張永洪，孫幼政，高名巖，王洋博，席夢(mèng)丹

(1.自然資源部第一航測(cè)遙感院，陜西 西安 710054；2.中煤航測(cè)遙感集團(tuán)有限公司，陜西 西安 710054)

0 引言

宅基地和集體建設(shè)用地使用權(quán)的確權(quán)登記工作，是黨中央部署的一項(xiàng)重要任務(wù)[1]。旨在查清農(nóng)村宅基地和集體建設(shè)用地使用權(quán)及其地上房屋權(quán)屬情況并建立農(nóng)村房地一體的權(quán)籍調(diào)查數(shù)據(jù)庫(kù)，為不動(dòng)產(chǎn)登記信息基礎(chǔ)管理平臺(tái)運(yùn)行提供數(shù)據(jù)支撐。其中，建庫(kù)收集的資料信息情況復(fù)雜，存在農(nóng)村地區(qū)地籍調(diào)查基礎(chǔ)薄弱、登記資料不規(guī)范和信息化程度低等問(wèn)題，收集的資料主要以紙質(zhì)為主，需要按照“一戶一宅”原則逐戶逐人進(jìn)行數(shù)字化，工作量較大、易出現(xiàn)錯(cuò)漏等問(wèn)題。

目前，國(guó)內(nèi)學(xué)者已對(duì)不動(dòng)產(chǎn)數(shù)據(jù)庫(kù)的建設(shè)進(jìn)行了大量研究[2]，如：王慧等采用WalkScrip語(yǔ)言進(jìn)行walkmap二次開(kāi)發(fā)實(shí)現(xiàn)圖庫(kù)一體編輯[3]，但該軟件存在人機(jī)交互步驟繁多、效率不高等問(wèn)題；覃永基等采用ArcPy對(duì)數(shù)據(jù)庫(kù)進(jìn)行維護(hù)等操作，與不動(dòng)產(chǎn)數(shù)據(jù)庫(kù)信息獲取及入庫(kù)還有很多工作需要完成[4]；胡迅妃采用WalkRE不動(dòng)產(chǎn)權(quán)籍調(diào)查測(cè)繪系統(tǒng)平臺(tái)錄入信息，該方法比較原始在人工信息錄入時(shí)有較大的工作量，不夠智能化[5]；唐濤等使用谷歌開(kāi)源的Tesseract庫(kù)和百度OCR(Optical Character Recognition，光學(xué)字符識(shí)別)對(duì)紙質(zhì)宗地圖數(shù)字化識(shí)別坐標(biāo)，該方法所使用場(chǎng)景較為單一，沒(méi)有考慮戶籍信息自動(dòng)化錄入的功能[6]；胡提坤采用MDF和神經(jīng)網(wǎng)絡(luò)的方法將Hough直線消隱后的快遞單實(shí)現(xiàn)文字識(shí)別，該方法實(shí)現(xiàn)過(guò)程繁瑣、還需大量的前期預(yù)處理工作[7]；張宜軒采用百度OCR對(duì)圖文資料進(jìn)行關(guān)鍵字識(shí)別和最優(yōu)推薦匹配進(jìn)行賦分，但該方法還遠(yuǎn)不能滿足房地一體項(xiàng)目需求，單純的文字識(shí)別對(duì)于不動(dòng)產(chǎn)項(xiàng)目沒(méi)有實(shí)際意義[8]；除了傳統(tǒng)的方法之外，李帆等采用深度學(xué)習(xí)不同網(wǎng)絡(luò)算法來(lái)對(duì)文本檢測(cè)、分割、識(shí)別等進(jìn)行了研究[9-11]，但是深度學(xué)習(xí)往往存在過(guò)擬合、泛化能力弱等問(wèn)題，而且針對(duì)不同的場(chǎng)景需要制作大量的數(shù)據(jù)集[12-13]，對(duì)于實(shí)際工程操作性有限。

本文通過(guò)百度OCR技術(shù)識(shí)別戶籍信息，采用Python Xlrd和Xlwt庫(kù)將身份證和戶口本信息按關(guān)鍵詞錄入Excel臺(tái)賬中，并使用基于C#的AutoCAD二次開(kāi)發(fā)FIPRS-IDPH軟件進(jìn)行臺(tái)賬屬性掛接以完成數(shù)據(jù)庫(kù)的建設(shè)。該方法自動(dòng)化程度高、人工干預(yù)少，高效快捷，在不動(dòng)產(chǎn)數(shù)據(jù)庫(kù)建設(shè)方面具有一定的推廣作用。

1 技術(shù)路線

本文方法分為3個(gè)步驟：

1)對(duì)紙質(zhì)身份證、戶口本的掃描件進(jìn)行百度OCR文字識(shí)別；

2)將識(shí)別的文本內(nèi)容利用Python Xlrd和Xlwt庫(kù)按關(guān)鍵詞整理成Excel文件；

3)利用C#語(yǔ)言 AutoCAD二次開(kāi)發(fā)的FIPRS-IDPH軟件將Excel文件和圖形文件以宗為單位進(jìn)行掛接，最終形成數(shù)據(jù)庫(kù)。

技術(shù)路線如圖1所示。

圖1 利用百度OCR技術(shù)識(shí)別戶籍信息技術(shù)路線圖Fig.1 Technology roadmap of identifing household information with OCR

