[發(fā)明專利]統(tǒng)計(jì)圖的數(shù)據(jù)提取方法、電子設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110434064.2
• 申請(qǐng)日: 2021-04-22
• 公開（公告）號(hào): CN113095267B
• 公開（公告）日: 2022-09-27
• 發(fā)明（設(shè)計(jì)）人: 王小鳳;張浩波
• 申請(qǐng)（專利權(quán)）人: 上海攜寧計(jì)算機(jī)科技股份有限公司
• 主分類號(hào): G06V30/413
• 分類號(hào): G06V30/413;G06V20/62;G06V30/28
• 代理公司: 上海晨皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31260
• 代理人: 成麗杰

本發(fā)明實(shí)施例涉及信息處理領(lǐng)域，公開了一種統(tǒng)計(jì)圖的數(shù)據(jù)提取方法、電子設(shè)備和存儲(chǔ)介質(zhì)，包括：利用語義分割模型對(duì)含有統(tǒng)計(jì)圖的目標(biāo)圖像按照統(tǒng)計(jì)圖類型進(jìn)行圖層分離，獲取若干圖層并確定每個(gè)圖層對(duì)應(yīng)的統(tǒng)計(jì)圖類型，其中，圖層為僅含有統(tǒng)計(jì)圖形的二值圖像；獲取圖層中的統(tǒng)計(jì)圖形的關(guān)鍵點(diǎn)位置信息；利用預(yù)設(shè)的篩選條件，確定目標(biāo)圖像中的坐標(biāo)軸和刻度信息；利用預(yù)設(shè)的標(biāo)簽篩選條件，從目標(biāo)圖像利用模型識(shí)別出的文本信息中確定坐標(biāo)軸標(biāo)簽；根據(jù)關(guān)鍵點(diǎn)位置信息、坐標(biāo)軸、刻度信息和坐標(biāo)軸標(biāo)簽確定每個(gè)統(tǒng)計(jì)圖形表示的統(tǒng)計(jì)數(shù)據(jù)并生成結(jié)構(gòu)數(shù)據(jù)。通過本發(fā)明的方案能夠?qū)崿F(xiàn)對(duì)統(tǒng)計(jì)圖數(shù)據(jù)的準(zhǔn)確、完整、有效和快速提取。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及信息處理領(lǐng)域，特別涉及一種統(tǒng)計(jì)圖的數(shù)據(jù)提取方法、電子設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

統(tǒng)計(jì)圖能夠直觀地展現(xiàn)出統(tǒng)計(jì)數(shù)據(jù)，但用戶也存在對(duì)統(tǒng)計(jì)圖中的數(shù)據(jù)等信息進(jìn)行提取的需求，從而在后續(xù)進(jìn)行數(shù)據(jù)整合等處理。但是，在統(tǒng)計(jì)圖不能編輯的情況下，如可攜帶文檔格式(Portable Document Format，PDF)文件中的統(tǒng)計(jì)圖、網(wǎng)頁中下載的含統(tǒng)計(jì)圖的圖片等，統(tǒng)計(jì)圖中的數(shù)據(jù)不能直接被導(dǎo)出，此時(shí)，就需要對(duì)統(tǒng)計(jì)圖進(jìn)一步進(jìn)行處理。目前，常用的提取方法通常從以下兩個(gè)方面進(jìn)行考慮：一是利用多種模型從不同方面對(duì)統(tǒng)計(jì)圖進(jìn)行處理，分別提取出統(tǒng)計(jì)圖中的統(tǒng)計(jì)數(shù)據(jù)、尺度、注釋等信息；二是將文件轉(zhuǎn)化為可縮放的矢量圖形(Scalable Vector Graphics，SVG)格式后，基于SVG格式的文件設(shè)置多種提取規(guī)則進(jìn)行數(shù)據(jù)提取。

