[发明专利]一种基于深度学习的视频字幕检测与识别方法及系统在审
| 申请号： | 201810690120.7 | 申请日： | 2018-06-28 |
| 公开（公告）号： | CN108805102A | 公开（公告）日： | 2018-11-13 |
| 发明（设计）人： | 孙宏亮;程国艮 | 申请（专利权）人： | 中译语通科技股份有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06K9/40;G06K9/34 |
| 代理公司： | 北京万贝专利代理事务所(特殊普通合伙) 11520 | 代理人： | 马红 |
| 地址： | 100040 北京市石*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于计算机软件技术领域，公开了一种基于深度学习的视频字幕检测与识别方法及系统，将深度学习算法理论应用于视频文本区域定位与识别过程，将视频图像通过Gabor滤波器滤波，获得视频图像文本中文字的纹理特征；将纹理特征作为训练样本，利用受限玻尔兹曼机逐层对纹理图像进行增量学习，利用形态学方法对二值图像去噪处理，再映射到定位图像上，得到仅包含文本区域而去除背景区域的文本图像。本发明采用2D‑Gabor滤波器与深度学习算法相结合的方法，实现对复杂背景视频中文本区域的定位，并优化了基于形态学的视频图像去噪方法，再通过OCR系统实现字符的识别,提高了OCR系统字符识别的准确率。 | ||
| 搜索关键词： | 视频图像 形态学 视频字幕 文本区域 纹理特征 学习算法 去噪 计算机软件技术 受限玻尔兹曼机 背景区域 定位图像 二值图像 复杂背景 理论应用 区域定位 视频文本 文本图像 纹理图像 训练样本 增量学习 字符识别 再映射 中文字 检测 准确率 滤波 去除 视频 文本 学习 优化 | ||
【主权项】：
1.一种基于深度学习的视频字幕检测与识别方法，其特征在于，所述于深度学习的视频字幕检测与识别方法包括：(1)将视频图像通过Gabor滤波器滤波，获得视频图像文本中文字的纹理特征；(2)将纹理特征作为训练样本，利用受限玻尔兹曼机RBM逐层对纹理图像进行增量学习；学习过程中，用标记样本作为监督数据进行网络微调，构成深度学习网络DBN，并标记文本区域和背景区域的二值图像；(3)利用形态学方法对二值图像去噪处理，再映射到定位图像上，得到仅包含文本区域而去除背景区域的文本图像；(4)再将文本图像进行二值化、灰度后续处理，送入到OCR字符识别系统进行字符识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中译语通科技股份有限公司，未经中译语通科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810690120.7/，转载请声明来源钻瓜专利网。
