一种文字识别方法及装置制造方法及图纸

本发明专利技术实施例提供了一种文字识别方法及装置，该方法包括：对目标图像中的像素点进行分类，获取目标图像中属于文字的像素点；提取属于文字的像素点组成的区域，并确定为文字区域；确定所述文字区域中的文字块，所述文字块为连通多个文字的区域；分别对每一个所述文字块进行畸变矫正；识别进行畸变矫正后的所述文字块中的文字。因此，本发明专利技术的方案，解决了现有技术中对图像进行文字识别的方法受制于拍照条件，往往只有部分数据能达到较好的条件，而对于畸变较大的图像中的文字往往识别效果较差甚至无法识别的问题。

【技术实现步骤摘要】
一种文字识别方法及装置
本专利技术涉及数据处理
，尤其涉及一种文字识别方法及装置。
技术介绍
随着计算机视觉与深度神经网络的发展，文本识别的技术得到了极大的发展。这种技术不仅可用于身份证等证件类的识别，在票据识别中也具有广泛的应用前景。但目前在实际应用中，由于图像的采集、处理、传输等环节会存在一定程度的图像失真的问题，因此目前OCR(OpticalCharacterRecognition，光学字符识别)的应用对图片质量要求还较高，准确率还较低，不能完全达到人工的效果。因此，应用一些图像处理的手段，建立有效的图像处理技术，提高图像识别的准确性具有重大意义。近年来，图像分割与识别技术已广泛应用于各类文本的识别。OCR技术的算法，主要是依据卷积网络定位发票上的文字位置，然后通过循环神经网络等识别文字。目前的发票文字定位的方法，主要分为传统图像算法与机器学习神经网络等方法，其中，传统图像算法(如阈值分割，直线检测等)可以在内容格式相对固定，图片清晰的条件下，得到比较好的分割效果，但对于格式复杂或较模糊的图片无能为力，而神经网络算法，目前主流的有CTPN(场景文本检测)、SSD(SingleShotMultiBoxDetector，单阶段多尺度目标检测)、EAST(AnEfficientandAccurateSceneTextDetector，高效准确的场景文本检测器)等卷积神经网络框架，可以在格式复杂的发票检测中取得不错的效果，但存在着检测效果严重依赖于训练样本数据，并且目前使用较多的方法采用的是以Anchor(锚点)为基础的目标检测模型。其中，在实际的使用中，拍照产生的图像畸变会对文字区域的检测造成较大影响，而另外也有一些算法，可以通过检测目标的角点信息从而对图片做倾斜校正，但这种方法仅限于无畸变的旋转场景下，因此目前神经网络方法检测文字的场景还是局限在文字方向规则，畸变较小的情况下，但现实场景中，受制于拍照条件(大部分OCR应用场景的图像来于手机拍照)，往往只有部分数据能达到较好的条件。综上所述，现有的对图像进行文字识别的方法受制于拍照条件，往往只有部分数据能达到较好的条件，而对于畸变较大的图像中的文字往往识别效果较差甚至无法识别。
技术实现思路
本专利技术实施例提供一种文字识别方法及装置，以解决现有技术中对图像进行文字识别的方法受制于拍照条件，往往只有部分数据能达到较好的条件，而对于畸变较大的图像中的文字往往识别效果较差甚至无法识别的问题。一方面，本专利技术实施例提供了一种文字识别方法，所述方法包括：对目标图像中的像素点进行分类，获取所述目标图像中属于文字的像素点；提取属于文字的像素点组成的区域，并确定为文字区域；确定所述文字区域中的文字块，所述文字块为连通多个文字的区域；分别对每一个所述文字块进行畸变矫正；识别进行畸变矫正后的所述文字块中的文字。另一方面，本专利技术实施例还提供一种文字识别装置，所述装置包括：像素分类模块，用于对目标图像中的像素点进行分类，获取所述目标图像中属于文字的像素点；区域提取模块，用于提取属于文字的像素点组成的区域，并确定为文字区域；文字块确定模块，用于确定所述文字区域中的文字块，所述文字块为连通多个文字的区域；畸变矫正模块，用于分别对每一个所述文字块进行畸变矫正；文字识别模块，用于识别进行畸变矫正后的所述文字块中的文字。又一方面，本专利技术实施例还提供一种电子设备，该电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的文字识别方法中的步骤。再一方面，本专利技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的文字识别方法中的步骤。本专利技术实施例中，通过将目标图像中的像素点进行分类，获取属于文字的像素点，并提取属于文字的像素点组成的区域，确定为文字区域，从而确定出文字区域中的文字块，然后分别对每一个文字块进行畸变矫正，进而识别进行畸变矫正后的文字块中的文字。因此，本专利技术实施例的文字检测方法，采用像素点分类方法确定文字区域，并针对文字区域中的文字块进行畸变矫正，消除了图像畸变对文字识别带来的不良影响，进而可以提升文字识别的准确率，解决了现有技术中对图像进行文字识别的方法受制于拍照条件，往往只有部分数据能达到较好的条件，而对于畸变较大的图像中的文字往往识别效果较差甚至无法识别的问题。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的文字识别方法的步骤流程图之一；图2为本专利技术实施例的文字识别方法的具体实施方式的流水示意图；图3为实际使用中的含有畸变的失真身份证的示意图；图4为经本专利技术实施例的文字识别方法矫正后的文字块的示意图；图5为本专利技术实施例提供的文字识别装置的结构框图；图6为本专利技术实施例提供的电子设备的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本专利技术的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。在本专利技术的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本专利技术实施例的实施过程构成任何限定。参见图1，本专利技术一实施例提供了一种文字识别方法，所述方法包括：步骤101：对目标图像中的像素点进行分类，获取所述目标图像中属于文字的像素点。其中，所述目标图像为存在图像畸变的图片，例如在拍照过程中产生的畸变。可选的，在步骤101之前，所述文字识别方法还可包括：对所述目标图像进行预处理，所述预处理包括图像锐化、去噪处理中的至少一种。其中可以理解的是，所述预处理并不局限于图像锐化和去噪处理，还可包括其他图像处理，以便于使得处理后的目标图像更加清晰，进而便于后续进行文字识别。步骤102：提取属于文字的像素点组成的区域，并确定为文字区域。本专利技术的实施例中，可以对目标图像中的像素点进行分类，判断目标图像中的每一个像素点是否属于文字，进而将属于文字的像素点组成的本文档来自技高网...

