[發明專利]文本識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010640844.8
• 申請日: 2020-07-06
• 公開（公告）號: CN111783695B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 康凱;李兵;李盼盼
• 申請（專利權）人: 北京易真學思教育科技有限公司
• 主分類號: G06V30/413
• 分類號: G06V30/413;G06V30/10;G06F40/279
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 鄧海鴻;楊瑾瑾

1.一種文本識別方法，其特征在于，包括：

識別步驟，利用文本識別模型對待識別圖像中的部分區域進行文本識別，得到所述部分區域對應的字符串；

第一計算步驟，將所述字符串分別與所述文本識別模型的字表中的每個字符組合成字符串組，并計算各個所述字符串組的概率；

排序步驟，根據概率對各個所述字符串組進行排序，選取排序在前的預定個數的字符串組；

第二計算步驟，計算選取的字符串組的末尾字符的單字符置信度，所述單字符置信度用于對所述待識別圖像的文本識別結果進行篩選。

2.根據權利要求1所述的方法，其特征在于，將所述字符串分別與所述文本識別模型的字表中的每個字符組合成字符串組，包括：

將所述字符串分別與字表中的每個字符組合，得到組合串組；

對所述組合串組進行規范化處理，得到所述字符串組。

3.根據權利要求2所述的方法，其特征在于，對所述組合串組進行規范化處理，得到所述字符串組，包括采用以下方式中的至少一種對所述組合串組進行規范化處理：

去除所述組合串組中處于非末尾位置上的空字符；

在所述組合串組中的兩個相鄰的字符是相同字符的情況下，去掉所述兩個相鄰的字符中的一個字符。

4.根據權利要求1所述的方法，其特征在于，計算選取的字符串組的末尾字符的單字符置信度，包括：

從所述選取的字符串組中，將末尾字符為空字符的字符串組過濾掉；

計算過濾后的字符串組的末尾字符的單字符置信度。

5.根據權利要求1所述的方法，其特征在于，計算選取的字符串組的末尾字符的單字符置信度，包括：

在所述末尾字符與所述末尾字符的前一個字符是相同字符的情況下，利用以下單字符置信度公式計算所述單字符置信度；

所述單字符置信度公式為：p＝1-(1-p1)×(1-p2)，其中，p表示所述單字符置信度，p2表示所述末尾字符的概率，p1表示所述末尾字符的前一個字符的概率。

6.根據權利要求1所述的方法，其特征在于，所述方法還包括：

將所述待識別圖像劃分成多個區域；

在每次執行所述識別步驟之前，將所述待識別圖像的第一個區域到當前識別區域組成的連續區域，構成與所述當前識別區域對應的所述部分區域；

在每次執行所述識別步驟之后，對于所述部分區域對應的字符串，執行所述第一計算步驟、所述排序步驟和所述第二計算步驟，得到每個所述部分區域對應的單字符置信度。

7.根據權利要求1至6中任一項所述的方法，其特征在于，還包括：

根據每個所述部分區域對應的單字符置信度，對所述待識別圖像的文本識別結果進行篩選。

8.根據權利要求7所述的方法，其特征在于，根據每個所述部分區域對應的單字符置信度，對所述待識別圖像的文本識別結果進行篩選，包括：

計算每個所述部分區域對應的任意兩個單字符置信度之間的差別程度；

在所述差別程度大于預定閾值的情況下，從所述待識別圖像的文本識別結果中，將兩個所述單字符置信度中較小的一個單字符置信度對應的文本識別結果篩選掉。

9.一種文本識別裝置，其特征在于，包括：

識別單元，用于利用文本識別模型對待識別圖像中的部分區域進行文本識別，得到所述部分區域對應的字符串；

第一計算單元，用于將所述字符串分別與所述文本識別模型的字表中的每個字符組合成字符串組，并計算各個所述字符串組的概率；

排序單元，用于根據概率對各個所述字符串組進行排序，選取排序在前的預定個數的字符串組；

第二計算單元，用于計算選取的字符串組的末尾字符的單字符置信度，所述單字符置信度用于對所述待識別圖像的文本識別結果進行篩選。