[发明专利]一种文本处理方法及相关装置

说明书

本申请公开了一种文本处理方法及相关装置。该方法包括：获取第一文本图片；第一文本图片为包括第一文本的图片；将第一文本图片输入至文本矫正网络进行文本矫正，得到包括第二文本的第二文本图片；文本矫正网络为利用第一文本中的每个字符的位置信息进行矫正的网络，第二文本的文本内容与第一文本的文本内容相同，第二文本图片中的第二文本为水平文本。本方法对于输入的文本图片，通过检测其包含的文本信息得到每个字符的位置信息，并利用该位置信息重构出每个字符的坐标框，再根据该坐标框对字符进行更精细的控制点采样，使得矫正后的文本更加水平，提高了文本矫正的准确率及效率，进而提高文本识别的准确率及效率。

技术领域

本申请涉及场景文本识别(scene text recognition，STR)技术领域，尤其涉及一种文本处理方法及相关装置。

背景技术

场景文本识别指的是通过将特定场景中包含文本信息的文本图片输入到程序中，由程序将输入的包含文本信息的文本图片转换成计算机可理解的文本符号。场景文本识别在计算机视觉领域中为一个重要的分支，在自动驾驶、盲人辅助等应用场景中有着重要作用及前景，提高场景文本识别的准确率及效率尤为重要。

目前的场景文本识别往往只对水平的文本信息有较高的识别准确率。对于文本图片中包含的倾斜甚至弯曲的文本，目前的场景文本识别方法很难对其正确识别。所以，在对文本图片包含的文本信息进行识别之前，通常需要将原本倾斜甚至弯曲的文本矫正为水平的文本。

因此，如何高效的对文本进行矫正，使提高场景文本识别的准确率及效率，成为了本领域技术人员重要的研究课题。

发明内容

本申请实施例提供了一种文本处理方法及相关装置，对于输入的文本图片，通过检测其包含的文本信息得到每个字符的位置信息，并利用该位置信息重构出每个字符的坐标框，再根据该坐标框对字符进行更精细的控制点采样，使得矫正后的文本更加水平，提高了文本矫正的准确率及效率，进而提高文本识别的准确率及效率。

第一方面，本申请实施例提供了一种文本处理方法，该方法包括：

获取第一文本图片；所述第一文本图片为包括第一文本的图片；

将所述第一文本图片输入至文本矫正网络进行文本矫正，得到包括第二文本的第二文本图片；所述文本矫正网络为利用所述第一文本中的每个字符的位置信息进行矫正的网络，所述第二文本的文本内容与所述第一文本的文本内容相同，所述第二文本图片中的所述第二文本为水平文本。

本申请实施例中，将获取的第一文本图片输入至文本矫正网络进行文本矫正。具体为，通过检测第一文本图片包括的第一文本信息得到每个字符的位置与几何信息，并利用该信息重构出每个字符的坐标框，再根据该坐标框对字符进行更精细的控制点采样，利用字符的控制点进行文本矫正，得到包括第二文本的第二文本图片。其中，第二文本图片中的第二文本的文本内容与第一文本图片中的第一文本的文本内容相同，但第二文本图片中的第二文本更加水平，更有利于对其进行文本识别。

目前常用的文本矫正方法，是使用文本级别的控制点采样方式进行文本矫正，忽略了字符本身的信息，因此，在采样的过程中可能会将文本扭曲，导致矫正后的文本图片不容易被识别。

与目前常用的文本矫正方法相比，本申请实施例中的方法，利用字符级别的控制点采样方式进行文本矫正，使得矫正后的文本图片中包括的文本更加水平，提高了文本矫正的准确率及效率，进而提高文本识别的准确率及效率。

在一种可能的实施方式中，所述将所述第一文本图片输入至文本矫正网络进行文本矫正，得到包括第二文本的第二文本图片，包括：

获取所述第一文本中的字符的各个不同层级的掩码；所述各个不同层级的掩码大小不同，所述各个不同层级的掩码用于表征所述字符的位置信息；

根据所述字符的位置信息构建所述字符的坐标框；所述坐标框用于确定所述字符的控制点；