1.1 百度OCR戶籍信息識(shí)別

百度OCR具備多場(chǎng)景、多語(yǔ)種、高精度的文字識(shí)別功能，提供API Key 和 Secret Key，可以在線請(qǐng)求服務(wù)。在PyCharm中搭建運(yùn)行環(huán)境，需要配置Python的Sys、Json和Base64站點(diǎn)包，通過(guò)獲取Token請(qǐng)求API授權(quán)、讀取文件、調(diào)用遠(yuǎn)程服務(wù)以完成文字識(shí)別。識(shí)別結(jié)果如圖2所示。

圖2 身份證識(shí)別效果Fig.2 ID card recognition effect

1.2 整理臺(tái)賬

利用百度OCR將身份證掃描件信息識(shí)別后，信息排列比較散亂，可以按照關(guān)鍵詞分類保存到Excel表臺(tái)賬中，百度OCR識(shí)別結(jié)果是按照J(rèn)son格式來(lái)儲(chǔ)存的，可以將內(nèi)容按照姓名、性別、民族、出生、住址、公民身份證號(hào)碼解析，以列儲(chǔ)存到Excel表臺(tái)賬中。

程序?qū)崿F(xiàn)的核心代碼如下：

words_list=json.loads(szf_result)

for words in words_list：

if words=="words_result"：

for word in words_list[words]：

str=word['words']

str=str.replace("姓名"，"")

str=str.replace("性別"，"")

str=str.replace("民族"，"")

str=str.replace("出生"，"")

str=str.replace("住址"，"")

str=str.replace("公民身份號(hào)碼"，"")

person_list.append(str)

將整理好的戶籍信息以戶主為索引按照宗為單位記錄到臺(tái)賬中，按照關(guān)鍵詞：所在組別、家庭人口、戶主姓名、戶主身份證、戶主性別、家庭成員姓名、家庭成員、家庭成員身份證號(hào)，采用Python站點(diǎn)包Xlwt進(jìn)行列操作，以戶主為索引關(guān)鍵詞建立行列表，核心代碼如下：

wObj=xlwt.Workbook()

wSheet=wObj.add_sheet(sheetName)

lstColNames=["所在組別"，"家庭人口"，"戶主姓名"，"戶主身份證"，"戶主性別"，"家庭成員姓名"，"家庭成員"，"家庭成員身份證號(hào)"]

for i in range(8)：

wSheet.write(0，i，lstColNames[i])

for i in range (len(lstFamilys))：

family=lstFamilys[i]

rowData=[family.groupName，family.pCount，family.mainName，family.mainNum，family.mainMale，"、".join(family.names)，"、".join(family.relations)，"、".join(family.nums)]

for j in range(8)：

row=i+1

wSheet.write(row，j，rowData[j])

wObj.save(wPath)

del wObj

以宗為單位整理的臺(tái)賬結(jié)果如圖3所示。

圖3 以宗為單位整理的臺(tái)賬結(jié)果表Fig.3 Account results organized by parcel

1.3 FIPRS-IDPH軟件圖形屬性處理

FIPRS-IDPH是利用C#語(yǔ)言對(duì) AutoCAD進(jìn)行二次開(kāi)發(fā)的用于房地一體化項(xiàng)目的軟件。利用該軟件的不動(dòng)產(chǎn)確權(quán)圖表輸出工具可將臺(tái)賬信息掛接到圖形數(shù)據(jù)中，實(shí)現(xiàn)宗地屬性表、房屋屬性表、房屋附屬屬性表、權(quán)利人信息屬性表等信息表的自動(dòng)屬性賦值。這種通過(guò)臺(tái)賬來(lái)統(tǒng)一管理屬性表方便實(shí)現(xiàn)數(shù)據(jù)庫(kù)的增刪改和屬性值的共享，避免造成屬性值錯(cuò)亂和邏輯不一致。工具條工作界面如圖4所示。

掛接完成就可以進(jìn)行圖形數(shù)據(jù)與屬性數(shù)據(jù)的互操作，可以將圖形數(shù)據(jù)中的房屋結(jié)構(gòu)、用途、竣工日期、建設(shè)位置等注記信息更新到臺(tái)賬中，也可以將臺(tái)賬中的戶籍信息和權(quán)利人信息與圖形數(shù)據(jù)通過(guò)宗地代碼進(jìn)行一對(duì)一映射，檢查無(wú)誤后，利用FIPRS-IDPH軟件輸出報(bào)表和完成數(shù)據(jù)庫(kù)的更新。

圖5 宗地圖提取工具條工作界面Fig.5 Working interface of parcel map extraction toolbar

2 結(jié)束語(yǔ)

采用Python的站點(diǎn)包Xlrd和Xlwt 高效便捷地將百度OCR識(shí)別出來(lái)的身份證、戶口本基本信息結(jié)果整理成房地一體化FIPRS-IDPH軟件所對(duì)應(yīng)的臺(tái)賬信息表，經(jīng)過(guò)漢中市鎮(zhèn)巴縣房地一體項(xiàng)目生產(chǎn)應(yīng)用，結(jié)果證明此方法靈活方便、軟件開(kāi)發(fā)成本較低、節(jié)省時(shí)間，在此類不動(dòng)產(chǎn)調(diào)查建庫(kù)工作中具有一定的參考價(jià)值。但是，對(duì)于掃描不清有礙于識(shí)別的掃描件還是存在一定的預(yù)測(cè)錯(cuò)誤情況，在自動(dòng)化識(shí)別時(shí)需要提前將戶籍信息按照一定的規(guī)則排列。針對(duì)不同的關(guān)鍵詞字段臺(tái)賬整理時(shí)還需要對(duì)源代碼進(jìn)行局部修改，泛化能力有限?？偟膩?lái)說(shuō)，該軟件能夠滿足實(shí)際項(xiàng)目生產(chǎn)需要，減輕工作量。