[发明专利]基于深度学习的移动终端文字识别方法及系统

权利要求书

1.一种基于深度学习的移动终端文字识别方法，其特征在于，包括以下步骤：

对图片中的文本进行文字分割，分割为若干个文字图片，并将文字图片按分割顺序形成文字图片数组；

对每一个文字图片进行预处理，预处理包括大小调整、灰度转换、滤波、全局阈值二值化和剪裁；

通过CNN+Bi-RNN字符分割模型对每一个文字图片中的单个字符进行定位，确定字符分割线位置，根据分隔线位置分割每一个字符，形成字符图片；

按分割顺序对每个字符图片赋予地址，并形成字符图片数组；

将字符图片数组中的字符图片依序进行识别，并按识别顺序形成文字数组；

根据字符图片数组索引读出文字文本，完成文字识别。

2.根据权利要求1所述的基于深度学习的移动终端文字识别方法，其特征在于，所述将字符图片数组中的字符图片依序进行识别，包括：

对每个字符图片进行预处理，预处理过程包括全局阈值二值化、调整像素；

通过CNN字符识别算法模型对字符图片数组中的字符图片依序进行识别，并按识别顺序形成文字数组。

3.根据权利要求1所述的基于深度学习的移动终端文字识别方法，其特征在于，所述根据字符图片数组索引读出文字文本，包括：

对字符图片数组中的字符图片进行排序；

根据排序后的字符图片索引对应的读出文字文本。

4.根据权利要求1或2或3所述的基于深度学习的移动终端文字识别方法，其特征在于，所述对图片中的文本进行文字分割，分割为若干个文字图片，包括：

对原图片进行预处理，删除原图片中的多余背景，获取文本图片；

对每个文本图片中文字进行分割，获取若干个文字图片；

按分割顺序对每个文字图片赋予地址，并形成文字图片数组。

5.根据权利要求4所述的基于深度学习的移动终端文字识别方法，其特征在于，所述获取文本图片，包括：

通过轮廓检测获取整体文本图片；

通过轮廓检测对整体文本图片中的每行进行分割，获取多个文本图片，按分割顺序形成文本图片数组。

6.一种根据权利要求1至5中任意一项所述的基于深度学习的移动终端文字识别系统，其特征在于，包括文字图片分割单元、字符图片分割单元、字符图片识别单元和识别输出单元；

文字图片分割单元，对图片中的文本进行文字分割，分割为若干个文字图片，并将文字图片按分割顺序形成文字图片数组；

字符图片分割单元，将所有文字图片再次定位分割，分割形成单个字符的字符图片，并按分割顺序形成字符图片数组；

字符图片识别单元，将字符图片数组中的字符图片依序进行识别，并按识别顺序形成文字数组；

识别输出单元，根据字符图片数组索引读出文字文本，完成文字识别。

7.根据权利要求6所述的基于深度学习的移动终端文字识别方法，其特征在于，所述文字图片分割单元包括原图片预处理模块和分割模块；

原图片预处理模块，对原图片进行预处理，删除原图片中的多余背景，获取文本图片；

分割模块，对每个文本图片中文字进行分割，获取若干个文字图片；按分割顺序对每个文字图片赋予地址，并形成文字图片数组。