[发明专利]一种基于页面文本的页码识别方法和计算机设备

权利要求书

1.一种基于页面文本的页码识别方法，其特征在于，包括：

对目标书籍的待检测页面进行图像采集，得到待检测页面图像；

对所述待检测页面图像进行文字识别，得到待检测页面图像的实际文本内容；

将所述实际文本内容与预构建的页码数据库的页码文本内容进行比对，得到与所述实际文本内容对应的目标页码文本内容；其中，所述页码数据库保存有多个书籍的页码文本内容，所述页码文本内容包括对应书籍的各个页面的预存页码和预存文本文字；

根据所述目标页码文本内容得到所述待检测页面对应的页码数值；

其中，所述页码文本内容还包括预存文本文字的文本坐标范围；

所述将所述实际文本内容与预构建的页码数据库的页码文本内容进行比对，得到与所述实际文本内容对应的目标页码文本内容的步骤，包括：

获取文档的当前所述页码文本内容；

将所述实际文本文字对应的文本坐标范围与当时所述页码文本内容中的预存文本文字对应的文本坐标范围进行比对，得到坐标对比值，若所述坐标对比值大于预设的第二阈值，将所述实际文本文字和所述预存文本文字进行比对；否则，获取下一所述页码文本内容。

2.根据权利要求1所述的基于页面文本的页码识别方法，其特征在于：所述页码数据库录入所述页码文本内容时，将同一书籍的所述页码文本内容保存到同一文档中。

3.根据权利要求2所述的基于页面文本的页码识别方法，其特征在于，所述将所述实际文本内容与预构建的页码数据库的页码文本内容进行比对，得到与所述实际文本内容对应的目标页码文本内容的步骤，包括：

将所述实际文本内容的文本内容与所述页码文本内容的文本内容进行比对，得到比对校验值，若所述比对校验值大于预设的第一阈值，将所述页码文本内容确定为所述目标页码文本内容。

4.根据权利要求3所述的基于页面文本的页码识别方法，其特征在于：所述页码数据库录入所述页码文本内容时，根据所述页码文本内容的语言种类将所述文档分种类保存。

5.根据权利要求4所述的基于页面文本的页码识别方法，其特征在于，在所述将所述实际文本内容与预构建的页码数据库的页码文本内容进行比对，得到与所述实际文本内容对应的目标页码文本内容的步骤之前，还包括：

对所述文本文字进行语种识别，得到对应的实际文字语种；

根据所述实际文字语种，获取的对应种类的所述文档的页码文本内容。

6.根据权利要求1所述的基于页面文本的页码识别方法，其特征在于，所述对所述待检测页面图像进行文字识别，得到待检测页面图像的实际文本内容的步骤，包括：

获取所述待检测页面图像的文本坐标范围；

将所述待检测页面图像输入到OCR识别软件，得到所述OCR识别软件输出的实际文本文字；

根据所述文本坐标范围和所述实际文本文字得到所述实际文本内容。

7.根据权利要求6所述的基于页面文本的页码识别方法，其特征在于，所述实际文本文字对应的文本坐标范围是属于同一自然段的所述实际文本文字的坐标范围。

8.根据权利要求6所述的基于页面文本的页码识别方法，其特征在于，所述预存文本文字对应的文本坐标范围是属于同一自然段的所述预存文本文字的坐标范围。

9.一种计算机设备，其特征在于：包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的基于页面文本的页码识别方法的步骤。