[发明专利]一种文字行检测方法及装置

说明书

本发明实施例提供了一种文字行检测方法及装置。在本发明实施例中，使用预设YOLO模型同时检测待检测图像中的文字行在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。本发明实施例无需使用自适应二值化方法提取图像中的文字，从而可以避免由于光照或者阴影而降低文字行的检测准确度，也无需使用袋式特征分类器确定文本行中的文字方向和文字语种，避免由其泛化能力较低的而降低文字行的检测准确度。在本发明实施例的YOLO模型的泛化能力强于袋式特征分类器，因此，相比于现有技术，本发明实施例可以提高文字行的检测准确度。

技术领域

本发明涉及计算机技术领域，特别是涉及一种文字行检测方法及装置。

背景技术

当前，很多场合中都有对图像中的文字进行检测的需求，例如采集包含身份证，行驶证，驾驶证或者名片的图像，然后检测图像中的诸如姓名、编号或者职位等文字信息。其中，每一个文字信息中都包含排列为一行的多个文字，例如姓名“张三”中包含两个汉字，身份证号中包含十八个数字，以及职位通过包含两个以上的汉字等等。

其中，每一个文字信息都是由多个文字组成的文字行，当需要识别图像中的文字信息时，通常需要先在图像中确定出文字行，然后使用OCR(Optical CharacterRecognition，光学文字识别)技术识别文字行中的文字信息。

现有技术提供了一种文字行检测方法，包括：使用自适应二值化方法提取图像中的文字，再根据文字的大小和位置使用聚类版面分析方法生成文本行，然后使用袋式特征分类器确定文本行中的文字方向和文字语种。

然而，发明人在实现本发明实施例的过程中发现，现有技术中存在以下缺陷：

首先，在使用自适应二值化方法提取图像中的文字时，往往会受到光照或者阴影的影响导致漏字，或者，导致提取出的文字中包含有非文字噪声，进而可能导致检测出的文字行与图像中实际的文字行不完全一致，从而降低了文字行的检测准确度。

其次，袋式特征分类器的泛化能力受限于字典的大小及其相应的特征向量，是一种无顺序的分类方向，不能够表征图像的结构信息，从而使得袋式特征分类器的泛化能力较低，进而降低了文字行的检测准确度。

发明内容

为解决上述技术问题，本发明实施例示出了一种文字行检测方法及装置。

第一方面，本发明实施例示出了一种文字行检测方法，所述方法包括：

获取预设YOLO模型，获取预设YOLO模型，所述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；

将所述待检测图像输入至所述YOLO模型中，得到所述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。

在一个可选的实现方式中，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；