[發(fā)明專利]基于機(jī)器學(xué)習(xí)的移動端開戶資料銀行信息自動提取方法

在審

• 申請?zhí)枺?/td>: 202011253879.2
• 申請日: 2020-11-11
• 公開（公告）號: CN112464925A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計）人: 鄭翊;郭鵬;覃仕頂;張愛平;高盈
• 申請（專利權(quán)）人: 湖北省楚建易網(wǎng)絡(luò)科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/32;G06K9/62;G06F40/289;G06N20/00;G06Q40/02
• 代理公司: 南京縱橫知識產(chǎn)權(quán)代理有限公司 32224
• 代理人: 徐瑛

本發(fā)明公開一種基于機(jī)器學(xué)習(xí)的移動端開戶資料銀行信息自動提取方法，使用訓(xùn)練的圖像分類模型，識別開戶資料圖片的類型；識別開戶資料圖片的方向；依據(jù)識別結(jié)果進(jìn)行圖像操作，將非正向的開戶資料圖片旋轉(zhuǎn)正向處理；識別開戶資料圖片中的文字區(qū)域；對于類型為開戶許可證的開戶資料圖片，使用訓(xùn)練的表格回歸器模型預(yù)測文字區(qū)域的位置信息；對預(yù)測的位置信息進(jìn)行驗證，截取目標(biāo)文字區(qū)域的圖片；對截取的圖片進(jìn)行OCR文字提取，獲得目標(biāo)文字區(qū)域的文本信息。本發(fā)明在移動端實現(xiàn)開戶資料中銀行信息的自動識別并提取，能夠大大減少后端服務(wù)壓力，節(jié)約成本，并且大大減小模型體積，更適合于移動端應(yīng)用。

技術(shù)領(lǐng)域

本發(fā)明涉及利用機(jī)器學(xué)習(xí)的工具方法解決目標(biāo)圖像提取問題，尤其是對特定文字區(qū)域的提取，特別是基于有監(jiān)督類機(jī)器學(xué)習(xí)訓(xùn)練的圖像分類器模型與表格回歸器模型對開戶資料進(jìn)行分類識別、對其中開戶許可證類型的開戶行賬戶和開戶行名稱進(jìn)行自動識別的方法，具體為一種基于機(jī)器學(xué)習(xí)的移動端開戶資料銀行信息自動提取方法。

背景技術(shù)

在進(jìn)行在B2B平臺的注冊中(例如線上招投標(biāo)平臺)，一般都需要注冊企業(yè)提供一些資質(zhì)信息，通常會要求提供開戶行信息。手機(jī)移動端注冊時，需要用戶拍照或從手機(jī)圖庫中選取包含企業(yè)開戶行名稱和開戶賬號的銀行開戶資料上傳。平臺不僅要把注冊企業(yè)的開戶資料圖片作為資料留存，還需把其中的銀行信息進(jìn)行提取，此時，平臺可能讓用戶手動輸入或讓平臺后臺工作人員錄入；或以開戶許可證為模板在后端進(jìn)行模板特征提取后再進(jìn)行OCR文字識別提取，例如，通過購買百度或阿里的服務(wù)，買他們開戶許可證OCR的模板，把開戶資料的圖片通過API接口傳給他們，他們處理完再返回識別結(jié)果。

開戶資料2020年前基本即指開戶許可證，如圖1，后端直接對上傳資料使用模板提取沒有問題，但國家于2019年7月取消紙質(zhì)開戶許可證，現(xiàn)在的開戶資料不僅有開戶許可證，還包括有銀行提供的基本存款賬戶信息樣式，如圖2，以及少量其他銀行開具的證明文件樣式，如圖3。因此，現(xiàn)在要從開戶資料中自動化提取銀行信息，不能直接使用模板提取，而必須先對資料類型進(jìn)行分類。另外，從技術(shù)角度看，移動使用已成主流，如果識別提取功能能在用戶的移動端上完成，能大大減少后端服務(wù)壓力，節(jié)約成本。

傳統(tǒng)方法不適于直接在移動端實現(xiàn)，傳統(tǒng)圖像學(xué)方法需要引入圖形庫(如openCV)，有增大應(yīng)用體量和提高應(yīng)用耗電的問題，并且并非專為移動系統(tǒng)設(shè)計的圖形庫，在移動系統(tǒng)上運行由于運行效率問題，還會引起諸如耗電量增加，電池發(fā)熱等問題，進(jìn)一步降低了應(yīng)用體驗，所以傳統(tǒng)方法更適于后端實現(xiàn)。而利用神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)方法直接制作圖像目標(biāo)檢測模型，生模型成體積也不小(使用蘋果優(yōu)化過的預(yù)訓(xùn)練模型訓(xùn)練，量化優(yōu)化體積后，還是不下于16Mb)。這對于圖像識別部分不是主要功能的移動端應(yīng)用而言，也十分不友好。因此，需要提供一種方案，既能夠在移動端達(dá)成目標(biāo)，又能夠滿足移動端對應(yīng)用體積的約束。

現(xiàn)在的iOS和Android系統(tǒng)都有對機(jī)器學(xué)習(xí)的支持(iOS中的Core ML，安卓中的Neural Networks API)。這允許開發(fā)者將他們已訓(xùn)練好的模型部署到移動設(shè)備上進(jìn)行應(yīng)用，而在設(shè)備上應(yīng)用有許多優(yōu)勢：

延遲時間：不需要通過網(wǎng)絡(luò)連接發(fā)送請求并等待響應(yīng)。

可用性：應(yīng)用甚至可以在沒有網(wǎng)絡(luò)覆蓋的條件下運行。

速度：與單純的通用CPU相比，特定于神經(jīng)網(wǎng)絡(luò)處理的新硬件可以提供顯著加快的計算速度。

隱私：數(shù)據(jù)不會離開設(shè)備。

費用：所有計算都在設(shè)備上執(zhí)行，不需要服務(wù)器支出。

應(yīng)用大小：只要考慮控制模型大小，不需要考慮其他依賴包，因為系統(tǒng)已經(jīng)支持。

綜上如果能利用機(jī)器學(xué)習(xí)方法訓(xùn)練模型在移動端實現(xiàn)圖像分類識別和信息提取，則可以解決在移動端完成對開戶資料圖片的銀行信息提取。