[發明專利]一種判斷文檔主要文字方向的方法

在審

• 申請號: 202110867589.5
• 申請日: 2021-07-28
• 公開（公告）號: CN113673368A
• 公開（公告）日: 2021-11-19
• 發明（設計）人: 魏舒;高翔;紀達麒;陳運文
• 申請（專利權）人: 達而觀智能（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/20;G06K9/62
• 代理公司: 上海智力專利商標事務所(普通合伙) 31105
• 代理人: 周濤

本發明公開了一種判斷文檔主要文字方向的方法，所述方法包括如下步驟：s1對文字圖像按照主要文字方向進行分類；s2基于分類結果旋轉文字圖像；s3對旋轉后的文字圖像做文字位置檢測；s4對檢測出的文字位置的文字圖像區域做文字識別；s5判斷文字識別結果的語義連貫程度；s6若語義連貫程度大于等于設定閾值，將識別結果輸出；s7若語義連貫程度低于設定閾值，對s3中檢測出的文字位置的文字圖像區域做180°翻轉后，針對翻轉后的文字圖像區域執行s4和s5的步驟，比較兩次得到的語義連貫程度，取其中較高的語義連貫程度對應的識別結果作為輸出。本發明彌補各個模塊的劣勢，以最低時間資源消耗提高文檔主要文字方向判斷的準確率。

技術領域

本發明屬于光學字符識別圖像預處理領域，具體涉及一種判斷文檔主要文字方向的方法。

背景技術

隨著大數據技術與人工智能技術的飛速發展，光學字符識別技術也得到了長足進步。光學字符識別技術在文檔信息智能提取、智能審核、比對等業務領域取得了廣泛的應用。基于大數據樣本與人工智能技術的基礎上，光學字符識別，特別是印刷體材料的光學字符識別，識別率已經非常接近于100％。

然而，在真正的工程應用領域或一些特定的場景下，會面對各種掃描、拍照等復雜場景，輸入文字圖像的方向可能出現旋轉90、180、270度的情況。所有的文字圖像正確識別的前提是確定待識別文字圖像的正方向，側向臥倒或倒立的文字很難正確識別。如何確定識別文字圖像的方向是圖像識別領域的關鍵問題。

目前常見的方法包括：

1.使用大量數據樣本訓練分類模型，直接輸入圖像，輸出4分類，判斷文檔方向為0度、90度、180度或270度。

2.首先使用文字檢測算法，得到所有的文字框，訓練針對字條的分類模型，再統計所有字條的分類結果，將最多的結果作為整個文字圖像的方向。

這兩個此方法都存在的問題是：1)需要大量各種場景的數據，準備數據的成本較高，并且數據場景是無法窮舉的，只要出現與訓練樣本不同場景的圖像，模型就可能無法正確分類；2)模型很難訓練到100％準確率，因為0度和180度，90度和270度，對于模型來說是很難準確區分的；3)文字圖像或文字字條都不一定只有一個方向的文字，更加增加了模型的訓練難度。

以上兩種方法在訓練數據、訓練模型、訓練方法都挑選得當的情況下，能較容易的達到95％以上的準確率，但是距離100％準確率還是有較大難度。

發明內容

針對現有技術中存在的問題，本發明提供一種判斷文檔主要文字方向的方法。

為實現上述目的，本發明采用以下技術方案：

一種判斷文檔主要文字方向的方法，所述方法包括如下步驟：s1對文字圖像按照主要文字方向進行分類；s2基于分類結果旋轉文字圖像；s3對旋轉后的文字圖像做文字位置檢測；s4對檢測出的文字位置的文字圖像區域做文字識別；s5判斷文字識別結果的語義連貫程度；s6若語義連貫程度大于等于設定閾值，將識別結果輸出；s7若語義連貫程度低于設定閾值，對s3中檢測出的文字位置的文字圖像區域做180°翻轉后，針對翻轉后的文字圖像區域執行s4和s5的步驟，比較兩次得到的語義連貫程度，取其中較高的語義連貫程度對應的識別結果作為輸出。

優選地，s1中對文字圖像按照主要文字方向進行分類之前，先將文字圖像做預處理。

優選地，所述預處理包括圖像尺寸統一和/或灰度化。

優選地，所述s5采用的判斷方法包括：常見字所占比例與統計概率的比較和/或詞性標注的規律和/或某個字的前后字是否常見。

一種計算機存儲介質，所述存儲介質中保存有計算機程序，所述計算機程序被執行時實現任一的判斷文檔主要文字方向的方法。