[发明专利]一种文本定位方法及装置、文本识别方法及装置

权利要求书

1.一种文本定位方法，其特征在于，包括：

获取待识别文本行图像，进行灰度化处理 ；

沿所述待识别文本行图像的宽度方向按照预设步长移动预设宽度和预设高度的滑窗，确定所述待识别文本行图像上顺序分布的图像区域，所述图像区域的宽度与所述滑窗的宽度匹配，所述图像区域的高度与所述滑窗的高度匹配；

将各所述图像区域内待识别文本行图像分别输入至预先训练的文本行识别模型，确定各所述图像区域内所述待识别文本行图像对应的文本行识别结果，其中，所述文本行识别结果用于指示相应图像区域内所述待识别文本行图像的文本行属性，所述文本行属性包 括单行文本与多行文本 ；

根据各所述图像区域内所述待识别文本行图像对应的文本行识别结果，确定所述待识别文本行图像中与所述文本行属性匹配的图像位置。

2.根据权利要求1所述的方法，其特征在于，所述将各所述图像区域内的所述待识别文本行图像分别输入至预先训练的文本行识别模型，确定各所述图像区域内的所述待识别文本行图像对应的文本行识别结果的步骤之前，还包括：

获取文本行识别模型的训练样本，其中，所述训练样本的样本数据包括：所述预设宽度和所述预设高度的文本行图像，所述训练样本的样本标签用于指示所述文本行图像的文本行属性；

以所述样本数据作为所述文本行识别模型的输入，以所述文本行识别模型的输出与相应的样本标签的误差最小为目标，训练所述文本行识别模型。

3.根据权利要求2所述的方法，其特征在于，获取文本行识别模型的训练样本的步骤，包括：

获取匹配不同文本行属性的若干文本行图像，所述若干文本行图像的高度与所述滑窗的高度匹配；

通过沿所述文本行图像的宽度方向以任意步长移动所述滑窗，并确定所述滑窗所覆盖的所述文本行图像上的每个图像区域的图像作为所述文本行图像生成的一条样本数据；

以所述文本行图像所匹配的文本行属性作为所述文本行图像生成的各条样本数据的样本标签，构建训练样本集合。

4.根据权利要求3所述的方法，其特征在于，所述获取匹配不同文本行属性的若干文本行图像的步骤之后，还包括：

分别对每幅所述文本行图像进行高度归一化处理，将各所述文本行图像归一化到所述滑窗的高度；

对于每幅经过高度归一化处理的所述文本行图像，按照对所述文本行图像进行高度归一化处理的比例，对经过高度归一化处理的所述文本行图像沿宽度方向进行相应拉伸或压缩处理。

5.根据权利要求1所述的方法，其特征在于，所述获取待识别文本行图像的步骤，包括：

通过对待识别文本行图像沿高度方向进行归一化处理，将所述待识别文本行图像的高度调整为所述滑窗的高度；

按照对待识别文本行图像沿高度方向进行归一化处理的比例，对所述待识别文本行图像沿宽度方向进行相应拉伸或压缩处理。

6.根据权利要求3所述的方法，其特征在于，所述根据各所述图像区域内所述待识别文本行图像对应的文本行识别结果，确定所述待识别文本行图像中与所述文本行属性匹配的图像位置的步骤，包括：

根据各所述图像区域内所述待识别文本行图像对应的文本行识别结果，对相邻且对应的文本行识别结果相同的图像区域进行聚合，确定与不同文本行属性对应的所述图像区域；

根据与不同文本行属性对应的所述图像区域，确定所述待识别文本行图像中与所述文本行属性匹配的图像位置。

7.一种文本识别方法，其特征在于，包括：

通过权利要求1至6任一项所述的文本定位方法确定待识别文本行图像中与不同文本行属性对应的图像区域；

通过与各所述文本行属性匹配的文本图像识别模型，分别对与相应文本行属性对应的图像区域内的待识别文本行图像进行识别，确定相应图像区域内的待识别文本行图像的识别结果；

根据所述图像区域的位置，对各图像区域内的待识别文本行图像的识别结果进行融合，确定所述待识别文本行图像对应的文本。