[發(fā)明專利]一種圖片文本識(shí)別方法、裝置及設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202210429147.7
• 申請(qǐng)日: 2022-04-22
• 公開（公告）號(hào): CN114821615A
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計(jì)）人: 田廣庫;金圣海
• 申請(qǐng)（專利權(quán)）人: 東軟集團(tuán)股份有限公司
• 主分類號(hào): G06V30/413
• 分類號(hào): G06V30/413;G06V30/148;G06V20/62
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 馬小青

本申請(qǐng)公開了一種圖片文本識(shí)別方法、裝置及設(shè)備，先獲取模板圖像，模板圖像中標(biāo)記有目標(biāo)錨點(diǎn)文本、目標(biāo)錨點(diǎn)文本對(duì)應(yīng)的目標(biāo)錨點(diǎn)位置以及目標(biāo)識(shí)別框位置。進(jìn)而，識(shí)別待識(shí)別圖像中包括的錨點(diǎn)文本以及錨點(diǎn)文本對(duì)應(yīng)的錨點(diǎn)位置。利用目標(biāo)錨點(diǎn)文本對(duì)應(yīng)的目標(biāo)錨點(diǎn)位置以及待識(shí)別圖像中包括的錨點(diǎn)文本對(duì)應(yīng)的錨點(diǎn)位置，確定表征待識(shí)別圖像與所述模板圖像之間映射關(guān)系的投影矩陣。利用投影矩陣將待識(shí)別圖像進(jìn)行投影映射，生成轉(zhuǎn)換后的待識(shí)別圖像。根據(jù)目標(biāo)識(shí)別框位置，確定轉(zhuǎn)換后的待識(shí)別圖像中的識(shí)別框位置。進(jìn)而，對(duì)識(shí)別框位置中包括的文本進(jìn)行識(shí)別。如此，通過標(biāo)注模板圖像，就可以將與模板圖像同類圖像中關(guān)鍵文本抽取出來，提高了圖像文本識(shí)別的效率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及圖像處理技術(shù)領(lǐng)域，具體涉及一種圖片文本識(shí)別方法、裝置及設(shè)備。

背景技術(shù)

光學(xué)字符識(shí)別(Optical Character Recognition，OCR)指的是通過掃描或拍攝物體表面得到對(duì)應(yīng)的圖像，再基于文本識(shí)別方法獲取圖像中文本的過程。例如，通過OCR技術(shù)可獲取身份證上的文本、發(fā)票上的文本等。

身份證等證件票據(jù)往往具備統(tǒng)一的格式，如果需要識(shí)別存在固定格式圖像中的關(guān)鍵文本，目前能夠通過針對(duì)每類圖像分別建立工程，以按照預(yù)設(shè)規(guī)則提取圖像中包括的關(guān)鍵文本。但是，不同的機(jī)構(gòu)和業(yè)務(wù)流程中包含大量不同類型的圖像，不可能針對(duì)每類圖像去建立工程。因此，如何快速提取圖像中的關(guān)鍵文本是亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)實(shí)施例提供一種圖片文本識(shí)別方法、裝置及設(shè)備，以實(shí)現(xiàn)快速提取圖像中的關(guān)鍵文本。

為解決上述問題，本申請(qǐng)實(shí)施例提供的技術(shù)方案如下：

一種圖片文本識(shí)別方法，獲取模板圖像，所述模板圖像中標(biāo)記有目標(biāo)錨點(diǎn)文本、所述目標(biāo)錨點(diǎn)文本對(duì)應(yīng)的目標(biāo)錨點(diǎn)位置以及目標(biāo)識(shí)別框位置，所述方法包括：

識(shí)別待識(shí)別圖像中包括的錨點(diǎn)文本以及所述錨點(diǎn)文本對(duì)應(yīng)的錨點(diǎn)位置；

利用所述目標(biāo)錨點(diǎn)文本對(duì)應(yīng)的目標(biāo)錨點(diǎn)位置以及所述待識(shí)別圖像中包括的錨點(diǎn)文本對(duì)應(yīng)的錨點(diǎn)位置，確定表征所述待識(shí)別圖像與所述模板圖像之間映射關(guān)系的投影矩陣；

根據(jù)所述投影矩陣將所述待識(shí)別圖像進(jìn)行投影映射，生成轉(zhuǎn)換后的待識(shí)別圖像；

根據(jù)所述目標(biāo)識(shí)別框位置，確定所述轉(zhuǎn)換后的待識(shí)別圖像中的識(shí)別框位置；

識(shí)別所述識(shí)別框位置中包括的文本。

在一種可能的實(shí)現(xiàn)方式中，所述識(shí)別待識(shí)別圖像中包括的錨點(diǎn)文本以及所述錨點(diǎn)文本對(duì)應(yīng)的錨點(diǎn)位置，包括：

識(shí)別待識(shí)別圖像中包括的文本框區(qū)域；

識(shí)別所述文本框區(qū)域中各個(gè)文本字符對(duì)應(yīng)的位置；

識(shí)別所述文本框區(qū)域中包括的文字；

將所述文本框區(qū)域中包括的文字與所述目標(biāo)錨點(diǎn)文本進(jìn)行匹配，得到所述待識(shí)別圖像中包括的錨點(diǎn)文本；

根據(jù)所述各個(gè)文本字符對(duì)應(yīng)的位置，確定所述待識(shí)別圖像中包括的錨點(diǎn)文本對(duì)應(yīng)的錨點(diǎn)位置。

在一種可能的實(shí)現(xiàn)方式中，所述識(shí)別待識(shí)別圖像中包括的錨點(diǎn)文本以及所述錨點(diǎn)文本對(duì)應(yīng)的錨點(diǎn)位置，包括：

識(shí)別待識(shí)別圖像中包括的文本框區(qū)域；

識(shí)別所述文本框區(qū)域中包括的文字；

將所述文本框區(qū)域中包括的文字與所述目標(biāo)錨點(diǎn)文本進(jìn)行匹配，得到所述待識(shí)別圖像中包括的錨點(diǎn)文本；

將所述待識(shí)別圖像中包括的錨點(diǎn)文本進(jìn)行文字切割，得到所述待識(shí)別圖像中包括的錨點(diǎn)文本對(duì)應(yīng)的錨點(diǎn)位置。

在一種可能的實(shí)現(xiàn)方式中，所述識(shí)別待識(shí)別圖像中包括的文本框區(qū)域，包括：