[发明专利]一种字符识别的方法、系统、设备及计算机可读存储介质

说明书

本申请公开了一种字符识别的方法，包括：接收输入的训练字符图像集及待识别字符图像集确定字符训练集中标签长度小于阈值的字符图像为待补充字符图像，并利用预设符号将待补充字符图像的标签补充为长度为该阈值的标签；利用补充后的训练字符图像集训练预设卷积神经网络，得到字符识别模型；利用字符识别模型对待识别字符图像集进行识别，并将识别结果中的预设符号删除，得到字符识别结果。本申请不需要对字符图像降噪、分隔或者其他预处理，便可完成对不定长度的字符图像的识别，简化了字符识别流程，提高了字符识别的效率。本申请同时还提供了一种字符识别的系统、设备及计算机可读存储介质，具有上述有益效果。

技术领域

本申请涉及字符识别领域，特别涉及一种字符识别的方法、系统、设备及计算机可读存储介质。

背景技术

字符图像识别是计算机视觉研究领域的分支之一，有着广泛的应用场景。相关应用涉及了身份证识别、车牌号识别、快递单识别、银行卡号识别等等，这类字符通常属于印刷体，字体比较工整且图像背景的噪音信息比较少。然而现实生活中有很多扭曲的字符，比如街景中的艺术字和图像验证码等，而且字数长度不固定，同时伴随着很多噪声信息，给字符识别带来很大难度。

传统的字符识别，如光学字符识别通过检测字符暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字，适合识别没有噪音的印刷体字符，但对带噪音信息且扭曲的字符识别能力很差。另外一种常用的方法通常是使用字符分割算法，比如腐蚀膨胀法、投影直方图法等，对字符图片进行分割，然后对单个字符图片进行识别，但这类分割算法通常需要对图片进行大量的预处理，比如灰度处理、二值化、增加对比度、倾斜校正、降噪等，同时对带有很多噪音信息且扭曲粘连在一起的字符很难分割准确，对这类字符识别效果不理想。

因此，如何对不定长字符图像进行识别是本领域技术人员目前需要解决的技术问题。

发明内容

本申请的目的是提供一种字符识别的方法、系统、设备及计算机可读存储介质，用于对不定长字符图像进行识别。

为解决上述技术问题，本申请提供一种字符识别的方法，该方法包括：

接收输入的训练字符图像集及待识别字符图像集；其中，所述字符训练集中的每个字符图像具有标签，所述标签与所述字符图像的字符内容一致；

确定所述字符训练集中标签长度小于阈值的字符图像为待补充字符图像，并利用预设符号将所述待补充字符图像的标签补充为长度为所述阈值的标签；

利用补充后的所述训练字符图像集训练预设卷积神经网络，得到字符识别模型；

利用所述字符识别模型对所述待识别字符图像集进行识别，并将识别结果中的所述预设符号删除，得到字符识别结果。

可选的，所述利用补充后的所述训练字符图像集训练预设卷积神经网络，得到字符识别模型，包括：

确定所述训练字符图像集中每个所述字符图像的标签在预设字符集中的第一索引值；

对每个所述第一索引值进行独热编码，并将得到的编码值进行拼接，得到每个所述字符图像的第一标签编码值；

对所述训练字符图像集中每个所述字符图像进行归一化处理，得到归一化像素矩阵；

将每个所述归一化像素矩阵作为所述预设卷积神经网络的输入，将每个所述第一标签编码值作为所述预设卷积神经网络的输出，对所述预设卷积神经网络进行训练，得到所述字符识别模型。

可选的，所述利用所述字符识别模型对所述待识别字符图像集进行识别，并将识别结果中的所述预设符号删除，得到字符识别结果，包括：

利用所述字符识别模型对所述待识别字符图像集进行识别，得到所述待识别字符图像中每个所述字符图像的第二标签编码值；