[發明專利]字符注冊方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010768615.4
• 申請日: 2020-08-03
• 公開（公告）號: CN111860696A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 徐博
• 申請（專利權）人: 上海高德威智能交通系統有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/34
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;馬敬

1.一種字符注冊方法，其特征在于，所述方法包括：

獲取待注冊字符圖像及所述待注冊字符圖像中包括的字符；

利用預先訓練的特征提取網絡，提取所述待注冊字符圖像中字符的深度學習特征，得到待注冊字符深度學習特征；

將所述待注冊字符深度學習特征添加為所述待注冊字符圖像中包括的字符的樣本字符深度學習特征；

其中，所述樣本字符深度學習特征用于與目標字符深度學習特征進行特征差異的計算，所述目標字符深度學習特征為所述特征提取網絡提取的待識別字符圖像的字符深度學習特征，且最小的特征差異的樣本字符深度學習特征所對應的字符為所述待識別字符圖像的特征比對字符識別結果。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取待識別字符圖像；

利用所述特征提取網絡，提取所述待識別字符圖像的字符深度學習特征，得到目標字符深度學習特征；

計算所述目標字符深度學習特征與各樣本字符深度學習特征的特征差異，其中，所述樣本字符深度學習特征是根據所述特征提取網絡提取的樣本字符圖像的字符深度學習特征得到的；

選取與所述目標字符深度學習特征特征差異最小的樣本字符深度學習特征所對應的字符，得到所述目標字符深度學習特征的特征比對字符識別結果。

3.根據權利要求1所述的方法，其特征在于，將所述待注冊字符深度學習特征添加為所述待注冊字符圖像中包括的字符的樣本字符深度學習特征，包括：

若已經存儲有所述待注冊字符圖像標記的字符，則將所述待注冊字符深度學習特征添加為所述待注冊字符圖像標記的字符的樣本字符深度學習特征；

若未存儲有所述待注冊字符圖像標記的字符，則新增并存儲所述待注冊字符圖像標記的字符，將所述待注冊字符深度學習特征作為所述待注冊字符圖像標記的字符的樣本字符深度學習特征。

4.根據權利要求2所述的方法，其特征在于，在所述利用所述特征提取網絡，提取所述待識別字符圖像的字符深度學習特征，得到目標字符深度學習特征之后，所述方法還包括：

利用預先訓練的字符分類網絡，對所述目標字符深度學習特征進行字符分類，得到所述目標字符深度學習特征的分類字符識別結果及所述分類字符識別結果的置信度；

當所述分類字符識別結果的置信度大于預設置信度閾值時，將所述分類字符識別結果作為所述待識別字符圖像的字符識別結果。

5.根據權利要求4所述的方法，其特征在于，所述計算所述目標字符深度學習特征與各樣本字符深度學習特征的特征差異，包括：

當所述分類字符識別結果的置信度不大于預設置信度閾值時，計算所述目標字符深度學習特征與各樣本字符深度學習特征的特征差異。

6.根據權利要求4或5所述的方法，其特征在于，在所述選取與所述目標字符深度學習特征特征差異最小的樣本字符深度學習特征所對應的字符，得到所述目標字符深度學習特征的特征比對字符識別結果之后，所述方法還包括：

當所述分類字符識別結果的置信度不大于預設置信度閾值、且所述特征比對字符識別結果對應的特征差異小于預設差異度閾值時，將所述特征比對字符識別結果作為所述待識別字符圖像的字符識別結果。

7.根據權利要求2所述的方法，其特征在于，所述方法還包括：

獲取白名單配置消息，其中，所述白名單配置消息表示在白名單中對指定字符的樣本字符深度學習特征進行添加或刪除；

按照所述白名單配置消息，在所述白名單中添加或刪除指定字符的樣本字符深度學習特征；

所述計算所述目標字符深度學習特征與各樣本字符深度學習特征的特征差異，包括：

計算所述目標字符深度學習特征與所述白名單中的各樣本字符深度學習特征的特征差異。