【技術實現步驟摘要】
本申請涉及票據識別，具體地，涉及一種票據分類方法、一種票據分類裝置、一種處理器、一種機器可讀存儲介質及一種計算機程序產品。
技術介紹
1、在傳統票據業務中，票據處理往往依賴于人工識別和分類，這一過程不僅效率低下，而且容易出錯。隨著機器學習和圖像處理技術的發展，自動化的票據分類系統成為可能。
2、現有技術中，票據分類的方法通常采用深度學習分類，即通過掃描儀或相機采集票據的圖像，利用圖像處理技術提取票據上的文字、數字、印章等特征，使用標注好的票據圖像數據進行深度學習，訓練分類器，如支持向量機(support?vector?machines，svm)、卷積神經網絡(convolutional?neural?networks，cnn)等，將提取的特征輸入分類器，得到票據的分類結果。但是這種方法深度學習模型通常需要大量的標注數據來進行訓練，才能確保模型能夠學習到有用的特征，而對于某些領域，不容易獲取足夠的標注數據。并且深度學習模型訓練過程中需要大量的計算資源，包括高性能的gpu或tpu，這些硬件資源可能非常昂貴，限制了只有有限預算的研究人員和小型企業的應用。進一步地，深度學習模型的決策過程缺乏透明度，這使得模型難以解釋和理解。并且深度學習模型可能會存在過度擬合。
技術實現思路
1、本申請實施例的目的是提供一種票據分類方法、裝置、處理器、存儲介質及機器可讀存儲介質。
2、為了實現上述目的，本申請第一方面提供一種票據分類方法，所述票據分類方法包括：劃定樣例分類集的分類特征
3、在本申請實施例中，所述分類特征區域包括印制區域。
4、在本申請實施例中，所述分類特征區域包括但不限于：標題特征區域、收款人特征區域和交款人特征區域。
5、在本申請實施例中，所述劃定樣例分類集的分類特征區域，包括：劃定樣例分類集的初始特征區域，并基于所述初始特征區域的原始尺寸和原始坐標多次調整所述初始特征區域的尺寸，得到對應的多組區域分類集；分別計算多組區域分類集中每組區域分類集的區別特征值；其中，區域分類集的區別特征值表征每組樣例分類集中不同樣例圖片的種類區別大??；將區別特征值最大的一組區域分類集對應的樣例特征區域確定為所述樣例分類集的分類特征區域；其中，所述樣例特征區域為所述初始特征區域調整尺寸之后的區域。
6、在本申請實施例中，每組區域分類集的區別特征值通過以下方法得到：確定該組區域分類集中不同樣例圖片之間的區別特征參數；基于不同樣例圖片之間的區別特征參數之和確定該組區域分類集的區別特征值。
7、在本申請實施例中，所述確定該組區域分類集中不同樣例圖片之間的區別特征參數，包括：確定該組區域分類集中每一樣例圖片的樣例特征值；確定該組區域分類集中不同樣例圖片的樣例特征值之間的歐式距離，得到該組區域分類集中不同樣例圖片之間的區別特征參數。
8、在本申請實施例中，所述確定該組區域分類集中每一樣例圖片的樣例特征值，包括：基于定向快速特征點與旋轉的二進制魯棒獨立基本特征算法確定該組區域分類集中每一樣例圖片的樣例特征值。
9、在本申請實施例中，所述基于目標圖片的目標特征值和樣例圖片的類別特征值，確定所述目標圖片的分類，包括：確定目標圖片的目標特征值與樣例圖片的類別特征值之間的分類特征值；其中，所述分類特征值表征所述目標圖片與樣例圖片之間的區別大??；確定最小分類特征值所對應的樣例圖片的分類為所述目標圖片的分類。
10、本專利技術第二方面提供一種票據分類裝置，所述票據分類裝置包括：分類特征區域確定模塊，用于劃定樣例分類集的分類特征區域；其中，所述樣例分類集包括多個樣例圖片，每一樣例圖片的分類特征區域與該樣例分類集的分類特征區域相同；類別特征值確定模塊，用于計算樣例分類集中每一樣例圖片的分類特征區域的區域特征值，并基于區域特征值確定該樣例圖片的類別特征值；其中，所述類別特征值表征樣例圖片的種類；目標特征區域確定模塊，用于基于所述分類特征區域確定目標圖片的目標特征區域；目標特征值確定模塊，用于確定所述目標特征區域的目標區域特征值，并基于所述目標區域特征值確定目標圖片的目標特征值；分類模塊，用于基于目標圖片的目標特征值和樣例圖片的類別特征值確定所述目標圖片的分類。
11、在本申請實施例中，所述分類特征區域包括印制區域。
12、在本申請實施例中，所述分類特征區域包括但不限于：標題特征區域、收款人特征區域和交款人特征區域。
13、在本申請實施例中，所述劃定樣例分類集的分類特征區域，包括：劃定樣例分類集的初始特征區域，并基于所述初始特征區域的原始尺寸和原始坐標多次調整所述初始特征區域的尺寸，得到對應的多組區域分類集；分別計算多組區域分類集中每組區域分類集的區別特征值；其中，區域分類集的區別特征值表征每組樣例分類集中不同樣例圖片的種類區別大??；將區別特征值最大的一組區域分類集對應的樣例特征區域確定為所述樣例分類集的分類特征區域；其中，所述樣例特征區域為所述初始特征區域調整尺寸之后的區域。
14、在本申請實施例中，每組區域分類集的區別特征值通過以下方法得到：確定該組區域分類集中不同樣例圖片之間的區別特征參數；基于不同樣例圖片之間的區別特征參數之和確定該組區域分類集的區別特征值。
15、在本申請實施例中，所述確定該組區域分類集中不同樣例圖片之間的區別特征參數，包括：確定該組區域分類集中每一樣例圖片的樣例特征值；確定該組區域分類集中不同樣例圖片的樣例特征值之間的歐式距離，得到該組區域分類集中不同樣例圖片之間的區別特征參數。
16、在本申請實施例中，所述確定該組區域分類集中每一樣例圖片的樣例特征值，包括：基于定向快速特征點與旋轉的二進制魯棒獨立基本特征算法確定該組區域分類集中每一樣例圖片的樣例特征值。
17、在本申請實施例中，所述基于目標圖片的目標特征值和樣例圖片的類別特征值，確定所述目標圖片的分類，包括：確定目標圖片的目標特征值與樣例圖片的類別特征值之間的分類特征值；其中，所述分類特征值表征所述目標圖片與樣例圖片之間的區別大??；確定最小分類特征值所對應的樣例圖片的分類為所述目標圖片的分類。
18、本申請第三方面提供一種處理器，被配置成執行上文所述的票據分類方法。
19、本申請第四方面提供一種機器可讀存儲介質，該機器可讀存儲介質上存儲有指令，該指令在被處理器執行時使得所述處理器被配置成執行上文所述的票據分類方法。
2本文檔來自技高網...
