[发明专利]一种字符识别方法、装置、电子设备及存储介质

权利要求书

1.一种字符识别方法，其特征在于，包括：

对获取的图像进行目标对象检测，以确定所述图像中目标对象所在的区域，所述目标对象包含N个字符，N为正整数；

对所述区域进行特征提取，得到所述目标对象的特征图；

根据预先设置的所述目标对象中各字符的位置划分信息，从所述特征图中获取所述目标对象中各字符的关联特征图；

根据预设字符集和所述目标对象中各字符的关联特征图，识别所述目标对象中的各字符。

2.如权利要求1所述的方法，其特征在于，根据预先设置的所述目标对象中各字符的位置划分信息，从所述特征图中获取所述目标对象中各字符的关联特征图，包括：

根据预先设置的所述目标对象中每个字符的位置划分信息，确定该字符在所述特征图中对应的区域，其中，确定的区域大于该字符在所述特征图中实际对应的区域；从所述特征图中获取确定的区域对应的特征图作为该字符的关联特征图；

或者

将所述特征图划分成N个子特征图；将所述N个子特征图中与预先设置的所述目标对象中每个字符的位置划分信息匹配的子特征图，作为该字符的参考特征图；根据所述参考特征图相邻的子特征图对所述参考特征图进行修正处理，得到该字符的关联特征图。

3.如权利要求2所述的方法，其特征在于，根据所述参考特征图相邻的子特征图对所述参考特征图进行修正处理，得到该字符的关联特征图，包括：

对所述参考特征图和所述参考特征图相邻的子特征图多次进行特征提取，其中，每次进行特征提取的子特征图不同，且每次进行特征提取的各子特征图在所述特征图中连续；

对各次提取的特征图进行池化处理；

对池化处理后的各特征图和所述参考特征图进行融合处理，得到该字符的关联特征图。

4.如权利要求3所述的方法，其特征在于，对所述参考特征图和所述参考特征图相邻的子特征图多次进行特征提取，包括：

利用字符识别网络模型中的不同特征提取层对所述参考特征图和所述参考特征图相邻的子特征图进行特征提取，其中，每个特征提取层进行特征提取的子特征图不同，且每个特征提取层提取的各子特征图在所述特征图中连续，所述字符识别网络模型是利用字符样本的参考特征图和所述参考特征图相邻的子特征图进行训练得到的。

5.如权利要求4所述的方法，其特征在于，对各次提取的特征图进行池化处理，包括：

将各特征提取层的输出结果输入所述字符识别网络模型中与各特征提取层各自相连的池化层进行池化处理。

6.如权利要求5所述的方法，其特征在于，对池化处理后的各特征图和所述参考特征图进行融合处理，得到该字符的关联特征图，包括：

将各池化层的输出结果和所述参考特征图输入所述字符识别网络模型中的特征融合层进行融合处理，得到该字符的关联特征图。

7.如权利要求4所述的方法，其特征在于，根据以下步骤训练所述字符识别网络模型：

利用神经网络模型中的不同特征提取层对字符样本的参考特征图和所述参考特征图相邻的子特征图进行特征提取，其中，每个特征提取层进行特征提取的子特征图不同，且每个特征提取层提取的各子特征图在所述特征图中连续；

将各特征提取层的输出结果输入所述神经网络模型中各特征提取层各自相连的池化层进行池化处理；

将各池化层的输出结果和所述参考特征图输入所述神经网络模型中的特征融合层进行融合处理；

分别利用所述特征融合层的输出结果和各池化层的输出结果进行字符识别；

根据所述特征融合层的输出结果的字符识别误差和各池化层的输出结果的字符识别误差，调节所述神经网络模型的模型参数，得到字符识别网络模型。