一种基于多策略融合的PDF文档发票页快速识别与提取方法

本发明提供一种基于多策略融合的PDF文档发票页快速识别与提取方法，涉及文档图像识别与提取技术领域。其中，基于多策略融合的PDF文档发票页快速识别与提取方法包括：并行化检查PDF文档中的每一页，提取页面中的内嵌图像资源；应用二维码识别策略，尝试解码并以语义验证的方式进行发票判定；作为补充判定策略，使用黑色像素检测策略判别图片左上角是否存在二维码；最后将判定结果合并输出。本发明通过二维码语义验证+黑像素结构检测的两策略快速融合方法，实现对PDF文档发票页的高效识别与提取，在页数众多的批量任务中，保证判定的准确性并提升处理速度。