[发明专利]一种基于深度学习训练框架的文字识别方法

说明书

技术领域

本发明涉及文字识别方法，尤其涉及一种基于深度学习训练框架的文字识别方法。

背景技术

文字识别技术，是模式识别应用的一个重要领域。50年代开始探讨一般文字识别方法，并研制出光学字符识别器。60年代出现了采用磁性墨水和特殊字体的实用机器。60年代后期，出现了多种字体和手写体文字识别机，但识别精度和机器性能都很不理想。70年代，主要研究文字识别的基本理论和研制高性能的文字识别机，并着重于汉字识别的研究。现如今文字识别技术已经提升了很多。即便如此，现在对混合图表的识别率依然不是太高，乱码错字依旧经常出现。因此本项目采用深度学习的神经网络的方法，实现印刷体中英文和数字进行高精度识别，同时实现手写英文和数字的高效识别。

现有文字识别有以下几种常用算法：

Strokelets:A Learned Multi-scale Representation for Scene Text Recognition(CVPR 2014)通过聚类图像块来学习中层笔画特征，然后使用霍夫(HOG)投票算法检测字符。在笔画特征和HOG特征的基础上，使用随机森林分类器来进行字符分类。

End-to-end scene text recognition(2011)借鉴计算机视觉通用的目标检测方法，提出了一个新的文本识别系统。他们利用字符置信度以及字符之间的空间约束关系，给出最可能的检测和识别结果。但是该算法只能用于水平方向排列的文本的检测识别。

End-to-End Text Recognition with Hybrid HMM Maxout Models(2013)和PhotoOCR:Reading Text in Uncontrolled Conditions(2013)等人通过无监督的二分类技术或有监督的分类器，将单词图像分割为潜在的字符区域。

End-to-End Text Recognition with Hybrid HMM Maxout Models(2013)使用一种复杂的，包含分割、矫正以及字符识别的CNN网络，结合使用固定词典的隐马尔科夫模型(HMM)，生成最终的识别结果。

PhotoOCR系统使用基于HOG特征的神经网络分类器，对分割得到的候选结果进行打分，使用结合N元语言模型(N-gram)的Beam搜索算法，得到候选字符集合。最后，再进一步使用语言模型和形状模型对候选字符组合进行重新排序。

Deep Features for Text Spotting(2014)结合了文本一非文本分类器、字符分类器、二元语言模型分类器，对整张图进行稠密的基于滑动窗口的扫描。最后结合固定词典，对图片中的单词进行分析。

现有的文字识别技术存在以下缺点：

(1)识别算法智能程度较低，对印刷字体识别效率低下，对手写字符完全无法有效识。产生这样的原因在于算法以使用人工提取的特征为主，受限于人的特征提取准确度，这样很难在根本上取得重大突破。

(2)识别过程繁琐负载，与实际生活完全脱轨。比如目前汉王公司的文字识别技术，需要使用特定的扫描设备，将文本逐页的进行扫描识别，录入到特定的电脑软件当中，经过机器识别，还要进行复杂的人工校对。这一系列的过程与目前移动端为主的交互应用完全不符。

(3)对于汉字的识别是整个业界的难点。以美国高校、微软等高新技术企业为主的行业技术领先者，对于印刷体英文与手写英文有着较为深入的研究，但是在国内，对于印刷体汉字与手写体汉字的研究还没有显著突破，对比欧美的研究者在技术方案、数据库量级、应用产品等诸多反面还有显著差距。

发明内容

为了解决现有技术中的问题，本发明提供了一种基于深度学习训练框架的文字识别方法。

本发明提供了一种基于深度学习训练框架的文字识别方法，包括以下步骤：

S1、通过摄像头拍摄输入图片；

S2、将图片输入到经过深度学习形成的文字识别模型，得到对应的文字内容。

作为本发明的进一步改进，所述文字识别模型的深度学习过程包括：构造卷积神经网络并进行卷积神经网络求解，卷积神经网络求解包括以下过程：

(1)、选定训练组，从样本集中分别随机地寻求N个样本作为训练组；

(2)、将各权值、阈值，置成小的接近于0的随机值，并初始化精度控制参数和学习率；

(3)、从训练组中取一个输入模式加到卷积神经网络，并给出它的目标输出向量；

(4)、计算出中间层输出向量，计算出网络的实际输出向量；