[发明专利]一种面向地址场景识别的离线文字识别方法

说明书

本发明提供一种面向地址场景识别的离线文字识别方法，该方法对数据集进行预处理：去除数据集标注文本中无法识别的生僻字，以及该标注文本对应的图像，其中，数据集包括图像和图像对应的标注文本；使用ICDAR2017RCTW数据集对连接预选框网络CTPN进行训练；训练卷积循环神经网络CRNN模型；输入预处理后的图像，使用CTPN定位图像中所有文本的位置，并使用矩形框将文本框出，提供矩形的顶点坐标以及宽高；将输出的文本框坐标输入CRNN，对文本框中的文本进行识别，输出预测文本，提高了地址识别的准确率。

技术领域

本发明涉及计算机视觉技术领域，更具体地，涉及一种面向地址场景识别的离线文字识别方法。

背景技术

近年来，文本识别技术已经应用到生活中的许多情境，包括聊天软件中的图片文本识别、拍照文本识别等。然而，由于训练使用的数据集组成不一、照片或图片的质量难以保证，现有的自然场景文本识别仍难以达到较高的准确率。在以往的OCR(OpticalCharacterRecognition，光学字符识别)方法中，识别过程分一般为两步：单字切割和分类。一般会将一连串文字的文本图片利用投影法等传统图像处理方法切割出单个字体，再送入CNN(ConvolutionalNeuralNetwork，卷积神经网络)里进行文字分类。此方法虽然思路直观易理解，但受字符检测错误的影响较大。随着卷积神经网络技术的兴起，CRNN被使用到了情景文本识别中，情景文本识别开始演变为基于深度学习的端到端的过程，即不需显式加入文字切割这个环节，而是将文字识别转化为序列学习问题。在生活中，地址文本存在于各种表单、履历和邮政面单上，是常见的自然场景文本识别情境。然而，针对地址识别，以往的方法还存在着一些问题：1)由于地址文本中和其他情境下的语料内容有较大的不同(比如地址文本缺乏完整的语法，并且常有生僻字)，以往方法训练的模型难以直接运用至地址识别中，以往的数据集也难以训练模型得到最好的识别准确率；2)由于存在一些提供地址检索接口的软件存在，地址文本识别在识别流程后还可以通过检索和匹配，使识别准确度进一步提高。

申请号为201910441222.X的专利说明书中公开了一种具有文字识别的照片直播系统及其方法，本申请实现了海量照片的即时上传、浏览，并解决了高并发、高访问、高下载导致的问题，以及实现照片的文字识别和人脸识别，从而实现照片直播。然而，该专利无法实现使用了CTPN和CRNN作为基础的场景文本识别方法，同时加入了地图地址检索接口的部分来适应地址识别的需求，从而针对性地提高了地址识别的准确率。

发明内容

本发明提供一种识别准确率较高的面向地址场景识别的离线文字识别方法。

为了达到上述技术效果，本发明的技术方案如下：

一种面向地址场景识别的离线文字识别方法，包括以下步骤：

网络训练阶段：

S1：对数据集进行预处理，其中数据集包括图像和图像对应的标注文本：去除数据集标注文本中无法识别的生僻字，以及该标注文本对应的图像；

S2：使用ICDAR2017RCTW数据集对CTPN进行训练；

S3：训练CRNN模型；

步骤S3的具体过程是：S31：CRNN模型的训练过程基于最小化CTCloss(ConnectionistTemporalClassification，连接时序分类)进行。

由于传统的RNN(RecurrentNeuralNetwork，循环神经网络)存在梯度消失的问题，且不能储存长期记忆，我们的算法的CRNN中使用的是LSTM(LongShortTermMemory，长短期记忆)，更具体地，使用的是双向LSTM，即BiLSTM(Bi-LongShortTermMemory，双向长短期记忆)。相较LSTM，BLSTM可以根据文本的前后向信息作出推测。