[發(fā)明專利]一種自然場(chǎng)景下的水平文本檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111663029.4
• 申請(qǐng)日: 2021-12-30
• 公開（公告）號(hào): CN114332868A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計(jì)）人: 閻波;高一健;李達(dá);唐亮
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06V30/148
• 分類號(hào): G06V30/148;G06N3/04;G06V10/762;G06K9/62;G06V10/82;G06V10/80;G06V30/19
• 代理公司: 北京正華智誠(chéng)專利代理事務(wù)所(普通合伙) 11870
• 代理人: 代維凡

本發(fā)明公開了一種自然場(chǎng)景下的水平文本檢測(cè)方法，涉及計(jì)算機(jī)視覺目標(biāo)檢測(cè)領(lǐng)域，包括：選擇包含水平文本的自然場(chǎng)景圖片構(gòu)建數(shù)據(jù)集；建立由特征提取子模型和文本檢測(cè)子模型構(gòu)成的水平文本檢測(cè)模型，并根據(jù)數(shù)據(jù)集，優(yōu)化文本檢測(cè)子模型；采用遷移學(xué)習(xí)，通過損失函數(shù)，訓(xùn)練水平文本檢測(cè)模型；基于嵌入式操作系統(tǒng)的軟件開發(fā)工具包，將訓(xùn)練完成的水平文本檢測(cè)模型部署在手持終端設(shè)備上；檢測(cè)自然場(chǎng)景圖片的水平文本。本發(fā)明擁有極快的檢測(cè)速度，相對(duì)于現(xiàn)有技術(shù)，針對(duì)性和適用性高，檢測(cè)精度高，且本發(fā)明提供的方法步驟可通過程序部署在移動(dòng)端設(shè)備上。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺目標(biāo)檢測(cè)領(lǐng)域，具體涉及一種自然場(chǎng)景下的水平文本檢測(cè)方法。

背景技術(shù)

近年來，自然場(chǎng)景文本檢測(cè)與識(shí)別技術(shù)成為智能信息處理的一個(gè)關(guān)鍵環(huán)節(jié)，其在日常生活的應(yīng)用無處不在。機(jī)器人導(dǎo)航、自動(dòng)駕駛、自動(dòng)車牌識(shí)別、快遞自助取件等技術(shù)都離不開文本檢測(cè)與文本識(shí)別。然而，自然場(chǎng)景中文本檢測(cè)任務(wù)一般較為復(fù)雜，一個(gè)場(chǎng)景中可能存在多種不同樣式的文本，例如大小、字體、方向和顏色互不相同等。同時(shí)，文本背景紋理也多種多樣，例如樹木、人物、建筑物等，都會(huì)影響文本檢測(cè)效果。

在場(chǎng)景文本檢測(cè)領(lǐng)域，傳統(tǒng)的光學(xué)字符識(shí)別(Optical Character Recognition，OCR)技術(shù)只能處理一些簡(jiǎn)單背景下的字符識(shí)別任務(wù)，且對(duì)文本背景、文本格式和拍攝角度等都有較高的要求。近年來，隨著計(jì)算機(jī)算力的提高和深度學(xué)習(xí)技術(shù)的不斷發(fā)展，出現(xiàn)了很多更精準(zhǔn)和魯棒的基于深度學(xué)習(xí)的目標(biāo)檢測(cè)技術(shù)。深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)對(duì)于提取圖像中的特征具有優(yōu)秀的效果，可以提取出圖像的深層次特征信息，因此多被用于圖像檢測(cè)與識(shí)別領(lǐng)域。對(duì)于目標(biāo)檢測(cè)技術(shù)，當(dāng)前主流的是基于區(qū)域建議和基于圖像分割的技術(shù)。

YOLO是一種輕量級(jí)的目標(biāo)檢測(cè)框架，其將目標(biāo)檢測(cè)作為端到端的回歸問題來求解，一般包含特征提取階段、特征融合階段和錨框回歸階段。后來又發(fā)展出了YOLOv2、YOLOv3、YOLOv3-tiny等版本，可以準(zhǔn)確地識(shí)別出場(chǎng)景中的水平或近似水平的文本目標(biāo)。它們?cè)谔卣魈崛‰A段采用了Darknet網(wǎng)絡(luò)結(jié)構(gòu)，并在檢測(cè)階段提出對(duì)提取到的特征圖的每個(gè)點(diǎn)生成三個(gè)大小不同，中心點(diǎn)相同的先驗(yàn)錨框，然后對(duì)錨框的坐標(biāo)進(jìn)行回歸，得到最終的目標(biāo)檢測(cè)框。

然而，類似YOLO的技術(shù)大多是通用的目標(biāo)檢測(cè)框架，在特征提取階段的卷積核形狀一般為n*n，適用于檢測(cè)形狀多樣的目標(biāo)，而對(duì)于細(xì)長(zhǎng)型的文本行來說效果欠佳，針對(duì)性不高，易造成檢測(cè)召回率低的問題。同時(shí)，它們生成的先驗(yàn)錨框通常為了檢測(cè)不同形狀的物體而形狀差別較大，在回歸生成文本框時(shí)精度一般較低，且在訓(xùn)練網(wǎng)絡(luò)時(shí)對(duì)資源和時(shí)間的消耗更大。并且這些技術(shù)的復(fù)雜度通常很高，對(duì)于運(yùn)行設(shè)備的資源要求和占用較多，不利于技術(shù)落地，也不適合在移動(dòng)端設(shè)備上運(yùn)行。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的一種自然場(chǎng)景下的水平文本檢測(cè)方法解決了現(xiàn)有目標(biāo)檢測(cè)方法對(duì)文本檢測(cè)的針對(duì)性和適用性不高，檢測(cè)精度和召回率低；以及現(xiàn)有目標(biāo)檢測(cè)方法的程序復(fù)雜度高，硬件資源消耗大，檢測(cè)時(shí)間長(zhǎng)，不利于的部署在移動(dòng)端設(shè)備上的問題。

為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：

一種自然場(chǎng)景下的水平文本檢測(cè)方法，包括以下步驟：

S1、選擇包含水平文本的自然場(chǎng)景圖片構(gòu)建數(shù)據(jù)集；

S2、建立由特征提取子模型和文本檢測(cè)子模型構(gòu)成的水平文本檢測(cè)模型，并根據(jù)數(shù)據(jù)集，優(yōu)化文本檢測(cè)子模型；

S3、根據(jù)數(shù)據(jù)集，采用遷移學(xué)習(xí)，通過損失函數(shù)，訓(xùn)練水平文本檢測(cè)模型；

S4、基于嵌入式操作系統(tǒng)的軟件開發(fā)工具包，將訓(xùn)練完成的水平文本檢測(cè)模型部署在手持終端設(shè)備上；

S5、通過步驟S4的手持終端設(shè)備，檢測(cè)自然場(chǎng)景圖片的水平文本。