1.一种针对带表格合同的ocr识别方法，其特征在于，包括以下步骤：
1)对输入的合同图片进行表格检测，如果合同图片中包含表格，将表格从合同图片中切片出来，得到表格切片，剩余部分作为非表格切片，并记录各切片在原合同图片中的位置信息，得到表格切片的位置信息和非表格切片的位置信息；如果合同图片中不含表格，整张合同图片就作为一个非表格切片；
2)对步骤1)得到的表格切片进行单元格检测，根据检测结果对表格切片中的单元格进行切片，得到单元格切片，每个单元格切片仅包含原表格样式中的一个单元格，并且记录单元格切片在表格切片中的位置信息，得到单元格位置信息；
3)对步骤2)产生的单元格切片进行文本识别，得到单元格的文本信息，并对步骤1)产生的非表格切片进行文本识别，得到非表格切片的文本信息；
4)结合步骤3)得到的单元格的文本信息以及步骤2)得到的单元格位置信息，得到结构化的表格信息，再结合步骤3)得到的非表格切片的文本信息和步骤1)得到的表格切片的位置信息和非表格切片的位置信息，得到整张合同图片的识别结果。
2.根据权利要求1所述的针对带表格合同的ocr识别方法，其特征在于，步骤1)中，所述的表格检测采用训练后的表格检测模型，表格检测模型的训练过程包括：
1.1)将模板合同转换成docx格式的word文档，在word文档中插入表格，插入表格后的word文档解压出document.xml文件，然后操作文档里面的document.xml文件，将表格外框修改成特定颜色，得到表格外框修改成特定颜色的word文档；
1.2)将表格外框修改成特定颜色的word文档转换成pdf文档，利用pdf转图片工具转换成合同图片，然后对合同图片进行矩形识别，得到表格在合同图片中的位置和大小，再将未修改的word文档转换成图片，得到标注数据；
1.3)在不同的模板合同中不同位置插入不同类型的表格，重复步骤1.1)和1.2)得到不同的标注数据；
1.4)利用步骤1.2)和1.3)得到的标注数据训练表格检测模型，得到训练后的表格检测模型。
3.根据权利要求2所述的针对带表格合同的ocr识别方法，其特征在于，步骤1.2)中，对图片进行矩形识别采用基于opencv库的矩形识别方法。
4.根据权利要求2所述的针对带表格合同的ocr识别方法，其特征在于，步骤1.4)中，所述的表格检测模型为yolov4。
5.根据权利要求1所述的针对带表格合同的ocr识别方法，其特征在于，步骤2)中，所述的单元格检测采用训练后的表格单元格检测模型，表格单元格检测模型的训练过程包括：
2.1)在空白的docx格式word文档中插入表格，插入表格后的word文档解压出document.xml文件，然后操作文档里面的document.xml文件，将表格线框修改成特定颜色，得到表格线框修改成特定颜色的word文档；
2.2)将表格线框修改成特定颜色的word文档转换成pdf文档，利用pdf转图片工具转换成合同图片，然后对合同图片进行矩形识别，得到表格在合同图片中的位置和大小，再将未修改的word文档转换成图片，得到标注数据；
2.3)利用步骤2.2)的标注数据训练表格单元格检测模型，得到训练后的表格单元格检测模型。
6.根据权利要求5所述的针对带表格合同的ocr识别方法，其特征在于，步骤2.2)中，对图片进行矩形识别采用基于opencv库的矩形识别方法。
7.根据权利要求5所述的针对带表格合同的ocr识别方法，其特征在于，步骤2.3)中，所述的表格单元格检测模型为yolov4。
8.根据权利要求1所述的针对带表格合同的ocr识别方法，其特征在于，步骤3)中，对步骤2)产生的单元格切片进行文本识别采用训练后的表格单元格识别模型，表格单元格识别模型的训练过程具体包括：
3.1)根据常用于表格中的字符及组合生成文字图片，得到标注数据；
3.2)采用标注数据训练表格单元格识别模型，得到训练后的表格单元格识别模型。
9.根据权利要求8所述的针对带表格合同的ocr识别方法，其特征在于，步骤3.2)中，表格单元格识别模型采用crnn+ctc模型。