[发明专利]相似字识别方法、装置、计算机设备及存储介质

权利要求书

1.一种相似字识别方法，其特征在于，包括：

针对图片形式的每个待处理的文字，分别获取所述文字的图片特征、文字元件特征以及文字结构特征，所述文字元件特征为根据所述文字的拆字结果生成的特征；其中，获取所述文字的文字结构特征包括：确定所述文字所属的字体结构，根据确定结果生成所述文字结构特征；

根据获取到的特征确定出所述待处理的文字中的相似字，包括：针对每个文字，分别对获取到的所述文字的特征进行编码处理，根据所述待处理的文字中的所有文字的编码处理结果进行层次化聚类，形成树状结构，按照预先设定的裁剪阈值，得到相似字的集合。

2.根据权利要求1所述的方法，其特征在于，

所述获取所述文字的图片特征包括：

根据所述文字的图片中的各像素点的灰度值，将所述文字的图片转换为0和1组成的矩阵格式；

基于转换结果，通过卷积神经网络进行特征提取，得到所述图片特征。

3.根据权利要求1所述的方法，其特征在于，

所述获取所述文字的文字元件特征包括：

对所述文字进行拆字处理；

根据拆字结果生成所述文字元件特征。

4.根据权利要求3所述的方法，其特征在于，

所述根据拆字结果生成所述文字元件特征包括：

对预定长度的第一序列进行赋值，所述第一序列中的每一位分别对应一个预先设定的基本单元，所述基本单元数大于一，将所述拆字结果中包含的基本单元对应的位的取值设置为1，否则，设置为0；

将赋值完成的第一序列作为所述文字元件特征。

5.根据权利要求1所述的方法，其特征在于，

所述根据确定结果生成所述文字结构特征包括：

对预定长度的第二序列进行赋值，所述第二序列中的每一位分别对应一种预先设定的字体结构，所述字体结构数大于一，将所述文字所属的字体结构对应的位的取值设置为1，否则，设置为0；

将赋值完成的第二序列作为所述文字结构特征。

6.根据权利要求1所述的方法，其特征在于，

所述字体结构包括：上三包围结构、上下结构、上中下结构、上包围结构、下三包围结构、全包围结构、单一结构、右上包围结构、品字结构、左三包围结构、左上包围结构、左下包围结构、左中右结构、左包围结构、左右结构、镶嵌结构。

7.根据权利要求1所述的方法，其特征在于，

所述针对每个文字，分别对获取到的所述文字的特征进行编码处理包括：

针对每个文字，分别通过深度编码层对获取到的所述文字的特征进行编码处理。

8.一种相似字识别装置，其特征在于，包括：获取单元以及识别单元；

所述获取单元，用于针对图片形式的每个待处理的文字，分别获取所述文字的图片特征、文字元件特征以及文字结构特征，所述文字元件特征为根据所述文字的拆字结果生成的特征；其中，获取所述文字的文字结构特征包括：确定所述文字所属的字体结构，根据确定结果生成所述文字结构特征；

所述识别单元，用于根据获取到的特征确定出所述待处理的文字中的相似字，包括：针对每个文字，分别对获取到的所述文字的特征进行编码处理，根据所述待处理的文字中的所有文字的编码处理结果进行层次化聚类，形成树状结构，按照预先设定的裁剪阈值，得到相似字的集合。

9.根据权利要求8所述的装置，其特征在于，

所述获取单元根据所述文字的图片中的各像素点的灰度值，将所述文字的图片转换为0和1组成的矩阵格式，并基于转换结果，通过卷积神经网络进行特征提取，得到所述图片特征。

10.根据权利要求8所述的装置，其特征在于，

所述获取单元对所述文字进行拆字处理，根据拆字结果生成所述文字元件特征。