[发明专利]一种图像中文本识别方法、装置及电子设备

说明书

本发明提供了一种图像中文本识别方法、装置和电子设备，方法包括以下步骤：获取包含文本的待处理图像；定位所述图像中的文本区域；标记所述文本区域的多个参考点，并获取所述参考点的坐标，所述参考点包括所述文本区域的多个边界点和多个中心轴点；根据所述参考点的坐标，对所述文本区域进行矫正，得到矫正区域；提取所述矫正区域的文本特征，对所述文本特征进行金字塔特征融合，获取融合特征；根据所述融合特征，识别所述文本区域包含的文字。根据上述步骤，本发明提供的图像中文本识别方法能够更准确地矫正图像，提高文字识别的准确性，此外还可减少处理时的参数量，提高处理效率。

技术领域

本发明涉及图像处理领域，特别涉及一种图像中文本识别方法、装置及电子设备。

背景技术

随着计算机视觉技术研究的不断深入，图像场景中的文字识别受到越来越多的重视。图像场景中文字识别旨在把图像的文字区域转换成机器可读的符号并自动解码成字符。由于自然场景复杂、不规则的形状、字符相近以及不等的光照条件，特别是在一些场景中，文字的形状往往存在着扭曲、倾斜等状态，使得文字识别的难度进一步提高。

对于这种情况，现有的方法中一般采用如空间变换网络(STN)等方式对图像进行矫正，但如果扭曲较为严重时容易造成失真。而且现有的一些识别方法存在着训练速度慢、识别准确率低的问题，识别模型通常又比较巨大，很难达到产品化的需求。

发明内容

为了解决上述问题，本发明提出一种图像中文本识别的方法，能够有效提高文字识别的准确率。

一种图像中文本识别的方法，包括以下步骤：

获取包含文本的待处理图像；

定位所述图像中的文本区域；

标记所述文本区域的多个参考点，并获取所述参考点的坐标，所述参考点包括所述文本区域的多个边界点和多个中心轴点；

根据所述参考点的坐标，对所述文本区域进行矫正，得到矫正区域；

提取所述矫正区域的文本特征，对所述文本特征进行金字塔特征融合，获取融合特征；

根据所述融合特征，识别所述文本区域包含的文字。

可选地，所述根据所述参考点的坐标，对所述文本区域进行矫正，得到矫正区域包括：

将所述参考点的坐标输入训练好的空间变换网络，获取所述参考点对应的矫正点的坐标；

根据所述参考点的坐标与所述矫正点的坐标，对所述文本区域进行矫正，得到矫正区域。

可选地，所述提取所述矫正区域的文本特征，对所述文本特征进行金字塔特征融合，获取融合特征包括：

将所述矫正区域输入训练好的轻量检测网络，通过Stem层对所述矫正区域进行降采样；

将降采样后的数据依次通过所述轻量检测网络的各个过渡层；

根据所述Stem层和所述各个过渡层的输出结果，进行金字塔特征融合，得到所述融合特征。

可选地，所述根据所述Stem层和所述各个过渡层的输出结果，进行金字塔特征融合，得到所述融合特征包括：

在所述Stem层中选取若干卷积层，在所述各个过渡层中选取若干过渡层，根据所述若干卷积层、所述若干过渡层的输出结果，进行金字塔特征融合，得到所述融合特征。

可选地，所述在所述Stem层中选取若干卷积层，在所述各个过渡层中选取若干过渡层，根据所述若干卷积层、所述若干过渡层的输出结果，进行金字塔特征融合，得到所述融合特征包括：

选取所述轻量检测网络的一层第一卷积层和三层过渡层的输出结果进行金字塔特征融合，所述第一卷积层从所述Stem层的前两层卷积层中选取；