房产证与不动产权证书文本结构规范
Property Ownership Certificate Metadata Schema
📖 1. 证件基本信息与政策演变 (Document Background)
在进行国内不动产资产审计、金融抵押风控、RPA 自动化审批以及涉外法律翻译时，房产证/不动产权证书是最核心的法定凭证。
中国国内的房产资产证明主要存在两个跨时代版本，它们在版式和字段结构上存在显著差异，本项目均已实施结构化解构： 1. 中华人民共和国不动产权证书（现行最新版）： 自 2015 年 3 月 1 日起由自然资源部全面启用。其最大的视觉特征是暗绿色封面，实现了“房地一体化”登记，新增了全国唯一的 28位不动产单元号 并在内页右上角附有全息条形码/二维码。 2. 中华人民共和国房屋所有权证（历史老版本）： 2015 年前由建房部/住建部监制颁发。其视觉特征为正红色封面（俗称“老红本”），主要侧重于房屋本身的产权登记，土地所有权往往另发《国有土地使用证》。
🔍 基础元数据信息 (Metadata Profiles)
- 监制机构： 中华人民共和国自然资源部（新版） / 中华人民共和国住房和城乡建设部（旧版）
- 版式规格： 横版多行紧凑表格排版（通常为 A5 横向或折页版式）
- 技术识别难点： 跨行文本对齐、附图页（宗地图/分户图）的物理边界提取与比例尺校准、跨页所有人变更历史数据关联。
📸 2. 脱敏数据参考与版式标记 (De-identified Layout ROI)
⚠️ 数据安全与开源合规声明： 本页面展示的所有文本字段、排版网格和图像示例均已通过深度高斯模糊与文字覆写技术进行 100% 深度脱敏。所有证号、坐落地址、建筑面积等数据均为系统随机生成的虚拟测试数据（例如：“张三”、“北京市朝阳区幸福路1号”等），绝不包含、不泄露任何真实自然人、法人或家庭的隐私产权信息。图片已加盖物理防伪水印，严禁用于任何形式的实体伪造。
+-----------------------------------------------------------------------+
| 不动产权第 京(2026)朝阳区不动产权第 XXXXXXX 号 |
| |
| 【权利人】 张三 |
| 【共有情况】 单独所有 / 共同共有 |
| 【坐 落】 北京市朝阳区XX路XX号院XX号楼XX单元XXXX |
| 【不动产单元号】 110105 000000 GB00000 W00000000 |
| 【权利类型】 国有建设用地使用权 / 房屋所有权 |
| 【权利性质】 出让 / 商品房 |
| 【用 途】 城镇住宅用地 / 住宅 |
| 【面 积】 土地使用权面积: 25.15㎡ / 房屋建筑面积: 118.50㎡ |
| 【使用期限】 国有建设用地使用权自 2026年01月01日起 至 2096年01月01日止|
| |
| 【附记区域】 (此处通常包含银行贷款抵押登记、契税缴纳情况、更替历史备注) |
+-----------------------------------------------------------------------+
(注：根据无文件夹扁平化结构优化，该页面引用的脱敏参考图片建议统一存放至 docs/images/property_certificate.png)
🗂️ 3. 核心字段元数据解构与 JSON 标签定义 (Field Schemas)
为了方便 AI 工程师、机器视觉（CV）研发人员以及智能化 RPA 系统建立标准的表单抽取模型，我们将房产证/不动产权证的核心字段解构为以下标准 JSON 键（Keys）：
| 序号 | 证件印刷字段 | 推荐标签名 (JSON Key) | 数据类型 (Type) | 版式特征与提取规范 (Extraction Rules) |
|---|---|---|---|---|
| 1 | 不动产权证号 / 监字号 | property_certificate_no |
String | 新版格式如“X（XXXX）XXXX不动产权第XXXXXXX号”；老版位于第一页顶部的红字监字号。 |
| 2 | 权利人 / 房屋所有权人 | obligee_name |
String | 产权所有人姓名。OCR识别时需注意处理多位共同所有人名字并列的情况。 |
| 3 | 共有情况 | ownership_status |
String | 常见值为“单独所有”、“共同共有”或“按份共有（通常附带比例，如50%）”。 |
| 4 | 坐落 | property_location |
String | 房屋的完整物理详细地址。属于长文本字段，OCR 识别极易受分行和标点符号干扰。 |
| 5 | 不动产单元号 | property_unit_number |
String (28位) | 新版特有的 28 位特长宗地/宗海代码，由数字与字母混排，是排他性的资产主键。 |
