[发明专利]基于光学字符识别与纠错紧耦合处理的文本识别方法

说明书

本发明涉及基于光学字符识别与纠错紧耦合处理的文本识别方法，通过神经网络模型识别文本图像，利用识别文本图像时产生的内部信息，通过文字束搜索转录和词库选择处理，选择最优的候选文本句子，通过神经网络模型进行纠错，输出更准确的文本识别结果。将光学字符识别与文本纠错紧密耦合，相对现有松耦合的文本识别方法能有效地提高文本纠错的性能，提高文本识别的准确度。

技术领域

本发明涉及基于光学字符识别与纠错紧耦合处理的文本识别方法，属于 OCR识别领域。

背景技术

随着近几年来信息处理技术，基于机器深度学习进行文字定位和文字识别的光学字符识别(OCR)系统的性能得到极大提高，在某些领域文字识别的准确率接近人工识别的水平，帮助实现多种场景应用的落地，比如身份证的识别、车牌的识别。在一些商业应用领域，比如票据报销和银行交易等方面，OCR技术也在发挥重要的作用。OCR识别需要针对识别结果进行纠错确保结果的正确性，利用机器自动文本纠错是一种重要的途径，目前主要有两种主流方法：将语言错误归类然后采用分类方法对这些错误类别进行识别方法，以及借鉴统计机器翻译的思想将语言纠错视为机器翻译过程的方法。

现有技术中，基于机器深度学习的OCR识别与纠错的处理两个环节是松耦合的，如图2所示，OCR识别模块输出一串文字，文本纠错模块以该文字串作为输入，纠正其中可能存在的识别错误，除了文本纠错模块以OCR识别模块的输出作为输入之外，两个模块之间没有其它关联，这种松耦合的关系使得识别的精确度不高，难以胜任复杂的识别场景。

发明内容

为了解决上述技术问题，本发明提供基于光学字符识别与纠错紧耦合处理的文本识别方法，利用识别文本图像时产生的内部信息，通过文字束搜索转录和词库选择处理，选择最优的候选文本句子进行纠错，输出最终文本识别结果，有效地提高文本纠错的性能，提高文本识别的准确度

本发明的技术方案：

基于光学字符识别与纠错紧耦合处理的文本识别方法，包括如下步骤：

S1：输入待识别的文本图像。

S2：接收所述文本图像，通过神经网络识别模型对所述文本图像进行光学字符识别，输出经过识别的文本信息和字符概率矩阵，其中，所述字符概率矩阵记录不同时序不同字符出现的概率，是神经网络识别模型识别文本过程中产生的辅助信息。

S3：对所述字符概率矩阵执行束搜索转录得到候选文本集合，其中，束是对每个时间步下的某个字符组成的字符序列进行处理后得到的文本结果，束搜索转录通过迭代式的寻找候选文字的束集合并对其进行评分排序。

S4：对所述候选文本集合执行词库选择操作，将所述候选文本集合中的文本按顺序与预先设置的词库进行文字比对，输出经过选择的最优文本句子。

S5：通过神经网络纠错模型对所述最优文本句子进行纠错，对输入的最优文本句子进行语义判断和词库匹配处理，纠正句子里面可能存在的字符识别错误，输出经过纠错的最终文本信息。

所述S2步骤中，所述神经网络识别模型为CRNN文字识别模型，所述 CRNN文字识别模型的骨干网络为卷积神经网络，所述CRNN文字识别模型的工作步骤具体为：

S21：所述卷积神经网络对所述文本图像提取文字特征，通过卷积层、池化层，获得文字特征图，再将文字特征图按列切分转化生成文本特征序列，每一列的数据表示该列所表示的字符的特征。

S22：LSTM网络接收所述文本特征序列，执行序列建模处理并输出建模序列。

S23：SoftMax分类器接收所述建模序列，对所述建模序列上的每一个时间步长预测可能出现的字符及其概率，所述SoftMax分类器的输出为一个矩阵，所述矩阵表示所有字符在每个时间步长上出现的概率，记为字符概率矩阵 Ppred，大小为Nc×T，其中，Nc表示文本可能出现的字符个数，T表示文本的时间步长。