科大讯飞
  1. 火车票识别
科大讯飞
  • iOS SDK接入文档
  • 平台文档
    • 开发者新手指南
      • 平台简介
      • 快速指引
    • 服务协议
      • 讯飞开放平台用户服务协议
      • 讯飞星火认知大模型接口服务协议
      • 开发者应用创建规则
      • 讯飞开放平台隐私政策
      • 开发者用户个人信息保护合规指引
      • 开放平台SDK合规使用说明
      • SDK隐私政策总览
      • SDK合规使用说明总览
      • 科大讯飞儿童隐私保护政策
      • 讯飞开放平台SLA协议
      • 讯飞开放平台订购协议
    • 用户认证须知
      • 用户认证简介
      • 企业实名认证
      • 个人实名认证
      • 初创团队认证
      • 学生认证
      • 公益项目认证
      • 个人升级企业认证
    • 财务
      • 退款规则及退款流程
      • 财务相关说明
    • 账号
      • 账号注销与删除流程
      • 账号与应用说明
    • 会员
      • 会员权益详情
      • 会员时效说明
      • 会员试用版
  • 星火认知大模型
    • SparkDesk
      • SparkDesk使用指南
      • SparkDesk隐私政策
      • SparkDesk用户协议
    • 星火认知大模型
      • 服务说明
      • 通用鉴权URL生成说明
      • Spark Android SDK接入文档
      • Linux SDK接入文档
      • Windows SDK接入文档
      • 讯飞星火认知大模型隐私政策
      • Web 文档
        • 星火认知大模型Web API文档
        • 星火大模型V1.5
        • 星火大模型V2
        • 星火大模型V3
    • 星火知识库
      • 星火知识库 API 文档
        • 星火知识库 API 文档
        • 文档问答
        • 文档上传
        • 文档总结
        • 获取文档总结/概要信息
      • 新版Embedding API文档
    • 图片生成
      • 图片生成 API
    • 图片理解
      • 图片理解 API
    • 大模型定制训练平台
      • 产品使用说明
      • 星火微调服务Web API文档文档
        • 星火微调服务Web API文档文档
        • V1.5版本
        • 微调模型
  • 语音识别
    • 语音唤醒(新版)
    • 语音听写
      • Android SDK 文档
      • iOS SDK 文档
      • Linux SDK 文档
      • Windows SDK 文档
      • Java SDK 文档
      • 音频文件格式说明
      • 语音听写服务说明
      • 语音听写(流式版)SDK隐私政策
      • 语音听写(流式版)SDK合规使用说明
      • HarmonyOS SDK 文档
      • 语音听写自训练平台
      • 语音听写(流式版)WebAPI
    • 语音转写
      • 语音转写服务说明
      • 语音转写 服务协议
      • WebAPI 文档
        • 语音转写 API 文档
        • 文件上传
        • 查询结果
    • 极速语音转写
      • 极速语音转写 API 文档
      • 小文件上传
      • 初始化分块信息
      • 分块上传
      • 分块上传完成
      • 创建任务
      • 查询任务
    • 实时语音转写
      • 实时语音转写服务说明
      • 实时语音转写 API
    • 离线语音听写
      • Android SDK 文档
      • 离线语音听写服务说明
      • 离线语音听写SDK隐私政策
      • 离线语音听写SDK合规使用说明
    • 离线语音听写(新版)
      • Android SDK 文档
      • 离线语音听写隐私政策
    • 语音唤醒
      • Android SDK 文档
      • iOS SDK 文档
      • Linux SDK 文档
      • Windows SDK 文档
      • 语音唤醒服务说明
      • 离线唤醒SDK隐私政策
    • 语音唤醒(新版)
      • Android SDK 文档
      • Linux SDK 文档
      • 语音唤醒隐私政策
    • 离线命令词识别
      • Android SDK 文档
      • iOS SDK 文档
      • Linux SDK 文档
      • Windows SDK 文档
      • 离线命令词识别服务说明
      • 离线命令词识别SDK隐私政策
      • 离线命令词SDK合规使用说明
  • 语音合成
    • 在线语音合成
      • Android SDK 文档
      • iOS SDK 文档
      • Linux SDK 文档
      • Windows SDK 文档
      • Java SDK 文档
      • 服务协议
      • 在线语音合成服务说明
      • 发音人自训练平台使用指南
      • WebAPI
    • 长文本语音合成
      • 长文本语音合成 API 文档
      • 创建任务
      • 查询任务
    • 离线语音合成
      • Android SDK 文档
      • iOS SDK 文档
      • Linux SDK 文档
      • Windows SDK 文档
      • 服务协议
      • 离线语音合成服务说明
    • AI虚拟人技术
      • Web SDK 2.0 接入指南
      • Android-SDK
      • iOS-SDK
      • Web API 文档
        • AI虚拟人技术 API 文档
        • 音频驱动
        • 启动
        • 文本驱动
        • 停止
        • 心跳
  • 语音扩展
    • 语音评测(流式版)
      • 接口说明
      • Android SDK 文档
      • iOS SDK 文档
      • Linux SDK 文档
      • Windows SDK 文档
      • 语音评测SDK隐私政策
      • 语音评测(流式版)API
    • 语音评测suntone
      • 语音评测suntone API
    • 离线变声
      • Android SDK 集成文档
    • 音色转换
      • 音色转换 API
    • 性别年龄识别
      • 性别能力识别 API
    • 声纹识别
      • Web API 文档
      • 声纹识别 API
    • 歌曲识别
