[发明专利]文本识别方法及装置

权利要求书

1.一种文本识别方法，其特征在于，包括：

获取待检测的文本图像，其中，所述文本图像中包含有多个字符的信息；

对所述文本图像进行多尺度变换，获得多个不同尺寸的子文本图像；

使用卷积神经网络模型对每个子文本图像进行文本检测，获得每个子文本图像中的每个字符对应的候选文本检测框，其中，卷积神经网络模型为SSD网络模型，SSD网络模型在训练过程中将样本图像剪裁到固定尺寸；

对同一个字符的所有子文本图像的多个候选文本检测框进行非极大值抑制NMS处理，并对处理后的候选文本检测框进行过滤，确定有效文本检测框；

基于所述有效文本检测框，对所述文本图像进行文本识别，获得文本识别结果；

其中，在所述基于所述有效文本检测框，对所述文本图像进行文本识别，获得文本识别结果之前，所述方法还包括：

基于所述有效文本检测框，对所述文本图像中的多个字符进行文本结构分析；

根据所述文本结构分析结果，获得至少一个文本行，其中，每个文本行中包括至少一个有效文本检测框；

其中，所述基于所述有效文本检测框，对所述文本图像中的多个字符进行文本结构分析，包括：

根据各个有效文本检测框的中心点水平坐标，确定各个有效文本检测框之间的水平位置关系；

按照所述水平位置关系，针对每一个有效文本检测框，判断是否存在对应的文本行；若存在，则加入对应的文本行；若不存在，则新建一个文本行；

将垂直方向上的重叠率满足第二设定重叠率的多个文本行生成多个文本行组；

根据各个文本行组的垂直坐标，确定各个文本行组之间的上下位置关系；

其中，所述方法还包括：

针对每个文本行，确定文本行中所有的有效文本检测框的高度平均值；

计算文本行中每个有效文本检测框的高度与所述高度平均值的差值；

将差值大于第四设定阈值的有效文本检测框作为分割点将文本行切分为平滑文本行和非平滑文本行；

对所述非平滑文本行进行矫正。

2.根据权利要求1所述的方法，其特征在于，所述对处理后的候选文本检测框进行过滤，包括：

根据处理后的候选文本检测框的面积、长度、宽度中的至少一种，对处理后的候选文本检测框进行过滤。

3.根据权利要求2所述的方法，其特征在于，所述根据处理后的候选文本检测框的面积、长度、宽度中的至少一种，对处理后的候选文本检测框进行过滤，包括：

计算所有处理后的候选文本检测框的面积平均值，得到各个候选文本框的面积与所述面积平均值的差的绝对值，将所述差的绝对值与所述面积平均值的比例大于第一设定阈值的候选文本检测框滤除；

和/或，

计算所有处理后的候选文本检测框的长度平均值，得到各个候选文本框的长度与所述长度平均值的差的绝对值，将所述差的绝对值与所述长度平均值的比例大于第二设定阈值的候选文本检测框滤除；

和/或，

计算所有处理后的候选文本检测框的宽度平均值，得到各个候选文本框的宽度与所述宽度平均值的差的绝对值，将所述差的绝对值与所述宽度平均值的比例大于第三设定阈值的候选文本检测框滤除。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述候选文本检测框为每个字符的外接正矩形框。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述对同一个字符的所有子文本图像的多个候选文本检测框进行非极大值抑制NMS处理，包括：

针对同一个字符对应的多个子文本图像中的多个候选文本检测框，确定多个候选文本检测框中得分最高的候选文本检测框，其中，所述得分通过所述卷积神经网络模型的输出结果获得；

逐个判断得分最高的候选文本检测框与其它候选文本检测框的重叠率；

将与得分最高的候选文本检测框的重叠率超过第一设定重叠率的候选文本检测框滤除；

从剩余的候选文本检测框中确定置信度最高的候选文本检测框，并将其它候选文本检测框滤除。