[发明专利]文本类信息检测识别方法及设备

说明书

本发明的目的是提供一种文本类信息检测识别方法及设备，本发明通过获取待检测的文本类图像，以及文本类图像中的关键文本信息的标准答案；对待检测的文本类图像进行二值化和去噪处理，得到二值化和去噪处理后的文本类图像；从二值化处理和去噪处理后的文本类图像中获取文本字段信息；对所述文本字段信息进行识别，得到关键文本信息；将所述关键文本信息与对应的标准答案进行是否一致的比对判断，本发明实现了车辆年检文本类的自动校验，既节省人力成本，又提高了车辆年检的工作效率、准确率。

技术领域

本发明涉及计算机领域，尤其涉及一种文本类信息检测识别方法及设备。

背景技术

随着社会经济的不断发展和人民生活水平的持续提高，城市机动车保有量迅猛增长。机动车车辆年检的工作量也随之迅速增大。传统的车辆年检中的多种不同文本的审查主要是通过人工校验，如机动车牌证申请表、完税证明、行驶证、保险单等。该方法人工成本较高，效率较低，且长时间重复性校验操作容易产生疲劳，疏忽等不良状态，影响校验准确率。

如何准确、快速地对安全技术检验报告进行校验，同时避免人工校验成本高、易疲劳、易疏忽等弊端，是急需解决的技术问题。

发明内容

本发明的一个目的是提供一种文本类信息检测识别方法及设备。

根据本发明的一个方面，提供了一种文本类信息检测识别方法，该方法包括：

获取待检测的文本类图像，以及所述文本类图像中的关键文本信息的标准答案；

对所述待检测的文本类图像进行二值化和去噪处理，得到二值化和去噪处理后的文本类图像；

从二值化处理和去噪处理后的文本类图像中获取文本字段信息；

对所述文本字段信息进行识别，得到关键文本信息；

将所述关键文本信息与对应的标准答案进行是否一致的比对判断。

进一步的，上述方法中，从二值化和去噪处理后的文本类图像中获取文本字段信息，包括：

使用弯曲文本目标检测模型，从二值化和去噪处理后的文本类图像中获取文本字段信息。

进一步的，上述方法中，使用弯曲文本目标检测模型，从二值化和去噪处理后的文本类图像中获取文本字段信息之前，还包括：

获取图像预处理后的不同种类的模版文本图像；

采用曲线定位点标记所有文字字段在所述模版文本图像中的所在位置；

基于标记后的所有文字字段在所述模版文本图像中的所在位置，训练目标检测深度神经网络模型，以获得所述弯曲文本目标检测模型。

进一步的，上述方法中，对所述文本字段信息进行识别，得到关键文本信息，包括：

使用文本识别模型对所述文本字段信息进行识别，得到关键文本信息。

进一步的，上述方法中，使用文本识别模型对所述文本字段信息进行识别，得到关键文本信息之前，还包括：

获取不同种类、不同颜色、不同字符内容的文本字段图像；

采用预设图像处理方法对获取到的所述文本字段图像进行数据扩充，并记录相应类别标签，以得到扩充字段数据集；

使用所述扩充字段数据集训练文本识别深度神经网络模型，获得所述文本识别模型。

进一步的，上述方法中，对所述待检测的文本类图像进行二值化处理，包括：

基于opencv的自适应adaptiveThreshold的二值化方法，对所述待检测的文本类图像进行二值化处理。