然而，模型和規(guī)則都具有各自的優(yōu)缺點(diǎn)，上述兩種方法僅使用模型或者僅使用規(guī)則，非常單一，不能充分利用和結(jié)合模型各自的優(yōu)點(diǎn)，從而不能最大程度地保證提取數(shù)據(jù)的速度和準(zhǔn)確性。尤其是，利用模型進(jìn)行提取時(shí)，提取結(jié)果的精度取決于模型的精度，而模型容易受到干擾信息的影響導(dǎo)致結(jié)果不準(zhǔn)確，并且為了保證模型的精度，相應(yīng)地需要使用大量的語料數(shù)據(jù)來訓(xùn)練模型，而語料數(shù)據(jù)需要人工標(biāo)注特征，也就是說需要浪費(fèi)大量的人力資源來保證模型具有一定的精度；而與可移植網(wǎng)絡(luò)圖形格式(Portable Network GraphicFormat，PNG)等格式的統(tǒng)計(jì)圖相比，SVG格式的統(tǒng)計(jì)圖清晰度更低且不能準(zhǔn)確地描述字符的位置，即轉(zhuǎn)化為SVG格式會(huì)降低統(tǒng)計(jì)圖的精度，從而降低提取數(shù)據(jù)的精度，特別地，SVG格式下的統(tǒng)計(jì)圖并且實(shí)際中存在大量的統(tǒng)計(jì)圖來源于PDF文件，當(dāng)統(tǒng)計(jì)圖以圖片的格式，如PNG圖片，存在于PDF文件中時(shí)，在轉(zhuǎn)換成SVG格式后統(tǒng)計(jì)圖在文件中以超鏈接的形式存在，可識(shí)別性差，若SVG格式的文件中不能被識(shí)別，更無法進(jìn)行數(shù)據(jù)提取。

發(fā)明內(nèi)容

本發(fā)明實(shí)施方式的目的在于提供一種統(tǒng)計(jì)圖的數(shù)據(jù)提取方法、電子設(shè)備和存儲(chǔ)介質(zhì)，在不需要格式轉(zhuǎn)換的情況下，準(zhǔn)確、快速地提取出統(tǒng)計(jì)圖中的統(tǒng)計(jì)數(shù)據(jù)，并同時(shí)提取能夠輔助理解統(tǒng)計(jì)數(shù)據(jù)的其他信息，使得提取的信息更加完整、有效。

為解決上述技術(shù)問題，本發(fā)明的實(shí)施例提供了一種統(tǒng)計(jì)圖的數(shù)據(jù)提取方法，包括：利用語義分割模型對(duì)含有統(tǒng)計(jì)圖的目標(biāo)圖像按照統(tǒng)計(jì)圖類型進(jìn)行圖層分離，獲取若干圖層并確定每個(gè)所述圖層對(duì)應(yīng)的所述統(tǒng)計(jì)圖類型，其中，所述圖層為僅含有統(tǒng)計(jì)圖形的二值圖像；獲取所述圖層中的所述統(tǒng)計(jì)圖形的關(guān)鍵點(diǎn)位置信息；利用預(yù)設(shè)的篩選條件，確定所述目標(biāo)圖像中的坐標(biāo)軸、刻度信息；利用預(yù)設(shè)的標(biāo)簽篩選條件，從所述目標(biāo)圖像利用模型識(shí)別出的文本信息中確定坐標(biāo)軸標(biāo)簽；根據(jù)所述關(guān)鍵點(diǎn)位置信息、所述坐標(biāo)軸、所述刻度信息和所述坐標(biāo)軸標(biāo)簽確定每個(gè)所述統(tǒng)計(jì)圖形表示的統(tǒng)計(jì)數(shù)據(jù)并生成結(jié)構(gòu)數(shù)據(jù)。

本發(fā)明的實(shí)施例還提供了一種電子設(shè)備，包括：

至少一個(gè)處理器；以及，

與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，

所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行以上所述的統(tǒng)計(jì)圖的數(shù)據(jù)提取方法。

本發(fā)明的實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以上所述的統(tǒng)計(jì)圖的數(shù)據(jù)提取方法。