[发明专利]一种文字行检测方法及装置

权利要求书

1.一种文字行检测方法，其特征在于，所述方法包括：

获取预设YOLO模型，所述预设YOLO模型包括24层卷积堆栈，一层完整的卷积堆栈包含卷积层、池化层、批归一化和激活层，所述预设YOLO模型中有4个完整的卷积堆栈和20个只含有卷积层和激活层的卷积堆栈，卷积堆栈激活函数选用线性整流单元，且卷积堆栈间采用残差跳线结构，所述预设YOLO模型还包括8个输出卷积层，所述8个输出卷积层包括1个置信分层、4个文字行的位置层，1个文字行的倾斜角度层、1个文字行的正反方向层以及1个文字行的语种层；

将待检测图像输入至所述预设YOLO模型中，得到所述预设YOLO模型在所述8个输出卷积层分别输出的矩阵；

根据所述8个输出卷积层分别输出的矩阵确定所述待检测图像中的文字行在所述待检测图像中的位置、文字行的倾斜角度、文字行中包括的文字的正反方向以及文字行中包括的文字的语种；所述待检测图像为矩形，所述文字行包括一行排列的多个文字，每一个文字的中心点连成的线段与所述待检测图像的横边之间的夹角为文字行的倾斜角度；

其中，所述根据所述8个输出卷积层分别输出的矩阵确定所述待检测图像中的文字行在所述待检测图像中的位置、文字行的倾斜角度、文字行中包括的文字的正反方向以及文字行中包括的文字的语种，包括：

解析所述置信分层输出的矩阵，得到置信分；

判断所述置信分是否大于第一预设阈值；

如果所述置信分大于所述第一预设阈值，则解析4个所述位置层分别输出的矩阵以及解析所述倾斜角度层输出的矩阵，得到包含文字行的预测矩形框；

根据所述预测矩形框确定文字行在所述待检测图像中的位置以及文字行的倾斜角度；

解析所述正反方向层输出的矩阵，得到所述待检测图像中的文字行中包括的文字的正反方向；

解析所述语种层输出的矩阵，得到所述待检测图像中的文字行中包括的文字的语种。

2.根据权利要求1所述的方法，其特征在于，在解析4个所述位置层分别输出的矩阵以及解析所述倾斜角度层输出的矩阵之后，得到包含文字行的1个预测矩形框；

所述根据所述预测矩形框确定文字行在所述待检测图像中的位置以及文字行的倾斜角度，包括：

将所述预测矩形框在所述待检测图像中的位置确定为文字行在所述待检测图像中的位置；

将所述预测矩形框的倾斜角度确定为文字行的倾斜角度。

3.根据权利要求1所述的方法，其特征在于，在解析4个所述位置层分别输出的矩阵以及解析所述倾斜角度层输出的矩阵之后，得到包含文字行的1个预测矩形框；

所述根据所述预测矩形框确定文字行在所述待检测图像中的位置以及文字行的倾斜角度，包括：

从多个预测矩形框中选择两个预测矩形框；

计算所述两个预测矩形框之间的重合部分的面积；

计算所述两个预测矩形框的面积之和；

计算所述重合部分的面积与所述两个预测矩形框的面积之和之间的比值；

判断所述比值是否大于第二预设阈值；

如果所述比值大于所述第二预设阈值，则在所述两个预测矩形框中，将置信分最大的预测矩形框的位置确定为文字行的位置，以及，将置信分最大的预测矩形框的倾斜角度确定为文字行的倾斜角度。