[发明专利]基于三源OCR结果的印刷文本可信度融合方法及装置

权利要求书

1.一种基于三源OCR结果的印刷文本可信度融合方法，其特征在于，包括以下步骤：

S10：获取不同OCR引擎的识别结果，将不同的识别结果转换为相同格式的数据；

S20：将相同格式的数据进行融合；

其中，所述数据融合包括：

S21：以行为单位对数据进行行匹配；

S22：遍历S21中获得的相同行的数据，对相同行的所述数据进行字匹配；

S23：基于所述字匹配的结果，利用OCR的识别结果进行字符匹配标记，得到字符的可信度，根据所述字符的可信度计算字符的融合可信度，按照所述融合可信度的高低进行排序，并根据排序结果进行数据组装；

在S22中，对相同行的所述数据进行字匹配包括：

遍历获得的相同行数据，比对行内每一个字符的相交面积，若字符的相交面积大于设定的阈值，则判定为同一个字符；

框坐标采用匹配到的最左侧字符的坐标作为最终的OCR识别结果；

统计同一位置对应的OCR识别结果的匹配数量以及OCR识别结果对应的字符的异同情况，基于匹配数量和字符异同情况分别进行标识。

2.根据权利要求1所述的基于三源OCR结果的印刷文本可信度融合方法，其特征在于，在S10中，将不同的识别结果转换为相同格式的数据，包括：

S11：按照OCR协议规范，向OCR服务器发送待识别的图片，并获取OCR服务器返回的识别结果；

S12：对返回结果进行解析并分离出与OCR识别有关的有效数据；

S13：根据OCR识别结果遍历有效的行坐标信息，获取行结构；

S14：在行结构内遍历有效的字信息；

S15：针对遍历获取的所有行坐标信息和字信息统一为格式相同的数据。

3.根据权利要求1或2所述的基于三源OCR结果的印刷文本可信度融合方法，其特征在于，在S21中，以行为单位对数据进行行匹配包括：

将数据中的行构成矩阵，每一个行包含该行的纵坐标，对每个OCR识别结果中的所有行按照行的纵坐标进行排序；

先将相同的OCR识别结果中的行进行合并，再对不同的OCR识别结果中的行进行合并，得到多个不同源的OCR合并结果，其中，合并的方法为将排序后的纵坐标进行两两比较，若两个数据的纵坐标存在相交，且相交部分大于设定的阈值，则判定两个数据是同一行，如此重复操作，获得所有同一行的矩阵，对判定为同一行的行数据，按照行的横坐标进行排序，并将能框住左右同一行的矩形作为合并后的行矩形，并且识别的文字也进行合并；

对多个不同源的OCR合并结果进行行位置匹配，若行位置存在相交，且相交部分的面积大于设定的阈值，则判定不同源的OCR合并结果中的两行是同一行。

4.根据权利要求1所述的基于三源OCR结果的印刷文本可信度融合方法，其特征在于，在S23中，单个字符的融合可信度计算方法如下：

同一个位置，三个OCR源识别的字符ch₁、ch₂、ch₃完全相同，融合可信度计算公式如下：

同一个位置，三个OCR源识别的字符ch₁、ch₂和ch₃互不相同，三者对应的可信度分别为CF₁、CF₂和CF₃，融合可信度的计算公式如下：

FCF₁＝w₁CF₁

FCF₂＝w₂CF₂

FCF₃＝w₃CF₃

FCF＝max{FCF₁,FCF₂,FCF₃}；

其中，FCF_n，n＝1,2,3表示不同OCR源的融合可信度，ch_n，n＝1,2,3表示同一个位置上不同OCR源识别的字符，CF_n，n＝1,2,3表示同一个位置上不同OCR源识别的字符对应的可信度，w_n，n＝1,2,3表示不同OCR源的权重系数。