[发明专利]一种图像的文本内容识别方法、装置、设备及存储介质

权利要求书

1.一种图像的文本内容识别方法，其特征在于，包括：

获取包括至少一个文本块的待识别图像；

基于预先建立的图像内容识别模型，从所述待识别图像中检测所述文本块所在的区域，作为目标区域；

基于所述图像内容识别模型，对所述目标区域进行文本内容识别，得到所述目标区域对应的文本识别结果，作为所述待识别图像对应的识别结果；

其中，所述图像内容识别模型采用训练图像集中的训练图像训练得到，所述训练图像包含至少一个文本块，所述训练图像标注有文本块所在区域以及文本块所在区域中的文本内容。

2.根据权利要求1所述的图像的文本内容识别方法，其特征在于，所述待识别图像中包括多个内容相关且有序的文本块；

所述图像的文本内容识别方法还包括：

基于所述图像内容识别模型，对多个目标区域分别对应的文本识别结果进行排序，排序后的文本识别结果作为所述待识别图像对应的识别结果；

其中，所述训练图像集中的至少部分训练图像包含多个内容相关且有序的文本块，所述训练图像集中的训练图像还标注有文本块所在区域中文本内容的顺序。

3.根据权利要求1所述的图像的文本内容识别方法，其特征在于，所述基于预先建立的图像内容识别模型，从所述待识别图像中检测所述文本块所在的区域，包括：

基于所述图像内容识别模型和所述待识别图像，获取候选框，以得到由获取的候选框组成的候选框集合；

利用所述图像内容识别模型从所述候选框集合中滤除冗余候选框，滤除所述冗余候选框后的候选框集合作为目标候选框集合；

利用所述图像内容识别模型，确定所述目标候选框集合中每个候选框对应的类别，其中，一个候选框对应的类别为所属文本块、背景中的一个；

基于所述图像内容识别模型、所述目标候选框集合以及所述目标候选框集合中每个候选框对应的类别，确定所述文本块所在的区域。

4.根据权利要求3所述的图像的文本内容识别方法，其特征在于，所述基于所述图像内容识别模型、所述目标候选框集合以及所述目标候选框集合中每个候选框对应的类别，确定所述文本块所在的区域，包括：

基于所述图像内容识别模型和所述目标候选框集合中每个候选框对应的类别，从所述目标候选框集合中确定属于同一文本块的候选框；

基于所述图像内容识别模型和属于同一文本块的候选框，确定所述文本块所在的区域。

5.根据权利要求2所述的图像的文本内容识别方法，其特征在于，所述基于所述图像内容识别模型，对多个目标区域分别对应的文本识别结果进行排序，包括：

基于所述图像内容识别模型、所述多个目标区域以及所述多个目标区域分别对应的文本识别结果，对所述多个目标区域分别对应的文本识别结果进行排序。

6.根据权利要求5所述的图像的文本内容识别方法，其特征在于，所述基于所述图像内容识别模型、所述多个目标区域以及所述多个目标区域分别对应的文本识别结果，对所述多个目标区域分别对应的文本识别结果进行排序，包括：

基于所述图像内容识别模型和所述多个目标区域，获取所述多个目标区域分别对应的图像特征；

基于所述图像内容识别模型和所述多个目标区域分别对应的文本识别结果，获取所述多个目标区域分别对应的语义特征；

基于所述图像内容识别模型、所述多个目标区域分别对应的图像特征以及所述多个目标区域分别对应的语义特征，对所述多个目标区域分别对应的文本识别结果进行排序。