[發(fā)明專利]彎曲文本圖像的文字識別方法、裝置及計算機設(shè)備

在審

• 申請?zhí)枺?/td>: 202011312589.0
• 申請日: 2020-11-20
• 公開（公告）號: CN112364873A
• 公開（公告）日: 2021-02-12
• 發(fā)明（設(shè)計）人: 朱錦祥;臧磊
• 申請（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06K9/34
• 分類號: G06K9/34;G06K9/32;G06T3/00;G06T3/40;G06N3/04;G06N3/08
• 代理公司: 深圳市精英專利事務(wù)所 44242
• 代理人: 涂年影

本發(fā)明公開了一種彎曲文本圖像的文字識別方法、裝置及計算機設(shè)備，該方法包括：若接收到用戶輸入的文本圖像，對文本圖像進行預(yù)處理，得到預(yù)處理后的文本圖像；將預(yù)處理后的文本圖像進行特征提取，得到文本圖像的特征金字塔；對特征金字塔中每層特征圖進行圖像分割處理，得到文本圖像的多張分割掩碼圖；根據(jù)廣度優(yōu)先搜索算法對文本區(qū)域最小的分割掩碼圖進行擴展，得到可框定文本圖像中所有字符的第一文本框；將文本框進行仿射變換，得到仿射變換后的第二文本框；將仿射變換后的第二文本框內(nèi)的文字進行分類識別，得到文本圖像中的文字。本發(fā)明基于OCR識別技術(shù)，通過該方法不僅可以對圖像中的文本進行準(zhǔn)確的框定，而且提高了文字識別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明屬于人工智能的文字識別技術(shù)領(lǐng)域，尤其涉及一種彎曲文本圖像的文字識別方法、裝置及計算機設(shè)備。

背景技術(shù)

OCR技術(shù)是指電子設(shè)備(例如掃描儀或數(shù)碼相機)檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別方法將形狀翻譯成計算機文字的過程。現(xiàn)有技術(shù)中，在對自然場景下的圖像進行文字識別時，由于圖像中的文本通常會被設(shè)計成彎曲的形狀，導(dǎo)致現(xiàn)有的OCR技術(shù)中無法通過矩形邊界框?qū)D像中的文本進行框定，嚴(yán)重影響文字識別的準(zhǔn)確率。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種彎曲文本圖像的文字識別方法、裝置及計算機設(shè)備，旨在解決現(xiàn)有的文本圖像中的彎曲文本無法通過矩形邊界框進行框定，導(dǎo)致文本圖像中的文字識別的準(zhǔn)確率低的問題。

第一方面，本發(fā)明實施例提供了一種彎曲文本圖像的文字識別方法，其包括：

若接收到用戶輸入的文本圖像，根據(jù)預(yù)設(shè)的第一處理規(guī)則對所述文本圖像進行預(yù)處理，得到預(yù)處理后的文本圖像；

將所述預(yù)處理后的文本圖像進行特征提取，得到所述文本圖像的特征金字塔；

根據(jù)預(yù)設(shè)的第二處理規(guī)則對所述特征金字塔中每層特征圖進行圖像分割處理，得到所述文本圖像的多張分割掩碼圖；

根據(jù)廣度優(yōu)先搜索算法對所述多張分割掩碼圖中文本區(qū)域最小的分割掩碼圖進行擴展，得到已框定所述文本圖像中所有字符的第一文本框；

將所述第一文本框進行仿射變換，得到仿射變換后的第二文本框；

將所述仿射變換后的第二文本框內(nèi)的文字進行分類識別，得到所述文本圖像中的文字。

第二方面，本發(fā)明實施例提供了一種彎曲文本圖像的文字識別裝置，其包括：

預(yù)處理單元，用于若接收到用戶輸入的文本圖像，根據(jù)預(yù)設(shè)的第一處理規(guī)則對所述文本圖像進行預(yù)處理，得到預(yù)處理后的文本圖像；

特征提取單元，用于將所述預(yù)處理后的文本圖像進行特征提取，得到所述文本圖像的特征金字塔；

分割單元，用于根據(jù)預(yù)設(shè)的第二處理規(guī)則對所述特征金字塔中每層特征圖進行圖像分割處理，得到所述文本圖像的多張分割掩碼圖；

第一擴展單元，用于根據(jù)廣度優(yōu)先搜索算法對所述多張分割掩碼圖中文本區(qū)域最小的分割掩碼圖進行擴展，得到已框定所述文本圖像中所有字符的第一文本框；

仿射變換單元，用于將所述第一文本框進行仿射變換，得到仿射變換后的第二文本框；

識別單元，用于將所述仿射變換后的第二文本框內(nèi)的文字進行分類識別，得到所述文本圖像中的文字。

第三方面，本發(fā)明實施例又提供了一種計算機設(shè)備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如上述第一方面所述的彎曲文本圖像的文字識別方法。