[发明专利]PDF图纸文字识别方法、系统以及设备

权利要求书

1.一种PDF图纸文字识别方法，其特征在于，所述PDF图纸文字识别方法包括以下步骤：

基于深度学习执行光学字符识别步骤；定制化识别和通用识别步骤；以及移动设备低质量图像识别步骤；

其中，所述基于深度学习执行光学字符识别步骤包括步骤：检测场景中有文字的区域并对区域中的文字进行识别，其中基于CTPN、Seglink、TextBoxes、FTSN、Pixellink以及CRAFT算法执行文本检测；其中基于CNN、CRNN算法进行文字的识别；

其中，所述定制化识别步骤包括以下步骤：根据PDF中表格文字或者PDF中框架内容识别PDF图纸类型；根据结构化特征提取区域内的内容；以及提取关键区域，通过深度神经网络识别区域中的文字或提取关键文字。

2.如权利要求1所述的PDF图纸文字识别方法，其中所述定制化识别步骤的所述提取关键区域步骤还包括以下步骤：

根据POI比例大小提取关键区域；

利用霍夫变换、角点检测提取所有框架；

根据文字的模糊匹配和精确匹配提取关键区域；

根据区域的边缘特性提取关键区域；以及

根据区域中文字特性提取关键区域。

3.如权利要求2所述的PDF图纸文字识别方法，其中所述定制化识别步骤的所述提取关键区域步骤中，根据区域的形状或对称或角度或边缘颗粒度的边缘特性提取关键区域，其中根据区域中文字的字体或大小或文字类型的特性提取关键区域。

4.如权利要求1所述的PDF图纸文字识别方法，其中所述移动设备低质量图像识别步骤还包括以下步骤：

对图像执行滤波处理；

对图像执行图像增强处理；

对图像执行图像边缘化锐化处理；

对图像执行图像纹理分析处理；

对图像执行图像分割处理；

对图像执行几何形态分析处理；

对图像执行图像匹配处理；以及

对图像执行形态学处理。

5.如权利要求4所述的PDF图纸文字识别方法，其中所述对图像执行滤波处理步骤中为对图像执行图像平滑以及图像降噪处理；其中所述对图像执行图像纹理分析处理为对对图像执行去骨架以及连通性处理；其中所述对图像执行图像匹配处理步骤为对图像执行模板匹配以及搜索匹配处理；其中所述对图像执行形态学处理步骤为对图像执行膨胀、服饰以及开闭操作处理。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时执行权利要求1至5中任一所述的PDF图纸文字识别方法的步骤。

7.一种PDF图纸文字识别设备，其特征在于，所述PDF图纸文字识别设备包括：软件应用程序、用于存储软件应用程序的存储器，以及用于执行所述软件应用程序处理器；其中所述软件应用程序的各程序相对应地执行权利要求1至5中任一所述的PDF图纸文字识别方法中的步骤。

8.一种PDF图纸文字识别系统，其特征在于，所述PDF图纸文字识别系统包括光学字符识别单元、定制化识别和通用识别单元以及移动设备低质量图像识别单元，其中所述光学字符识别单元包括文本检测模块以及文字识别模块，其中所述文本检测模块被配置为：检测场景中有文字的区域，基于CTPN、Seglink、TextBoxes、FTSN、Pixellink以及CRAFT算法执行文本检测；其中所述文字识别模块被配置为：对检测出的区域中的文字进行识别，基于CRNN、CNN算法进行文字的识别；其中所述定制化识别和通用识别单元设置有定制化识别模块，所述定制化识别模块被配置为结构化特征提取区域内的内容，并通过深度神经网络识别区域中的文字或提取关键文字；其中所述移动设备低质量图像识别单元被配置为：对识别的图像进行滤波处理、图像增强处理、图像边缘化锐化处理、图像纹理分析处理、图像分割处理、几何形态分析处理、图像匹配处理以及形态学处理。