[发明专利]一种基于CNN的手写英文文档识别方法

说明书

本发明公开了一种基于CNN的手写英文文档识别方法，包括：获取由手写英文字母及标点符号文本组成的数据集，基于数据集构造训练样本集及测试样本集；构造8层卷积神经网络，包括5个卷积层和3个全连接层，最后一个全连接层的输出被送到一个具有59个输出向量的softmax层当中；采用重叠的Pooling，对输入图像的每个像素进行卷积、下采样、池化操作，得到每层的特征图的大小；输入训练样本集，提取字符特征，进行分类训练；将提取的单个字符图像统一缩放到320*320像素；添加彩色通道，将字符图像类型转化为320*320*3uint8型数据，得到测试样本集；利用训练后的神经网络自动识别英文符号。

技术领域

本发明涉及计算机视觉领域和模式识别相关领域，尤其涉及一种手写字符识别的算法，可以对手写数字，手写英文字符进行识别，经扩展后可用于其它手写体字符的识别。

背景技术

手写体字符识别一直是一个热门的研究课题，字符识别要解决数据的采集、处理及选择、输入样本表达的选择、模式识别分类器的选择，以及基于样本集对识别器进行有指导的训练等诸多问题。

目前，各国专家与学者提出了许多获取手写字符主要特征的方式，主要分为结构分析与全局整体式分析2种。字符的主要特征集中在点、线、笔画、端点、凹凸处等，而对于这些主要特征的获取则采用了模板匹配、数学转换以及矩阵、特征分析等。在实际应用中，上述方法无法实现对手写字符的高精度识别。

目前研究的主要方向是：在识别技术不断求精的基础上，如何将应用数学形态学、神经网络算法、遗传算法的新技术运用到手写字符识别当中。手写文字识别研究的最大难点在于：字符因手写人员的书写习惯而异，给手写字符识别带来了很大困难。主要体现在：1)相似字符难以区分；2)字符书写形状的多种差异很难用一种识别系统完全兼顾；3)书写者手写字符的随意性很大，如笔画的疏密程度、笔画的粗细、字的大小、笔画长短比例、倾斜程度、字体灰度、局部扭曲变形的差异等都会给识别系统的正确率带来不同程度的影响。

作为计算机智能接口的重要组成部分，手写英文字母及相关文本的识别具有重要意义，该技术的完善可以大大提高计算机的使用效率，是办公自动化、新闻出版、计算机翻译等领域未来最理想的输入方式。

目前，手写英文字符识别存在的问题主要体现在三个方面：

1)数据集的选取及采集问题；

2)字符分割问题，如何快速准确地将文档中的字符分割出来，是图像分割问题中的主要的方面；

3)将手写英文识别和神经网络结合起来，使识别效果达到最佳。

发明内容

本发明提供了一种基于CNN(卷积神经网络)的手写英文文档识别方法，本发明利用采集的英文手写体数据集，通过将英文文档分割成单个字符，再基于构建的神经网络来实现手写英文文档的自动识别，以达到实用化的要求，详见下文描述：

一种基于CNN的手写英文文档识别方法，所述方法包括以下步骤：

获取由手写英文字母及标点符号文本组成的数据集，基于数据集构造训练样本集及测试样本集；

构造8层卷积神经网络，包括5个卷积层和3个全连接层，最后一个全连接层的输出被送到一个具有59个输出向量的softmax层当中；

采用重叠的Pooling，一个Pooling层是由间隔s个像素的Pooling单元网格组成，每个网格具有一个z*z大小的临近关系，均位于Pooling单元的中心位置，s<z；对输入图像的每个像素进行卷积、下采样、池化操作，得到每层的特征图的大小；

输入训练样本集，提取字符特征，进行分类训练；将提取的单个字符图像统一缩放到320*320像素；添加彩色通道，将字符图像类型转化为320*320*3uint8型数据，得到测试样本集；