[发明专利]易混淆字符识别模型训练方法和装置

权利要求书

1.一种易混淆字符识别模型训练方法，其特征在于，包括：

获取目标易混淆字符的训练样本，将训练样本增加至训练集中；

对所述训练集中的各个训练样本进行网格划分，并获取目标网格块的网格特征；

获取所述训练集中各个训练样本的深度特征、曲度特征和直线特征；

根据所述网格特征、深度特征、曲度特征和直线特征，采用多阈值训练方式，训练得到易混淆字符识别模型；

在所述易混淆字符为0、D和Q的情况下，深度特征为从字符顶端算起，六分之一处到六分之五处，从左向右，从0到四分之一处的深度值；曲度特征为从字符顶端算起，六分之一处到六分之五处，从左向右，从0到四分之一处的曲度值；直线长度特征为从字符顶端算起，七分之一处到七分之六处，从左向右，从0到四分之一处的直线长度；

在所述易混淆字符为8和B的情况下，深度特征为从字符顶端向下算起，0到四分之一处，从左向右，从0到五分之三处的深度值；曲度特征为从字符顶端向下算起，0到四分之一处，从左向右，从0到五分之三处的曲度值；直线长度特征为从字符顶端算起，七分之一处到七分之六处，从左向右，从0到四分之一处的直线长度；

在所述易混淆字符为2和Z的情况下，深度特征为从字符顶端向下算起，0到五分之一处，从左向右，从0到五分之四处的深度值；曲度特征为从字符顶端向下算起，0到五分之一处，从左向右，从0到五分之四处的曲度值；直线长度特征为从字符顶端算起，0处到七分之一处，从左向右，从0到五分之四处的直线长度；

在所述易混淆字符为5和S的情况下，深度特征为从字符顶端向下算起，0到五分之一处，从左向右，从0到右端处的深度值；曲度特征为从字符顶端向下算起，0到五分之一处，从左向右，从0到右端处的曲度值；直线长度特征为从字符顶端算起，0处到七分之一处，从左向右，从0到右端处的直线长度和从字符顶端算起，0处到二分之一处，从左向右，从0到四分之一处的直线长度。

2.根据权利要求1所述的方法，其特征在于，在对所述训练集中的各个训练样本进行网格划分，并获取目标网格块的网格特征之前，所述方法还包括：

对所述训练集中的各个训练样本中字符，计算字符的外接矩形。

3.根据权利要求1所述的方法，其特征在于，易混淆字符包括以下一对或多对：0、D和Q，8和B，2和Z，5和S。

4.如权利要求3所述的方法，其特征在于：

在所述易混淆字符为0、D和Q的情况下，对所述训练集中的各个训练样本进行网格划分，包括，将训练样本中的字符平分为16个网格块；

在所述易混淆字符为8和B，2和Z，或者，5和S情况下，对所述训练集中的各个训练样本进行网格划分，包括，将训练样本中的字符平分为9个网格块。

5.如权利要求1所述的方法，其特征在于，在根据所述网格特征、深度特征、曲度特征和直线特征，采用多阈值训练方式，训练得到易混淆字符识别模型的过程中，对于网格特征、深度特征、曲度特征和直线特征中的每个特征设置两个阈值，在大于所述两个阈值中较大阈值的情况下，作为一类，在小于所述两个阈值中较小阈值的情况下，作为另一类，在位于所述两个阈值之间的情况下，采用下一个特征进行训练。

6.如权利要求1所述的方法，其特征在于，在根据所述网格特征、深度特征、曲度特征和直线特征，采用多阈值训练方式，训练得到易混淆字符识别模型的过程中，逐步缩小阈值进行，将识别正确率最高时的易混淆字符识别模型对应的阈值作为训练结果。