[發明專利]基于OCR和雙向LSTM的文字序列糾錯算法、系統及其設備

在審

• 申請號: 201710630581.0
• 申請日: 2017-07-28
• 公開（公告）號: CN107463928A
• 公開（公告）日: 2017-12-12
• 發明（設計）人: 王志成;鄺展豪;高磊;劉志欣;王亮
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06K9/03
• 分類號: G06K9/03;G06K9/32
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙)11435
• 代理人: 崔靜

技術領域

本發明涉及圖像文字識別過程中機器翻譯領域，尤其涉及基于OCR和雙向LSTM的文字序列糾錯算法、系統及其設備。

背景技術

近年來，隨著機器學習的迅猛發展，各種機器翻譯算法層出不窮，被廣泛應用的有OCR文字識別算法。OCR(Optical Character Recognition，光學字符識別)是指電子設備(例如掃描儀或數碼相機)檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別方法將形狀翻譯成計算機文字的過程；即，針對印刷體字符，采用光學的方式將紙質文檔中的文字轉換成為黑白點陣的圖像文件，并通過識別軟件將圖像中的文字轉換成文本格式，供文字處理軟件進一步編輯加工的技術。

然而，由于圖像光照、角度等影響，OCR識別文字算法精度很難達到期望。

發明內容

為了解決上述技術問題，本發明提出基于OCR和雙向LSTM的文字序列糾錯算法。系統及其設備，它能夠有效的提高文字序列識別的準確度。

為了實現上述目的，本發明的技術方案為：

基于OCR和雙向LSTM的文字序列糾錯算法，適用于圖像中文字的識別，包括步驟：

S1，獲取文字圖像；

S2，所述文字圖像經過OCR預處理得到第一序列集合X＝{x₀,x₁,...,x_m}；

S3，將正序的{x₀,x₁,…,x_m}以及反序的{x_m,x_m-1,...,x₀}輸入雙向LSTM構建的編碼器中得到語境向量c；

S4，所述語境向量c經雙向LSTM構建的解碼器解碼分別獲得第二序列集合Y。

步驟S3中所述的語境向量c為：

c＝Φ({h₁,h₂,…,h_TS})；

h_t＝f(x_t,h_t-1)。

步驟S4中所述的第二序列集合Y為：

Y＝(y₀,y₁,…,y_n)；

s_t＝f(y_t-1,s_t-1,c)；

p(y_t|y<t,X)＝g(y_t-1,s_t,c)。

步驟S1中所述的文字圖像為快遞單圖像。

步驟S2中所述的OCR預處理的閾值為系統允許的最低reliability閾值。

基于OCR和雙向LSTM的文字序列糾錯系統，包括：

圖像采集模塊，用于獲取文字圖像；

OCR處理模塊，用于對所述文字圖像進行OCR預處理得到第一序列集合X＝{x₀,x₁,...,x_m}；

雙向LSTM構建的編碼器，用于對正序的{x₀,x₁,…,x_m}以及反序的{x_m,x_m-1,...,x₀}進行編碼得到語境向量c；

雙向LSTM構建的解碼器，用于對所述語境向量c進行解碼分別獲得第二序列集合Y。

基于OCR和雙向LSTM的文字序列糾錯設備，包括存儲有計算機程序的計算機可讀介質，所述程序被運行用于執行：

S1，獲取文字圖像；

S2，所述文字圖像經過OCR預處理得到第一序列集合X＝{x₀,x₁,...,x_m}；

S3，將正序的{x₀,x₁,…,x_m}以及反序的{x_m,x_m-1,...,x₀}輸入雙向LSTM構建的編碼器中得到語境向量c；

S4，所述語境向量c經雙向LSTM構建的解碼器解碼分別獲得第二序列集合Y。

本發明的有益效果是：通過綜合運用OCR和雙向LSTM算法，提升了文字識別的準確度。

附圖說明