      • 歌曲识别 API
    • 歌曲识别 ACRCloud
      • 接口说明
      • 哼唱识别
      • 音乐识别
    • AI 客服中间件
      • 接口说明
      • 获取token
      • 查询配置
      • 直接外呼
      • 创建外呼任务
      • 提交任务数据
      • 启动外呼任务
      • 暂停外呼任务
      • 删除外呼任务
      • 查询任务
      • 结果数据推送
      • 话单推送
      • 录音推送
      • 会话推送
      • 呼入话术上下文动态数据获取
  • 自然语言处理
    • 文本纠错
      • 文本纠错 API
      • 黑白名单上传
    • 公文校队
      • 公文校对 API
    • 文本合规
      • 文本合规 API
      • 新增黑名单词库
      • 根据lib_id添加黑名单词条
      • 根据lib_id查询词条明细
      • 根据lib_id删除词条
      • 根据appid查询账户下所有词库
      • 根据lib_id删除词库
      • 创建白名单库
      • 根据lib_id添加放行词条
      • 根据lib_id查询词条详情
      • 根据lib_id删除词条信息
      • 根据appid查询所有词库列表
      • 根据lib_id删除词库
    • 图片合规
      • 图片合规 API
    • 音频合规
      • 音频合规 API
    • 视频合规
      • 视频合规 API
    • 文本改写
      • 文本改写 API
    • 机器翻译
      • 机器翻译(新) API
    • 机器翻译niutrans
      • 机器翻译niutrans API
    • 同声传译
      • 同声传译 API 
    • 离线分词
      • Android SDK 文档
  • 人脸识别
    • 人脸验证与检索
      • Android SDK 文档
      • iOS SDK 文档
      • 人脸验证与检索SDK隐私政策
      • 人脸验证与检索SDK合规使用说明
    • 人脸对比
      • 人脸比对 API
    • 人脸比对sensetime
      • 人脸比对sensetime API
    • 人脸水印照比对
      • 人脸水印照比对 API
    • 静默活体检测
      • 静默活体检测 API
    • 配合式活体检测
      • 配合式活体检测 API
    • 静默活体检测sensetime
      • 静默活体检测sensetime API
    • 人脸检测和属性分析
      • 人脸检测和属性分析 API
    • 人脸特征分析tuputech
      • 年龄 API
      • 颜值 API
      • 性别 API
      • 表情 API
  • 文字识别
    • 通用文字识别
      • 通用文字识别 API
    • 通用文字识别
      • 通用文字识别 intsig API
    • 手写文字识别
      • 手写文字识别 API
    • 印刷文字识别
      • 印刷文字识别 API
    • 印刷文字识别(多语种)
      • 印刷文字识别(多语种)
    • 印刷文字识别(多语种)intsig
      • 印刷文字识别(多语种)intsig API
    • 图片文档还原
      • 图片文档还原 API 
    • 国内通用票据识别
      • 接口说明
      • 国内通用票据识别 API
    • 离线OCR
      • Android SDK 文档
    • 名片识别 intsig
      • 名片识别 API
    • 身份证识别 intsig
      • 身份证识别 intsig API
    • 银行卡识别 intsig
      • 银行卡识别 API
    • 营业执照识别 intsig
      • 营业执照识别 intsig API
    • 增值税发票识别 intsig
      • 增值税发票识别 intsig API
    • 拍照速算识别
      • 接口说明
      • 拍照速算识别 API
    • 公式识别
      • 接口说明
      • 公式识别 API
    • 指尖文字识别
      • 接口说明
      • 指尖文字识别 API
    • 身份证识别
      • 接口说明
      • 身份证识别 API
    • 增值税发票识别
      • 接口说明
      • 增值税发票识别 API
    • 营业执照识别
      • 接口说明
      • 营业执照识别 API
    • 火车票识别
      • 接口说明
      • 火车票识别 API
        POST
    • 出租车发票识别
      • 接口说明
      • 出租车发票识别 API
  • 图像识别
    • 场景识别
      • 场景识别 API
    • 物体识别
      • 物体识别 API
    • 场所识别
      • 场所识别 API 文档
  • 基础服务
    • 云服务器 CVM
      • 云服务器 CVM 产品简介
      • 快速入门
      • 服务协议
  • 解决方案
    • 签到解决方案
      • SaaS操作文档
    • 智能硬件通用方案
      • 智能硬件通用方案说明
      • 麦克风阵列Android SDK
      • 麦克风阵列Linux SDK
      • 双麦阵列设计参考
      • 麦克风阵列录音要求
      • 语音唤醒Android SDK
      • 语音唤醒Linux SDK
      • 离线声纹Android SDK
      • 离线声纹Linux SDK
  • MSC API 文档
    • Android
      • 文件列表
      • SDK初始化
      • 语音识别(Recognizer)
      • 语音合成(Synthesizer)
      • 语音评测(Evaluator)
      • 语音唤醒(Wakeuper)
      • 声纹人脸(Verifier)
      • Android 常量字段值
      • 基础类
    • IOS
      • 文件列表
      • SDK初始化
      • 语音识别(Recognizer)
      • 语音合成(Synthesizer)
      • 语音评测(Evaluator)
      • 语音唤醒(Wakeuper)
      • 声纹人脸(Verifier)
      • 基础类
    • Windows&Linux
      • 文件列表
      • API 文档
    • Java
      • 所有类列表
      • SDK初始化
      • 语音识别(Recognizer)
      • 语音合成(Synthesizer)
      • 常量字段值
      • 基础类
  1. 火车票识别

