[發明專利]字體識別方法及裝置

有效

• 申請號: 201510520116.2
• 申請日: 2015-08-21
• 公開（公告）號: CN105117740B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 姚聰;周舒暢;周昕宇;印奇
• 申請（專利權）人: 北京曠視科技有限公司;北京邁格威科技有限公司
• 主分類號: G06K9/68
• 分類號: G06K9/68;G06K9/62
• 代理公司: 北京市磐華律師事務所 11336
• 代理人: 董巍;高偉

1.一種字體識別方法，其特征在于，所述字體識別方法包括：

在給定文字圖像中采集多個不同尺度的圖像塊；其中所述圖像塊的高度和寬度的像素值在一定區間內隨機變化；

針對每個所述圖像塊計算圖像特征，包括：計算該圖像塊的紋理特征和形狀特征，并將該圖像塊的所述紋理特征和所述形狀特征拼接成組合特征以作為該圖像塊的圖像特征；以及

基于所計算的每個所述圖像塊的圖像特征利用訓練好的分類模型確定所述給定文字圖像中的文字的字體。

2.如權利要求1所述的字體識別方法，其特征在于，所述分類模型的訓練包括：

構建文字圖像數據庫，所述文字圖像數據庫包括多個文字圖像以及每個文字圖像相應的標簽，所述標簽指示相應的文字圖像中的文字的字體；

計算所述文字圖像數據庫中的每個文字圖像的圖像特征；

基于所述標簽和所計算的每個文字圖像的圖像特征構建訓練集；以及

采用隨機森林算法在所述訓練集上訓練出所述分類模型。

3.如權利要求2所述的字體識別方法，其特征在于，在所述分類模型的訓練中：

所述計算文字圖像數據庫中的每個文字圖像的圖像特征包括：

將每個文字圖像的高度歸一化；

在高度歸一化后的每個文字圖像中采集第一預定數目的不同尺度的圖像塊；以及

計算每個圖像塊的圖像特征，

所述基于所述標簽和所計算的每個文字圖像的圖像特征構建訓練集包括：

基于每個圖像塊的標簽和所計算的每個圖像塊的圖像特征構建訓練集，其中，每個圖像塊的標簽為其所源自的文字圖像的標簽。

4.如權利要求1所述的字體識別方法，其特征在于，所述基于所計算的每個所述圖像塊的圖像特征利用訓練好的分類模型確定所述給定文字圖像中的文字的字體包括：

將每個所述圖像塊的圖像特征分別輸入到所述分類模型以得到多個識別結果；以及

對所述多個識別結果取平均值作為所述給定文字圖像中的文字的字體的最終識別結果。

5.如權利要求1-4中的任一項所述的字體識別方法，其特征在于，所述圖像塊的高度和寬度相等。

6.如權利要求3所述的字體識別方法，其特征在于，所述第一預定數目為50。

7.如權利要求1所述的字體識別方法，其特征在于，計算紋理特征包括計算詞袋模型，計算形狀特征包括計算形狀上下文。

8.一種字體識別裝置，其特征在于，所述字體識別裝置包括：

特征提取模塊，用于在給定文字圖像中采集多個不同尺度的圖像塊并針對每個所述圖像塊計算圖像特征，包括：計算該圖像塊的紋理特征和形狀特征，并將該圖像塊的所述紋理特征和所述形狀特征拼接成組合特征以作為該圖像塊的圖像特征；其中所述圖像塊的高度和寬度的像素值在一定區間內隨機變化；以及

圖像分類模塊，用于利用其包括的訓練好的分類模型、基于所述特征提取模塊所計算的每個所述圖像塊的圖像特征確定所述給定文字圖像中的文字的字體。

9.如權利要求8所述的字體識別裝置，其特征在于，所述分類模型的訓練包括：

構建文字圖像數據庫，所述文字圖像數據庫包括多個文字圖像以及每個文字圖像相應的標簽，所述標簽指示相應的文字圖像中的文字的字體；

計算所述文字圖像數據庫中的每個文字圖像的圖像特征；

基于所述標簽和所計算的每個文字圖像的圖像特征構建訓練集；以及

采用隨機森林算法在所述訓練集上訓練出所述分類模型。