[发明专利]自然场景文本检测方法及系统

权利要求书

1.一种自然场景文本检测方法，其特征在于，包括：

通过Faster R-CNN分类并回归各单词级文本实例和各字符级文本实例，输出各单词级文本实例矩形框的集合和各字符级文本实例矩形框的集合；

设置待聚类单词级文本实例的个数为k，聚类中心为所述各单词级文本实例矩形框的质心，待聚类数据点为所述各字符级文本实例矩形框的质心；

将各单词级文本实例按照其矩形框的面积进行升序排列，按照排列次序计算各单词级文本实例聚类中心的质量，所述聚类中心的质量为单词级文本实例矩形框中包含的所有字符级文本实例的矩形框的面积之和；

计算各待聚类数据点的质量，所述各待聚类数据点的质量为所述各字符级文本实例矩形框的面积；

根据万有引力定律计算各待聚类数据点和各聚类中心之间的引力根据类间引力最小，类内引力最大原则进行初始聚类得到k个初始类簇，其中，G—6.67×10^-11N·m²/kg²，M—聚类中心的质量，m—待聚类数据点的质量，r—待聚类数据点到聚类中心的欧氏距离；

对k个初始类簇中的各字符进行异常点检测，对所述异常点进行重新聚类，直至检测到无异常点后输出k个最终类簇；其中，所述对k个初始类簇中的各字符进行异常点检测的步骤包括：计算隶属于同一单词级文本实例中的除尾字符外的各字符与相邻下一字符之间的垂直偏差d_i，i表示同一单词级文本实例中的第i个字符，计算所有字符垂直偏差的平均值d_avg，计算首字符和尾字符与其相邻字符之间的垂直偏差，分别比较首字符和尾字符与其相邻字符之间的垂直偏差与ε×d_avg的大小，ε＝3.58；当首字符与其相邻字符之间的垂直偏差和/或尾字符与其相邻字符之间的垂直偏差大于ε×d_avg时，则首字符和/或尾字符则被定义为当前所处理的文本实例内的异常点；计算隶属于同一单词级文本实例中的除首字符和尾字符外的各字符与相邻上一字符及下一字符的连接线形成的角度θ_i，当θ_i不满足128°≤θ_i≤180°时，第i个字符为异常点；

根据所述k个最终类簇使用Alpha-Shape算法生成单词级文本实例边界。

2.根据权利要求1所述自然场景文本检测方法，其特征在于，所述Faster R-CNN包括骨干网络模块、区域建议网络模块和Fast R-CNN模块。

3.根据权利要求2所述自然场景文本检测方法，其特征在于，所述使用Faster R-CNN分类并回归各单词级文本实例和各字符集文本实例，输出各单词级文本实例矩形框的集合和各字符级文本实例矩形框的集合的步骤，包括：

采用骨干网络模块对图像画面进行特征提取；

设定区域建议网络的锚框参数；

通过Fast R-CNN模块输出各单词级文本实例矩形框的集合和各字符级文本实例矩形框的集合。

4.根据权利要求3所述自然场景文本检测方法，其特征在于，所述骨干网络模块为ResNet-50和FPN结合。

5.根据权利要求3所述自然场景文本检测方法，其特征在于，所述锚框参数包括基础尺度参数和横纵比参数，所述基础尺度参数为[32²，64²，128²，256²，512²]，所述横纵比参数为[0.5，1，2]。

6.根据权利要求3所述自然场景文本检测方法，其特征在于，所述Fast R-CNN模块包括分类分支和回归分支。

7.根据权利要求6所述自然场景文本检测方法，其特征在于，所述Fast R-CNN模块通过RoIAlign过程进行分类和回归，输出各单词级文本实例矩形框的集合和各字符级文本实例矩形框的集合。