【技術保護點】
1.一種票據分類方法，其特征在于，所述票據分類方法包括：
2.根據權利要求1所述的票據分類方法，其特征在于，所述分類特征區域包括印制區域。
3.根據權利要求1所述的票據分類方法，其特征在于，所述分類特征區域包括但不限于：標題特征區域、收款人特征區域和交款人特征區域。
4.根據權利要求1所述的票據分類方法，其特征在于，所述劃定樣例分類集的分類特征區域，包括：
5.根據權利要求4所述的票據分類方法，其特征在于，每組區域分類集的區別特征值通過以下方法得到：
6.根據權利要求5所述的票據分類方法，其特征在于，所述確定該組區域分類集中不同樣例圖片之間的區別特征參數，包括：
7.根據權利要求6所述的票據分類方法，其特征在于，所述確定該組區域分類集中每一樣例圖片的樣例特征值，包括：
8.根據權利要求1所述的票據分類方法，其特征在于，所述基于目標圖片的目標特征值和樣例圖片的類別特征值，確定所述目標圖片的分類，包括：
9.一種票據分類裝置，其特征在于，所述票據分類裝置包括：
10.根據權利要
11.根據權利要求9所述的票據分類裝置，其特征在于，所述分類特征區域包括但不限于：標題特征區域、收款人特征區域和交款人特征區域。
12.根據權利要求9所述的票據分類裝置，其特征在于，所述劃定樣例分類集的分類特征區域，包括：
13.根據權利要求12所述的票據分類裝置，其特征在于，每組區域分類集的區別特征值通過以下方法得到：
14.根據權利要求13所述的票據分類裝置，其特征在于，所述確定該組區域分類集中不同樣例圖片之間的區別特征參數，包括：
15.根據權利要求14所述的票據分類裝置，其特征在于，所述確定該組區域分類集中每一樣例圖片的樣例特征值，包括：
16.根據權利要求9所述的票據分類裝置，其特征在于，所述基于目標圖片的目標特征值和樣例圖片的類別特征值，確定所述目標圖片的分類，包括：
17.一種處理器，其特征在于，被配置成執行權利要求1至8中任一項所述的票據分類方法。
18.一種機器可讀存儲介質，該機器可讀存儲介質上存儲有指令，其特征在于，該指令在被處理器執行時使得所述處理器被配置成執行權利要求1至8中任一項所述的票據分類方法。
19.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序在被處理器執行時實現權利要求1至8中任一項所述的票據分類方法。
...【技術特征摘要】
1.一種票據分類方法，其特征在于，所述票據分類方法包括：
2.根據權利要求1所述的票據分類方法，其特征在于，所述分類特征區域包括印制區域。
3.根據權利要求1所述的票據分類方法，其特征在于，所述分類特征區域包括但不限于：標題特征區域、收款人特征區域和交款人特征區域。
4.根據權利要求1所述的票據分類方法，其特征在于，所述劃定樣例分類集的分類特征區域，包括：
5.根據權利要求4所述的票據分類方法，其特征在于，每組區域分類集的區別特征值通過以下方法得到：
6.根據權利要求5所述的票據分類方法，其特征在于，所述確定該組區域分類集中不同樣例圖片之間的區別特征參數，包括：
7.根據權利要求6所述的票據分類方法，其特征在于，所述確定該組區域分類集中每一樣例圖片的樣例特征值，包括：
8.根據權利要求1所述的票據分類方法，其特征在于，所述基于目標圖片的目標特征值和樣例圖片的類別特征值，確定所述目標圖片的分類，包括：
9.一種票據分類裝置，其特征在于，所述票據分類裝置包括：
10.根據權利要求9所述的票據分類裝置，其特征在于，所述分類特征區域包括印制區域。
11.根據權利要求9所述的票據分類裝置，其特征...
【專利技術屬性】
技術研發人員：程林鵬，李釗，熊博穎，
申請(專利權)人：建信金融科技有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。