[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

说明书

本发明涉及一种结构化输出图像文字识别结果的方法及装置，该方法包括以下步骤：S1.利用光学字符识别算法(OCR)获取检测框位置信息；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；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。

技术领域

本发明涉及文字识别技术领域，具体地涉及一种用于识别卡证信息的结构化输出图像文字识别结果的方法及装置。

背景技术

图像文字识别主要利用光学字符识别(OCR)技术对图像中文字进行识别提取为字符串，在后处理环节再对其进行编辑处理。通过OCR技术识别出的结果仅仅是一串可编辑的字符串，不包含任何结构化信息。对于结果往往需要建立一系列规则筛选各项从而录入，或直接人工录入两者在鲁棒性和效率上都劣势明显，前者无法建立一套完全的规则来进行各项信息的筛选，后者造成极大的人力成本的浪费。

近几年，随着物联网和移动互联网终端加速普及，常见的证件，银行卡和实体名片等等，通常会被拍照保存为图片形式，这使得卡证信息化管理需求日益凸显。目前常见卡证类的文字结构化方法主要有两种：一种是基于语法模式对字段进行信息归属的分类，该方法对卡证信息中的短语进行关键字标注，从一个或多个关键字来判断该短语所属的信息字段，主要使用正则匹配来完成，另一种是基于版面分析的方法，利用版面形式的统计规律，对文字区域间的邻接关系进行分析，预测出该文字区域的字段归属。常用的基于语法模式对字段进行信息归属的分类方法依赖于知识库的覆盖程度，对于多样化的姓名和企业名称无法保证效果；基于版面分析的方法对一些个性化排版的卡证处理存在一定的误差。因此，需要一种鲁棒性更好的结构化输出图像文字识别结果的方法来提升卡证信息化管理的效果。

发明内容

本发明旨在提供一种结构化输出图像文字识别结果的方法，以解决上述问题。为此，本发明采用的具体技术方案如下：

根据本发明的一方面，提供了一种结构化输出图像文字识别结果的方法，其包括以下步骤：

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。

进一步地，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。