[发明专利]视频文本识别网络模型、视频文本识别装置与电子设备

说明书

本发明实施例涉及计算机技术领域，公开了一种视频文本识别网络模型、视频文本识别装置与电子设备。视频文本识别网络模型，包括：文本区域提取模块，用于从接收到的视频帧的特征图像中提取包含文字信息的文本框区域信息；文字检测模块，用于根据所述文本框区域信息，从所述特征图像中提取文字区域信息与文字特征图；文字识别模块，用于根据所述文字区域信息，从所述文字特征图中识别出文字信息。本发明中，文本区域提取模块和文字检测模块均利用原始的特征图像进行特征提取，减小了文本区域提取模块输出的结果对文字检测模块的影响，同时简化了文字信息的提取流程，提高了文字识别效率。

技术领域

本发明实施例涉及计算机技术领域，特别涉及一种视频文本识别网络模型、视频文本识别装置与电子设备。

背景技术

随着互联网的飞速发展，使得用户可以通过各种终端获取各类型比赛的视频，例如篮球、足球以及网球等。在获取比赛视频中的比分时，可以通过文字识别技术与背景识别技术对视频图像中的比分区域进行检测，然后对比分区域中的具体比分进行检测和识别。

发明人发现现有技术中至少存在如下问题：在比分识别过程，每个环节均采用独立串行的算法，前面环节的检测结果准确度对后续各环节的检测识别都有较大影响，算法依赖程度较高。

发明内容

本发明实施方式的目的在于提供一种视频文本识别网络模型、视频文本识别装置与电子设备，文本区域提取模块和文字检测模块均利用原始的特征图像进行特征提取，减小了文本区域提取模块输出的结果对文字检测模块的影响，同时简化了文字信息的提取流程，提高了文字识别效率。

为解决上述技术问题，本发明的实施方式提供了一种视频文本识别网络模型，包括：文本区域提取模块，用于从接收到的视频帧的特征图像中提取包含文字信息的文本框区域信息；文字检测模块，用于根据所述文本框区域信息，从所述特征图像中提取文字区域信息与文字特征图；文字识别模块，用于根据所述文字区域信息，从所述文字特征图中识别出文字信息。

本发明的实施方式还提供了一种视频文本识别装置，包括上述的视频文本识别网络模型。

本发明的实施方式还提供了一种电子设备，包括上述的视频文本识别装置。

本发明实施方式相对于现有技术而言，利用文本区域提取模块从接收到的视频帧的特征图像中提取包含文字信息的文本框区域信息，再通过文字检测模块根据文本框区域信息，从特征图像中提取文字区域信息与文字特征图，继而文字识别模块能够根据文字区域信息，从文字特征图中识别出文字信息，文本区域提取模块和文字检测模块均利用原始的特征图像进行特征提取，减小了文本区域提取模块输出的结果对文字检测模块的影响，同时简化了文字信息的提取流程，提高了文字识别效率。

另外，在训练过程中所采用的所述视频文本识别网络模型的损失函数为：L_模型＝aL_RPN+L_TDN+L_TRN；L_模型表示所述视频文本识别网络模型的损失函数，L_RPN表示所述文本区域提取模块的损失函数，L_TDN表示所述文字检测模块的损失函数，L_TRN表示所述文字识别模块的损失函数，0＜a≤1。本实施方式中，在对视频文本识别网络模型进行训练时，通过设置的视频文本识别网络模型的损失函数整合了文本区域提取模块、文字检测模块以及文字识别模块，从而在对视频文本识别网络模型进行训练时，结合了三个模块的反馈结果来对视频文本识别网络模型进行优化，能够得到效果更好的视频文本识别网络模型。