[发明专利]文本识别方法、装置、电子设备和存储介质

权利要求书

1.一种文本识别方法，其特征在于，包括：

获取待识别视频，并确定所述待识别视频中的各关键帧；

对各关键帧进行拍摄状态分类，得到各关键帧的拍摄状态；

基于各关键帧的拍摄状态，对各关键帧中重叠区域的候选识别文本进行整合，得到所述待识别视频的识别文本。

2.根据权利要求1所述的文本识别方法，其特征在于，所述基于各关键帧的拍摄状态，对各关键帧中重叠区域的候选识别文本进行整合，得到所述待识别视频的识别文本，包括：

基于各关键帧的拍摄状态，以及各关键帧中重叠区域的候选识别文本的置信度，对各关键帧中重叠区域的候选识别文本进行整合，得到所述待识别视频的识别文本。

3.根据权利要求2所述的文本识别方法，其特征在于，所述基于各关键帧的拍摄状态，以及各关键帧中重叠区域的候选识别文本的置信度，对各关键帧中重叠区域的候选识别文本进行整合，得到所述待识别视频的识别文本，包括：

若包含所述重叠区域的各关键帧中存在稳定关键帧，则将所述稳定关键帧中所述重叠区域的候选识别文本确定为所述重叠区域的区域识别文本，所述稳定关键帧是拍摄状态为稳定状态的关键帧；

否则，基于包含所述重叠区域的各关键帧的候选识别文本的置信度，从包含所述重叠区域的各关键帧的候选识别文本中选取所述重叠区域的区域识别文本；

基于各重叠区域的区域识别文本，以及各关键帧中非重叠区域的区域识别文本，确定所述待识别视频的识别文本。

4.根据权利要求1所述的文本识别方法，其特征在于，所述对各关键帧进行拍摄状态分类，得到各关键帧的拍摄状态，包括：

对各关键帧进行拍摄篇幅分类，得到各关键帧的拍摄篇幅类别，所述拍摄篇幅类别为篇幅开始、篇幅中间、篇幅结束或其他；

基于各关键帧的拍摄篇幅类别，确定各关键帧的拍摄状态。

5.根据权利要求4所述的文本识别方法，其特征在于，所述基于各关键帧的拍摄篇幅类别，确定各关键帧的拍摄状态，包括：

删除所述拍摄篇幅类别为其他的关键帧，并将所述拍摄篇幅类别为篇幅开始或篇幅中间的关键帧的拍摄状态确定为非稳定状态，将所述拍摄篇幅类别为篇幅结束的关键帧的拍摄状态确定为稳定状态。

6.根据权利要求1至5中任一项所述的文本识别方法，其特征在于，所述基于各关键帧的拍摄状态，对各关键帧中重叠区域的候选识别文本进行整合，之前还包括：

基于所述待识别视频的拍摄方向，定位各关键帧的文本区域，所述文本区域包括重叠区域和非重叠区域；

对各关键帧的文本区域进行文本识别，得到各关键帧中重叠区域的候选识别文本，以及各关键帧中非重叠区域的区域识别文本。

7.根据权利要求1至5中任一项所述的文本识别方法，其特征在于，所述确定所述待识别视频中的各关键帧，包括：

获取所述待识别视频中各图像帧的图像特征；

基于所述各图像帧的图像特征之间的相似度，从所述各图像帧中选取关键帧。

8.一种文本识别装置，其特征在于，包括：

关键帧确定单元，用于获取待识别视频，并确定所述待识别视频中的各关键帧；

状态确定单元，用于对各关键帧进行拍摄状态分类，得到各关键帧的拍摄状态；

重叠整合单元，用于基于各关键帧的拍摄状态，对各关键帧中重叠区域的候选识别文本进行整合，得到所述待识别视频的识别文本。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述文本识别方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述文本识别方法的步骤。