接口说明

接口说明#

火车票识别,基于深度神经网络模型的端到端文字识别系统,可以自动地从图片中定位火车票区域,识别出其中包含的信息。可以省去用户手动录入的过程,自动完成火车票信息的结构化和图像数据的采集,可以很方便的用于报销等系统中,给用户带来极大的便利。
该能力是通过HTTP API的方式给开发者提供一个通用的接口,适用于一次性交互数据传输的AI服务场景,块式传输。相较于SDK,API具有轻量、跨语言的特点,不过请注意该接口使用的HTTP API协议不支持跨域。

#接口Demo#

示例demo请点击 这里 下载。
目前仅提供部分开发语言的demo,其他语言请参照下方接口文档进行开发。
也欢迎热心的开发者到 讯飞开放平台社区 分享你们的demo。

#接口要求#

集成火车票识别API时,需按照以下要求。
内容说明
传输方式http[s] (为提高安全性,强烈推荐https)
请求地址http(s): //api.xf-yun.com/v1/private/s19cfe728 注:服务器IP不固定,为保证您的接口稳定,请勿通过指定IP的方式调用接口,使用域名方式调用
请求行POST /v1/private/ss19cfe728
接口鉴权签名机制,详情请参照下方鉴权认证
字符编码UTF-8
响应格式统一采用JSON格式
开发语言任意,只要可以向讯飞云服务发起HTTP请求的均可
适用范围任意操作系统,但因不支持跨域不适用于浏览器
图片格式jpg/jpeg/png/bmp
图片大小base64编码后大小不超过4M

#接口调用流程#

· 通过接口密钥基于hmac-sha256计算签名,将签名以及其他参数加在请求地址后面。详见下方 鉴权认证 。
· 将请求参数以及图片数据放在Http Request Body中,以POST表单的形式提交,详见下方 请求参数 。
· 向服务器端发送Http请求后,接收服务器端的返回结果。

#鉴权认证#

在调用业务接口时,请求方需要对请求进行签名,服务端通过签名来校验请求的合法性。

#鉴权方法#

通过在请求地址后面加上鉴权相关参数的方式,参数具体如下:
http示例url:
https://api.xf-yun.com/v1/private/s19cfe728?authorization=YXBpX2tleT0iOTEyMDVhZmUwZDE3ZTM4YzYxYmUzNWZjYTM0NjUwM2MiLCBhbGdvcml0aG09ImhtYWMtc2hhMjU2IiwgaGVhZGVycz0iaG9zdCBkYXRlIHJlcXVlc3QtbGluZSIsIHNpZ25hdHVyZT0iOXM0alJ4eVU1OEgxVG12R0JNbm9jazlZYU9BV0RNMXY1ZFBrRGNPKzF5QT0i&host=api.xf-yun.com%3A-1&date=Mon%2C+23+Nov+2020+06%3A31%3A17+GMT
鉴权参数:
参数类型必须说明示例
hoststring是请求主机api.xf-yun.com
datestring是当前时间戳,RFC1123格式("EEE, dd MMM yyyy HH:mm:ss z")Fri, 17 Jul 2020 06:26:58 GMT
authorizationstring是使用base64编码的签名相关信息(签名基于hamc-sha256计算)参考下方详细生成规则
· date参数生成规则:
date必须是UTC+0或GMT时区,RFC1123格式(Fri, 17 Jul 2020 06:26:58 GMT)。
服务端会对date进行时钟偏移检查,最大允许300秒的偏差,超出偏差的请求都将被拒绝。
· authorization参数生成格式:
1)获取接口密钥APIKey 和 APISecret。
在讯飞开放平台控制台,创建一个应用后打开人脸比对页面可以获取,均为32位字符串。
2)参数authorization base64编码前(authorization_origin)的格式如下。
api_key="$api_key",algorithm="hmac-sha256",headers="host date request-line",signature="$signature"
其中 api_key 是在控制台获取的APIKey,algorithm 是加密算法(仅支持hmac-sha256),headers 是参与签名的参数(见下方注释)。
signature 是使用加密算法对参与签名的参数签名后并使用base64编码的字符串,详见下方。
*注:* headers是参与签名的参数,请注意是固定的参数名("host date request-line"),而非这些参数的值。
3)signature的原始字段(signature_origin)规则如下。
signature原始字段由 host,date,request-line三个参数按照格式拼接成,
拼接的格式为(\n为换行符,’:’后面有一个空格):
host: $host\ndate: $date\n$request-line
假设
请求url = api.xf-yun.com
date = Fri, 17 Jul 2020 06:26:58 GMT
那么 signature原始字段(signature_origin)则为:
host: api.xf-yun.com
date: Fri, 17 Jul 2020 06:26:58 GMT
POST /v1/private/s19cfe728 HTTP/1.1
4)使用hmac-sha256算法结合apiSecret对signature_origin签名,获得签名后的摘要signature_sha。
signature_sha=hmac-sha256(signature_origin,$apiSecret)
其中 apiSecret 是在控制台获取的APISecret
5)使用base64编码对signature_sha进行编码获得最终的signature。
signature=base64(signature_sha)
假设
APISecret = apisecretXXXXXXXXXXXXXXXXXXXXXXX	
date = Fri, 17 Jul 2020 06:26:58 GMT
则signature为
signature=1gWRhcJRcOEJyWzoHZkHxxBgXEp0NCFHrPOoFJXu6M0=
6)根据以上信息拼接authorization base64编码前(authorization_origin)的字符串,示例如下。
api_key="apikeyXXXXXXXXXXXXXXXXXXXXXXXXXX", algorithm="hmac-sha256", headers="host date request-line", signature="1gWRhcJRcOEJyWzoHZkHxxBgXEp0NCFHrPOoFJXu6M0="
注: headers是参与签名的参数,请注意是固定的参数名("host date request-line"),而非这些参数的值。
7)最后再对authorization_origin进行base64编码获得最终的authorization参数。
authorization = base64(authorization_origin)
示例:
authorization=YXBpX2tleT0iOTEyMDVhZmUwZDE3ZTM4YzYxYmUzNWZjYTM0NjUwM2MiLCBhbGdvcml0aG09ImhtYWMtc2hhMjU2IiwgaGVhZGVycz0iaG9zdCBkYXRlIHJlcXVlc3QtbGluZSIsIHNpZ25hdHVyZT0iMWdXUmhjSlJjT0VKeVd6b0haa0h4eEJnWEVwME5DRkhyUE9vRkpYdTZNMD0i

