[發明專利]圖片文字識別方法、裝置及平臺

在審

• 申請號: 201910106685.0
• 申請日: 2019-02-02
• 公開（公告）號: CN109919146A
• 公開（公告）日: 2019-06-21
• 發明（設計）人: 周釗;鄭瑩斌;葉浩
• 申請（專利權）人: 上海兌觀信息科技技術有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/34;G06K9/62;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種圖片文字識別方法，包括：局部分割，將包含有文字信息的圖片分割為多個區域，判斷每個區域是否含有文字信息，對于包含有文字信息的區域提取其中的文字信息；全局連接，將包含有文字信息的區域進行拼接處理，根據拼接合并后的區域提取識別出其中的文字信息。在局部分割步驟中，將所述的圖片區域再進一步分割，生成多個子區域，判斷每個子區域是否含有文字信息，對于包含有文字信息的子區域提取其中的文字信息；在全局連接步驟中，將包含有文字信息的子區域進行拼接處理，根據拼接合并后的區域提取識別出其中的文字信息。

技術領域

本發明屬于圖像處理技術領域，特別涉及一種圖片文字識別方法、裝置及平臺。

背景技術

現有的對圖片中包含的文本文字的提取識別，通常會使用到OCR。光學字符識別技術(OCR)，是通過掃描、攝影等光學輸入方式將各種票據、報刊、書籍、文稿及其它印刷品的文字轉化為圖像信息，再利用文字識別技術將圖像信息轉化為可以使用的計算機輸入技術。可應用于銀行票據、大量文字資料、檔案卷宗、文案的錄入和處理領域。適合于銀行、稅務等行業大量票據表格的自動掃描識別及長期存儲。相對一般文本，通常以最終識別率、識別速度、版面理解正確率及版面還原滿意度4個方面作為OCR技術的評測依據；而相對于表格及票據，通常以識別率或整張通過率及識別速度為測定OCR技術的實用標準。

OCR中通常還包括字符檢測和字符識別。其中字符檢測技術，通過一些圖像處理的方法，獲取文字邊緣，形狀等特征，從而獲取文字的區域。目前的技術都是通過深度學習的方法，利用深度神經網絡獲取文字的特征，然后通過預先定義的基礎文字框進行分類，回歸或者直接分割的方法確定文字的區域。字符識別技術，當前的技術是通過深度學習的方法，利用循環神經網絡獲取圖像的連續特征，然后通過分類的方式確定每個識別塊的文字。

如圖1所示的文字識別方法，首先通過傳統的圖像處理的方法對輸入的圖像進行二值化處理，然后根據文字的特征進行模糊處理，最后用區域檢測算法標定出文字的區域，然后送入到識別網絡中進行圖像的處理。該技術簡單，效率高，占用的計算資源較少。但是這種方法的缺點是，對輸入圖像的要求較高，只能處理文字大小相近且直線排列的文字，不能處理任意形狀的文字。這里的任意形狀文字，是由于很多圖片中的文字，由于藝術美化的需要，采用了變體文字的表現形式，不僅包括常用字體，還包括又各種夸張變形的字體，給文字的自動識別帶來困難。

又，例如圖2所示的文字識別方法，借鑒通用圖像物體檢測的思路(如Faster-RCNN)，采用深度神經網絡提取文字的特征，然后根據這些特征判斷預先設定好基礎的文本框(通常為不同長寬比的矩形)是否存在文字以及文字區域的偏移量，從而確定文字的區域。之后送入到識別網絡中，獲取文字信息。該方法的缺點是，對于圖像中可能存在的長文字區域比較容易檢測不準確，位置信息不夠精準，不能解決彎曲字體的識別。

發明內容

本發明實施例提供了一種圖片文字識別方法及裝置，針對圖片中任意字體字形和大小的文字進行識別提取，解決了現有圖片文字識別方法對于變體文字識別差錯較大的問題。

本發明實施例之一，一種圖片文字識別方法，該方法包括：

局部分割，將包含有文字信息的圖片分割為多個區域，判斷每個區域是否含有文字信息，對于包含有文字信息的區域提取其中的文字信息；

全局連接，將包含有文字信息的區域進行拼接處理，確定拼接合并區域內文字的中心位置，在根據文字中心位置調整文字區域邊界，確定包含文字信息的區域。

優選的，在局部分割步驟中，將所述的圖片區域再進一步分割，生成多個子區域，判斷每個子區域是否含有文字信息，對于包含有文字信息的子區域提取其中的文字信息。