[发明专利]表格识别方法及装置

说明书

本发明公开了一种表格识别方法及装置，涉及表格识别技术领域。该方法包括：获取包含待识别表格的图片，对图片中的表格的轮廓进行检测，根据检测结果得到表格中每个单元格的相对坐标；通过卷积递归神经网络对每个单元格内的文字进行识别，如果识别失败，则通过渐进尺度扩展网络对识别失败的单元格内的文字进行识别；识别完成后，根据识别结果确定每个单元格的内容，根据每个单元格的相对坐标确定每个单元格的相对位置，生成表格文件。本发明不需要对样本数据进行字符分割，可识别任意长度的文本序列，模型速度快、性能好，并可以成功地识别相邻文本实例，从而提高识别的准确度和精确度。

技术领域

本发明涉及表格识别技术领域，尤其涉及表格识别方法及装置。

背景技术

表格识别，将含有表格的图像中的表格区域划分并识别出表格的内容，最后生成对应的表格文件。

然而，当表格内文字较为模糊或者相邻文本难以区分时，现有的表格识别方法很难将中的文字准确地识别出来。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供表格识别方法及装置。

本发明解决上述技术问题的技术方案如下：

一种表格识别方法，包括：

获取包含待识别表格的图片，对所述图片中的表格的轮廓进行检测，根据检测结果得到表格中每个单元格的相对坐标；

对每个所述单元格内的文字取最小外接矩形轮廓；

通过卷积递归神经网络对每个所述最小外接矩形轮廓内的文字进行识别，如果识别失败，则通过渐进尺度扩展网络对识别失败的最小外接矩形轮廓内的文字进行识别；

识别完成后，根据识别结果确定每个单元格的内容，根据每个所述单元格的相对坐标确定每个所述单元格的相对位置，生成表格文件。

本发明解决上述技术问题的另一种技术方案如下：

一种表格识别装置，包括：

检测单元，用于获取包含待识别表格的图片，对所述图片中的表格的轮廓进行检测，根据检测结果得到表格中每个单元格的相对坐标；

识别单元，用于对每个所述单元格内的文字取最小外接矩形轮廓，并通过卷积递归神经网络对每个所述最小外接矩形轮廓内的文字进行识别，如果识别失败，则通过渐进尺度扩展网络对识别失败的最小外接矩形轮廓内的文字进行识别；

生成单元，用于识别完成后，根据识别结果确定每个单元格的内容，根据每个所述单元格的相对坐标确定每个所述单元格的相对位置，生成表格文件。

本发明的有益效果是：本发明提供的表格识别方案，通过对包含待识别表格的图片进行检测，确定表格的位置，然后取文字的最小外接矩形轮廓，通过卷积递归神经网络对每个单元格内的文字进行识别，不需要对样本数据进行字符分割，可识别任意长度的文本序列，模型速度快、性能好，并当识别失败时，通过渐进尺度扩展网络对识别失败的单元格内的文字进行识别，可以成功地识别相邻文本实例，从而提高识别的准确度和精确度，此外，在通过神经网络进行识别之前，对文字预先取最小外接矩形轮廓，能够减少非文字部分对识别结果的影响，经验证，能够有效提高文字识别的精度。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。

附图说明

图1为本发明表格识别方法的实施例提供的流程示意图；

图2为本发明表格识别方法的实施例提供的CRNN网络结构示意图；

图3为本发明表格识别方法的实施例提供的文字裁剪示意图；