#鉴权结果#

如果鉴权失败,则根据不同错误类型返回不同HTTP Code状态码,同时携带错误描述信息,详细错误说明如下:
HTTP Code说明错误描述信息解决方法
401缺少authorization参数{"message":"Unauthorized"}检查是否有authorization参数,详情见authorization参数详细生成规则
401签名参数解析失败{“message”:”HMAC signature cannot be verified”}检查签名的各个参数是否有缺失是否正确,特别确认下复制的api_key是否正确
401签名校验失败{“message”:”HMAC signature does not match”}签名验证失败,可能原因有很多。 1. 检查api_key,api_secret 是否正确。 2.检查计算签名的参数host,date,request-line是否按照协议要求拼接。 3. 检查signature签名的base64长度是否正常(正常44个字节)。
403时钟偏移校验失败{“message”:”HMAC signature cannot be verified, a valid date or x-date header is required for HMAC Authentication”}检查服务器时间是否标准,相差5分钟以上会报此错误
时钟偏移校验失败返回示例:
HTTP/1.1 403 Forbidden
Date: Thu, 06 Dec 2018 07:55:16 GMT
Content-Length: 116
Content-Type: text/plain; charset=utf-8
{
    "message": "HMAC signature cannot be verified, a valid date or x-date header is required for HMAC Authentication"
}
payload.result.text字段具体信息如下,其中各元素及结果请关注:
object_list[n].region_list[n].text_block_list[n].key
object_list[n].region_list[n].text_block_list[n].value
参数名类型描述备注
engine_versionstring引擎版本号版本相关信息,无需特别关注
error_codeint返回码(0表示成功)
error_msgstring描述返回码信息
object_countint目标数量目前仅支持一次识别一个目标,一般返回1
versionstringjson协议的版本号版本相关信息,无需特别关注
object_listarray目标版面分析结果
object_list[n].error_codeint当前图片识别错误码(0表示成功)
object_list[n].error_msgstring当前图片识别错误码信息
object_list[n].typestring预留字段,暂无需关注
object_list[n].descriptionstring识别的目标图像类别名称
object_list[n].widthint目标图像的宽度
object_list[n].heightint目标图像的高度
object_list[n].idxint输出图片索引
object_list[n].table_countint表格区域数量火车票识别此项返回0
object_list[n].table_listarray表格区域火车票识别此项返回空
object_list[n].region_countint通用区域数量
object_list[n].region_listarray通用区域
object_list[n].region_list[n] .idstring序号,从0开始
object_list[n].region_list[n] .orderint同层级内的阅读顺序无需特别关注
object_list[n].region_list[n] .typestring区域类型可能返回的值有 Number1:票号 Ticket-check:检票口 Station-From:起始站 Number2-Train:车次 Station-To:目的站 Date:发车日期 Time:开车时间 Seat: 座位号 Number3-Amount:票价 Seat-type:座位类型 Number4-Identity:身份证号码 Name:乘车人姓名 Number5:条码数字
object_list[n].region_list[n] .positionobject区域位置
object_list[n].region_list[n] .position.tl_pointobject区域左上角坐标
object_list[n].region_list[n] .position.tl_point.xint区域左上角x坐标
object_list[n].region_list[n] .position.tl_point.yint区域左上角y坐标
object_list[n].region_list[n] .position.tr_pointobject区域右上角坐标
object_list[n].region_list[n] .position.tr_point.xint区域右上角x坐标
object_list[n].region_list[n] .position.tr_point.yint区域右上角y坐标
object_list[n].region_list[n] .position.bl_pointobject区域左下角坐标
object_list[n].region_list[n] .position.bl_point.xint区域左下角x坐标
object_list[n].region_list[n] .position.bl_point.yint区域左下角y坐标
object_list[n].region_list[n] .position.br_pointobject区域右下角坐标
object_list[n].region_list[n] .position.br_point.xint区域右下角x坐标
object_list[n].region_list[n] .position.br_point.yint区域右下角y坐标
object_list[n].region_list[n] .text_block_countint文本块数量
object_list[n].region_list[n] .text_block_listarray文本块结果
object_list[n].region_list[n] .text_block_list[n].idstringid识别码
object_list[n].region_list[n] .text_block_list[n].orderint同层级内的阅读顺无需特别关注
object_list[n].region_list[n] .text_block_list[n].keystring要素key值可能返回的值有 Number1:票号 Ticket-check:检票口 Station-From:起始站 Number2-Train:车次 Station-To:目的站 Date:发车日期 Time:开车时间 Seat: 座位号 Number3-Amount:票价 Seat-type:座位类型 Number4-Identity:身份证号码 Name:乘车人姓名 Number5:条码数字
object_list[n].region_list[n] .text_block_list[n].valuestring要素value值,识别后处理结果
object_list[n].region_list[n] .text_block_list[n].positionobject文本块区域位置
object_list[n].region_list[n] .text_block_list[n].position.tl_pointobject区域左上角坐标
object_list[n].region_list[n] .text_block_list[n].position.tl_point.xint区域左上角x坐标
object_list[n].region_list[n] .text_block_list[n].position.tl_point.yint区域左上角y坐标
object_list[n].region_list[n] .text_block_list[n].position.tr_pointobject区域右上角坐标
object_list[n].region_list[n] .text_block_list[n].position.tr_point.xint区域右上角x坐标
object_list[n].region_list[n] .text_block_list[n].position.tr_point.yint区域右上角y坐标
object_list[n].region_list[n] .text_block_list[n].position.bl_pointobject区域左下角坐标
object_list[n].region_list[n] .text_block_list[n].position.bl_point.xint区域左下角x坐标
object_list[n].region_list[n] .text_block_list[n].position.bl_point.yint区域左下角y坐标
object_list[n].region_list[n] .text_block_list[n].position.br_pointobject区域右下角坐标
object_list[n].region_list[n] .text_block_list[n].position.br_point.xint区域右下角x坐标
object_list[n].region_list[n] .text_block_list[n].position.br_point.yint区域右下角y坐标
object_list[n].region_list[n] .text_block_list[n].ocr_flagint当前要素是否进行识别,1代表识别,0代表不识别
object_list[n].region_list[n] .text_block_list[n].tagobject保留字段,无需特别关注
object_list[n].region_list[n] .text_block_list[n].classstring所属要素类型,英文名可能返回的值有 Number1:票号 Ticket-check:检票口 Station-From:起始站 Number2-Train:车次 Station-To:目的站 Date:发车日期 Time:开车时间 Seat: 座位号 Number3-Amount:票价 Seat-type:座位类型 Number4-Identity:身份证号码 Name:乘车人姓名 Number5:条码数字
object_list[n].region_list[n] .text_block_list[n].text_sent_countint文本行数量
object_list[n].region_list[n] .text_block_list[n].text_sent_listobject识别的文本行(文本块内可能包含多行文本)
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].textstring文本行文字内容
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].positionobject文本块区域位置
