[发明专利]一种结构化输出图像文字识别结果的方法及装置

权利要求书

1.一种结构化输出图像文字识别结果的方法，其特征在于，包括以下步骤：

S1.利用光学字符识别算法(OCR)获取检测框位置信息，具体地，对输入的图像利用OCR进行文字检测和识别，获取到文字区域的位置信息集合和文字集合，其中位置信息集合为文字区域的检测框的左上角顶点坐标及右下角顶点坐标所构成的集合；

S2.构建带标注的关键字段数据集，其中，关键字段为待获取的信息类别；

S3.设定锚定字段，具体地，根据不同输入数据设定锚定字段，构建锚定字段对应信息的数据列表，对文字识别结果进行锚定信息检索，并以其对应的文字区域的检测框作为锚定框，计算其它文字区域的检测框与锚定框的相对位置信息和相对宽高比，其中相对位置信息是指其它文字区域的检测框的右下角顶点与锚定框的左上角顶点的坐标差值；

S4.特征向量构建，将相对位置信息和相对宽高比用于特征向量生成；

S5.训练优化分类器，用生成的特征向量对机器学习分类器进行训练和优化；

S6.检测框分类，使用训练优化后的机器学习分类器对待识别图像的文字区域的检测框进行分类；

S7.识别并输出结构化结果，具体地，识别检测框内的文字，并对识别后的文字进行关键信息匹配，将版式相近的文字字段校正输出，最终输出结构化结果数据。

2.如权利要求1所述的方法，其特征在于，机器学习分类器采用支持向量机分类器和随机森林分类器。

3.如权利要求2所述的方法，其特征在于，随机森林分类器的决策树数目为10，袋外数据测试设置为True；以及向量机分类器的核函数设置为高斯径向基核函数，惩罚因子设置为90。

4.一种结构化输出图像文字识别结果的装置，其特征在于，包括：

检测框位置信息获取模块，用于利用光学字符识别算法(OCR)获取检测框位置信息，具体地，对输入的图像利用光学字符识别算法(OCR)进行文字检测和识别，获取到文字区域的位置信息集合和文字集合，其中位置信息集合为文字区域的检测框的左上角顶点坐标及右下角顶点坐标所构成的集合；

关键字段数据集构建模块，用于构建带标注的关键字段数据集，其中，关键字段为待获取的信息类别；

锚定字段设定模块，用于设定锚定字段，具体地，根据不同输入数据设定锚定字段，构建锚定字段对应信息的数据列表，对文字识别结果进行锚定信息检索，并以其对应的文字区域的检测框作为锚定框，计算其它文字区域的检测框与锚定框的相对位置信息和相对宽高比，其中相对位置信息是指其它文字区域的检测框的右下角顶点与锚定框的左上角顶点的坐标差值；

特征向量构建模块，用于将相对位置信息和相对宽高比用于特征向量生成；

分类器训练优化模块，用于训练优化分类器，具体地，用生成的特征向量对机器学习分类器进行训练和优化；

检测框分类模块，用于使用训练优化后的机器学习分类器对待识别图像的文字区域的检测框进行分类；

识别输出模块，用于识别并输出结构化结果，具体地，识别检测框内的文字，并对识别后的文字进行关键信息匹配，将版式相近的文字字段校正输出，最终输出结构化结果数据。

5.如权利要求4所述的装置，其特征在于，机器学习分类器采用支持向量机分类器和随机森林分类器。

6.如权利要求5所述的装置，其特征在于，随机森林分类器的决策树数目为10，袋外数据测试设置为True；以及向量机分类器的核函数设置为高斯径向基核函数，惩罚因子设置为90。