[發明專利]電話號碼的檢測及識別方法、裝置及存儲介質

有效

• 申請號: 201811640552.3
• 申請日: 2018-12-29
• 公開（公告）號: CN111382734B
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 王超;趙錕;姜帆
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V30/194;G06N3/04
• 代理公司: 北京太合九思知識產權代理有限公司 11610
• 代理人: 劉戈

本公開涉及電話號碼的檢測及識別方法、裝置及存儲介質。該電話號碼的檢測及識別方法包括：檢測目標圖像中的電話號碼候選區域；對所述電話號碼候選區域進行校正，得到待識別區域；確定所述待識別區域所屬的類別；在所述待識別區域所屬的類別為電話號碼類別的情況下，對所述待識別區域進行識別，得到所述待識別區域對應的候選電話號碼以及所述候選電話號碼對應的概率；根據電話號碼的標準結構信息，以及所述候選電話號碼對應的概率，確定所述目標圖像對應的電話號碼識別結果。本公開能夠避免對非電話號碼的區域進行識別，能夠避免漏掉電話號碼的邊緣數字或者外擴包含過多背景，從而能夠提高電話號碼識別的準確率及有效性。

技術領域

本公開涉及圖像識別技術領域，尤其涉及一種電話號碼的檢測及識別方法、裝置及存儲介質。

背景技術

電話號碼大量地出現在人們生活的周圍，比如信封、快遞包裹和商店門匾等。自動檢測并識別圖像中的電話號碼是圖像識別技術的一個重要應用。

目前，深度學習算法在圖像處理的各個方面得到了廣泛應用。在眾多應用場景中，深度學習算法的效果優于傳統的圖像算法。近幾年，目標檢測領域出現了Faster R-CNN(Faster Region-based Convolutional Neural Networks，更快速的基于區域的卷積神經網絡)、YOLO(You Only Look Once，你只需要看一眼)和R-FCN(Region-based FullyConvolutional Networks，基于區域的全卷積網絡)等性能較優的技術，也有眾多基于它們的改進版本，其可以應用于電話號碼區域的檢測。相關技術中，在檢測過程中，可以通過優化多尺寸和多寬高比的基準框，來提升Faster R-CNN或者YOLO的檢測性能。然而，實際中檢測得到的矩形框并不利于后期的識別任務，導致相關技術中電話號碼的檢測及識別的準確性較低。

發明內容

有鑒于此，本公開提出了一種電話號碼的檢測及識別方法、裝置及存儲介質。

根據本公開的一方面，提供了一種電話號碼的檢測及識別方法，包括：

檢測目標圖像中的電話號碼候選區域；

對所述電話號碼候選區域進行校正，得到待識別區域；

確定所述待識別區域所屬的類別；

在所述待識別區域所屬的類別為電話號碼類別的情況下，對所述待識別區域進行識別，得到所述待識別區域對應的候選電話號碼以及所述候選電話號碼對應的概率；

根據電話號碼的標準結構信息，以及所述候選電話號碼對應的概率，確定所述目標圖像對應的電話號碼識別結果。

在一種可能的實現方式中，檢測目標圖像中的電話號碼候選區域，包括：

通過候選區域網絡檢測所述目標圖像中的候選區域；

通過基于區域的卷積神經網絡的分類層確定所述候選區域所屬的類別；

將所屬的類別為電話號碼類別的候選區域確定為所述電話號碼候選區域。

在一種可能的實現方式中，對所述電話號碼候選區域進行校正，得到待識別區域，包括：

按照指定比例擴大所述電話號碼候選區域，得到外擴區域；

通過基于區域的卷積神經網絡的回歸層確定所述外擴區域中電話號碼區域的最小外接四邊形的四個端點；

根據所述外擴區域中電話號碼區域的最小外接四邊形的四個端點，確定待識別區域。

在一種可能的實現方式中，確定所述待識別區域所屬的類別，包括：

采用二分類網絡確定所述待識別區域所屬的類別，其中，所述二分類網絡根據正樣本，以及需要過濾的負樣本訓練得到。