近几年来,无论是国有商业银行,还是股份制商业银行,一方面加强管理、提高效率、改变服务、发展新型业务,积极争夺日趋激烈的市场;另一方面对银行业务电子化处理给予了前所未有的重视,电子化集中处理已成为各银行建设的目标。银行每天都将产生大量需要处理、保存的各种票据,这些票据记录着银行业务往来的各种业务数据,是重要的书面凭证。实现对票据的电子化和自动化处理是银行业务电子化的一个关键。而模式识别则是银行票据自动化处理过程中所使用到的一个不可或缺的核心技术,它根据电子影像完成凭证种类和主附件关系的判定以及票据要素的自动提取,并将数据提供给后续的相关业务使用。 本文首先简述模式识别和OCR技术的发展历程,并阐明银行票据识别处理的对象范围、票据改造的必要性以及评价识别系统的常用指标。然后结合工程实践就集成一个已有的识别核心到识别系统中的过程作了详细的说明:为了将实验室产品与现实应用中的复杂环境有机结合起来,在识别核心之外,系统分别又增加了一系列的预处理和后处理,努力减少票面干扰因素对核心的影响并提高识别结果的自动通过比率。而且识别系统采用必要的改进措施来使判定凭证种类的版面处理速度得到明显提高。使用中识别工作站常常以多台并行的方式运转来处理大批量的票据,本文对识别集群的远程监控和管理作了功能性介绍。整个识别系统由模板定制工具、自动识别模块、辅助识别模块、集中监控管理模块等部分组成。 目前在银行票据自动化处理中有三种应用模式比较常见:缩微中心、自动化后督中心和结算中心。本文对这些应用模式的发展背景、业务流程和关键功能等内容逐一进行了分析说明,从中可以具体看到识别技术在银行票据自动化处理时所起的重要作用。在应用过程中为了进一步降低人工辅助量,识别系统常利用已知的前台业务流水来验证处理结果,本文对几种使用前台流水的方式及其优缺点进行了分析,并比较了由此对识别辅助量带来的巨大影响。使用好前台流水信息对识别系统性能的提升和项目的成功实施有相当大的帮助。 在北京建行票据档案光盘缩微系统中使用上述识别系统作为子系统,整套系统包括票据稽核和缩微存储查询两大功能,获得了建设银行总行科技进步一等奖(见附录)。北京建行日均票据量为30万张左右,原有后督业务人员大约320人,系统投产后由于大量引入了包括模式识别在内的各类自动化处理技术,全行后督人员已减少到120人以内,节省稽核人员及基本人力费用近60%,每年节约各项费用上千万元。