[发明专利]一种基于深度学习的发票自动识别方法

摘要

本发明提供一种基于深度学习的发票自动识别方法，该方法先通过采集发票的图像；再对采集的发票图像进行字符切割；再对切割完的字符进行字符分类与分组；然后对分组好的字符，导入AlexNet深度学习网络训练，训练完的AlexNet网络，完成发票识别份。本发明方法完成发票图像的快速获取与保存，完成发票金额，识别号等的定位切割，提高了字符的识别率。 1

主权项

1.一种基于深度学习的发票自动识别方法，其特征在于，包括以下步骤：

S1：采集发票的图像；

S2：对采集的发票图像进行字符切割；

S3：对切割完的字符进行字符分类与分组；

S4：对分组好的字符，导入AlexNet深度学习网络训练；

S5：训练完的AlexNet网络，完成发票识别份。

2.根据权利要求1所述的基于深度学习的发票自动识别方法，其特征在于，所述步骤S1的具体过程是：

采用高拍仪对发票进行拍摄，利用高拍仪黑色底座与白色发票对比分明的特点，采用最小轮廓提取完成发票轮廓定位，再采用仿射变换，完成发票图像的提取，获得没有背景的发票图像。

3.根据权利要求2所述的基于深度学习的发票自动识别方法，其特征在于，所述步骤S2的具体过程是：

首先使用霍夫线变换检测发票横线的倾斜调度，通过旋转对图片进行倾斜校正。其次利用模板匹配方法获得发票数字子区域，接着对获得的子区域做形态学处理以及利用灰度投影法切割字符，最后将得到的单个字符归一化为256×256大小的图像。

4.根据权利要求3所述的基于深度学习的发票自动识别方法，其特征在于，所述步骤S3的具体过程是：

为建立不同字符的文件夹，将切割下杂乱的数字图形，进行人工分组，并从中随机选出训练样本，测试样本，为CNN网络训练做准备。

5.根据权利要求4所述的基于深度学习的发票自动识别方法，其特征在于，所述步骤S4的具体过程是：

对所述AlexNet深度学习网络训练，具体为：AlexNet共有八层，其前五层是卷积层，后三层是全连接层，最后一个全连接层的输出具有10个输出，分别为0～9；AlexNet模型的参数，batch大小为256，迭代1000次；Learning rate初始化为0.001，采用step算法，每500次迭代衰减一次，Momentum值为0.9，weight decay为0.0005，每500个迭代输出一个snapshot。