像是模糊圖像的第一初始概率、以及所述第一票據圖像不是模糊圖像的第二初始概率；

根據所述第一初始概率和所述第二初始概率，確定所述第一票據圖像的第一分類結果；

根據所述第一分類結果和所述目標標注信息調整所述初始分類模型的模型參數，得到所述目標分類模型。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述第一票據圖像樣本集之前，所述方法還包括：

獲取第二票據圖像樣本集，其中，所述第二票據圖像樣本集包含至少兩個第二票據圖像、以及用于指示所述至少兩個第二票據圖像的模糊程度的順序的目標排序結果；

使用所述第二票據圖像樣本集對初始圖像排序模型進行訓練，得到目標圖像排序模型，其中，所述初始圖像排序模型包括與所述目標特征提取網絡對應的初始特征提取網絡，所述初始圖像排序模型用于根據所述至少兩個第二票據圖像的模糊特征，對所述至少兩個第二票據圖像的模糊程度進行排序，所述目標圖像排序模型包括所述目標特征提取網絡。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第一分類結果和所述目標標注信息調整所述初始分類模型的模型參數，得到所述目標分類模型包括：

保留所述目標圖像排序模型內的所述目標特征提取網絡；

在所述目標特征提取網絡之后連接全局平均池化層和全連接層，得到所述初始分類模型；

根據輸入的所述第一票據圖像樣本集和所述第一分類結果對所述初始分類模型進行微調，得到所述目標分類模型。

5.根據權利要求3所述的方法，其特征在于，所述獲取第二票據圖像樣本集包括以下至少之一：

對第一參考票據圖像執行至少兩種圖像壓縮操作，得到至少兩個第一子票據圖像，其中，所述至少兩種圖像壓縮操作與所述至少兩個第一子票據圖像一一對應，所述至少兩個第二票據圖像包括所述至少兩個第一子票據圖像；

對第二參考票據圖像執行至少兩種模糊算子操作，得到至少兩個第二子票據圖像，其中，所述至少兩種模糊算子操作與所述至少兩個第二子票據圖像一一對應，所述至少兩個第二票據圖像包括所述至少兩個第二子票據圖像；

對第三參考票據圖像執行至少兩種仿射變換操作，得到至少兩個第三子票據圖像，其中，所述至少兩種仿射變換操作與所述至少兩個第三子票據圖像一一對應，所述至少兩個第二票據圖像包括所述至少兩個第三子票據圖像；

對第四參考票據圖像執行至少兩種亮度調節操作，得到至少兩個第四子票據圖像，其中，所述至少兩種亮度調節操作與所述至少兩個第四子票據圖像一一對應，所述至少兩個第二票據圖像包括所述至少兩個第四子票據圖像。