[發明專利]圖像文本識別方法、裝置、計算機設備及計算機存儲介質

在審

• 申請號: 202010051869.4
• 申請日: 2020-01-17
• 公開（公告）號: CN111275038A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 陳楨妮
• 申請（專利權）人: 平安醫療健康管理股份有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

本申請公開了一種圖像文本識別方法、裝置及計算機存儲介質，涉及文本檢測技術領域，針對復雜多樣的圖像，能夠對文本識別結果進行校驗處理，提高圖像文本信息的利用率。所述方法包括：獲取待識別圖像，對所述待識別圖像進行預處理，得到目標識別圖像；基于預先訓練的文本區域檢測模型，確定所述目標識別圖像中文本區域的位置信息以及文本區域的分類標簽；將所述目標識別圖像以及所述目標識別圖像中文本區域的位置信息輸入至預先訓練的文本識別模型中，得到各個分類標簽下文本區域中的文本信息，形成具有分類標識的文本字段；利用預先構建的各個分類標識對應的文本校驗庫，對所述具有分類標識的文本字段進行校驗。

技術領域

本發明涉及文本檢測技術領域，尤其是涉及到圖像文本識別方法、裝置、計算機設備及計算機存儲介質。

背景技術

隨著科技的發展，圖像在信息傳播方面起到極大的作用。為了更好地起到宣傳作用，越來越多的圖像中被加入文本，例如，在涉及醫療交易平臺，醫療機構需要用戶上傳發票圖像，從而基于上傳發票圖像中的文本內容對發票進行核對。因此，由于圖像中的文本通常包含著比較豐富的信息，對圖像中的文本進行提取和識別，對于圖像內容的分析、理解和信息檢索等方面具有重要的意義。

現有的圖像文本識別方法，一般首先檢測圖像中的文本區域，然后對檢測到的文本區域進行文字識別，最后返回識別得到的文字結果，達到自動化識別，節省人力錄入成本。

然而，在實際應用場景的圖像中，存在復雜多樣的圖像內容，對于信息密度較大、對比度較低、印刷效果較差以及圖像質量不高的印刷版及電子版影像數據，采用現有的圖像文本識別方法存在很多漏檢、誤檢的情況，從而導致最終文本識別效果不佳，另外，現有的圖像文本識別往往只著重于字符識別的，使得識別得到的字段與所需字段無法對應的問題，嚴重影響后續對文本信息的使用。

發明內容

有鑒于此，本發明提供了一種圖像文本識別方法、裝置、計算機設備及計算機存儲介質，主要目的在于解決目前圖像中識別得到的字段與所需字段無法對應，不便于后續文本信息使用的問題。

依據本發明一個方面，提供了一種圖像文本識別方法，該方法包括：

獲取待識別圖像，對所述待識別圖像進行預處理，得到目標識別圖像；

基于預先訓練的文本區域檢測模型，確定所述目標識別圖像中文本區域的位置信息以及文本區域的分類標簽；

將所述目標識別圖像以及所述目標識別圖像中文本區域的位置信息輸入至預先訓練的文本識別模型中，得到各個分類標簽下文本區域中的文本信息，形成具有分類標識的文本字段；

利用預先構建的各個分類標識對應的文本校驗庫，對所述具有分類標識的文本字段進行校驗。

進一步地，在所述利用預先構建的各個分類標識對應的文本校驗庫，對所述具有分類標識的文本字段進行校驗之前，所述方法還包括：

將收集詞典樣本轉換為編碼表示后輸入至第一網絡模型進行訓練，得到文本映射模型；

所述第一網絡模型中包括多層結構，所述將收集詞典樣本轉換為編碼表示后輸入至第一網絡模型進行訓練，得到文本映射模型，具體包括：

通過所述第一網絡模型的輸入層對所述編碼表示的文本字段樣本進行概率預測，生成每個文本字段樣本的概率分布；

通過所述第一網絡模型的隱含層根據每個文本字段樣本的概率分布，訓練每個文本字段樣本作為輸出字段的權重，得到文本字段的映射矩陣；

通過所述第一網絡模型的全連接層對所述文本字段的映射矩陣中的權重進行調整，得到文本映射模型。