[发明专利]一种基于tesseract引擎的文字识别方法、装置、设备及存储介质

说明书

技术领域

本发明实施例涉及文字识别技术领域，尤其涉及一种基于tesseract引擎的文字识别方法、装置、设备及存储介质。

背景技术

OCR(Optical Character Recognition，光学字符识别)技术是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术，可应用于银行票据、大量文字资料、档案卷宗、文案的录入和处理领域。

传统的OCR文字识别方法，如tesseract引擎，相对云端服务器的OCR服务来说识别率较低，且对图片的质量要求比较高。现在也存在通过tesseract引擎和云端服务器共同识别文字的技术，该技术首先使用tesseract引擎查询本地文字库，该本地文字库通过tesseract引擎训练得到，寻找是否存在与待识别图片相匹配的识别结果，若存在，则输出识别结果；若不存在，则通过卷积神经网络(Convolutional Neural Network，CNN)进行文字识别并输出识别结果。 CNN是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。但是上述识别方法中的本地文字库识别精度不高，用户获取识别结果后还需要手动更正识别结果来更新本地文字库，因此识别效率比较低。

发明内容

本发明实施例提出一种基于tesseract引擎的文字识别方法、装置、设备及存储介质，在输出识别结果前采用tesseract引擎和云服务端共同训练本地文字库，同时tesseract引擎模块采用双识别引擎来识别文字，从而提高文字识别的准确率和识别效率。

第一方面，本发明实施例提供了一种基于tesseract引擎的文字识别方法，包括：

S110、获取待识别图片；

S120、将所述待识别图片传输至tesseract引擎模块和云端服务器，所述 tesseract引擎模块和云端服务器同时对所述待识别图片进行文字识别获取两个识别结果，如果所述两个识别结果相同则对所述待识别图片中的文字进行识别，如果所述两个识别结果不同，则将所述待识别图片和待识别图片对于的来自云端服务器的识别结果存入本地文字库；

S130、重复上述步骤直至完成所述本地文字库的升级；

S140、采用所述tesseract引擎模块对所述待识别图片中的文字进行识别，采用轮廓笔画描述作为文字识别的第一识别引擎，采用边角特征数据库作为第二识别引擎；

所述tesseract引擎模块首先查询所述本地文字库，寻找是否存在与所述待识别图片相匹配的识别结果，若存在，则以文字的形式输出本地文字库中存储的识别结果；若不存在，则通过卷积神经网络进行文字识别，并以文字的形式输出识别结果。

第二方面，本发明实施例还提供了一种文字识别装置，该装置包括：

图片获取模块，用于获取待识别图片；

本地文字库训练模块，用于将所述待识别图片传输至tesseract引擎模块和云端服务器，所述tesseract引擎模块和云端服务器同时对所述待识别图片进行文字识别获取两个识别结果，如果所述两个识别结果相同则启动识别结果输出模块，如果所述两个识别结果不同，则将所述待识别图片和待识别图片对于的来自云端服务器的识别结果存入本地文字库；

本地文字库升级模块，用于重复上述步骤直至完成所述本地文字库的升级；

文字识别模块，用于采用所述tesseract引擎模块对所述待识别图片中的文字进行识别，采用轮廓笔画描述作为文字识别的第一识别引擎，采用边角特征数据库作为第二识别引擎；

识别结果输出模块，用于所述tesseract引擎模块首先查询所述本地文字库，寻找是否存在与所述待识别图片相匹配的识别结果，若存在，则以文字的形式输出本地文字库中存储的识别结果；若不存在，则通过卷积神经网络进行文字识别，并以文字的形式输出识别结果。

第三方面，本发明实施例还提供了一种文字识别设备，该设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述所涉及的任一所述的基于tesseract引擎的文字识别方法。

第四方面，本发明实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所涉及的任一所述的基于tesseract引擎的文字识别方法。