[发明专利]印章识别方法、装置及电子设备

权利要求书

1.一种印章识别方法，其特征在于，所述方法包括：

获取待识别图片；

将所述待识别图片输入训练完成的印章识别模型，检测所述待识别图片中是否包含印章像素；

若所述待识别图片中包含印章像素，识别所述待识别图片中所包含的目标印章的形状；

根据所述目标印章的形状，确定所述目标印章在所述待识别图片中的位置。

2.根据权利要求1所述的方法，其特征在于，所述若所述待识别图片中包含印章像素，识别所述待识别图片中所包含的目标印章的形状的步骤，包括：

通过所述印章识别模型提取所述待识别图片的浅层语义特征和深层语义特征；

通过所述印章识别模型对所述浅层语义特征和所述深层语义特征进行融合，构建所述目标印章的多尺度特征；

根据所述目标印章的多尺度特征，识别所述目标印章的形状。

3.根据权利要求2所述的方法，其特征在于，所述获取待识别图片的步骤之前，所述方法还包括：

获取对应不同预设参数的多个基础样本图片，其中，每个所述基础样本图片均包含至少一个印章所在的像素区域，所述预设参数包括颜色参数、形状参数、印章尺寸参数、印章与所述基础样本图片的尺寸比例和印章在所述基础样本图片中的位置中的至少一种；

按照预设规则将全部所述基础样本图片进行旋转，得到对应的升级样本图片；

将所述基础样本图片和所述升级样本图片均输入预先构建的基础卷积神经网络进行学习训练，得到所述印章识别模型。

4.根据权利要求3所述的方法，其特征在于，所述将所述基础样本图片和所述升级样本图片均输入预先构建的基础卷积神经网络进行学习训练的步骤之前，所述方法还包括：

利用3x3卷积核和深度可分离卷积核搭建共享卷积层；

在所述卷积网络架构布局用于提取浅层语义特征的第一滤波器，以及用于提取深层语义特征的第二滤波器；

整合得到所述基础卷积神经网络。

5.根据权利要求4所述的方法，其特征在于，所述3x3卷积核的数量为1个，所述深度可分离卷积核的数量范围为5至10个；和/或，

所述第一滤波器的数量为16个，所述第二滤波器的数量为512个。

6.根据权利要求3至5中任一项所述的方法，其特征在于，所述将所述基础样本图片和所述升级样本图片均输入预先构建的基础卷积神经网络进行学习训练，得到所述印章识别模型的步骤，包括：

将所述基础样本图片和所述升级样本图片输入预先构建的基础卷积神经网络；

根据不同的训练参数对所述卷积神经网络模型进行多次训练，并得到初始识别模型每次训练的损失率，其中，所述训练参数包括学习率和/或者训练轮数；

将所述初始训练模型在训练过程中的损失率最低时对应的模型，作为所述印章识别模型。

7.根据权利要求6所述的方法，其特征在于，所述得到初始识别模型每次训练的损失率的步骤，包括：

统计参与训练的全部样本图片中印章的数量为N个，其中，N为正整数；

计算N个印章在所述样本图片中的实际坐标与所述初始识别模型检测出的估计坐标之间的坐标差值；

将全部所述坐标差值的和除以N，得到所述初始识别模型在每次训练的损失率。

8.根据权利要求1所述的方法，其特征在于，所述根据所述目标印章的形状，确定所述目标印章在所述待识别图片中的位置的步骤之后，所述方法还包括：

根据所述目标印章的形状和位置，定位所述目标印章对应的文本区域；

识别所述文本区域内的文本信息。