[发明专利]一种确定文本行区域的方法和装置

说明书

本发明公开了一种用于确定文本行区域的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取文本图像，其中，所述文本图像中的文本是以文本行形式呈现的；利用基于中心线的文本行检测模型，检测得到文本行的中心线信息；根据所述中心线信息，得到文本行轮廓，以确定所述文本行区域。该实施方式能够有效解决文本黏连问题，尤其在文本行非常靠近或存在重叠区域的情况下，能够通过提取文本行中心线的方式精确的分割文本行，有助于提高文本行分割的精度，进而有助于后续的文本识别的准确率；另一方面，通过先确定文本行中心线，再根据中心线信息检测得到文本行轮廓(区域)，特别适用于长文本行的文本检测。

技术领域

本发明涉及计算机技术领域，尤其涉及一种确定文本行区域的方 法和装置。

背景技术

文本检测技术是OCR(光学字符识别)技术中的重要组成部分， 其主要利用计算机视觉技术，检测出图像中的文本区域，以供后续进 行文本识别等操作。目前文本检测的方法大体上可以分为三种：基于 候选框回归的方法、基于图像分割的方法和分割回归结合的方法。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题： 现有的基于分割的方法，主要针对文本置信度图进行分割，尽管通过 shrink(收缩)策略能够尽量避免文本黏连，但在文本行非常靠近或文 本行之间存在重叠区域的情况下，现有的技术方案通常不能很好地将 文本行进行分割，导致文本检测错误，进而影响后续的文本识别的准 确率。

发明内容

有鉴于此，本发明实施例提供一种确定文本区域的方法和装置， 能够有效解决文本黏连问题，尤其在文本行非常靠近或存在重叠区域 的情况下，能够通过提取文本行中心线的方式精确地分割文本行，有 助于提高文本行分割的效率，进而有助于后续的文本识别的准确率； 另一方面，通过先确定文本行中心线，再根据中心线信息检测得到文 本行轮廓(区域)，特别适用于长文本行的文本检测。

为实现上述目的，根据本发明实施例的一个方面，提供了一种确 定文本行区域的方法，包括：获取文本图像，其中，所述文本图像中 的文本是以文本行形式呈现的；利用基于中心线的文本行检测模型， 检测得到所述文本行的中心线信息；根据所述中心线信息，得到文本 行轮廓，以确定所述文本行区域。

可选地，用于确定文本行区域的方法，所述中心线信息包括：所 述中心线上的点的坐标信息、所述中心线相对于指定方向的角度、所 述中心线上的点距待定文本行轮廓的上下垂直距离。

可选地，用于确定文本行区域的方法，所述根据所述中心线信息， 得到文本行轮廓，包括：基于连通域提取中心线，并根据所述角度及 所述上下垂直距离，获得所述文本行轮廓。

可选地，用于确定文本行区域的方法，根据以下方式获得所述文 本行检测模型：采集训练样本，所述训练样本包括所述文本图像和所 述文本图像中的文本行的位置信息；利用所述训练样本，训练卷积神 经网络，以得到所述文本行检测模型。

可选地，用于确定文本行区域的方法，包括：在所述训练过程中， 根据下列中的一种或多种，确定所述文本行检测模型的损失函数：基 于所述中心线上的各点的坐标信息的预测值和真值的第一损失函数、 基于所述上下垂直距离的预测值和真值的第二损失函数、基于所述中 心线上各点对应的角度的预测值和真值的第三损失函数。

可选地，用于确定文本行区域的方法，还包括：根据下列中的一 个或多个确定所述损失函数：基于所述第一损失函数和第一权重值的 第一修正损失函数、基于所述第二损失函数和第二权重值的第二修正 损失函数、基于所述第三损失函数和第三权重值的第三修正损失函数。

可选地，用于确定文本行区域的方法，所述卷积神经网络为下列 中的一种：ResNet、VGG、MobileNet、PVANet、DenseNet。