[发明专利]文本图像的文本框排序方法和文本图像的文本框排序装置

说明书

本申请涉及一种文本图像的文本框排序方法、装置、计算机设备和存储介质，可应用于对视频中的文本框进行排序。方法包括：基于目标文本图像中包含的文本框，确定用于表征各文本框之间的位置关系的空间位置特征；针对每一文本框，提取文本框对应的视觉特征和文本特征，并进行特征融合处理，得到每一文本框在图结构中所映射节点的节点特征；基于图结构中各节点的节点特征，对基于空间位置特征所确定的各节点间的初始节点连边特征进行特征更新，得到更新节点连边特征；基于更新节点连边特征所确定的各节点间的节点连接关系，对图结构中每一节点各自表征的文本框进行排序。采用上述方法能够对目标文本图像中的文本框进行准确的排序。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种文本图像的文本框排序方法、装置、计算机设备和存储介质。

背景技术

随着科技的发展，信息呈现出爆炸式的增长，在面对海量的OCR(OpticalCharacter Recognition，光学字符识别)文本时，通过使用人力获取其中的内容信息作用十分的有限，而且成本较高。

现有技术中，在进行OCR文本识别时，通常是通过对图像上的文本进行检测和定位，然后对检测到的文本上的文字进行识别，得到识别的文本内容。然后基于空间位置从上到小从左到右的顺序依次进行对识别的文本内容进行显示。

然而，基于空间位置特征进行排序显示的处理方式，得到的文本排序结果准确度较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高文本排序准确度的文本图像的文本框排序方法、装置、计算机设备和存储介质。

一种文本图像的文本框排序方法，所述方法包括：

基于目标文本图像中包含的文本框，确定所述目标文本图像对应的空间位置特征，所述空间位置特征用于表征所述目标文本图像中各文本框之间的位置关系；

针对每一文本框，提取所述文本框对应的视觉特征和文本特征，对同一文本框所对应的视觉特征和文本特征进行特征融合处理，得到每一文本框在图结构中所映射节点的节点特征；

基于所述图结构中各节点的节点特征，对基于所述空间位置特征所确定的各节点间的初始节点连边特征进行特征更新，得到更新节点连边特征；

基于所述更新节点连边特征所确定的节点连接关系，对所述图结构中每一节点各自表征的文本框进行排序。

一种文本图像的文本框排序装置，所述装置包括：

第一特征提取模块，用于基于目标文本图像中包含的文本框，确定所述目标文本图像对应的空间位置特征，所述空间位置特征用于表征所述目标文本图像中各文本框之间的位置关系；

第二特征提取模块，用于针对每一文本框，提取所述文本框对应的视觉特征和文本特征，对同一文本框所对应的视觉特征和文本特征进行特征融合处理，得到每一文本框在图结构中所映射节点的节点特征；

特征更新模块，用于基于所述图结构中各节点的节点特征，对基于所述空间位置特征所确定的各节点间的初始节点连边特征进行特征更新，得到更新节点连边特征；

文本框排序模块，用于基于所述更新节点连边特征所确定的节点连接关系，对所述图结构中每一节点各自表征的文本框进行排序。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

基于目标文本图像中包含的文本框，确定所述目标文本图像对应的空间位置特征，所述空间位置特征用于表征所述目标文本图像中各文本框之间的位置关系；

针对每一文本框，提取所述文本框对应的视觉特征和文本特征，对同一文本框所对应的视觉特征和文本特征进行特征融合处理，得到每一文本框在图结构中所映射节点的节点特征；