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.tl_pointobject区域左上角坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.tl_point.xint区域左上角x坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.tl_point.yint区域左上角y坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.tr_pointobject区域右上角坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.tr_point.xint区域右上角x坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.tr_point.yint区域右上角y坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.bl_pointobject区域左下角坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.bl_point.xint区域左下角x坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.bl_point.yint区域左下角y坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.br_pointobject区域右下角坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.br_point.xint区域右下角x坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].position.br_point.yint区域右下角y坐标
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].image_datastring文本行图片base64编码数据,如不可解码则可不使用
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].anglefloat文本行角度(0-360),在原图中
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].char_countint文本行字符数
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].det_scorefloat要素检测框置信度无需特别关注
object_list[n].region_list[n] .text_block_list[n].text_sent_list[n].scorefloat该行文本识别置信度
返回参数示例:
{
  "header": {
    "code": 0,
    "message": "success",
    "sid": "ase0007ef41@hu175f4100e560210882"
  },
  "payload": {
    "result": {
      "compress": "raw",
      "encoding": "utf8",
      "format": "json",
      "text": "ewogICAiZW5naW5lX3Zlc..."
    }
  }
}
base64解码后的text示例:
{
	"error_msg": "Success",
	"object_list": [{
		"table_count": 0,
		"region_list": [{
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.89501667022705078,
					"det_score": 0.99697911739349365,
					"image_data": "/9j/4AAQ...",
					"angle": 0.0,
					"char_count": 10,
					"position": {
						"bl_point": {
							"x": 60,
							"y": 68
						},
						"br_point": {
							"x": 58,
							"y": 28
						},
						"tr_point": {
							"x": 273,
							"y": 22
						},
						"tl_point": {
							"x": 275,
							"y": 62
						}
					},
					"text": "237S080148"
				}],
				"id": "0",
				"position": {
					"bl_point": {
						"x": 58,
						"y": 69
					},
					"br_point": {
						"x": 277,
						"y": 69
					},
					"tr_point": {
						"x": 277,
						"y": 22
					},
					"tl_point": {
						"x": 58,
						"y": 22
					}
				},
				"tag": "",
				"class": "Number1",
				"value": "237S080148",
				"key": "Number1",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "0",
			"position": {
				"bl_point": {
					"x": 58,
					"y": 69
				},
				"br_point": {
					"x": 277,
					"y": 69
				},
				"tr_point": {
					"x": 277,
					"y": 22
				},
				"tl_point": {
					"x": 58,
					"y": 22
				}
			},
			"type": "Number1",
			"order": 0
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.61800277233123779,
					"det_score": 0.54159075021743774,
					"image_data": "/9j/4AAQSkZ...",
					"angle": 0.0,
					"char_count": 7,
					"position": {
						"bl_point": {
							"x": 681,
							"y": 54
						},
						"br_point": {
							"x": 538,
							"y": 54
						},
						"tr_point": {
							"x": 538,
							"y": 8
						},
						"tl_point": {
							"x": 681,
							"y": 8
						}
					},
					"text": "沪A售"
				}],
				"id": "1",
				"position": {
					"bl_point": {
						"x": 538,
						"y": 55
					},
					"br_point": {
						"x": 682,
						"y": 55
					},
					"tr_point": {
						"x": 682,
						"y": 8
					},
					"tl_point": {
						"x": 538,
						"y": 8
					}
				},
				"tag": "",
				"class": "Ticket-check",
				"value": "沪A售",
				"key": "Ticket-check",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "1",
			"position": {
				"bl_point": {
					"x": 538,
					"y": 55
				},
				"br_point": {
					"x": 682,
					"y": 55
				},
				"tr_point": {
					"x": 682,
					"y": 8
				},
				"tl_point": {
					"x": 538,
					"y": 8
				}
			},
			"type": "Ticket-check",
			"order": 1
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.66385108232498169,
					"det_score": 0.98743045330047607,
					"image_data": "/9j/4AAQSk...",
					"angle": 0.0,
					"char_count": 6,
					"position": {
						"bl_point": {
							"x": 262,
							"y": 129
						},
						"br_point": {
							"x": 116,
							"y": 129
						},
						"tr_point": {
							"x": 116,
							"y": 77
						},
						"tl_point": {
							"x": 262,
							"y": 77
						}
					},
					"text": "上海"
				}],
				"id": "2",
				"position": {
					"bl_point": {
						"x": 116,
						"y": 130
					},
					"br_point": {
						"x": 263,
						"y": 130
					},
					"tr_point": {
						"x": 263,
						"y": 77
					},
					"tl_point": {
						"x": 116,
						"y": 77
					}
				},
				"tag": "",
				"class": "Station-From",
				"value": "上海",
				"key": "Station-From",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "2",
			"position": {
				"bl_point": {
					"x": 116,
					"y": 130
				},
				"br_point": {
					"x": 263,
					"y": 130
				},
				"tr_point": {
					"x": 263,
					"y": 77
				},
				"tl_point": {
					"x": 116,
					"y": 77
				}
			},
			"type": "Station-From",
			"order": 2
