[發(fā)明專利]字符位置修正方法、裝置、電子設(shè)備和存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110304878.4
• 申請日: 2021-03-16
• 公開（公告）號: CN113033377A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計）人: 蔡悅;張宇軒;莊妮;黃燦;王長虎
• 申請（專利權(quán)）人: 北京有竹居網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/32;G06N3/04
• 代理公司: 北京植德律師事務(wù)所 11780
• 代理人: 唐華東

本公開提供一種字符位置修正方法、裝置、電子設(shè)備和存儲介質(zhì)，通過利用單字檢測識別結(jié)果中的單字位置對文本行識別結(jié)果中的單字位置進(jìn)行修正，可以兼顧文字識別性能和單字位置準(zhǔn)確性。

技術(shù)領(lǐng)域

本公開的實(shí)施例涉及文字識別技術(shù)領(lǐng)域，具體涉及字符位置修正方法、裝置、電子設(shè)備和存儲介質(zhì)。

背景技術(shù)

光學(xué)字符識別(Optical Character Recognition，OCR)是識別圖像中字符的技術(shù)。當(dāng)前OCR主要有“行”和“單字”兩種粒度。其中文本行OCR占主流，文本行OCR能夠較準(zhǔn)確地識識別文本行圖像中出現(xiàn)的字符，且利用自身特性粗略估計單字符位置。

發(fā)明內(nèi)容

本公開的實(shí)施例提出了字符位置修正方法、裝置、電子設(shè)備和存儲介質(zhì)。

第一方面，本公開的實(shí)施例提供了一種字符位置修正方法，該方法包括：獲取文本行圖像對應(yīng)的文本行識別結(jié)果序列和單字檢測識別結(jié)果序列，其中，所述文本行識別結(jié)果包括第一字符和第一字符包圍盒位置，所述單字檢測識別結(jié)果包括第二字符和第二字符包圍盒位置；對于所述單字檢測識別結(jié)果序列中每個單字檢測識別結(jié)果，執(zhí)行以下位置更新操作：在所述文本行識別結(jié)果序列中查找第一字符與該單字檢測識別結(jié)果中的第二字符相同的文本行識別結(jié)果；響應(yīng)于查找到至少一個文本行識別結(jié)果，在所找到的各文本行識別結(jié)果中，確定與該單字檢測識別結(jié)果距離最近的文本行識別結(jié)果；將所確定的文本行識別結(jié)果中的第一字符包圍盒位置更新為該單字檢測識別結(jié)果中的第二字符位置。

在一些可選的實(shí)施方式中，所述第一字符包圍盒位置包括行內(nèi)起始位置和行內(nèi)結(jié)束位置；以及所述方法還包括：

計算所述文本行識別結(jié)果序列的行內(nèi)字符間隙平均值，其中，所述文本行識別結(jié)果序列的行內(nèi)字符間隙平均值為所述文本行識別結(jié)果序列中各被更新過第一字符包圍盒位置的文本行識別結(jié)果中兩相鄰文本行識別結(jié)果中的在前文本行識別結(jié)果中行內(nèi)結(jié)束位置和在后文本行識別結(jié)果中行內(nèi)起始位置之間距離的平均值；

對于所述文本行識別結(jié)果序列中未被更新過行內(nèi)起始位置和行內(nèi)結(jié)束位置的文本行識別結(jié)果，根據(jù)所述行內(nèi)字符間隙平均值更新該文本行識別結(jié)果中的行內(nèi)起始位置和行內(nèi)結(jié)束位置，其中，該文本行識別結(jié)果在更新后的行內(nèi)起始位置與所述文本行識別結(jié)果序列中該文本識別結(jié)果的前一文本識別結(jié)果的行內(nèi)結(jié)束位置之間的距離為所述行內(nèi)字符間隙平均值，和/或，該文本行識別結(jié)果在更新后的行內(nèi)結(jié)束位置與所述文本行識別結(jié)果序列中該文本識別結(jié)果的后一文本識別結(jié)果的行內(nèi)起始位置之間的距離為所述行內(nèi)字符間隙平均值。

在一些可選的實(shí)施方式中，所述第一字符包圍盒位置包括行起始位置和行結(jié)束位置；以及

所述方法還包括：

分別將所述文本行識別結(jié)果序列中被更新過行起始位置和行結(jié)束位置的各文本行識別結(jié)果的行起始位置中的最小值和行結(jié)束位置中的最大值確定為文本行起始位置和文本行結(jié)束位置；

對于所述文本行識別結(jié)果序列中未被更新過行起始位置和行結(jié)束位置的文本行識別結(jié)果，分別用所述文本行起始位置和文本行結(jié)束位置更新該文本行識別結(jié)果中的行起始位置和行結(jié)束位置。

在一些可選的實(shí)施方式中，所述文本行圖像對應(yīng)的文本行識別結(jié)果序列是通過如下方式得到的：

將所述文本行圖像輸入預(yù)先訓(xùn)練的文本行識別模型，得到與所述文本行圖像對應(yīng)的文本行識別結(jié)果序列，其中，所述文本行識別模型用于表征包括待識別圖像與文本行識別結(jié)果序列之間的對應(yīng)關(guān)系。

在一些可選的實(shí)施方式中，所述文本行識別模型包括順序排列的卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)和連接時間分類CTC。

在一些可選的實(shí)施方式中，所述文本行識別模型包括順序排列的卷積神經(jīng)網(wǎng)絡(luò)和基于注意力機(jī)制的循環(huán)神經(jīng)網(wǎng)絡(luò)。

在一些可選的實(shí)施方式中，所述文本行圖像對應(yīng)的單字檢測識別結(jié)果序列是通過如下方式得到的：