[發明專利]一種基于機器視覺的文本與內容識別分析方法

在審

• 申請號: 202110591900.8
• 申請日: 2021-05-28
• 公開（公告）號: CN113449602A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 楊修一;陳杰;龐小紅
• 申請（專利權）人: 南京超募數字科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06F40/169
• 代理公司: 南京磐泰合盛知識產權代理事務所(普通合伙) 32521
• 代理人: 張浩

本發明公開了一種基于機器視覺的文本與內容識別分析方法，包括如下步驟：S1、首先通過機器掃描文件，識別文件中的文本內容，根據文件內容選擇合適的識別方式，S2、在對特定的內容進行查找時，通過在知識庫中選擇需要查找的內容，通過機器掃描，識別該內容對應的文本，本發明通過機器視覺識別文本提及的表格和票據，對表格和票據文本進行識別，查找對應的表格和票據，識別表格和票據名稱，查找與文本關聯的表格和票據，將關聯的表格和票據排放在對應的文本后面，夠后續查閱，方便快速的查找關聯的表格和票據，對文本內容更加快速的審核，使盡職調查的速度更快，節省時間，提高效率。

技術領域

本發明涉及機器視覺技術領域，具體為一種基于機器視覺的文本與內容識別分析方法。

背景技術

機器視覺是用機器代替人眼進行目標對象的識別、判斷和測量，只要研究用計算機來模擬人的視覺功能，機器視覺技術涉及目標對象的圖像獲取技術、對圖像信息的處理技術以及對目標對象的測量和識別技術，利用機器視覺技術給生活中的特定內容的讀取識別帶來的便捷，機器視覺技術常應用在儀器儀表上的數據讀取、智能交通的車牌識別等；

但是目前在盡職調查中，通過機器視覺技術對大量文件進行識別查閱時，文件數量較多，文件種類不同，查閱文本內容較為復雜，使盡職調查的任務量較大，無法快速的將相關聯的表格、票據與文本對應起來，從而導致盡職調查耗時較長。

發明內容

本發明提供一種基于機器視覺的文本與內容識別分析方法，可以有效解決上述背景技術中提出目前在盡職調查中，通過機器視覺技術對大量文件進行識別查閱時，文件數量較多，文件種類不同，查閱文本內容較為復雜，使盡職調查的任務量較大，無法快速的將相關聯的表格、票據與文本對應起來，從而導致盡職調查耗時較長的問題。

為實現上述目的，本發明提供如下技術方案：一種基于機器視覺的文本與內容識別分析方法，包括如下步驟：

S1、首先通過機器掃描文件，識別文件中的文本內容，根據文件內容選擇合適的識別方式；

S2、在對特定的內容進行查找時，通過在知識庫中選擇需要查找的內容，通過機器掃描，識別該內容對應的文本；

S3、先識別確定文本的整體結構，分析不同文本之間的關聯性，再抓取文件中文本的名稱和目錄內容；

S4、然后按照目錄對文本內容進行識別，先識別每個目錄下的小標題，對文本結構進行補充；

S5、再根據盡職調查的需要和文本結構，快速定位至需要查找的位置，對重要內容進行識別分析；

S6、在重要文本內容識別分析過程中，識別到相同的文本內容時，將其他相同文本的位置標注在文本右側；

S7、重要內容識別分析完成后，打印出重點內容分析報告；

S8、然后逐句對文本剩余內容進行識別分析，先識別提取數字和文字內容，最后識別圖片內容；

S9、在文本內容全部分析完成后，打印整體分析報告。

根據上述技術方案，所述S1中，待識別的文件為圖像文件，圖像文件中的內容包括表格、文章和票據；

根據文本中文字記錄的表格和票據，對其他含有表格和票據的文本進行查找，將表格名稱和票據名稱分別與文字記錄的內容進行對比，將關聯的票據文本和表格文本排放在對應文本后面；

關聯表格和票據查找完成后，將票據與票據、表格與表格、表格與票據之間的內容進行對比分析，在對比后存在數據差異的位置進行框選標記；

所述S2中，知識庫中存儲有公司名稱、重要文件名稱、商業計劃書名稱和商業計劃書中的故事

根據上述技術方案，所述S3中，在識別文本內容時，先通過機器視覺對文本內容進行掃描，對整個文本開始處的文本主題名稱和文本目錄進行識別，了解文檔的大致內容，為后期查詢做準備，然后識別文本中的目錄，接著識別文本的重要內容，最后識別剩余內容；

在識別表格和票據時，先識別表格上方的表格名稱，再識別表格的第一列和第一行的文本內容，確定表格整體結構，最后識別表格中剩余文本內容。