[發(fā)明專(zhuān)利]一種檢測(cè)文本的方法和設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201811451707.9
• 申請(qǐng)日: 2018-11-30
• 公開(kāi)（公告）號(hào): CN111259878A
• 公開(kāi)（公告）日: 2020-06-09
• 發(fā)明（設(shè)計(jì)）人: 賀菁菁
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中移（杭州）信息技術(shù)有限公司;中國(guó)移動(dòng)通信集團(tuán)有限公司
• 主分類(lèi)號(hào): G06K9/20
• 分類(lèi)號(hào): G06K9/20;G06K9/32;G06K9/38
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 郭潤(rùn)湘

本發(fā)明公開(kāi)了一種檢測(cè)文本的方法和設(shè)備，涉及文本檢測(cè)技術(shù)領(lǐng)域，用以解決在不同復(fù)雜程度的自然場(chǎng)景圖像中文本候選區(qū)定位不準(zhǔn)確，檢測(cè)文本精度較低的問(wèn)題，本發(fā)明方法包括：通過(guò)文本區(qū)域檢測(cè)模型得到待檢測(cè)圖片的候選文本框區(qū)域，并通過(guò)文本區(qū)域概率圖模型得到候選文本框區(qū)域的概率圖；通過(guò)檢測(cè)由候選文本框區(qū)域的概率圖轉(zhuǎn)化得到的二值化圖像中的文字區(qū)域生成文字區(qū)域包圍框；根據(jù)文字區(qū)域包圍框在待檢測(cè)圖片的坐標(biāo)信息確定文字區(qū)域包圍框在待檢測(cè)圖片中的位置；檢測(cè)待檢測(cè)圖片中的位置的文本信息，由于本發(fā)明中文本區(qū)域檢測(cè)模型可以準(zhǔn)確定位文本區(qū)域，并且根據(jù)文本區(qū)域概率圖模型對(duì)候選文本框區(qū)域進(jìn)行糾正，提高了檢測(cè)文本的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及文本檢測(cè)技術(shù)領(lǐng)域，特別涉及一種檢測(cè)文本的方法和設(shè)備。

背景技術(shù)

自然場(chǎng)景圖像，是指由各種拍攝設(shè)備(例如，照相機(jī)、具有拍攝功能的手機(jī)等)，在沒(méi)有特定限制的條件下，直接對(duì)生活中真實(shí)存在的場(chǎng)景拍攝的圖像。自然場(chǎng)景圖像中的文本可提供豐富的語(yǔ)義信息，例如，自然場(chǎng)景圖像中標(biāo)識(shí)街道、車(chē)牌、菜單等的文本信息，能夠輔助人們方便的理解場(chǎng)景信息，因此，在自然場(chǎng)景圖像中準(zhǔn)確檢測(cè)出文本是很有必要的。但是，由于自然場(chǎng)景圖像中文本的字體、顏色、格式等差異以及高度雜亂的背景等因素，在自然場(chǎng)景圖像中檢測(cè)文本是一項(xiàng)具有挑戰(zhàn)性的工作。

目前，在自然場(chǎng)景圖像中檢測(cè)文本的方法可以分為兩大類(lèi)，分別為：基于滑動(dòng)窗口的檢測(cè)方法和基于連通域的檢測(cè)方法。具體的：

基于滑動(dòng)窗口的檢測(cè)方法的工作原理是：使用不同尺度的滑動(dòng)窗口掃描原始自然場(chǎng)景圖像，得到一系列可能包括有文本的自然場(chǎng)景圖像子區(qū)域，提取這些子區(qū)域的紋理特征，并使用提取的紋理特征訓(xùn)練分類(lèi)器，驗(yàn)證子區(qū)域是否包括有文本，該方法通過(guò)多尺度滑動(dòng)窗口以一定的步長(zhǎng)在自然場(chǎng)景圖像中不斷滑動(dòng)來(lái)提取子區(qū)域，提取的過(guò)程及其耗時(shí)，并且使用低級(jí)別的紋理特征驗(yàn)證子區(qū)域是否包括有文本，使其檢測(cè)效果不佳。

基于連通域的檢測(cè)方法的工作原理是：通過(guò)字符像素點(diǎn)的色彩、字符的筆畫(huà)寬度等特征，從自然場(chǎng)景圖像中提取連通區(qū)域，分析連通區(qū)域的特征，通過(guò)字符合并規(guī)則，得到文本字符串，驗(yàn)證字符串，移除非文字，得到最終檢測(cè)結(jié)果，該方法僅適合處理背景較為簡(jiǎn)單的自然場(chǎng)景圖像。

上述兩種方法均通過(guò)低級(jí)別的特征，例如字符的筆畫(huà)寬度、圖像紋理特征等，來(lái)區(qū)分自然場(chǎng)景圖像中文本和背景，文本候選區(qū)定位不準(zhǔn)確，檢測(cè)精度較低。

綜上所述，現(xiàn)有技術(shù)中在不同復(fù)雜程度的自然場(chǎng)景圖像中文本候選區(qū)定位不準(zhǔn)確，檢測(cè)文本精度較低。

發(fā)明內(nèi)容

本發(fā)明提供一種檢測(cè)文本的方法和設(shè)備，用以解決現(xiàn)有技術(shù)中存在的在不同復(fù)雜程度的自然場(chǎng)景圖像中文本候選區(qū)定位不準(zhǔn)確，檢測(cè)文本精度較低的問(wèn)題。

第一方面，本發(fā)明實(shí)施例提供的一種檢測(cè)文本的方法包括：

通過(guò)文本區(qū)域檢測(cè)模型得到待檢測(cè)圖片的候選文本框區(qū)域，并通過(guò)所述文本區(qū)域概率圖模型得到所述候選文本框區(qū)域的概率圖；

通過(guò)檢測(cè)由所述候選文本框區(qū)域的概率圖轉(zhuǎn)化得到的二值化圖像中的文字區(qū)域生成文字區(qū)域包圍框；

根據(jù)所述文字區(qū)域包圍框在所述待檢測(cè)圖片的坐標(biāo)信息確定所述文字區(qū)域包圍框在所述待檢測(cè)圖片中的位置；

檢測(cè)所述待檢測(cè)圖片中的位置的文本信息。