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.82063788175582886,
					"det_score": 0.99642026424407959,
					"image_data": "/9j/4AAQ...",
					"angle": 0.0,
					"char_count": 7,
					"position": {
						"bl_point": {
							"x": 442,
							"y": 100
						},
						"br_point": {
							"x": 306,
							"y": 100
						},
						"tr_point": {
							"x": 306,
							"y": 62
						},
						"tl_point": {
							"x": 442,
							"y": 62
						}
					},
					"text": "K696次"
				}],
				"id": "3",
				"position": {
					"bl_point": {
						"x": 306,
						"y": 101
					},
					"br_point": {
						"x": 443,
						"y": 101
					},
					"tr_point": {
						"x": 443,
						"y": 62
					},
					"tl_point": {
						"x": 306,
						"y": 62
					}
				},
				"tag": "",
				"class": "Number2-Train",
				"value": "K696次",
				"key": "Number2-Train",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "3",
			"position": {
				"bl_point": {
					"x": 306,
					"y": 101
				},
				"br_point": {
					"x": 443,
					"y": 101
				},
				"tr_point": {
					"x": 443,
					"y": 62
				},
				"tl_point": {
					"x": 306,
					"y": 62
				}
			},
			"type": "Number2-Train",
			"order": 3
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.57298558950424194,
					"det_score": 0.97908437252044678,
					"image_data": "/9j/4AAQSkZJ...",
					"angle": 0.0,
					"char_count": 6,
					"position": {
						"bl_point": {
							"x": 629,
							"y": 116
						},
						"br_point": {
							"x": 479,
							"y": 116
						},
						"tr_point": {
							"x": 479,
							"y": 64
						},
						"tl_point": {
							"x": 629,
							"y": 64
						}
					},
					"text": "成都"
				}],
				"id": "4",
				"position": {
					"bl_point": {
						"x": 479,
						"y": 117
					},
					"br_point": {
						"x": 630,
						"y": 117
					},
					"tr_point": {
						"x": 630,
						"y": 64
					},
					"tl_point": {
						"x": 479,
						"y": 64
					}
				},
				"tag": "",
				"class": "Station-To",
				"value": "成都",
				"key": "Station-To",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "4",
			"position": {
				"bl_point": {
					"x": 479,
					"y": 117
				},
				"br_point": {
					"x": 630,
					"y": 117
				},
				"tr_point": {
					"x": 630,
					"y": 64
				},
				"tl_point": {
					"x": 479,
					"y": 64
				}
			},
			"type": "Station-To",
			"order": 4
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.86936992406845093,
					"det_score": 0.97458773851394653,
					"image_data": "/9j/4AAQS...",
					"angle": 0.0,
					"char_count": 18,
					"position": {
						"bl_point": {
							"x": 73,
							"y": 217
						},
						"br_point": {
							"x": 72,
							"y": 176
						},
						"tr_point": {
							"x": 332,
							"y": 172
						},
						"tl_point": {
							"x": 333,
							"y": 214
						}
					},
					"text": "2012年10月14日0"
				}],
				"id": "5",
				"position": {
					"bl_point": {
						"x": 72,
						"y": 219
					},
					"br_point": {
						"x": 334,
						"y": 219
					},
					"tr_point": {
						"x": 334,
						"y": 172
					},
					"tl_point": {
						"x": 72,
						"y": 172
					}
				},
				"tag": "",
				"class": "Date",
				"value": "2012年10月14日0",
				"key": "Date",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "5",
			"position": {
				"bl_point": {
					"x": 72,
					"y": 219
				},
				"br_point": {
					"x": 334,
					"y": 219
				},
				"tr_point": {
					"x": 334,
					"y": 172
				},
				"tl_point": {
					"x": 72,
					"y": 172
				}
			},
			"type": "Date",
			"order": 5
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.81844532489776611,
					"det_score": 0.95127266645431519,
					"image_data": "/9j/4AAQ...",
					"angle": 0.0,
					"char_count": 11,
					"position": {
						"bl_point": {
							"x": 467,
							"y": 202
						},
						"br_point": {
							"x": 467,
							"y": 165
						},
						"tr_point": {
							"x": 632,
							"y": 162
						},
						"tl_point": {
							"x": 633,
							"y": 200
						}
					},
					"text": "16车088号"
				}],
				"id": "6",
				"position": {
					"bl_point": {
						"x": 467,
						"y": 204
					},
					"br_point": {
						"x": 634,
						"y": 204
					},
					"tr_point": {
						"x": 634,
						"y": 162
					},
					"tl_point": {
						"x": 467,
						"y": 162
					}
				},
				"tag": "",
				"class": "Seat",
				"value": "16车088号",
				"key": "Seat",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "6",
			"position": {
				"bl_point": {
					"x": 467,
					"y": 204
				},
				"br_point": {
					"x": 634,
					"y": 204
				},
				"tr_point": {
					"x": 634,
					"y": 162
				},
				"tl_point": {
					"x": 467,
					"y": 162
				}
			},
			"type": "Seat",
			"order": 6
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.85434848070144653,
					"det_score": 0.99784362316131592,
					"image_data": "/9j/4AAQSkZJR...",
					"angle": 0.0,
					"char_count": 12,
					"position": {
						"bl_point": {
							"x": 284,
							"y": 262
						},
						"br_point": {
							"x": 86,
							"y": 262
						},
						"tr_point": {
							"x": 86,
							"y": 222
						},
						"tl_point": {
							"x": 284,
							"y": 222
						}
					},
					"text": "¥267:00元"
				}],
				"id": "7",
				"position": {
