[发明专利]文本定位方法、装置、计算机可读存储介质和计算机设备

说明书

本申请涉及一种文本定位方法、装置、计算机可读存储介质和计算机设备，所述方法包括：获取发票图像；通过多任务网络模型提取所述发票图像中的文本特征；所述多任务网络模型包括分类网络和边界确定网络；通过所述边界确定网络确定所述文本特征的文本框边界；根据所述分类网络对所述文本特征分类，得到属于各文本类型的文本特征；按照各文本类型对应的呈现方式生成用于表示所述文本特征在所述发票图像中的位置分布图，以及，按照所述文本框边界生成用于表示所述文本特征的边界图像；根据所述位置分布图和所述边界图像确定文本在所述发票图像中的位置。本申请提供的方案即便当发票的背景复杂时，也能准确定位出发票中的文本。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种文本定位方法、装置、计算机可读存储介质和计算机设备。

背景技术

发票在录入系统时，一般会需要对录入系统的发票信息进行核对，而采用人工核对的方式将会需投入大量的人力成本；而采用机器核对时，需先对发票进行识别，由于发票的背景复杂，如具有纹理、背景图案以及印章上的文字覆盖或紧挨着发票文字，从而导致对发票中文本的定位造成干扰，进而影响发票的识别。

传统的文本定位方案中，首先计算发票图像的阈值，对发票图像进行二值化处理，然后利用连通域得到字符的矩形框，将矩形框经过多次兼并得到该行文本的文本框。然而，当发票的背景复杂时，将会影响文本定位的准确性。

发明内容

基于此，有必要针对当发票图像中具有纹理及图案背景时，将会影响文本定位的准确性的技术问题，提供一种文本定位方法、装置、计算机可读存储介质和计算机设备。

一种文本定位方法，包括：

获取发票图像；

通过多任务网络模型提取所述发票图像中的文本特征，所述多任务网络模型包括分类网络和边界确定网络；

通过所述边界确定网络确定所述文本特征的文本框边界；

根据所述分类网络对所述文本特征分类，得到属于各文本类型的文本特征；

按照各所述文本类型对应的呈现方式生成用于表示所述文本特征在所述发票图像中的位置分布图，以及，按照所述文本框边界生成用于表示所述文本特征的边界图像；

根据所述位置分布图和所述边界图像确定文本在所述发票图像中的位置。

在一个实施例中，所述根据所述位置分布图和所述边界图像确定文本在所述发票图像中的位置之前，所述方法还包括：

按照预设尺寸调整所述文本特征对应的特征图的尺寸，得到调整后特征图；

对对所述调整后特征图依次进行卷积和池化处理；

将池化处理后所得的特征图进行拉伸，得到一维特征向量；

将所述一维特征向量输入所述多任务网络模型的全连接层，并通过激活函数进行处理得到用于表示所述发票图像的旋转方向的方向向量。

在一个实施例中，所述文本特征包括多个指定卷积层处理所得的多个文本特征；所述通过多任务网络模型提取所述发票图像中的文本特征包括：

对最后一层指定卷积层所得的文本特征进行上采样和至少两次卷积处理，得到中间文本特征；

将所述中间文本特征与上一层指定卷积层所得的文本特征融合，得到中间融合特征；

将所述中间融合特征图进行上采样和至少两次卷积处理，执行所述将所述中间文本特征与上一层指定卷积层所得的文本特征融合的步骤，直至将处理所得的中间文本特征与第一层指定卷积层所得的文本特征进行融合，得到融合后的文本特征。

在一个实施例中，所述方法还包括：