| 6 | 权利类型 / 权利性质 | type_of_right / property_nature |
String | 明确土地（如出让、划拨）与房屋（如商品房、经济适用房）的产权合规属性。 |
| 7 | 用途 | property_use |
String | 区分资产属性，如“城镇住宅用地 / 住宅”、“工业用地 / 工业厂房”。 |
| 8 | 面积 | property_area |
Object / String | 包含土地分摊面积与房屋建筑面积，识别算法必须通过单位（㎡）精准归类两组数据。 |
| 9 | 使用期限 | land_use_term |
String / Range | 主要是土地出让年限（如住宅 70 年，商业 40 年），格式通常为明确的起止日期对照。 |
🌐 4. 房产证/不动产权证高频核心术语英译对照 (Bilingual Glossary)
本术语表严格对接国际不动产评估、跨国资产审计、海外留学移民资产审查及涉外公证的标准行业术语：
- 不动产权证书： Real Estate Title Certificate / Property Ownership Certificate (New Version)
- 房屋所有权证（老版房产证）： Building Ownership Certificate / Property Ownership Certificate
- 中华人民共和国自然资源部监制： Supervised by Ministry of Natural Resources of the People's Republic of China
- 权利人 / 房屋所有权人： Obligee / Title Holder / House Owner
- 共有情况： Ownership Status
- 单独所有： Individual Ownership / Sole Ownership
- 共同共有： Joint Ownership
- 按份共有： Share-based Co-ownership
- 坐落： Location / Property Address
- 不动产单元号： Real Estate Unit Number
- 权利类型： Type of Real Estate Right
- 权利性质： Nature of Real Estate Right (e.g., Allocated/Granted)
- 用途： Use / Purpose of Use
- 建筑面积： Gross Floor Area (GFA) / Construction Area
- 套内建筑面积： Net Interior Area / Carpet Area
- 土地使用权面积： Land Use Area
- 附记： Note / Remarks
🛠️ 5. 计算机视觉 OCR 版式分析与算法训练难点 (CV/OCR Insights)
在研发自动化房产风控审批或智能 OCR 提取系统时，该类证件通常存在以下行业公认的技术攻坚难点：
- 跨行多重文本对齐与截断 (Multi-line Text Alignment & Wrapping)：
- 难点： “坐落”和“权利类型”等字段由于物理地址极长，在表格内往往会折成 2 行、3 行排版，且字体边缘经常与黑色的表格实体线重合粘连，导致传统的文本行检测器（Text Detector）切分错误。
- 解决方案： 使用基于文本行线（Line-based）的几何投影或空间物理位置约束算法，或者利用深度学习的多模态文档大模型（如 LayoutLMv3）将断行文本在逻辑层面上完美合并为同一个键值对（Key-Value Pair）。
- 附图页比例尺提取与矢量化 (Blueprint Layout Vectorization)：
- 难点： 证书背面通常粘贴有“宗地图”和“分户图”（由各地房管局打印的平面蓝图），图片分辨率低，指北针、建筑边界红线、边界坐标数字极其微小模糊。
- 解决方案： 引入专用图像分割网络（如 U-Net），将平面图区域单独切分出来（ROI Segment），利用霍夫变换（Hough Transform）结合 Canny 边缘检测提取房间多边形闭合边界，再由针对微小字符优化的 OCR 引擎专门提取比例尺和方向。
- 附记栏手写/机打混合体与后期盖章识别 (Mixed Font & Stamp Recognition)：
- 难点： 附记栏是房产证的“变动记录区”，经常有后期手工打印、人工手写备注（如“该产已抵押给银行”、“已办契税交纳”）以及五花八门的红色、蓝色金融机构印章干扰。
- 解决方案： 在 OCR 模型中集成混合字体字典（Mixed Font Dictionary），利用空间注意力机制（Spatial Attention Mechanism）增强对模糊手写字体的鲁棒性；同时引入色调分离（HSV色彩空间过滤）技术，在不损伤字迹的前提下过滤或强化特定的公章层。