[發明專利]一種文本識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202310039762.1
• 申請日: 2023-01-12
• 公開（公告）號: CN116012847A
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 尹天舒
• 申請（專利權）人: 北京奇藝世紀科技有限公司
• 主分類號: G06V30/146
• 分類號: G06V30/146;G06V30/14;G06V30/19
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 李冬;孟維娜

1.一種文本識別方法，其特征在于，所述方法包括：

對待識別圖像進行文本檢測，確定所述待識別圖像中文本的最小外接密閉圖形對應的圖像區域，作為第一圖像；其中，所述待識別圖像中文本包含的各字符的傾斜角度一致；

利用預設的圖像校正算法對所述第一圖像的方向進行校正，得到校正后的第一圖像，作為當前的待處理圖像；其中，當前的待處理圖像中文本包含的各字符的排列方向為水平或豎直的；

判斷當前的待處理圖像的寬高比是否大于預設閾值；

若當前的待處理圖像的寬高比大于預設閾值，則將當前的待處理圖像輸入預先訓練的橫向文本識別模型中，得到表示當前的待處理圖像中每一字符為預設字符的概率的置信度；其中，所述橫向文本識別模型用于對包含橫向字符的文本進行識別；

若當前的待處理圖像的寬高比不大于預設閾值，則將當前的待處理圖像輸入預先訓練的豎向文本識別模型中，得到表示當前的待處理圖像中每一字符為預設字符的概率的置信度；其中，所述豎向文本識別模型用于對包含豎向字符的文本進行識別；

基于得到的置信度，確定當前的待處理圖像中文本包含的字符，作為所述待識別圖像中文本包含的字符。

2.根據權利要求1所述的方法，其特征在于，所述利用預設的圖像校正算法對所述第一圖像的方向進行校正，得到校正后的第一圖像，作為當前的待處理圖像，包括：

對所述第一圖像進行旋轉，以使旋轉后的第一圖像中文本包含的各字符的排列方向為水平或豎直的，得到第二圖像；按照所述第二圖像中文本的最小外接矩形的大小，對所述第二圖像中文本所占的區域進行仿射變換，得到當前的待處理圖像；

或，按照所述第一圖像中文本的最小外接矩形的大小，對所述第一圖像中文本所占的區域進行仿射變換，得到第三圖像；對所述第三圖像進行旋轉，以使旋轉后的第三圖像中文本包含的各字符的排列方向為水平或豎直的，得到當前的待處理圖像。

3.根據權利要求1所述的方法，其特征在于，在所述對待識別圖像進行文本檢測，確定所述待識別圖像中文本的最小外接密閉圖形對應的圖像區域，作為第一圖像之前，所述方法還包括：

獲取包含文本的原始圖像；

對所述原始圖像進行縮放，并對縮放后的原始圖像進行圖像增強處理，得到所述待識別圖像。

4.根據權利要求1所述的方法，其特征在于，所述基于得到的置信度，確定當前的待處理圖像中文本包含的字符，作為所述待識別圖像中文本包含的字符，包括：

判斷得到的置信度是否滿足預設條件；

若得到的置信度不滿足預設條件，則按照預設的圖像變換方式，對當前的待處理圖像進行處理，以更新當前的待處理圖像；并返回執行所述判斷當前的待處理圖像的寬高比是否大于預設閾值的步驟，直至得到的置信度滿足所述預設條件；

將當前的待處理圖像中文本包含的字符，確定為所述待識別圖像中文本包含的字符。

5.根據權利要求4所述的方法，其特征在于，所述圖像變換方式包含以下至少一項：水平鏡像、垂直鏡像、順時針旋轉90°和逆時針旋轉90°。

6.根據權利要求4所述的方法，其特征在于，所述判斷得到的置信度是否滿足預設條件，包括：

對得到的當前的待處理圖像中每一字符對應的各置信度進行歸一化處理；

確定歸一化處理后的各置信度中的最大值，作為該字符對應的預測概率；

若各字符對應的預測概率的加權和大于預設閾值，則確定得到的置信度滿足預設條件；

若各字符對應的預測概率的加權和不大于預設閾值，則確定得到的置信度不滿足預設條件。