					"bl_point": {
						"x": 86,
						"y": 263
					},
					"br_point": {
						"x": 285,
						"y": 263
					},
					"tr_point": {
						"x": 285,
						"y": 222
					},
					"tl_point": {
						"x": 86,
						"y": 222
					}
				},
				"tag": "",
				"class": "Number3-Amount",
				"value": "¥267:00元",
				"key": "Number3-Amount",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "7",
			"position": {
				"bl_point": {
					"x": 86,
					"y": 263
				},
				"br_point": {
					"x": 285,
					"y": 263
				},
				"tr_point": {
					"x": 285,
					"y": 222
				},
				"tl_point": {
					"x": 86,
					"y": 222
				}
			},
			"type": "Number3-Amount",
			"order": 7
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.82718896865844727,
					"det_score": 0.98900371789932251,
					"image_data": "/9j/4AAQSkZJRgA...",
					"angle": 0.0,
					"char_count": 15,
					"position": {
						"bl_point": {
							"x": 608,
							"y": 247
						},
						"br_point": {
							"x": 459,
							"y": 247
						},
						"tr_point": {
							"x": 459,
							"y": 215
						},
						"tl_point": {
							"x": 608,
							"y": 215
						}
					},
					"text": "新空调硬座"
				}],
				"id": "8",
				"position": {
					"bl_point": {
						"x": 459,
						"y": 248
					},
					"br_point": {
						"x": 609,
						"y": 248
					},
					"tr_point": {
						"x": 609,
						"y": 215
					},
					"tl_point": {
						"x": 459,
						"y": 215
					}
				},
				"tag": "",
				"class": "Seat-type",
				"value": "新空调硬座",
				"key": "Seat-type",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "8",
			"position": {
				"bl_point": {
					"x": 459,
					"y": 248
				},
				"br_point": {
					"x": 609,
					"y": 248
				},
				"tr_point": {
					"x": 609,
					"y": 215
				},
				"tl_point": {
					"x": 459,
					"y": 215
				}
			},
			"type": "Seat-type",
			"order": 8
		}, {
			"text_block_list": [{
				"text_sent_count": 1,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.94312167167663574,
					"det_score": 0.91956210136413574,
					"image_data": "/9j/4AAQSkZJ...",
					"angle": 0.0,
					"char_count": 18,
					"position": {
						"bl_point": {
							"x": 92,
							"y": 373
						},
						"br_point": {
							"x": 92,
							"y": 339
						},
						"tr_point": {
							"x": 368,
							"y": 331
						},
						"tl_point": {
							"x": 369,
							"y": 366
						}
					},
					"text": "510623198911234136"
				}],
				"id": "9",
				"position": {
					"bl_point": {
						"x": 92,
						"y": 375
					},
					"br_point": {
						"x": 370,
						"y": 375
					},
					"tr_point": {
						"x": 370,
						"y": 331
					},
					"tl_point": {
						"x": 92,
						"y": 331
					}
				},
				"tag": "",
				"class": "Number4-Identity",
				"value": "510623198911234136",
				"key": "Number4-Identity",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "9",
			"position": {
				"bl_point": {
					"x": 92,
					"y": 375
				},
				"br_point": {
					"x": 370,
					"y": 375
				},
				"tr_point": {
					"x": 370,
					"y": 331
				},
				"tl_point": {
					"x": 92,
					"y": 331
				}
			},
			"type": "Number4-Identity",
			"order": 9
		}, {
			"text_block_list": [{
				"text_sent_count": 2,
				"ocr_flag": 1,
				"text_sent_list": [{
					"score": 0.94215232133865356,
					"det_score": 0.58806312084197998,
					"image_data": "/9j/4AAQ...",
					"angle": 0.0,
					"char_count": 18,
					"position": {
						"bl_point": {
							"x": 104,
							"y": 373
						},
						"br_point": {
							"x": 104,
							"y": 338
						},
						"tr_point": {
							"x": 371,
							"y": 330
						},
						"tl_point": {
							"x": 372,
							"y": 366
						}
					},
					"text": "510623198911234136"
				}, {
					"score": 0.8950350284576416,
					"det_score": 0.97911089658737183,
					"image_data": "/9j/4AAQSk...",
					"angle": 1.5985372066497803,
					"char_count": 21,
					"position": {
						"bl_point": {
							"x": 100,
							"y": 409
						},
						"br_point": {
							"x": 99,
							"y": 380
						},
						"tr_point": {
							"x": 352,
							"y": 371
						},
						"tl_point": {
							"x": 353,
							"y": 401
						}
					},
					"text": "30671012371014S080148"
				}],
				"id": "10",
				"position": {
					"bl_point": {
						"x": 99,
						"y": 411
					},
					"br_point": {
						"x": 373,
						"y": 411
					},
					"tr_point": {
						"x": 373,
						"y": 330
					},
					"tl_point": {
						"x": 99,
						"y": 330
					}
				},
				"tag": "",
				"class": "Number5",
				"value": "510623198911234136\n30671012371014S080148",
				"key": "Number5",
				"order": 0
			}],
			"text_block_count": 1,
			"id": "10",
			"position": {
				"bl_point": {
					"x": 99,
					"y": 411
				},
				"br_point": {
					"x": 373,
					"y": 411
				},
				"tr_point": {
					"x": 373,
					"y": 330
				},
				"tl_point": {
					"x": 99,
					"y": 330
				}
			},
			"type": "Number5",
			"order": 10
		}],
		"error_msg": "Success",
		"region_count": 11,
		"width": 730,
		"description": "火车票",
		"error_code": 0,
		"idx": 0,
		"type": "",
		"height": 416,
		"table_list": []
	}],
	"object_count": 1,
	"error_code": 0,
	"engine_version": "2.0.2005",
	"version": 2.0
}

