智能发票识别系统后台.zip

智能发票识别系统 Requirements tomcat服务器 eclipse mysql数据库 redis数据库 Function 自动归类识别机打发票中的发票信息 用户手动绘制用于识别的发票模板和识别区域 查看等待识别发票的任务缓冲队列 可视化发票识别算法的过程，动态展示当前识别的区域和结果 管理员可对系统平台内的用户、用户组进行权限编辑管理 单位负责人可修改使用系统平台的单位信息 个人设置可查看个人信息和权限 Details 前端 Jquery + bootstrap搭建前端框架，处理前端逻辑和展示，负责MVC架构中的View视图层 前后端通过websocket和ajax通信，ajax主要用于按钮等控件的事件处理函数中的请求，websocket用于后端主动向前端推送消息 JSP控制cookies和session，在页面跳转时记录会话用户态，并可通过前端可视化界面对用户权限（用户权限分为继承的用户组权限和个人权限）进行编辑 识别算法的可视化通过websocket实现，算法端将每个区域的识别结果通过后台服务器逐次转送给前端，前端在onmessage回调函数中处理信息并在可视化窗口的canvas画布中显示出来 通过画布的getImageData和putImageData获取图片的像素点，并制造模糊效果，对比突出当前的识别区域 Js + canvas实现用户动态画图的效果，可以在canvas画布中框出自定义的识别区域和填写区域信息 后端 Spring MVC + Spring + JDBC搭建后端框架，Controller负责接收请求，Service负责主要业务逻辑，Dao负责数据库访问 算法端用C++编写，java后端通过多线程+socket+TCP与算法端通讯，利用对象锁完成线程调度 利用redis实现缓冲队列以及模板操作调度队列 利用spring-websocket与前端进行全双工通信 使用shiro作为安全管理框架，通过其内置session实现安全登录，使用shiro注解完成权限管理。 算法端 使用Bag of Words + CNN完成票据分类，根据分类结果查询并获取相应的发票模板。 使用SIFT特征匹配和配准思路完成票据对齐 根据模板中信息区域坐标截取ROI，因为票据可能存在套打情况，故还使用了约束式ROI搜索算法对信息区域进行重定位。 对每个ROI进行去噪、去印章、去直线等预处理操作，并使用形态学处理得到目标文本信息的连通体的最小外接矩形，并将此区域送入OCR模块。 使用搭建好的基于深度学习的卷积神经网络进行文字识别，识别结果组装成协议格式，返回给后台。