[发明专利]一种文本定位方法及装置、文本识别方法及装置

说明书

本申请提供了一种文本定位方法，属于文本识别技术领域，解决了现有技术文本识别过程中准确率低下的问题。所述方法包括：获取待识别文本行图像；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；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，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，可以提升文本识别的准确性。

技术领域

本申请涉及文本识别技术领域，尤其涉及一种文本定位方法及装置，文本识别方法及装置。

背景技术

文档图像识别过程通常是将行文本的图像，或者列文本的图像输入至预先训练的文本图像识别引擎以得到相应的文本编码。列文本通过旋转90度得到行文本，因此，通常把行文本和列文本统称为行文本。

现有技术中的文本图像识别引擎是基于单行文本的图像或单列文本的图像进行训练的，因此，对于输入的文本图像中混合分布的单行文本和多行文本的情况，文本图像识别引擎均将其作为单行文本进行识别。

例如，古籍文档中，最常见的就是由单列正文文本和两列注释文本组成的文本行图像，而现有的文本图像识别引擎会将两列注释文本的文本行当做单行正文文本识别，显然，这单列文本行和多列文本行是不一样的，因此，这样就容易导致多列注释文本的文本行误判为单列正文文本，从而导致文本图像识别引擎对该多列文本的图像的识别准确率较低。

综上，现有技术中的在进行复杂排布的文本图像进行识别时，至少存在识别准确率低的问题。

发明内容

本申请实施例提供一种文本定位方法，以解决现有技术中文本识别方法存在的准确率低的问题。

第一方面，本申请实施例提供了一种文本定位方法，包括：

获取待识别文本行图像；

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；

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。

可选的，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。

可选的，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；