基于OCR与文本挖掘的机动车数字电子档案分类方法
专利汇可以提供基于OCR与文本挖掘的机动车数字电子档案分类方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于OCR与 文本挖掘 的机动车数字 电子 档案分类方法，包括以下步骤：S1，建立机动车业务电子档案表头 数据库 ；S2，对待分类数字图像进行图像二值化处理；S3，对待分类数字照片进行截取，截取需要识别的表头区域；S4，利用tesseract-OCR文字识别引擎识别步骤S3中截取的图片区域，并利用文本挖掘技术处理得到的识别结果，得到文字序列；S5，计算步骤S4中的文字序列与步骤S1中数据库中表头的相似度；S6，选择相似度最大对应的数据库表头作为待分类数字照片的分类结果。本发明可以对机动车业务电子档案进行智能分类，实现机动车业务的信息化，从而提高机动车业务的办事效率、降低人工成本。，下面是基于OCR与文本挖掘的机动车数字电子档案分类方法专利的具体信息内容。
1.一种基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，包括以下步骤：
S1，建立机动车业务电子档案表头数据库；
S2，对待分类数字图像进行图像二值化处理；
S3，对待分类数字照片进行截取，截取需要识别的表头区域；
S4，利用tesseract-OCR文字识别引擎识别步骤S3中截取的图片区域，并利用文本挖掘技术处理得到的识别结果，得到文字序列；
S5，计算步骤S4中的文字序列与步骤S1中数据库中表头的相似度；
S6，选择相似度最大对应的数据库表头作为待分类数字照片的分类结果。
2.根据权利要求1所述的基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，步骤S1中，建立的表头数据库采用mysql数据库，对所有业务种类照片表头进行存储。
3.根据权利要求2所述的基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，步骤S2中，图像二值化处理采用Bernsen局部二值化方法。
4.根据权利要求3所述的基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，步骤S3中，数字照片表头截取采用矩阵分析法进行切取。
5.根据权利要求4所述的基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，步骤S5中，相似度计算采用改进的Jaccard系数计算方法。
6.根据权利要求1所述的基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，步骤S2具体包括：
设图像在像素点(i,j)处的灰度值f(i,j)，以像素点(i,j)为中心的(2ω+1)×(2ω+1)窗口，其中2ω+1表示窗口的边长，则Bernsen算法描述为：
采用下式对图像中个像素点(i,j)用b(i,j)值逐点进行二值化：
7.根据权利要求6所述的基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，步骤S3具体包括：
步骤S2中二值化后的图像为二维数组，用二维数组X表示；
首先，求出数组X的高与宽，记为size_X，即
size_X＝[h,w]
其中w，h分别表示数组X的宽度与高度大小；
构造维度大小为[w,1]的全1向量V：
V＝[1，1,……，1]1×w
计算矩阵乘积：
R＝XVT＝[r1,r2,……,rh]T
对R中的数据利用下式进行归一化操作：
其中M＝max{r1,r2,……,rh}，表示“记为”；
其次，统计R中数据分布，并依据分布规律，选择一个阈值H，使得该阈值能将空白区行与含有相当文字的行区别开来；
当ri1＞H(i∈{1,2……,h})时，行i几乎空白；当ri1＜H(i∈{1,2……,h})时，行i含有相当多的黑色像素；表头文字出现在表单的开头，找到R1中第一次不少于连续四次小于H的区域记为表头出现的区域，设R1中从n1到n2第一次连续出现小于H区域，则截取的区域HR为X的n1到n2行。
8.根据权利要求7所述的基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，步骤S4具体包括：
搭建tesseract文字识别引擎，对步骤S3中截取的表头区域HR进行文字识别，设识别结果为W；
W＝a1a2……an
将识别结果分割成单个字符序列，记为W1，即W1＝{a1,a2,……,an}。
9.根据权利要求8所述的基于OCR与文本挖掘的机动车数字电子档案分类方法，其特征在于，步骤S5具体包括：
采用与分别计算数据库中各表头数据与步骤S4中W1的相似度，以数据库中相似度最高
1
的表头作为待分类图片的表头，以数据库中表头W＝b1b2……bm进行相似度的计算；
首先，将W1处理成W1的形式，不放仍然记为W1，即
W1＝{b1,b2,……,bm}
然后，计算W1与W1中共同文字的个数|W1∩W1|，W1∩W1为集合W1＝{b1,b2,……,bm}与W1＝{a1,a2,……,an}交集；
通过以下改进的Jaccard系数计算相似系数l1
其中|W1|表示表头W1的字符长度；
对数据库中所有表头数据进行同样操作，得到相似系数序列S；
S＝{l1,l2,……,lk}
其中k为数据库中表头的个数。
基于OCR与文本挖掘的机动车数字电子档案分类方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 特别是用于计轴器的应变测量设备 | 2020-05-08 | 565 |
| 基于视频深度学习的车辆识别方法 | 2020-05-11 | 29 |
| 一种室外中继器的密封壳体及室外中继器 | 2020-05-08 | 998 |
| 一种智能路由方法 | 2020-05-08 | 727 |
| 一种酒店自助服务终端及酒店改建方法与信息管理方法 | 2020-05-08 | 868 |
| 视频修复方法 | 2020-05-08 | 587 |
| 一种应用于信用卡交易反欺诈的识别方法 | 2020-05-08 | 723 |
| 一种基于卷积神经网络的城市视觉污染物识别方法及系统 | 2020-05-11 | 96 |
| 存储地形特征估计程序的介质、地形特征估计方法及装置 | 2020-05-08 | 494 |
| 基于阻抗实部为零材料的长时间存储电磁波的方法 | 2020-05-08 | 635 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
