基于迁移学习的发票号码识别研究

黄为新，陶 杨，张继超，苏 笛，牛 砚

（1.吉林大学 计算机科学与技术学院；2.吉林大学 数学学院，吉林 长春 130012）

0 引言

发票数字识别本质上属于光学字符识别领域中的一个分支——印刷体数字识别。光学字符识别技术被广泛应用于各方面，如铁轨路牌识别［1］、快递单号识别、身份证号码识别［2］等，对人们的日常生产和生活产生了重要影响。而对印刷体数字识别的研究也有很多，如孟岩等［3］总结了印刷体数字识别基本流程，提出采用摄像头而非扫描仪并结合数字图像处理技术和光学字符识别（Optical Character Recognition，OCR）的方法将成为该领域研究的主流方向；卿东升等［4］对通过结构特征识别数字的方法作进一步改进，提出一种基于二进制的算法。近年来的研究主要围绕神经网络技术，周泽华等［5］提出设计结构合理、收敛性强的BP 神经网络，识别率较高。

印刷体数字识别是将图片中0～9 的数字转变为计算机可识别的信息，而发票号码识别要做的工作更加具体。传统的发票信息获取绝大多数依靠人力，由于涉及对数字敏感的金融领域，这要求对单个数字的识别率很高。因此，设计出一套可以智能快速准确地识别发票单号的系统尤为必要。

一个完整成熟的数字识别系统包括：图像获取、图像预处理、图像字符切割、字符识别。本文通过网络爬虫技术，从互联网上获取发票图像样本；通过噪声处理、图像二值化等方法对图像作初步处理；通过投影法进行字符切割，从而获取独立的数字；……