[发明专利]一种光学字符识别重复检测方法和系统

说明书

本发明提出一种光学字符识别重复检测方法和系统，其方法技术方案包括字符识别步骤，使用一光学字符识别工具对一多媒体文件进行识别；结果保存步骤，将对所述多媒体文件的识别文本信息进行保存；重复检测步骤，对所述多媒体文件进行识别前，查询是否存在所述多媒体文件的识别信息文本，若存在，则直接调用所述识别信息文本。本发明解决了现有技术方案在进行光学字符识别时导致任务堆积、实时性差的问题。

技术领域

本发明属于光学字符识别领域，尤其涉及一种光学字符识别重复检测方法和系统。

背景技术

多媒体文件的OCR的应用在不同行业不同场景越来越普遍，但是多媒体文件的OCR应用会耗费大量的计算资源。

在现有的OCR技术中，通常只是单纯的对每个多媒体文件应用不同的算法，但该方案存在对一个媒体文件进行多次计算的情况，从而造成计算资源的浪费。在大数据场景下，会涉及大量多媒体文件的OCR应用，采用上述方案会使得资源无法充分有效的利用，造成多媒体文件任务的堆积，降低整个系统的实时性。

在另一技术方案中，会对多媒体计算的结果保存，并作重复验证，但是对于大数据的场景，验证步骤又会成为瓶颈，同样会导致任务堆积和实时性降低。

发明内容

本申请实施例提供了一种光学字符识别重复检测方法和系统，以至少解决现有技术方案在进行光学字符识别时导致任务堆积、实时性差的问题。

第一方面，本申请实施例提供了一种光学字符识别重复检测方法，包括：字符识别步骤，使用一光学字符识别工具对一多媒体文件进行识别；结果保存步骤，将对所述多媒体文件的识别文本信息进行保存；重复检测步骤，对所述多媒体文件进行识别前，查询是否存在所述多媒体文件的识别信息文本，若存在，则直接调用所述识别信息文本。

优选的，所述结果保存步骤包括：使用布隆过滤器对所述多媒体文件的识别文本信息进行保存。

优选的，所述结果保存步骤包括：使用一自定义保存工具和一布隆过滤器对所述多媒体文件的识别文本信息进行保存。

优选的，所述重复检测步骤包括：第一检测步骤，查询在所述自定义保存工具中是否存在所述多媒体文件的识别信息文本，若存在，则直接调用所述识别信息文本，若不存在，则使用所述光学字符识别工具对所述多媒体文件进行识别，并将对所述多媒体文件的识别文本信息保存至所述布隆过滤器。

优选的，所述重复检测步骤还包括：第二检测步骤，查询在所述布隆过滤器中是否存在所述多媒体文件的识别信息文本，若存在，则直接调用所述识别信息文本，若不存在，则使用所述光学字符识别工具对所述多媒体文件进行识别，并将对所述多媒体文件的识别文本信息保存至所述自定义保存工具和所述布隆过滤器。

第二方面，本申请实施例提供了一种光学字符识别重复检测系统，适用于上述一种光学字符识别重复检测方法，包括：字符识别单元，使用一光学字符识别工具对一多媒体文件进行识别；结果保存单元，将对所述多媒体文件的识别文本信息进行保存；重复检测单元，对所述多媒体文件进行识别前，查询是否存在所述多媒体文件的识别信息文本，若存在，则直接调用所述识别信息文本。

在其中一些实施例中，所述结果保存单元包括：使用布隆过滤器对所述多媒体文件的识别文本信息进行保存。

在其中一些实施例中，所述结果保存单元包括：使用一自定义保存工具和一布隆过滤器对所述多媒体文件的识别文本信息进行保存。

在其中一些实施例中，所述重复检测单元包括：第一检测模块，查询在所述自定义保存工具中是否存在所述多媒体文件的识别信息文本，若存在，则直接调用所述识别信息文本，若不存在，则使用所述光学字符识别工具对所述多媒体文件进行识别，并将对所述多媒体文件的识别文本信息保存至所述布隆过滤器。