[發明專利]一種字符識別的方法、系統、設備及計算機可讀存儲介質

有效

• 申請號: 201910631142.0
• 申請日: 2019-07-12
• 公開（公告）號: CN110399912B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 劉學文
• 申請（專利權）人: 廣東浪潮大數據研究有限公司
• 主分類號: G06V30/19
• 分類號: G06V30/19;G06V10/82
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王曉坤

1.一種字符識別的方法，其特征在于，包括：

接收輸入的訓練字符圖像集及待識別字符圖像集；其中，所述訓練字符圖像集中的每個字符圖像具有標簽，所述標簽與所述字符圖像的字符內容一致；

確定所述訓練字符圖像集中標簽長度小于閾值的字符圖像為待補充字符圖像，并利用預設符號將所述待補充字符圖像的標簽補充為長度為所述閾值的標簽；

利用補充后的所述訓練字符圖像集訓練預設卷積神經網絡，得到字符識別模型；

利用所述字符識別模型對所述待識別字符圖像集進行識別，并將識別結果中的所述預設符號刪除，得到字符識別結果；

其中，所述利用補充后的所述訓練字符圖像集訓練預設卷積神經網絡，得到字符識別模型，包括：

確定所述訓練字符圖像集中每個所述字符圖像的標簽在預設字符集中的第一索引值；

對每個所述第一索引值進行獨熱編碼，并將得到的編碼值進行拼接，得到每個所述字符圖像的第一標簽編碼值；

對所述訓練字符圖像集中每個所述字符圖像進行歸一化處理，得到歸一化像素矩陣；

將每個所述歸一化像素矩陣作為所述預設卷積神經網絡的輸入，將每個所述第一標簽編碼值作為所述預設卷積神經網絡的輸出，對所述預設卷積神經網絡進行訓練，得到所述字符識別模型。

2.根據權利要求1所述的方法，其特征在于，所述利用所述字符識別模型對所述待識別字符圖像集進行識別，并將識別結果中的所述預設符號刪除，得到字符識別結果，包括：

利用所述字符識別模型對所述待識別字符圖像集進行識別，得到所述待識別字符圖像中每個所述字符圖像的第二標簽編碼值；

根據每個所述第二標簽編碼值確定第二索引值，并根據所述第二索引值及所述預設字符集確定所述待識別字符圖像中每個所述字符圖像對應的字符；

將每個所述字符中的所述預設符號刪除，得到所述字符識別結果。

3.根據權利要求1所述的方法，其特征在于，在得到字符識別結果之后，還包括：

輸出字符識別完成的提示信息至預設位置。

4.一種字符識別的系統，其特征在于，包括：

接收模塊，用于接收輸入的訓練字符圖像集及待識別字符圖像集；其中，所述訓練字符圖像集中的每個字符圖像具有標簽，所述標簽與所述字符圖像的字符內容一致；

標簽補充模塊，用于確定所述訓練字符圖像集中標簽長度小于閾值的字符圖像為待補充字符圖像，并利用預設符號將所述待補充字符圖像的標簽補充為長度為所述閾值的標簽；

訓練模塊，用于利用補充后的所述訓練字符圖像集訓練預設卷積神經網絡，得到字符識別模型；

字符識別模塊，用于利用所述字符識別模型對所述待識別字符圖像集進行識別，并將識別結果中的所述預設符號刪除，得到字符識別結果；

其中，所述訓練模塊包括：第一確定子模塊，用于確定所述訓練字符圖像集中每個所述字符圖像的標簽在預設字符集中的第一索引值；

編碼子模塊，用于對每個所述第一索引值進行獨熱編碼，并將得到的編碼值進行拼接，得到每個所述字符圖像的第一標簽編碼值；

歸一化子模塊，用于對所述訓練字符圖像集中每個所述字符圖像進行歸一化處理，得到歸一化像素矩陣；

訓練子模塊，用于將每個所述歸一化像素矩陣作為所述預設卷積神經網絡的輸入，將每個所述第一標簽編碼值作為所述預設卷積神經網絡的輸出，對所述預設卷積神經網絡進行訓練，得到所述字符識別模型。

5.根據權利要求4所述的系統，其特征在于，所述字符識別模塊包括：

識別子模塊，用于利用所述字符識別模型對所述待識別字符圖像集進行識別，得到所述待識別字符圖像中每個所述字符圖像的第二標簽編碼值；

第二確定子模塊，用于根據每個所述第二標簽編碼值確定第二索引值，并根據所述第二索引值及所述預設字符集確定所述待識別字符圖像中每個所述字符圖像對應的字符；

刪除子模塊，用于將每個所述字符中的所述預設符號刪除，得到所述字符識別結果。

6.根據權利要求4所述的系統，其特征在于，還包括：

輸出模塊，用于在得到字符識別結果之后，輸出字符識別完成的提示信息至預設位置。