[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

本發明實施例提供了一種文本識別方法、裝置、電子設備及存儲介質，涉及圖像處理技術領域，方法包括：對待識別圖像進行文本檢測，確定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；利用預設的圖像校正算法對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；判斷當前的待處理圖像的寬高比是否大于預設閾值；若是，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；若否，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；基于得到的置信度，確定待識別圖像中文本包含的字符。如此，能夠有效地識別出圖像中的文本。

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種文本識別方法、裝置、電子設備及存儲介質。

背景技術

隨著圖像處理技術的發展，OCR(Optical?Character?Recognition，光學字符識別)模型能夠對包含文本的圖像進行識別，獲取圖像中文本的識別結果。

然而，在實際的場景中，圖像中文本包含的字符的方向可能為橫向，也可能是豎向。另外，該文本對應的文本框在圖像中也可能并非為水平的，即，文本包含的各字符在圖像中是傾斜的。

針對上述復雜的情況，亟需一種方法以有效地識別出圖像中的文本。

發明內容

本發明實施例的目的在于提供一種文本識別方法、裝置、電子設備及存儲介質，以有效地識別出圖像中的文本。具體技術方案如下：

在本發明實施的第一方面，首先提供了一種文本識別方法，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。

在一些實施例中，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。

在一些實施例中，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；