[发明专利]基于字符区域检测的图像文字快速识别方法及装置

说明书

基于字符区域检测的图像文字快速识别方法及装置，利用卷积层将目标图像的通道数转换为类别个数；通过文字区域检测模型生成目标图像按比例缩小的特征图；将生成的掩码与目标图像叠加获得到包含文字的区域子图像；对区域子图像文字间隙识别，将文字间隙标记为背景，使掩码图中每个文字字符分隔开；通过掩码图对区域子图像字符区域提取，获得每个字符的字符区域；对掩码图进行横向闭运算合成一个闭合区域，提取闭合区域的矩形轮廓获得一行文字的整体区域，利用初始的掩码图提取整体区域的每个字符区域，将提取的整体区域的每个字符区域从左到右排序，将排序后的字符区域按照行组合。本发明采用较小的神经网络即可实现，推理速度快，占用资源少。

技术领域

本发明涉及图像检测技术领域，具体涉及一种基于字符区域检测的图像文字快速识别方法及装置。

背景技术

目前，基于深度学习对图像中的文字进行识别，基本需要两步流程，参见图1，第一步、文字区域检测(Text Region Detect)，即检测图像中是否包含文字区域，并提取出该部分区域的子图像；第二步、文字字符识别(Text Recognition)，将图像中的文字区域划分为一个个单独的字符区域图像，并将每个字符图像识别为字符(即机器可识别的编码)，然后重组为字符串。

现阶段，文字区域检测一般使用图像检测模型(如Yolo，SSD等)，模型能够输出文字区域坐标，从而提取出对应的区域子图像，接下来再对文字区域图像进行字符识别。文字区域图像的字符识别有两种主要办法，一种是利用滑动窗口和直方图切割等手段，将图像切分成一系列只包含单个字符的小图，然后利用卷积神经网络对每个小图进行分类得到单个字符，再重组为字符串；另一种是利用循环神经网络，直接对文字区域图像进行识别，生成文字序列。

现有技术中存在以下问题：

第一、文字区域检测模型只标记了整块文字区域，并没有区分出每个字符的位置，进而需要额外的计算来识别其中的每一个字符；

第二、利用滑动窗口或直方图分割字符区域，泛化能力弱，准确率低。滑动窗口易造成过分割，进而给后续处理增加计算负担，且影响重建字符串的准确度；而直方图分割受噪声影响，不容易找到字符的间隔；

第三、不切分字符,利用循环神经网络直接识别整个文字区域重建字符串，由于模型比较复杂，推理时间长且占用计算资源较多，只能部署在大型服务器用于实时性不强的云服务，难以部署于嵌入式平台和图像实时处理场景。

综上所述，亟需一种实现图像文字快速识别的技术方案。

发明内容

为此，本发明实施例提供一种基于字符区域检测的图像文字快速识别方法及装置，对文字图像进行字符级的区域检测，在文字区域检测的同时直接划分每个字符的区域，实现高分辨率图像的文字提取与识别的实时完成。

为了实现上述目的，本发明的实施方式提供如下技术方案：基于字符区域检测的图像文字快速识别方法，包括以下步骤：

采用卷积神经网络抽取目标图像特征，利用卷积层将所述目标图像的通道数转换为类别个数；

通过文字区域检测模型生成所述目标图像按比例缩小的特征图，所述特征图中每个像素点的值对应于所述类别；

将所述特征图放大至所述目标图像的尺寸并作为文字区域的掩码图，将生成的掩码与目标图像叠加获得到包含文字的区域子图像；

对所述区域子图像进行文字间隙识别，将所述文字间隙标记为背景，使所述掩码图中每个文字字符分隔开；

通过所述掩码图对所述区域子图像进行字符区域提取，获得每个字符的字符区域。