[发明专利]一种文本检测方法、装置、设备及存储介质

权利要求书

1.一种文本检测方法，其特征在于，包括：

获取目标文档；

对所述目标文档进行文本行检测，检测得到的文本行作为候选文本行；

根据所述候选文本行的分布情况，从所述候选文本行中确定疑似误检文本行；其中，所述候选文本行的分布情况表征候选文本与正常文本的距离；

根据文本行间的语义关系，从所述疑似误检文本行中确定误检文本行；

将所述误检文本行从所述候选文本行中剔除，剩余的文本行作为所述目标文档的文本检测结果。

2.根据权利要求1所述的文本检测方法，其特征在于，所述对所述目标文档进行文本行检测，包括：

根据水平方向上文本间的关联性以及竖直方向上文本间的关联性，从所述目标文档中检测文本行。

3.根据权利要求2所述的文本检测方法，其特征在于，所述根据水平方向上文本间的关联性以及竖直方向上文本间的关联性，从所述目标文档中检测出文本行，包括：

对所述目标文档提取特征，获得目标特征图；

对所述目标特征图在宽度的维度上切分，获得宽度维度上的多个特征子图，将所述宽度维度上的多个特征子图处理成包含所述目标文档水平方向上文本间关联性信息的多个特征子图，并由处理后的特征子图组成第一特征图；

对所述目标特征图在高度的维度上切分，获得高度维度上的多个特征子图，将所述高度维度上的多个特征子图处理成包含所述目标文档竖直方向上文本间关联性信息的多个特征子图，并由处理后的特征子图组成第二特征图；

将所述第一特征图与所述第二特征图融合，根据融合后的特征图进行文本行检测。

4.根据权利要求1所述的文本检测方法，其特征在于，所述根据所述候选文本行的分布情况，从所述候选文本行中确定疑似误检文本行，包括：

根据所述候选文本行的分布情况，对所述候选文本行进行聚类，通过聚类获得至少一个文本行簇，其中，一个文本行簇包括至少一个文本行；

从所述至少一个文本行簇中确定出满足预设条件的文本行簇，作为目标文本行簇，其中，所述预设条件为，文本行的数量小于预设数量；

将所述目标文本行簇中的文本行确定为疑似误检文本行。

5.根据权利要求4所述的文本检测方法，其特征在于，所述根据文本行间的语义关系，从所述疑似误检文本行中确定出误检文本行，包括：

若所述目标文本行簇中包括一个文本行，则获取该文本行的前后文本行，并根据该文本行与其前后文本行的语义相关性确定该文本行是否为误检文本行；

若所述目标文本行簇中包括多个文本行，则根据所述目标文本行簇中多个文本行的语义相关性确定所述目标文本行簇中的多个文本行是否为误检文本行。

6.根据权利要求5所述的文本检测方法，其特征在于，所述根据该文本行与其前后文本行的语义相关性确定该文本行是否为误检文本行，包括：

将该文本行与其前后文本行中的文本信息按顺序组成一个句子，通过该句子确定该文本行与其前后文本行在语义上是否连续，若否，则确定该文本行为误检文本行；

所述根据所述目标文本行簇中多个文本行的语义相关性确定所述目标文本行簇中的多个文本行是否为误检文本行，包括：

将所述目标文本行簇中的多个文本行中的文本信息按顺序组成一个句子，通过该句子确定所述目标文本行簇中的多个文本行在语义上是否连续，若否，则确定所述目标文本行簇中的多个文本行均为误检文本行。

7.根据权利要求6所述的文本检测方法，其特征在于，若所述目标文本行簇中的多个文本行在语义上连续，则所述方法还包括：

根据所述目标文本行簇中的多个文本行与所述目标文本行簇中的多个文本行的前后文本行的语义相关性，确定所述目标文本行簇中的多个文本行是否为误检文本行。