#错误码#

备注:如出现下述列表中没有的错误码,可到 这里 查询。
错误码错误描述说明处理策略
10009input invalid data输入数据非法检查输入数据
10010service license not enough没有授权许可或授权数已满请到控制台提交工单联系技术人员
10019service read buffer timeout, session timeoutsession超时检查是否数据发送完毕但未关闭连接
10114session timeoutsession 超时会话时间超时,检查是否发送数据时间超过了60s
10139invalid param参数错误检查参数是否正确
10160parse request json error请求数据格式非法检查请求数据是否是合法的json
10161parse base64 string errorbase64解码失败检查发送的数据是否使用base64编码了
10163param validate error:...参数校验失败具体原因见详细的描述
10200read data timeout读取数据超时检查是否累计10s未发送数据并且未关闭连接
10223RemoteLB: can't find valued addrlb 找不到节点请到控制台提交工单联系技术人员
10313invalid appidappid和apikey不匹配检查appid是否合法
10317invalid version版本非法请到控制台提交工单联系技术人员
10700not authority引擎异常按照报错原因的描述,对照开发文档检查输入输出,如果仍然无法排除问题,请提供sid以及接口返回的错误信息,到控制台提交工单联系技术人员排查。
11200auth no license功能未授权请先检查appid是否正确,并且确保该appid下添加了相关服务。若没问题,则按照如下方法排查。 1. 确认总调用量是否已超越限制,或者总次数授权已到期,若已超限或者已过期请联系商务人员。 2. 查看是否使用了未授权的功能,或者授权已过期。
11201auth no enough license该APPID的每日交互次数超过限制根据自身情况提交应用审核进行服务量提额,或者联系商务购买企业级正式接口,获得海量服务量权限以便商用。

#调用示例#

注: demo只是一个简单的调用示例,不适合直接放在复杂多变的生产环境使用
火车票识别demo java语言
火车票识别demo python语言
注: 其他开发语言请参照 接口调用流程 进行开发,也欢迎热心的开发者到 讯飞开放平台社区 分享你们的demo。

#常见问题#

#火车票识别为什么有的关键key没有返回,如发车日期Date等?#

答:有的火车票比较老,日期格式排版不符合接口要求,可能会导致Date等关键key识别丢失。

#火车票识别支持什么应用平台?#

答:目前支持Web API应用平台。

#火车票识别对车票图片有什么要求吗?#

答:需要清晰的火车票图片,格式为jpg/jpeg/png/bmp,同时图片大小base64编码后不要超过4M。
上一页
营业执照识别 API
下一页
火车票识别 API
Built with