[发明专利]基于文字结构部件检测神经网络的文字检测方法及系统

权利要求书

1.一种基于文字结构部件检测神经网络的文字检测方法，其特征在于：所述方法在深度卷积神经网络中构建文字结构部件检测层，所述文字结构部件检测层对文字结构部件进行检测，从而实现文字区域定位和分割；

所述方法包括以下步骤：

S1，在深度卷积神经网络构建文字结构部件检测层，所述文字结构部件检测层由多个文字结构部件检测器组成，针对中文字包含的文字结构部件的种类，对每一种文字结构部件构建相应的文字结构部件检测器；

S2，建立中文字数据集，包括从文字检测数据集中选出大量文字区域和非文字区域，用于训练深度学习网络；

所述S1、S2没有先后顺序要求，S1、S2完成后进行训练得到训练后的深度卷积神经网络；

S3，使用多尺度滑动窗算法提取自然图像中的候选文字区域，并由训练得到的深度卷积神经网络分类，得到文字区域；

S4，分析文字区域之间的相关性，将相关文字区域聚合成文本行，并用矩形框对文本行加以标定。

2.根据权利要求1所述的基于文字结构部件检测神经网络的文字检测方法，其特征在于：所述构建文字结构部件检测层，具体如下：

S11，根据文字结构的长宽比，提取中文字中的文字结构种类；

S12，对于每一种文字结构，构建与其长宽比相同的卷积窗大小的卷积网络，网络大小由该种文字结构占所有文字结构的比例确定，作为一个文字结构检测器；

S13，将输入图像输入所有文字结构检测器，对所有种类的文字结构进行检测；

S14，合并所有文字结构检测器的输出进行合并，即为文字结构检测层的输出。

3.根据权利要求1所述的基于文字结构部件检测神经网络的文字检测方法，其特征在于：所述S2中，建立的中文字数据集特征如下：

非文字区域图像中不包含任何文字；

文字区域图像有两种类型：全文字图像和半文字图像；

全文字图像中大部分区域为文字图像；

半文字图像中小部分区域为文字图像

数据集图像大小为32×32。

4.根据权利要求1所述的基于文字结构部件检测神经网络的文字检测方法，其特征在于，所述S3中，使用多尺度滑动窗算法提取自然图像中的候选文字区域，其中提取参数如下：

最大尺度为1/4图像大小，最小尺度为20像素；

重叠系数为0.5滑动提取；

提取出的图像块长宽比为1：1，并统一缩放为32×32的图像块。

5.根据权利要求1所述的基于文字结构部件检测神经网络的文字检测方法，其特征在于，所述S4中，利用S3得到的文字区域，执行基于区域相关性的文本行聚合算法，具体相关性和聚合规则如下：

两个文字区域的高度比值该在0.5和2之间；

两个文字区域外接矩形的中心点y坐标差值不大于两个文字区域之间最高的高度值的1/2；

两个文字区域的外接矩形的中心点x坐标差值不大于两个文字区域之间最宽的宽度值的2倍；

单个文本行至少有三个以上的文字区域；

相关性为：两个文字区域的高度、两个文字区域外接矩形的中心点y坐标差、两个文字区域的外接矩形的中心点x坐标差；

聚合规则为：高度比值该在0.5和2之间、中心点y坐标差值不大于两个文字区域之间最高的高度值的1/2、中心点x坐标差值不大于两个文字区域之间最宽的宽度值的2倍。

6.一种用于实现权利要求1-5任一项所述方法的基于文字结构部件检测神经网络的文字检测系统，其特征在于包括：深度卷积神经网络模块，所述深度卷积神经网络模块中构建文字结构部件检测层，所述文字结构部件检测层对文字结构部件进行检测，从而实现文字区域定位和分割。

7.根据权利要求6所述的基于文字结构部件检测神经网络的文字检测系统，其特征在于，所述文字结构部件检测层，由多个文字结构部件检测器组成，针对中文字包含的文字结构部件的种类，对每一种文字结构部件构建相应的文字结构部件检测器。