[发明专利]文本识别方法、装置、设备和存储介质

权利要求书

1.一种文本识别方法，其特征在于，包括：

对待识别图像中的预设对象图像进行分割处理，获取目标分割图像，所述目标分割图像包括不规则文本区域和对应的外接矩形；

从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像，所述目标对象图像包括与所述不规则文本区域对应的不规则对象文本区域；

根据所述不规则文本区域的轮廓点的点集和所述外接矩形，在所述不规则对象文本区域中获取预设数量的上边界控制点集和下边界控制点集；

分别确定所述上边界控制点集的第一垂直坐标均值以及所述下边界控制点集的第二垂直坐标均值；

根据所述第一垂直坐标均值和所述外接矩形的水平长度，确定第一水平直线段；

根据所述第二垂直坐标均值和所述外接矩形的水平长度，确定第二水平直线段；

分别从所述第一水平直线段和所述第二水平直线段上提取所述预设数量的第一矫正点集和第二矫正点集；

根据所述上边界控制点集、所述下边界控制点集、所述第一矫正点集和所述第二矫正点集，对所述目标对象图像进行薄板样条插值变换，得到所述目标对象图像对应的矫正对象图像；

根据所述矫正对象图像，获取水平对象文本图像；

将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。

2.根据权利要求1所述的方法，其特征在于，所述对待识别图像中的预设对象图像进行分割处理，获取目标分割图像，包括：

将所述待识别图像输入预设对象检测模型进行预设对象检测处理，提取出包括不规则文本的所述预设对象图像；

将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括所述不规则文本区域的所述目标分割图像。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述不规则文本区域的轮廓点的点集和所述外接矩形，在所述不规则对象文本区域中获取预设数量的上边界控制点集和下边界控制点集，包括：

根据所述不规则文本区域的轮廓点的点集和所述外接矩形，确定所述不规则文本区域的端点；

根据所述端点和所述轮廓点的点集，获取所述不规则对象文本区域的上边界点集和下边界点集；

分别从所述上边界点集和所述下边界点集中提取所述预设数量的所述上边界控制点集和所述下边界控制点集。

4.根据权利要求2所述的方法，其特征在于，所述将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的所述目标分割图像，包括：

将所述预设对象图像输入所述渐进式扩展网络进行分割处理，得到文本区域分割图像；所述文本区域分割图像中包括至少一个文本区域；

获取每个文本区域对应的分割图像；其中，每个文本区域对应的分割图像包括一个文本区域和对应的外接矩形；

确定每个分割图像中文本区域面积与对应的外接矩形面积的比值；

获取所述比值低于阈值的分割图像为所述包括不规则文本区域的目标分割图像。

5.根据权利要求2所述的方法，其特征在于，还包括：

构造目标对象样本图像以及对应的对象文本；

将所述构造的目标对象样本图像以及对应的对象文本作为目标对象图像的训练样本集；

基于所述目标对象图像的训练样本集进行机器学习，得到对象文本矫正识别模型；

在所述从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像之后，还包括：

将所述目标对象图像输入所述对象文本矫正识别模型进行文本的矫正和识别处理，获取所述文本识别结果。

6.根据权利要求2所述的方法，其特征在于，还包括：

构造对象样本图像以及对应的文本区域样本分割图像；

将对象样本图像以及对应的文本区域样本分割图像作为仿真样本数据集，

基于所述仿真样本数据集进行机器学习，得到所述渐进式扩展网络。