1.一种基于文字识别与语义分析的发票分类方法，其特征在于：具体包括以下步骤：步骤一，通过图像采集设备采集发票图像，记作A；

步骤二，利用霍夫变换检测图像A中发票的长length和宽width，单位为像素；

步骤三，设定边长阈值lthreshold，并将边长阈值与长和宽进行比较，对发票进行初步分类；

步骤四，根据上一步的初步分类结果，调用发票模版，根据发票模板切割出需要进行文字识别的区域X；

步骤五，调用第三方文字识别系统，识别区域X中的文字并对识别结果进行语义分析，得出精确的发票分类。

2.根据权利要求1所述的一种基于文字识别与语义分析的发票分类方法，其特征是：所述步骤二中利用霍夫变换检测图像A中发票的长length和宽width，具体步骤包括：步骤2-1，将图像A二值化，得到二值图像B，并在直角坐标系下将二值图像B离散化，计算出图像B的长和宽，分别记为m,n；

步骤2-2，建立并初始化离散化的参数空间ρ-θ，其中，θ∈[0,180)，单位为度，单位间隔为1；建立并初始化水平二维累加数组KH(0°,ρ)和垂直二维累加数组KV(90°,ρ)；

步骤2-3，遍历步骤2-1中离散化的二值图像B，找出所有像素值不为0的点(x,y)，每找出一个点，将其带入方程ρ＝xcosθ+ysinθ中，分别求出θ＝0°和θ＝90°对应的ρ，并分别在相应的水平二维累加数组KH(0°,ρ)和垂直二维累加数组KV(90°,ρ)上加1；

步骤2-4，遍历水平二维累加数组KH(0°,ρ)，找出最大值和次最大值，将其对应的θ＝0°和ρ带入方程ρ＝xcosθ+ysinθ，得到lH1和lH2，即为发票图像水平方向两条边的方程；同理，遍历垂直二维累加数组KV(90°,ρ)，将其对应的θ＝90°和ρ带入方程ρ＝xcosθ+ysinθ，得到发票图像竖直方向两条边的方程lV1和lV2；

步骤2-5，联立lH1和lV1，可以得到交点(x11,y11)，联立lH1和lV2可以得到交点(x12,y12)，联立lH2和lV1可以得到交点(xmin,ymin)，联立lH2和lV2得到交点(x22,y22)，根据这些点求得发票的长length和宽width，公式如下：步骤2-6，比较上述四个交点的横、纵坐标的大小，找出横坐标最小且纵坐标最小的交点，即图像A中发票的左顶点，记为(xmin,ymin)。

3.根据权利要求1所述的一种基于文字识别与语义分析的发票分类方法，其特征是：所述步骤三，对发票进行初步分类具体为：如果长length≥lthreshold，或者宽width≥lthreshold，判定该发票为Ⅰ型发票，否则就判定为Ⅱ型发票。

4.根据权利要求1所述的一种基于文字识别与语义分析的发票分类方法，其特征是：所述步骤四中，根据初步分类结果，调用发票模版，根据发票模板切割出需要进行文字识别的区域X，具体步骤包括：步骤4-1，根据初步分类的结果，调用相应的发票模板，发票模板里包含需要进行文字识别区域的坐标信息；

步骤4-2，根据发票模板中的坐标信息切割出需要进行文字识别的区域X，切割区域X坐标信息记为(xmin,ymin,l,w)，xmin为图像A左上角顶点横坐标，ymin为图像A左上角顶点纵坐标，l为所切割区域的长，w为所切割区域的宽。

5.根据权利要求3所述的一种基于文字识别与语义分析的发票分类方法，其特征是：所述Ⅰ型发票的切割区域为 记该区域为X-Ⅰ；Ⅱ型发票的切割区域有两块，分别为 记该区域为X-Ⅱ，xmin

为图像A左上角顶点横坐标，ymin为图像A左上角顶点纵坐标。

6.根据权利要求1所述的一种基于文字识别与语义分析的发票分类方法，其特征是：所述步骤五中，识别区域X中的文字并对识别结果进行语义分析，得出精确的发票分类，具体包括如下步骤：步骤5-1，调用第三方文字识别系统，识别区域X中的文字，得到识别结果；

步骤5-2，收集各类发票图像，找出每类发票独有的特征字符，再根据特征字符建立特征字符向量 特征字符向量中每一个位置对应一个特征字符；

步骤5-3，初始化特征字符向量 即每个特征字符对应的位置置0，利用特征字符向量 对应的特征字符检索或匹配识别结果，如果匹配到某个字符，那么 相应的位置置1，当检索完成后，根据 中元素的值，找出对应的发票类别，即可实现发票精确分类。

7.根据权利要求1所述的一种基于文字识别与语义分析的发票分类方法，其特征是：所述步骤五中，第三方文字识别系统包括百度文字识别系统、腾讯文字识别系统。