[发明专利]一种基于大数据的文字识别系统及方法

权利要求书

1.一种基于大数据的文字识别系统，其特征在于，包括：

文件输入模块，所述文件输入模块用于包含文字的文件，所述文件的类型包括图片和视频；

文件类型识别模块，所述文件类型识别模块用于识别输入的所述包含文字的文件的格式属性，并将所述包含文字的文件自动分类为图片类型或视频类型；

文件类型转换模块，所述文件类型转换模块包括图片类型转换单元以及视频类型转换单元，所述图片类型转换单元用于将输入的所述包含文字的图片转换成统一图片格式的第一图片并保存在第一文件夹中，所述视频类型转换单元用于将输入的所述包含文字的视频转换成统一视频格式并保存在统一视频文件夹中；

播放截图模块，所述播放截图模块用于播放被转换成统一视频格式的视频并将包含文字的画面截图生成统一图片格式的第二图片保存到第二文件夹中；

文字识别模块，所述文字识别模块用于识别所述第一图片以及所述第二图片中包含的文字并生成第一文字；

智能处理模块，所述智能处理模块用于接收所述第一文字，并对所述第一文字进行修正处理生成第二文字；

输出模块，所述输出模块用于输出所述第二文字；

通讯模块，所述通讯模块用于将该基于大数据的文字识别系统接入互联网；

大数据库，所述大数据库包含标准文字集、标准符号集、标准字母集、标准数字集以及语法集。

2.根据权利要求1所述的一种基于大数据的文字识别系统，其特征在于：所述文件输入模块、所述文件类型识别模块、所述文件类型转换模块、所述播放截图模块、所述文字识别模块、所述输出模块、所述通讯模块以及所述大数据库均与所述智能处理模块通信连接。

3.根据权利要求1所述的一种基于大数据的文字识别系统，其特征在于：所述大数据库存储在云服务器中和/或本地主机中。

4.根据权利要求1所述的一种基于大数据的文字识别系统，其特征在于：所述统一图片格式为JPEG格式，所述统一视频格式为AVI格式。

5.根据权利要求1所述的一种基于大数据的文字识别系统，其特征在于：所述包含文字的文件的格式属性包括图片格式属性和视频格式属性；所述文件的格式属性包括BMP图片格式、TIFF图片格式、PNG图片格式以及JPEG图片格式；所述视频格式属性包括GIF视频格式、FLV视频格式、swf视频格式、rm视频格式、rmvb视频格式、MP4视频格式、3GP视频格式、AVI视频格式、MOV视频格式以及QT视频格式。

6.根据权利要求1所述的一种基于大数据的文字识别系统，其特征在于：所述播放截图模块还包括播放调速单元，所述播放调速单元用于自动调节视频的播放速度，且调节视频的播放速度为20-30帧/秒。

7.根据权利要求1所述的一种基于大数据的文字识别系统，其特征在于：所述文字识别模块用于识别图片中的文字区域并将所述文字区域中包含的文字生成第一文字，再将所述文字区域和生成的所述第一文字一同上传给所述智能处理模块进行处理。

8.根据权利要求1所述的一种基于大数据的文字识别系统，其特征在于：还包括字体设置模块，所述字体设置模块用于设置所述第二文字的字体，且所述字体设置模块内包含字体数据库，所述字体设置模块与所述智能处理模块通信连接。

9.根据权利要求1所述的一种基于大数据的文字识别系统，其特征在于：还包括缓存自动删除模块，所述缓存自动删除模块用于自动删除存储的第一图片、第二图片、被转换成统一视频格式的视频、输入的包含文字的图片、输入的包含文字的视频以及输出的文档，且所述缓存自动删除模块与所述智能处理模块通信连接。

10.一种基于大数据的图像中文字识别方法，其特征在于：包括如下步骤：

步骤一、打开权利要求1-9任一项所述的基于大数据的文字识别系统，通讯模块自动将所述的基于大数据的文字识别系统接入互联网并与保存在云服务器中或者本地主机中的大数据库建立连接，同时设定视频播放速度、设定输出字体以及设定缓存自动删除模块自动执行删除任务的条件；

步骤二、输入文件，将包含文字的图片和包含文字的视频通过文件输入模块输入所述基于大数据的文字识别系统中；

步骤三、识别文件类型，文件类型识别模块自动识别输入的包含文字的文件的格式属性，和包含文字的视频格式属性，并将包含文字的图片自动分类为图片类型以及将包含文字的视频自动分类为视频类型；

步骤四、转换文件类型，图片类型转换单元将输入的包含文字的图片转换成统一图片格式的第一图片并保存在第一文件夹中；视频类型转换单元将输入的包含文字的视频转换成统一视频格式并保存在统一视频文件夹中；

步骤五、播放截图，当统一视频文件夹中具有转换成统一视频格式的包含文字的视频时，播放截图模块播放被转换成统一视频格式的视频并将包含文字的画面截图生成统一图片格式的第二图片保存到第二文件夹中，当统一视频文件夹中没有转换成统一视频格式的包含文字的视频时，且在第一文件夹中具有第一图片时直接进入下一步；

步骤六、识别文字，文字识别模块自动识别所述第一图片以及所述第二图片中包含的文字并生成第一文字；

步骤七、修整处理，智能处理模块接收第一文字，并依据大数据库的内部包含的标准文字集、标准符号集、标准字母集、标准数字集以及语法集对所述第一文字进行修正处理生成第二文字；

步骤八、输出识别结果，输出模块将所述第二文字以文档的形式输出，并保存在设定的文件夹中。