[發(fā)明專利]一種基于深度學(xué)習(xí)的OCR檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010781247.7
• 申請(qǐng)日: 2020-08-06
• 公開(kāi)（公告）號(hào): CN111967457A
• 公開(kāi)（公告）日: 2020-11-20
• 發(fā)明（設(shè)計(jì)）人: 孫余順;鄒易;賴偉海;賴明鐘
• 申請(qǐng)（專利權(quán)）人: 賴明鐘
• 主分類號(hào): G06K9/20
• 分類號(hào): G06K9/20;G06K9/34;G06K9/62;G06N3/08
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明提供了一種基于深度學(xué)習(xí)的OCR檢測(cè)方法，包括：步驟1：采集待測(cè)字符圖片信息；步驟2：將待測(cè)字符圖片送入字符檢測(cè)網(wǎng)絡(luò)中進(jìn)行單個(gè)字符的位置提取，確定待測(cè)字符圖片中每個(gè)單字符大致的外包矩形區(qū)域；步驟3：根據(jù)待測(cè)字符圖片中的可能字符外包矩形區(qū)域進(jìn)行字符筆畫區(qū)域分割，采集圖片中的字符區(qū)域；步驟4：根據(jù)字符區(qū)域分割的信息，對(duì)字符外包矩形位置進(jìn)行調(diào)整，采集字符區(qū)域內(nèi)各個(gè)字符的準(zhǔn)確外包矩形區(qū)域；步驟5：對(duì)采集到的各個(gè)字符信息進(jìn)行識(shí)別確認(rèn)，完成OCR檢測(cè)過(guò)程。本發(fā)明提供了一種通用結(jié)合深度學(xué)習(xí)和傳統(tǒng)算法各自優(yōu)點(diǎn)的方法，很好的解決OCR工業(yè)自動(dòng)化應(yīng)用的挑戰(zhàn)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種OCR檢測(cè)方法，特別涉及一種基于深度學(xué)習(xí)的OCR檢測(cè)方法。

背景技術(shù)

從20世紀(jì)70年代開(kāi)始，光學(xué)字符識(shí)別技術(shù)就已經(jīng)廣泛地應(yīng)用于各種商業(yè)應(yīng)用，現(xiàn)在又開(kāi)始運(yùn)用到自動(dòng)化任務(wù)中，如通行證處理、安全文件處理（支票、財(cái)務(wù)文件、賬單）、郵件追蹤、出版、消費(fèi)品包裝（單號(hào)、批號(hào)、有效期）及臨床應(yīng)用等。

光學(xué)字符識(shí)別（Optical Character Recognition），簡(jiǎn)稱OCR，是一種將圖像內(nèi)的文字，轉(zhuǎn)變成計(jì)算機(jī)文字，進(jìn)而進(jìn)行進(jìn)一步判斷的技術(shù)。OCR主要優(yōu)點(diǎn)在于，它可以以一種讓機(jī)器和肉眼都能識(shí)別的格式對(duì)信息進(jìn)行編碼。

但是當(dāng)前，在工業(yè)自動(dòng)化應(yīng)用中面臨幾個(gè)方面的挑戰(zhàn)：

一、工業(yè)字符多種多樣一致性差。比如金屬零件上點(diǎn)刻字符，注塑產(chǎn)品上的浮雕字符，電子元器件上的激光蝕刻字符，噴碼點(diǎn)陣字符等。

二、字符不在一個(gè)平面上。比如瓶蓋或瓶身四周的字符。

三、字符背景復(fù)雜，很多字符印刷在復(fù)雜背景圖案內(nèi)部，字符對(duì)比度低。

四、字符可能存在嚴(yán)重的扭曲、變形、斷裂，粘連等。

傳統(tǒng)的OCR算法對(duì)于上面提到的情況不能識(shí)別或者參數(shù)設(shè)置困難，通用性很差。

隨著深度學(xué)習(xí)技術(shù)的發(fā)展，基于深度學(xué)習(xí)的OCR技術(shù)取得快速的發(fā)展，很多基于深度學(xué)習(xí)的算法已經(jīng)取得很多應(yīng)用，但是和傳統(tǒng)OCR算法一樣，單純基于深度學(xué)習(xí)的算法只能在特定情況下效果較好，通用性依然不好。

發(fā)明內(nèi)容

本發(fā)明提供了一種通用結(jié)合深度學(xué)習(xí)和傳統(tǒng)算法各自優(yōu)點(diǎn)的方法，很好的解決OCR工業(yè)自動(dòng)化應(yīng)用的挑戰(zhàn)。

本發(fā)明提供了一種基于深度學(xué)習(xí)的OCR檢測(cè)方法，包括：

步驟1：采集待測(cè)字符圖片信息；

步驟2：將待測(cè)字符圖片送入字符檢測(cè)網(wǎng)絡(luò)中進(jìn)行單個(gè)字符的位置提取，確定待測(cè)字符圖片中每個(gè)單字符大致的外包矩形區(qū)域；

步驟3：根據(jù)待測(cè)字符圖片中的可能字符外包矩形區(qū)域進(jìn)行字符筆畫區(qū)域分割，采集圖片中的字符區(qū)域；

步驟4：根據(jù)字符區(qū)域分割的信息，對(duì)字符外包矩形位置進(jìn)行調(diào)整，采集字符區(qū)域內(nèi)各個(gè)字符的準(zhǔn)確外包矩形區(qū)域；

步驟5：對(duì)采集到的各個(gè)字符信息進(jìn)行識(shí)別確認(rèn)，完成OCR檢測(cè)過(guò)程。

進(jìn)一步地，所述字符檢測(cè)網(wǎng)絡(luò)的訓(xùn)練方法如下：

步驟1：采集字符樣本；

步驟2：對(duì)字符樣本進(jìn)行豐富，并退化處理，送入神經(jīng)網(wǎng)絡(luò)；

步驟3：將各個(gè)字符樣本作為同一目標(biāo)類型進(jìn)行訓(xùn)練，得到字符檢測(cè)網(wǎng)絡(luò)。

更進(jìn)一步地，所述退化處理包括對(duì)字符樣本的模擬扭曲、縮放、筆畫粗細(xì)變更、亮度變化、對(duì)比度變化、隨機(jī)位置、隨機(jī)角度調(diào)整。

更進(jìn)一步地，所述模擬扭曲的具體過(guò)程如下：