[發明專利]字符識別方法和裝置

在審

• 申請號: 201910960896.0
• 申請日: 2019-10-11
• 公開（公告）號: CN112651402A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 楊迪;阮宜龍;任華;王錚;汪少敏
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/62
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 趙倩男

本公開公開了一種字符識別方法和裝置，涉及互聯網領域。該方法包括：對圖像中的字符進行檢測識別，得到識別結果，其中，識別結果中包括已識別字符和未識別字符；確定已識別字符所屬行業；獲取已識別字符所屬行業的詞向量字典；根據詞向量字典對識別結果進行詞向量計算，識別出未識別字符。本公開提高了字符識別的精確度。

技術領域

本公開涉及互聯網領域，尤其涉及一種字符識別方法和裝置。

背景技術

字符識別技術在虛擬現實、人機交互、票據識別等領域中都有廣泛的應用。傳統的OCR(Optical Character Recognition，光學字符識別)技術主要面向的是圖像質量較好的圖片，而在自然場景中，由于光照、角度、抖動、成像效果較差，加上圖像背景環境多樣、字體多變、排布豐富，所以OCR識別效果不好。

發明內容

本公開要解決的一個技術問題是，提供一種字符識別方法和裝置，提高字符識別的精確度。

根據本公開一方面，提出一種字符識別方法，包括：對圖像中的字符進行檢測識別，得到識別結果，其中，識別結果中包括已識別字符和未識別字符；確定已識別字符所屬行業；獲取已識別字符所屬行業的詞向量字典；根據詞向量字典對識別結果進行詞向量計算，識別出未識別字符。

在一些實施例中，確定已識別字符所屬行業包括：確定已識別字符在預定行業的行業相似指標和相似度穩定指標；根據行業相似指標和相似度穩定指標確定行業對應性綜合指標；將行業對應性綜合指標最大值對應的行業，作為已識別字符所屬行業。

在一些實施例中，確定已識別字符在預定行業的行業相似指標包括：確定已識別字符在預定行業的行業詞庫的字符占比、詞匯重復率和詞匯反向重復率；對字符占比、詞匯重復率和詞匯反向重復率進行加權計算，確定已識別字符在預定行業的行業相似指標。

在一些實施例中，確定已識別字符在預定行業的相似度穩定指標包括：確定已識別字符中每個詞組在預定行業的行業詞庫的字符流量性指標、差異穩定性率和匹配計算時延指標；對符流量性指標和差異穩定性率進行加權計算后，根據匹配計算時延指標，確定每個詞組中每個字的相似穩定性值；對每個詞組中每個字的相似穩定性值進行加權計算，得到每個詞組的相似度穩定性值；對每個詞組的相似度穩定性值進行加權計算，得到已識別字符在預定行業的相似度穩定指標。

在一些實施例中，基于靜態詞庫對未識別字符進行識別，得到多個候選字符；根據詞向量字典對已識別字符和候選字符進行詞向量計算，識別出未識別字符。

在一些實施例中，獲取已識別字符所屬行業的靜態詞庫。

在一些實施例中，對圖像進行預處理。

根據本公開的另一方面，還提出一種字符識別裝置，包括：字符檢測模塊，被配置為對圖像中的字符進行檢測識別，得到識別結果，其中，識別結果中包括已識別字符和未識別字符；行業識別模塊，被配置為確定已識別字符所屬行業；詞向量字典獲取模塊，被配置為獲取已識別字符所屬行業的詞向量字典；詞向量計算模塊，被配置為根據詞向量字典對識別結果進行詞向量計算，識別出未識別字符。

根據本公開的另一方面，還提出一種字符識別裝置，包括：存儲器；以及耦接至存儲器的處理器，處理器被配置為基于存儲在存儲器的指令執行如上述的字符識別方法。

根據本公開的另一方面，還提出一種計算機可讀存儲介質，其上存儲有計算機程序指令，該指令被處理器執行時實現上述的字符識別方法。

與相關技術相比，本公開實施例通過引入對已識別字符的行業/專業的判別，選取精準的詞向量字典對識別結果進行詞向量計算，提升了字符識別的精確度。

通過以下參照附圖對本公開的示例性實施例的詳細描述，本公開的其它特征及其優點將會變得清楚。

附圖說明