【技术保护点】
1.一种文字识别方法，其特征在于，所述方法包括：/n对目标图像中的像素点进行分类，获取所述目标图像中属于文字的像素点；/n提取属于文字的像素点组成的区域，并确定为文字区域；/n确定所述文字区域中的文字块，所述文字块为连通多个文字的区域；/n分别对每一个所述文字块进行畸变矫正；/n识别进行畸变矫正后的所述文字块中的文字。/n

【技术特征摘要】
1.一种文字识别方法，其特征在于，所述方法包括：
对目标图像中的像素点进行分类，获取所述目标图像中属于文字的像素点；
提取属于文字的像素点组成的区域，并确定为文字区域；
确定所述文字区域中的文字块，所述文字块为连通多个文字的区域；
分别对每一个所述文字块进行畸变矫正；
识别进行畸变矫正后的所述文字块中的文字。


2.根据权利要求1所述的文字识别方法，其特征在于，所述对目标图像中的像素点进行分类，获取所述目标图像中属于文字的像素点，包括：
利用预先建立的用于区分图片的像素点为文字和非文字的卷积神经网络对所述目标图像进行处理，获得目标概率矩阵，所述目标概率矩阵中的取值表示所述目标图像中的像素点属于文字的概率；
根据所述目标概率矩阵，获取所述目标图像中属于文字的像素点。


3.根据权利要求2所述的文字识别方法，其特征在于，所述卷积神经网络通过如下过程建立：
获取多个样本图片的标签矩阵，所述标签矩阵中的取值表示所述样本图片的像素是否属于文字；
采用预先确定的卷积神经网络的第一卷积参数，对第一样本图片进行处理，获得第一预测概率矩阵，所述第一预测概率矩阵中的取值表示所述第一样本图片中的像素点属于文字的概率；
采用梯度下降法获得所述第一预测概率矩阵与所述第一样本图片的标签矩阵的误差处于预设范围内时，所述卷积神经网络的第二卷积参数；
采用所述卷积神经网络的第二卷积参数，对第二样本图片进行处理，直到所述多个样本图片均处理完毕时，将最后一次利用所述卷积神经网络进行处理后获得的卷积参数，确定为所述卷积神经网络的目标卷积参数。


4.根据权利要求3所述的文字识别方法，其特征在于，所述采用预先确定的卷积神经网络的第一卷积参数，对第一样本图片进行处理，获得第一预测概率矩阵，包括：
采用预先确定的卷积神经网络的卷积参数，提取所述第一样本图片不同尺度的特征，并进行特征融合输出，获得目标矩阵，所述目标矩阵包括多个通道；
将所述目标矩阵的最后一个通道的矩阵确定为目标输出矩阵；
对所述目标输出矩阵进行全连接输出处理，并进行逻辑回归运算，获得所述第一预测概率矩阵。


5.根据权利要求2所述的文字识别方...

【专利技术属性】
技术研发人员：张秋晖，刘岩，丁笑天，朱兴杰，
申请(专利权)人：泰康保险集团股份有限公司，
类型：发明
国别省市：北京;11