[发明专利]词语识别方法及装置

说明书

技术领域

本发明的各实施方式涉及词语识别方法及装置。

背景技术

在对词语进行光学字符识别时，通常先将词语通过各种拆分方法拆分为多个文字，然后对每个文字分别进行识别。这种方法一方面速度较慢，另一方面，对文本行进行拆分也存在一些问题。例如，由于全角字符和半角字符的混合，以及中英文、数字的混合，导致一个文本行中各个有意义的字符的宽度不一致，这使得对文本行拆分时很容易将一个字符拆成两个部分，或将不属于一个字符的多个连通域拆分成一个字符，从而为文字和词语的识别带来困难。

发明内容

鉴于上述原因，本发明提供一种词语识别方法及装置。

根据本发明的一个方面，提供一种词语识别方法，包括：从文本行中分离出词语；将该词语作为一个整体，提取该词语的字符特征；使用具有词库的分类器识别该词语的字符特征，若该字符特征与词库中的词语匹配，则输出词库中对应的该词语。

根据本发明的另一方面，通过估计词语的识别置信度来判断该字符特征与词库中的词语的匹配程度。

根据本发明的另一方面，使用标点符号或空格来从文本行中分离出词语。

根据本发明的另一方面，该字符特征是该词语的梯度方向直方图。

根据本发明的另一方面，当该字符特征与词库中的所有词语都不匹配时，将该词语切分为单个字符进行识别。

根据本发明的另一方面，提供一种词语识别装置，包括：词语分离单元，用于从文本行中分离出词语；字符特征提取单元，用于将该词语作为一个整体，提取该词语的字符特征；词语分类器单元，其具有词库，用于识别该词语的字符特征，若该字符特征与词库中的词语匹配，则输出词库中对应的该词语。

根据本发明的另一方面，词语分类器单元通过估计词语的识别置信度来判断该字符特征与词库中的词语的匹配程度。

根据本发明的另一方面，词语分离单元使用标点符号或空格来从文本行中分离出词语。

根据本发明的另一方面，该字符特征是该词语的梯度方向直方图。

根据本发明的另一方面，还包括单字符识别单元，当该字符特征与词库中的所有词语都不匹配时，单字符识别单元将该词语切分为单个字符进行识别。

通过使用词语分类器首先对整个词语的字符特征进行识别，提高了常用词语的识别成功率和识别效率，避免了字符拆分可能引起的错误和耗费的时间。

附图说明

当结合附图阅读下文对示范性实施方式的详细描述时，这些以及其他目的、特征和优点将变得显而易见，在附图中：

图1是根据本发明优选实施例的词语识别方法的流程图；

图2是适于用来实践本发明实施方式的词语识别装置的示意性框图；

图3是用来实践本发明实施方式的移动终端的示意性框图。

具体实施方式

附图中的流程图和框图，图示了按照本发明各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，所述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

现在将仅通过示例性方式来详细地描述本发明的各种实施方式。

图1是根据本发明优选实施例的一词语识别方法的流程图。该方法具体包括下列步骤：

首先执行步骤S11，从文本行中分离出词语。可以通过标点符号或空格将每个词从文本行中分离出来。此时分离出来的是每个词所包含的像素点，而并不了解每个词的含义。