[發(fā)明專(zhuān)利]基于圖像的文本識(shí)別方法、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010076369.6
• 申請(qǐng)日: 2020-01-22
• 公開(kāi)（公告）號(hào): CN111291753A
• 公開(kāi)（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 何嘉欣;劉鵬;劉玉宇;肖京
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安科技（深圳）有限公司
• 主分類(lèi)號(hào): G06K9/32
• 分類(lèi)號(hào): G06K9/32;G06K9/36;G06K9/62
• 代理公司: 深圳市沃德知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及圖像處理領(lǐng)域，揭露了一種基于圖像的文本識(shí)別方法，該方法包括：接收用戶(hù)發(fā)出的攜帶待識(shí)別圖像的文本識(shí)別指令；將所述待識(shí)別圖像輸入預(yù)設(shè)識(shí)別模型中，得到第一識(shí)別結(jié)果；判斷所述第一識(shí)別結(jié)果是否滿(mǎn)足第一預(yù)設(shè)條件；若否，對(duì)所述第一文本框進(jìn)行多次變換，得到每個(gè)所述第一文本框?qū)?yīng)的多個(gè)第二文本框；將所述第一文本框?qū)?yīng)的多個(gè)第二文本框輸入所述識(shí)別模型中，得到所述第一文本框?qū)?yīng)的多個(gè)第二識(shí)別結(jié)果；判斷是否存在滿(mǎn)足第二預(yù)設(shè)條件的第二識(shí)別結(jié)果；若是，基于所述滿(mǎn)足第二預(yù)設(shè)條件的第二識(shí)別結(jié)果生成目標(biāo)識(shí)別結(jié)果，并反饋至所述用戶(hù)。本發(fā)明還揭露了一種電子裝置及計(jì)算機(jī)存儲(chǔ)介質(zhì)。利用本發(fā)明，可提高文本識(shí)別的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像識(shí)別領(lǐng)域，尤其涉及一種基于圖像的文本識(shí)別方法、電子裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

現(xiàn)今專(zhuān)用OCR識(shí)別已經(jīng)有一套成熟的算法，分別承擔(dān)目標(biāo)文件檢測(cè)，字段檢測(cè)和字段識(shí)別，這個(gè)過(guò)程是端到端的，結(jié)果將直接輸出至用戶(hù)。

現(xiàn)有的通用OCR識(shí)別的基本流程是，首先檢測(cè)圖片中文字所在的區(qū)域，畫(huà)出每個(gè)區(qū)域的外接矩形框，然后把每個(gè)矩形框進(jìn)行基本的二維旋轉(zhuǎn)矯正后，把切塊輸入識(shí)別模塊，由此獲得整張圖片的全部文本內(nèi)容。雖然這個(gè)流程可以矯正目標(biāo)在二維平面內(nèi)的傾斜，然而，在實(shí)際的圖像識(shí)別情景中，經(jīng)常有識(shí)別對(duì)象和原圖片并不共平面的情況。這種情況下的圖像識(shí)別結(jié)果也會(huì)與正確的結(jié)果相差甚遠(yuǎn)。

因此，亟待提供一種能準(zhǔn)確從圖片中識(shí)別文本的方法。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，本發(fā)明提供一種基于圖像的文本識(shí)別方法、電子裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其主要目的在于提高從圖像中識(shí)別文本的準(zhǔn)確性。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于圖像的文本識(shí)別方法，該方法包括：

接收步驟：接收用戶(hù)發(fā)出的文本識(shí)別指令，所述文本識(shí)別指令中包括待識(shí)別圖像；

第一識(shí)別步驟：將所述待識(shí)別圖像輸入預(yù)設(shè)識(shí)別模型中，得到第一識(shí)別結(jié)果，包括多個(gè)第一文本框；

第一判斷步驟：判斷所述第一識(shí)別結(jié)果是否滿(mǎn)足第一預(yù)設(shè)條件；

變換步驟：當(dāng)判斷所述第一識(shí)別結(jié)果不滿(mǎn)足所述第一預(yù)設(shè)條件時(shí)，基于預(yù)設(shè)變換算法對(duì)所述第一文本框進(jìn)行多次變換，得到每個(gè)所述第一文本框?qū)?yīng)的多個(gè)第二文本框；

第二識(shí)別步驟：將所述第一文本框?qū)?yīng)的多個(gè)第二文本框輸入所述識(shí)別模型中，得到所述第一文本框?qū)?yīng)的多個(gè)第二識(shí)別結(jié)果；

第二判斷步驟：判斷所述第一文本框?qū)?yīng)的多個(gè)第二識(shí)別結(jié)果中是否存在滿(mǎn)足第二預(yù)設(shè)條件的第二識(shí)別結(jié)果；及

第一生成步驟，當(dāng)判斷存在滿(mǎn)足所述第二預(yù)設(shè)條件的第二識(shí)別結(jié)果時(shí)，基于所述滿(mǎn)足第二預(yù)設(shè)條件的第二識(shí)別結(jié)果確定所述第一文本框?qū)?yīng)的目標(biāo)文本信息，生成目標(biāo)識(shí)別結(jié)果，并向所述用戶(hù)展示所述目標(biāo)識(shí)別結(jié)果。

此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種電子裝置，該裝置包括：存儲(chǔ)器、處理器，所述存儲(chǔ)器中存儲(chǔ)有可在所述處理器上運(yùn)行的基于圖像的文本識(shí)別程序，所述基于圖像的文本識(shí)別程序被所述處理器執(zhí)行時(shí)可實(shí)現(xiàn)如上所述基于圖像的文本識(shí)別方法中的任意步驟。

此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中包括基于圖像的文本識(shí)別程序，所述基于圖像的文本識(shí)別程序被處理器執(zhí)行時(shí)，可實(shí)現(xiàn)如上所述基于圖像的文本識(shí)別方法中的任意步驟。