[发明专利]文本识别方法、装置、计算机设备和存储介质

说明书

本申请涉及一种文本识别方法、装置、计算机设备和存储介质，通过采用训练好的文本归一化模型得到待识别的文本图像中文本行区域对应的归一化后的标准格式的文本行图片，进而根据预设长度在宽度上对标准格式的文本行图片进行切割，得到标准格式的文本行图片中每一个字符的标准图片及对应的位置，因此在执行OCR任务时仅需要进行简单的字符分类即可，而不再依赖BLSTM+CTC框架完成，使得硬件资源消耗更少，性能更佳，且网络结构更加简单，从而也具有更高的识别精度。

技术领域

本申请涉及图像识别技术领域，特别是涉及一种文本识别方法、装置、计算机设备和存储介质。

背景技术

随着人工智能技术的发展，越来越多的繁琐工作被机器所取代。OCR(OpticalCharacter Recognition，光学字符识别)任务作为计算机视觉中的一个重要分支，在票据识别、文本自动录入等众多领域应用广泛。但是，通常这类任务的原始文本可能出现于各种复杂背景中，如可能以各种字体、大小等不同样式出现。因此，需要利用计算机视觉相关方法，在从图片中定位到的文本串中识别出对应的字符，以用于下游任务。

而深度学习作为人工智能领域的重要分支，神经网络在各个领域已经取得了巨大的成功。目前，神经网络主要有如下两种：卷积神经网络和循环神经网络，而前者主要用于结构化数据(如图像等)，后者主要用序列数据(如语音等)。而将基于深度学习的卷积神经网络应用于OCR任务是目前常用的做法，一般基于BLSTM(Bidirectional Long Short-TermMemory，双向长短期记忆网络)+CTC(Connectionist temporal classification，时序数据分类)的结构实现，现有的模型结构无需考虑文字的对齐问题，虽然能够解决不定长文本的识别，但通常实际输入的文本图片样式复杂，特征多变，从而导致BLSTM网络训练困难，进而影响识别精度。

发明内容

基于此，有必要针对上述传统的网络结构不适用于识别复杂样式的文本图片的问题，提供一种能够识别复杂样式的文本图片的文本识别方法、装置、计算机设备和存储介质。

为了实现上述目的，一方面，本申请实施例提供了一种文本识别方法，所述方法包括：

通过文本归一化模型检测待识别的文本图像，得到与待识别的文本图像中文本行区域对应的标准格式的文本行图片，其中，文本行区域中包括若干个字符，则标准格式的文本行图片中的字符数与文本行区域中的字符数相同；

根据预设长度在宽度上对标准格式的文本行图片进行分割，得到标准格式的文本行图片中每一个字符的标准图片及对应的位置；

采用字符分类模型识别每一个字符的标准图片，得到对应的字符文本；

根据每一个字符的标准图片的位置对字符文本进行拼接，得到与待识别的文本图像中文本行区域对应的目标字符串。

在其中一个实施例中，文本归一化模型的生成方法包括：获取若干个文本行样本图片，其中，文本行样本图片中包括样本字符串；对文本行样本图片进行归一化处理，得到与文本行样本图片对应的标准格式的文本行图片；根据若干个文本行样本图片和与若干个文本行样本图片一一对应的标准格式的文本行图片生成训练数据集；采用训练数据集，利用均方损失函数训练深度学习神经网络，直到均方损失函数达到最小值时，得到文本归一化模型。

在其中一个实施例中，对文本行样本图片进行归一化处理，得到与文本行样本图片对应的标准格式的文本行图片，包括：识别文本行样本图片中样本字符串对应的字符串特征；根据字符串特征对文本行样本图片进行整体风格、尺寸定义、字体类型、字符大小以及字符位置的归一化处理，得到归一化后的标准格式的文本行图片。