[發明專利]一種基于tesseract引擎的文字識別方法、裝置、設備及存儲介質

在審

• 申請號: 201711172950.2
• 申請日: 2017-11-22
• 公開（公告）號: CN107862312A
• 公開（公告）日: 2018-03-30
• 發明（設計）人: 朱秋華
• 申請（專利權）人: 朱秋華
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/62;G06N3/04;G06N3/08;G06F17/30
• 代理公司: 北京遠智匯知識產權代理有限公司11659
• 代理人: 徐鵬飛

1.一種基于tesseract引擎的文字識別方法，其特征在于，包括：

S110、獲取待識別圖片；

S120、將所述待識別圖片傳輸至tesseract引擎模塊和云端服務器，所述tesseract引擎模塊和云端服務器同時對所述待識別圖片進行文字識別獲取兩個識別結果，如果所述兩個識別結果相同則對所述待識別圖片中的文字進行識別，如果所述兩個識別結果不同，則將所述待識別圖片和待識別圖片對于的來自云端服務器的識別結果存入本地文字庫；

S130、重復上述步驟直至完成所述本地文字庫的升級；

S140、采用所述tesseract引擎模塊對所述待識別圖片中的文字進行識別，采用輪廓筆畫描述作為文字識別的第一識別引擎，采用邊角特征數據庫作為第二識別引擎；

所述tesseract引擎模塊首先查詢所述本地文字庫，尋找是否存在與所述待識別圖片相匹配的識別結果，若存在，則以文字的形式輸出本地文字庫中存儲的識別結果；若不存在，則通過卷積神經網絡CNN進行文字識別，并以文字的形式輸出識別結果。

2.根據權利要求1所述的方法，其特征在于，所述的步驟2中，服務器與云端服務器的接口為應用程序編程接口API。

3.根據權利要求1所述的方法，其特征在于，所述采用輪廓筆畫描述作為文字識別的第一識別引擎，包括：

采用“逆(順)時針搜索”算法描述所述文字的輪廓；

對所述文字的輪廓進行細化處理。

4.根據權利要求3所述的方法，其特征在于，所述對所述文字的輪廓進行細化處理，包括：

使用“切線最陡”算法區分所述文字的輪廓中相鄰的兩個筆畫；

采用強制記憶的方法省略所述文字的輪廓中包含的宋體字中筆畫起始端帶有的三角形的凸出點。

5.根據權利要求4所述的方法，其特征在于，在使用“切線最陡”算法區分所述文字的輪廓中相鄰的兩個筆畫后，還包括：

歸納、吞并或省略所述文字的輪廓中的無關大局的“短邊”。

6.根據權利要求4所述的方法，其特征在于，在使用“切線最陡”算法區分所述文字的輪廓中相鄰的兩個筆畫后，還包括：

把所述文字的輪廓中的曲線描述分解為兩條或多條線段，將所述曲線轉換為計算機易于操作的對象來處理。

7.根據權利要求1所述的方法，其特征在于，所述采用邊角特征數據庫作為第二識別引擎，包括：

所述邊角特征數據庫存儲改進型的四邊輪廓特征；

所述改進型的四邊輪廓特征在傳統的四邊輪廓特征法的基礎上進行改進，對文字內部進行處理獲取細化的文字特征描述。

8.一種文字識別裝置，其特征在于，包括：

圖片獲取模塊，用于獲取待識別圖片；

本地文字庫訓練模塊，用于將所述待識別圖片傳輸至tesseract引擎模塊和云端服務器，所述tesseract引擎模塊和云端服務器同時對所述待識別圖片進行文字識別獲取兩個識別結果，如果所述兩個識別結果相同則進入步驟3，如果所述兩個識別結果不同，則將所述待識別圖片和待識別圖片對于的來自云端服務器的識別結果存入本地文字庫；

本地文字庫升級模塊，用于重復上述步驟直至完成所述本地文字庫的升級；

文字識別模塊，用于采用所述tesseract引擎模塊對所述待識別圖片中的文字進行識別，采用輪廓筆畫描述作為文字識別的第一識別引擎，采用邊角特征數據庫作為第二識別引擎；

識別結果輸出模塊，用于所述tesseract引擎模塊首先查詢所述本地文字庫，尋找是否存在與所述待識別圖片相匹配的識別結果，若存在，則以文字的形式輸出本地文字庫中存儲的識別結果；若不存在，則通過卷積神經網絡進行文字識別，并以文字的形式輸出識別結果。

9.一種文字識別設備，其特征在于，所述設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的基于tesseract引擎的文字識別方法。

10.一種計算機存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的基于tesseract引擎的文字識別方法。