[发明专利]自动识别书页的方法及装置

摘要

本发明涉及一种自动识别书页的方法及装置，所述方法使用光学字符识别技术OCR和全文检索技术来实现书页自动定位，分为两个大的步骤：书籍全文检索数据库准备和页码自动识别。将书页的定位转化为文本的OCR识别和检索技术，解决了现有方法存在的问题，对OCR识别的精度要求较低，部分的文本识别错误不会影响整体的检索结果。

主权项

1.一种自动识别书页的方法，其特征在于，所述方法包括检索数据的准备阶段和页码自动识别阶段；所述检索数据的准备阶段包括以下步骤：1‑1）将书籍的电子文档，按照页面生成一个个单独的分页数据，其中一个页面对应一条分页数据；1‑2）将生成的分页数据存入全文检索数据库；1‑3）在全文检索数据库中进行文本内容分词和词语索引，以及全文检索相关数据的生成和存储；1‑4）将全文检索数据库部署在云端或相应的设备上；所述的页码自动识别阶段包括以下步骤：2‑1）使用智能相机或其它设备的摄像头拍摄待定位书页的图像；2‑2）使用图像处理算法或机器学习方法自动对图像质量进行评估，若所述图像质量低于设定的阈值，则重新拍摄图像；2‑3）使用图像处理算法或机器学习方法自动识别出书页图像的大致方向，根据识别出的方向对图像做旋转，使文字方向自动调整为正常阅读的方向；2‑4）对调整后的图像进行自动分割，并自动识别其中的文字块或文字行中的文本；2‑5）将识别出的全部或部分的文本结果，作为检索词输入之前部署好的书籍全文检索数据库，使用自动搜索技术检索出包含检索词的分页数据，提取其对应的书名和页码，并根据检索词匹配的数量计算每个分页数据的检索分值；2‑6）对检索出的分页数据按照检索分值排序，将分值最高的分页数据作为检索结果；2‑7）将分值最高的检索分值与设定的第二阈值进行比较，基于比较结果，确定是重新拍摄图像还是输出从检索结果中提取的内容。