基于AI深度学习算法，利用图像分析、字符识别等技术，对卷宗材料文件实现智能感知分析，提供卷宗材料文字识别能力；支持文本、表格、卡证识别，准确率分别为96%以上、85%以上、70%以上；支持中文简体、繁体、英文印刷文本识别；支持图像的纠偏和翻转；单张图片的识别速度为毫秒级。 

基于庭审、讯问、谈话、监舍等法律行业场景进行深度学习及大规模图像训练，准确识别物体标签、位置、行为意图、置信度、图像质量等综合信息。支持人、国徽、法袍、 桌牌、帽子、墨镜等目标标识；支持打电话、抽烟等行为识别；支持过亮、过暗、模糊、遮挡等画面质量识别。 

基于深度学习的ocr和目标检测技术，对二代居民身份证、律师证、机动车驾驶证、机动车行驶证等进行识别；支持证件的正反面检测和分页检测；支持自定义卡证识别模板；利用大量图片样本训练模型，具有高准确率，如身份证识别准确率超过90%。 

基于图像分析技术和ocr技术，对表格信息进行精度定位和识别，实现复杂表格的智能字段提取。支持存在合并单元格的复杂表格；支持自定义表格识别模板；识别识别率达到90%以上。 

基于深度学习的目标检测技术，实现对文档中的指纹和签章等检测识别；并通过颜色模型和OpenCV相结合，实现对红章和指纹进行抹除。支持人像、指纹、红章、方章、长方章、合缝章、二维码、条形码，红头文件等识别，且识别准确率能够达到96%以上。 

针对卷宗中存在手写材料的特点，基于深度学习技术，实现了手写标签的识别，扩大了卷宗文件类型识别的范围。支持诉状、欠条、收条、证明、情况说明等78类标签。 

针对卷宗文件多为扫描件的特点，对卷宗文件进行图像清除黑边、空白页检查、图像纠偏、图像DPI检测、图像虚化检测等功能。 

法律知识图谱属于垂直行业领域的知识图谱，从图示的直观形式看，是众多法律要素组成的知识库。法律知识图谱是机器进行法律知识推理的基础，它将法律规定、法律文书、证据材料及其他法律资料中的法律知识点以一定的法律逻辑连接在一起形成概念框架，它的概念框架上的每一个知识实体或概念又分别与法律法规、司法经验、案例、证据材料等相应挂接，建立法律概念、法律法规、事实、证据之间的动态关联关系。 

建立行业数据融合规则，依据法律知识解析并提炼数据，基于语义实现结构化、半结构化与非结构化的多源异构数据融合，构建关系模型，基于法律语义识别并建立数据实体间的关联关系，解决数据的完整性、一致性和相关性等问题，形成高度融合的数据资源地图。 

通过数据挖掘方式将分散至各应用系统中核心业务群体的零散信息进行提炼，以基本信息、行为信息、涉案信息、资产信息、信用信息等为维度，刻画出与案件相关的当事人的画像，满足不同场景下各主体对于人员或者人群全关键信息的不同层次需求。 

基于大数据分析、自然语言理解、图像分析等多项技术相结合，实现案件结构化数据、案件文书、相关卷宗等多元异构数据的内容层面的深度关联融合；以基本信息、主体信息、材料信息、流程信息、关联案件信息、庭审信息等维度，刻画完整、准确的案件画像。 

以裁判文书为基准，对具体法官的办案数据、特征指标、关联图谱、证据、争议焦点、裁判观点等进行各角度分析，展示法官对某种主张采纳或不采纳、法官认定某种法律后果/抗辩理由构成或不构成的裁判倾向，为院庭领导全面了解和评估法官工作提供参考辅助。 

基于大数据技术和数据挖掘技术，深入分析被调查人话单的数据特征，结合通讯基站信息和GIS系统，将被调查人与相关涉案人员之间通话记录进行碰撞，智能分析双方或多方在相近时间且相邻位置的情况，进而实现同路会面分析。 

运用数据挖掘技术，深入分析被调查人话单的数据特征，从通话次数、时长，关注人员人数等多个维度进行分析，进而发现相关涉案人员的共同联系人；支持多名人员之间通过若干层级中间人进行联系的情况。