[發明專利]文字識別方法及裝置

在審

• 申請號: 201910207837.6
• 申請日: 2019-03-19
• 公開（公告）號: CN111723788A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 徐楊柳
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/34;G06N3/04
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 李珂珂

1.一種文字識別方法，其特征在于，所述方法包括：

對輸入圖像進行擴增，得到多個圖像，所述多個圖像包含同一待識別的文字，所述多個圖像中所述文字的朝向不同；

對所述多個圖像進行融合，得到融合后的圖像，所述融合后的圖像包含多種朝向的所述文字的特征信息，所述多種朝向包括所述多個圖像中所述文字的朝向；

對所述融合后的圖像進行文字識別，輸出文字識別結果。

2.根據權利要求1所述的方法，其特征在于，所述對所述多個圖像進行融合，得到融合后的圖像，包括：

將所述多個圖像在通道維度進行連接，得到所述融合后的圖像；或，

通過卷積神經網絡，對所述多個圖像進行融合，得到所述融合后的圖像；或，

通過深層決策樹，對所述多個圖像進行融合，得到所述融合后的圖像。

3.根據權利要求2所述的方法，其特征在于，所述通過卷積神經網絡，對所述多個圖像進行融合，得到所述融合后的圖像，包括：

通過所述卷積神經網絡，學習所述多個圖像的權重；

根據所述多個圖像的權重，將所述多個圖像在通道維度進行加權求和，得到所述融合后的圖像；或，

根據所述多個圖像的權重，將所述多個圖像加權后在通道維度進行連接，得到所述融合后的圖像。

4.根據權利要求1所述的方法，其特征在于，所述對所述融合后的圖像進行文字識別，輸出文字識別結果，包括：

提取所述融合后的圖像的特征；

對提取到的特征進行解碼，得到所述文字識別結果。

5.根據權利要求1所述的方法，其特征在于，所述對輸入圖像進行擴增，得到多個圖像，包括：

采用至少一種擴增方式，對所述輸入圖像進行擴增，得到所述多個圖像，所述至少一種擴增方式包括旋轉、鏡像翻轉和扭曲。

6.一種文字識別裝置，其特征在于，所述裝置包括：

擴增模塊，用于對輸入圖像進行擴增，得到多個圖像，所述多個圖像包含同一待識別的文字，所述多個圖像中所述文字的朝向不同；

融合模塊，用于對所述多個圖像進行融合，得到融合后的圖像，所述融合后的圖像包含多種朝向的所述文字的特征信息，所述多種朝向包括所述多個圖像中所述文字的朝向；

識別模塊，用于對所述融合后的圖像進行文字識別，輸出文字識別結果。

7.根據權利要求6所述的裝置，其特征在于，所述融合模塊用于將所述多個圖像在通道維度進行連接，得到所述融合后的圖像；或，

所述融合模塊用于通過卷積神經網絡，對所述多個圖像進行融合，得到所述融合后的圖像；或，

所述融合模塊用于通過深層決策樹，對所述多個圖像進行融合，得到所述融合后的圖像。

8.根據權利要求7所述的裝置，其特征在于，所述融合模塊用于通過所述卷積神經網絡，學習所述多個圖像的權重；根據所述多個圖像的權重，將所述多個圖像在通道維度進行加權求和，得到所述融合后的圖像；或，根據所述多個圖像的權重，將所述多個圖像加權后在通道維度進行連接，得到所述融合后的圖像。

9.根據權利要求6所述的裝置，其特征在于，所述識別模塊用于提取所述融合后的圖像的特征；對提取到的特征進行解碼，得到所述文字識別結果。

10.根據權利要求6所述的裝置，其特征在于，所述擴增模塊用于采用至少一種擴增方式，對所述輸入圖像進行擴增，得到所述多個圖像，所述至少一種擴增方式包括旋轉、鏡像翻轉和扭曲。

11.一種電子設備，其特征在于，包括處理器和存儲器；所述存儲器，用于存放至少一條指令；所述處理器，用于執行所述存儲器上所存放的至少一條指令，實現權利要求1-5任一項所述的方法步驟。

12.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質內存儲有至少一條指令，所述至少一條指令被處理器執行時實現權利要求1-5任一項所述的方法步驟。