[发明专利]基于深度学习的场景文本识别方法

摘要

本发明公开了一种基于深度学习的场景文本识别方法，具体按照以下步骤实施：对需要进行场景文本识别的图像P进行处理，利用最大稳定极值区域算法MSER进行文本定位，得到候选文本区域S和该文本区域S的外接矩形G，并进行预处理，将经过预处理后的候选文本区域S输入到训练好的卷积深度置信网络模型中进行特征提取，得到特征矩阵A输入到一个线性的支持向量机中，对候选的文本区域S进行验证，进而过滤掉大量的非文本区域，得到文本区域S′，对其中的字符进行分类识别，然后得到最终的输出。解决了现有技术中存在的自然场景中的文本图像背景复杂、分辨率低和分布随意的问题。

主权项

1.一种基于深度学习的场景文本识别方法，其特征在于，具体按照以下步骤实施：步骤1，对需要进行场景文本识别的图像P进行处理，利用最大稳定极值区域算法MSER进行文本定位，得到候选文本区域S和该文本区域S的外接矩形G，步骤2，将步骤1处理得到的定位出的文本区域集合S进行预处理，步骤3，对卷积深度置信网络进行训练，步骤4，将经过步骤2预处理后的候选文本区域S输入到步骤3中得到的训练好的卷积深度置信网络模型中进行特征提取，从候选文本区域S中进行学习更多特征矩阵A，步骤5，将步骤4中学习到的特征矩阵A输入到一个线性的支持向量机中，对候选的文本区域S进行验证，进而过滤掉大量的非文本区域，得到文本区域S′，步骤6，对步骤5中得到文本区域S′中的字符进行分类识别，步骤7，将步骤6.2中分类器输出的字符以及每个字符的出现的概率p，根据现有词典库、上下文、字符排布和每个字符最可能出现的概率p等信息对识别结果进行过滤和排序候选结果，得分最高的候选结果被作为最终的输出。