[發明專利]文本圖像的識別方法及裝置

在審

• 申請號: 202011138322.4
• 申請日: 2020-10-22
• 公開（公告）號: CN112507782A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 林濤;潘甜甜;黃偉如;金成偉;鄭建飛;趙仕嘉;董浩欣;張宇
• 申請（專利權）人: 廣東省電信規劃設計院有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34;G06K9/38;G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T5/20;G06T7/13
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 肖宇揚;付靜

本發明公開了一種文本圖像的識別方法及裝置，包括：對承載有目標文本的文本圖像進行預處理，得到模型輸入圖像；將模型輸入圖像輸入至預先確定出的文字檢測模型進行分析，得到文本圖像的文字檢測結果；根據每個邊界框的坐標信息，對所有的邊界框進行聚類以得到至少一個邊界框聚類集合；將每個邊界框所框選出的目標圖像區域中的圖像輸入至預先確定出的文字識別模型進行分析，得到該邊界框的文字識別結果；根據每個邊界框的文字識別結果、坐標信息以及所屬的邊界框聚類集合，確定文本圖像的文本識別結果?？梢?，本發明能夠提高對文本圖像中的文本的識別準確性，保證在輸出文本識別結果時，目標文本中處于同一行的文字中被作為同一行文字輸出。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種文本圖像的識別方法及裝置。

背景技術

OCR(Optical Character Recognition)技術是圖像處理領域中一項常見的技術，其通過各種分析算法對包含有文本的文本圖像(例如，票據、報刊、書籍等印刷品的圖像)進行分析，從而將文本圖像所包含的文本轉化為更便于計算機存儲和處理的文本信息。目前，OCR技術被廣泛應用于許多需要對大量的印刷品資料(例如，企業資質證書、員工資質證書、票據、檔案卷宗等)進行處理的場景。

實際應用中，OCR技術通常通過分析算法識別出文本圖像中的每個文字在文本圖像中的縱坐標。在文本中處于同一行的文字通常具有相同的縱坐標，從而可以在輸出文本信息時將具有相同縱坐標的文字作為同一行的文字輸出。然而，文本中的某些文字(例如，某些畢業證書中，畢業院校和畢業專業所對應的文字)會存在非正常換行的現象，非正常換行的文字的縱坐標通常會大于同一行文字的縱坐標，但是卻小于下一行文字的縱坐標，導致在輸出文本信息時，這些文字容易被作為新的一行輸出，從而得到錯誤的文本信息?？梢姡绾翁岣邔ξ谋緢D像中的文本的識別準確性顯得尤為重要。

發明內容

本發明所要解決的技術問題在于，提供一種文本圖像的識別方法及裝置，根據每個文字對應的坐標信息對所有的文字進行聚類，將在目標文本中處于同一行的文字劃分為一個聚類集合，然后根據每個文字的文字識別結果、坐標信息以及所屬的聚類集合，確定文本圖像的文本識別結果，從而能夠提高對文本圖像中的文本的識別準確性，保證在輸出文本識別結果時，目標文本中處于同一行的文字中被作為同一行文字輸出。

為了解決上述技術問題，本發明第一方面公開了一種文本圖像的識別方法，所述方法包括：

對承載有目標文本的文本圖像進行預處理，得到模型輸入圖像；

將所述模型輸入圖像輸入至預先確定出的文字檢測模型進行分析，得到所述文本圖像的文字檢測結果，所述文字檢測結果包括至少一個用于在所述文本圖像中框選出目標圖像區域的邊界框，每個所述邊界框至少包括用于表示所述目標圖像區域在所述文本圖像中的位置的坐標信息，所述目標圖像區域是指所述目標文本中的單個文字在所述文本圖像中所處的圖像區域；

根據每個所述邊界框的坐標信息，對所有的所述邊界框進行聚類以得到至少一個邊界框聚類集合，每個所述邊界框聚類集合中所有的邊界框所對應的文字均是在所述目標文本中處于同一行的文字；

將每個所述邊界框所框選出的目標圖像區域中的圖像輸入至預先確定出的文字識別模型進行分析，得到該邊界框的文字識別結果；

根據每個所述邊界框的文字識別結果、坐標信息以及所屬的邊界框聚類集合，確定所述文本圖像的文本識別結果。

本發明第二方面公開了一種文本圖像的識別裝置，所述裝置包括：

預處理模塊，用于對承載有目標文本的文本圖像進行預處理，得到模型輸入圖像；