[發明專利]一種視頻流文本識別方法和裝置

在審

• 申請號: 201710050733.X
• 申請日: 2017-01-23
• 公開（公告）號: CN108345886A
• 公開（公告）日: 2018-07-31
• 發明（設計）人: 許盛輝;馬龍;蘇雪峰
• 申請（專利權）人: 北京搜狗科技發展有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/46
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 趙娟

1.一種視頻流文本識別方法，其特征在于，包括：

按照預設時間間隔獲取視頻流圖像；

檢測所述視頻流圖像中的文本區域；

比較T(n)時刻的視頻流圖像的文本區域與T(n-1)時刻的視頻流圖像的文本區域；

根據比較結果，確定新增文本區域；

對所述新增文本區域進行文本識別，獲得新增識別文本；

將所述新增識別文本與針對T(n-1)時刻的視頻流圖像的識別文本組合為T(n)時刻的視頻流圖像的識別文本。

2.根據權利要求1所述的方法，其特征在于，所述根據比較結果，確定新增文本區域的步驟包括：

若所述比較結果為所述T(n)時刻的視頻流圖像的文本區域包含所述T(n-1)時刻的視頻流圖像的文本區域，則確定所述T(n)時刻的視頻流圖像的文本區域的重疊區域；

獲得第一圖像信息和第二圖像信息，所述第一圖像信息為所述T(n)時刻的視頻流圖像的文本區域的重疊區域的圖像信息，第二圖像信息為所述T(n-1)時刻的視頻流圖像的文本區域的圖像信息；

比較所述第一圖像信息和所述第二圖像信息；

若所述第一圖像信息與所述第二圖像信息相同，且所述T(n)時刻的視頻流圖像的文本區域具有超過所述T(n-1)時刻的視頻流圖像的文本區域的區域，則將所述T(n)時刻的視頻流圖像的文本區域超過所述T(n-1)時刻的視頻流圖像的文本區域的區域，確定為新增文本區域。

3.根據權利要求2所述的方法，其特征在于，還包括：

若所述第一圖像信息與第二圖像信息相同，且所述T(n)時刻的視頻流圖像的文本區域不具有超過所述T(n-1)時刻的視頻流圖像的文本區域的區域，則將所述T(n-1)時刻的視頻流圖像的識別文本，作為T(n)時刻的視頻流圖像的識別文本。

4.根據權利要求2或3所述的方法，其特征在于，還包括：

若所述第一圖像信息與第二圖像信息不相同，則對所述T(n)時刻的視頻流圖像的文本區域進行文本識別，獲得T(n)時刻的視頻流圖像的識別文本。

5.根據權利要求2所述的方法，其特征在于，還包括：

若所述比較結果為所述T(n)時刻的視頻流圖像的文本區域未包含所述T(n-1)時刻的視頻流圖像的文本區域，則對所述T(n)時刻的視頻流圖像的文本區域進行文本識別，獲得T(n)時刻的視頻流圖像的識別文本。

6.根據權利要求1所述的方法，其特征在于，所述檢測所述視頻流圖像中的文本區域的步驟包括：

對所述視頻流圖像進行二值化處理；

確定經過二值化處理的視頻流圖像中的連通域；

對所述經過二值化處理的視頻流圖像中的連通域進行合并，得到文本區域。

7.根據權利要求1所述的方法，其特征在于，所述對所述新增文本區域進行文本識別，獲得新增識別文本的步驟包括：

將所述新增文本區域輸入預置的深度神經元網絡；

將所述深度神經元網絡的輸出結果，作為新增識別文本。

8.根據權利要求4或5所述的方法，其特征在于，所述對所述T(n)時刻的視頻流圖像的文本區域進行文本識別，獲得T(n)時刻的視頻流圖像的識別文本的步驟包括：

對所述T(n)時刻的視頻流圖像進行二值化處理，確定經過二值化處理的視頻流圖像中的連通域；

對所述T(n)時刻的視頻流圖像的文本區域按照連通域進行切分，得到多個子區域；

將各個子區域輸入預置的深度神經元網絡；

將所述深度神經元網絡針對各個子區域的輸出結果，作為識別文本。