[发明专利]一种文本识别的方法、装置、电子设备和存储介质

说明书

本发明实施例涉及OCR技术领域，公开了一种文本识别的方法、装置、电子设备和存储介质。该方法包括：获取目标文本图像；得到目标文本图像的题号框、公式框和文本行轮廓；利用题号框对公式框进行过滤，利用文本行轮廓过滤题号框，将过滤后的公式框插入文本行轮廓中，得到文本位置信息；对插入公式框的文本行轮廓进行矫正；将矫正后的文本行轮廓中的文本送入中英文识别模型进行识别，将公式框中的公式送入公式识别模型；保存文本位置信息、公式识别结果和文字识别结果。实施本发明实施例，在文本行识别的基础上，引入题号检测和公式检测，丰富了OCR的功能，可以自动检测和识别出题号、公式和文本行的位置信息和文字信息。

技术领域

本发明涉及OCR技术领域，具体涉及一种文本识别的方法、装置、电子设备和存储介质。

背景技术

传统的OCR识别是通过文本行检测后进行识别，这种方式在一般场景中的字符识别能够满足需求，但是在教育领域，例如试卷、练习册以及作业本等文本处理的光学文字识别场景中，其不同于通用OCR场景，需要对试卷文本中的题号和公式进行位置进行检测，并对题号和公式信息进行识别，现有技术无法满足这种需求。

发明内容

针对所述缺陷，本发明实施例公开了一种文本识别的方法、装置、电子设备和存储介质，其可以获取文本行、题号以及公式的位置信息，以及文本、题号以及公式的识别。

本发明实施例第一方面公开一种文本识别的方法，所述方法包括：

获取目标文本图像；

将所述目标文本图像并行输入题号检测网络模型、公式检测网络模型以及文本行检测网络模型，分别输出题号框、公式框和文本行轮廓；

利用所述题号框对所述公式框进行过滤，利用所述文本行轮廓过滤所述题号框，将过滤后的公式框插入文本行轮廓中，得到文本位置信息；

对所述插入公式框的文本行轮廓进行矫正，得到矫正后的文本行轮廓；

将所述矫正后的文本行轮廓中的文本送入中英文识别模型进行识别，将所述公式框中的公式送入公式识别模型，分别得到文字识别结果和公式识别结果；

保存所述文本位置信息、公式识别结果和文字识别结果。

作为一种可选的实施方式，在本发明实施例第一方面中，将所述目标文本图像并行输入题号检测网络模型、公式检测网络模型以及文本行检测网络模型，分别输出题号框、公式框和文本行轮廓，包括：

将所述目标文本图像并行输入YOLO题号检测网络模型、YOLO公式检测网络模型以及PseNet文本行检测网络模型，分别得到题号框、公式框和文本行轮廓。

作为一种可选的实施方式，在本发明实施例第一方面中，利用所述题号框对所述公式框进行过滤，包括：

计算任意一题号框与公式框的IOU；

在题号框和公式框的IOU大于第一预设阈值，则删除所述IOU大于第一预设阈值对应的公式框。

作为一种可选的实施方式，在本发明实施例第一方面中，利用所述文本行轮廓过滤所述题号框，包括：

计算所述题号框与任意文本行轮廓的交集面积；

在所述交集面积占所述题号框总面积的比例大于第二预设值时，删除所述题号框。

作为一种可选的实施方式，在本发明实施例第一方面中，将过滤后的公式框插入文本行轮廓中，包括：

检测过滤后的公式框与文本行中心线的交集；

在所述公式框与所有文本行中心线均无交集时，保留所述公式框；

在所述公式框与其中一个文本行中心线存在交集时，将所述公式框插入存在交集的文本行轮廓中；