[发明专利]一种文字区域识别方法及装置

说明书

本发明公开了一种文字区域识别方法及装置，涉及图像识别技术领域，能够对自然场景图像中的文字区域自动进行识别和标注。本发明主要的技术方案为：利用卷积神经网络对目标图像进行检测，得到目标图像的文字特征图像；通过在所述文字特征图像的像素点上设置至少一个文字候选框，得到所述文字候选框框定的第一特征区域；对文字候选框框定的第一特征区域进行第一次分类和第一次回归，得到框定了物体的文字候选框，所述物体至少包括文字。本发明用于识别图像中的文字区域。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种文字区域识别方法及装置。

背景技术

文字作为自然场景图像中的组成部分，往往蕴含着与该场景相关的重要信息。因此，对自然场景图像中的文字进行定位并识别，具有重要的实用价值。相对于识别传统扫描文档(如pdf)中的文字，识别自然场景图像中文字的难度更大，因为自然场景图像中除文字外还有各类背景，背景的复杂性越高，将背景与文字进行分离就越困难。如图1所示，图中的两幅图左侧的为扫描文档图像，而右侧的为自然场景图像，对比可以看出，自然场景图像中的文字在大小、排列、字体、出现方式等都没有统一的标准，并且，随着拍摄角度的不同，文字也会出现不同程度的倾斜、旋转、凸变等变形，同时，由于光照或曝光等因素的影响也会干扰对图像中文字区域的识别。

目前，主要通过人工对自然场景图像中的文字区域进行识别和标注，这种方式效率较低，不适合对大批量自然场景图像进行处理。

发明内容

鉴于上述问题，本发明提出了一种文字区域识别方法及装置，主要目的在于对自然场景图像中的文字区域自动进行识别和标注。

为达到上述目的，本发明主要提供如下技术方案：

一方面，本发明提供一种文字区域识别方法，具体包括：

利用卷积神经网络对目标图像进行检测，得到目标图像的文字特征图像；

通过在所述文字特征图像的像素点上设置至少一个文字候选框，得到所述文字候选框框定的第一特征区域；

对文字候选框框定的第一特征区域进行第一次分类和第一次回归，得到框定了物体的文字候选框，所述物体至少包括文字。

另一方面，本发明提供一种文字区域识别装置，具体包括：

文字特征图像检测单元，用于利用卷积神经网络对目标图像进行检测，得到目标图像的文字特征图像；

文字候选框设置单元，用于通过在所述文字特征图像检测单元检测得到的文字特征图像的像素点上设置至少一个文字候选框，得到所述文字候选框框定的第一特征区域；

第一文字候选框筛选单元，用于对所述文字候选框设置单元设置的文字候选框所框定的第一特征区域进行第一次分类和第一次回归，得到框定了物体的文字候选框，所述物体至少包括文字。

另一方面，本发明提供一种存储介质，所述存储介质用于存储计算机程序，其中，所述计算机程序运行时控制所述存储介质所在设备执行上述的文字区域识别方法。

另一方面，本发明提供一种处理器，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行上述的文字区域识别方法。

借由上述技术方案，本发明提供的一种文字区域识别方法及装置，主要是利用经过训练的卷积神经网络对自然场景图像进行检测，得到文字特征图像，并在该文字特征图像的像素点上设置至少一个文字候选框，以使设置在文字特征图像上的所有文字候选框能够框定该文字特征图像的所有图像区域，再利用第一次分类与第一次回归操作检测这些文字候选框所框定的第一特征区域，得到框定有物体的文字候选框。进一步，由于利用卷积神经网络对目标图像进行检测，得到的是目标图像的文字特征图像，所以，所述物体至少包括的文字。由此可见，采用本发明对自然场景图像进行检测，可自动识地别出图像中文字所在的区域，提高了图像中的文字区域识别的处理效率。