[发明专利]一种视频流文本识别方法和装置在审
| 申请号： | 201710050733.X | 申请日： | 2017-01-23 |
| 公开（公告）号： | CN108345886A | 公开（公告）日： | 2018-07-31 |
| 发明（设计）人： | 许盛辉;马龙;苏雪峰 | 申请（专利权）人： | 北京搜狗科技发展有限公司 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/46 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 赵娟 |
| 地址： | 100084 北京市海淀区中关*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 视频流图像 文本区域 文本 文本识别 方法和装置 视频流 预设时间间隔 整幅图像 重叠信息 申请 图像 检测 | ||
1.一种视频流文本识别方法，其特征在于，包括：
按照预设时间间隔获取视频流图像；
检测所述视频流图像中的文本区域；
比较T(n)时刻的视频流图像的文本区域与T(n-1)时刻的视频流图像的文本区域；
根据比较结果，确定新增文本区域；
对所述新增文本区域进行文本识别，获得新增识别文本；
将所述新增识别文本与针对T(n-1)时刻的视频流图像的识别文本组合为T(n)时刻的视频流图像的识别文本。
2.根据权利要求1所述的方法，其特征在于，所述根据比较结果，确定新增文本区域的步骤包括：
若所述比较结果为所述T(n)时刻的视频流图像的文本区域包含所述T(n-1)时刻的视频流图像的文本区域，则确定所述T(n)时刻的视频流图像的文本区域的重叠区域；
获得第一图像信息和第二图像信息，所述第一图像信息为所述T(n)时刻的视频流图像的文本区域的重叠区域的图像信息，第二图像信息为所述T(n-1)时刻的视频流图像的文本区域的图像信息；
比较所述第一图像信息和所述第二图像信息；
若所述第一图像信息与所述第二图像信息相同，且所述T(n)时刻的视频流图像的文本区域具有超过所述T(n-1)时刻的视频流图像的文本区域的区域，则将所述T(n)时刻的视频流图像的文本区域超过所述T(n-1)时刻的视频流图像的文本区域的区域，确定为新增文本区域。
3.根据权利要求2所述的方法，其特征在于，还包括：
若所述第一图像信息与第二图像信息相同，且所述T(n)时刻的视频流图像的文本区域不具有超过所述T(n-1)时刻的视频流图像的文本区域的区域，则将所述T(n-1)时刻的视频流图像的识别文本，作为T(n)时刻的视频流图像的识别文本。
4.根据权利要求2或3所述的方法，其特征在于，还包括：
若所述第一图像信息与第二图像信息不相同，则对所述T(n)时刻的视频流图像的文本区域进行文本识别，获得T(n)时刻的视频流图像的识别文本。
5.根据权利要求2所述的方法，其特征在于，还包括：
若所述比较结果为所述T(n)时刻的视频流图像的文本区域未包含所述T(n-1)时刻的视频流图像的文本区域，则对所述T(n)时刻的视频流图像的文本区域进行文本识别，获得T(n)时刻的视频流图像的识别文本。
6.根据权利要求1所述的方法，其特征在于，所述检测所述视频流图像中的文本区域的步骤包括：
对所述视频流图像进行二值化处理；
确定经过二值化处理的视频流图像中的连通域；
对所述经过二值化处理的视频流图像中的连通域进行合并，得到文本区域。
7.根据权利要求1所述的方法，其特征在于，所述对所述新增文本区域进行文本识别，获得新增识别文本的步骤包括：
将所述新增文本区域输入预置的深度神经元网络；
将所述深度神经元网络的输出结果，作为新增识别文本。
8.根据权利要求4或5所述的方法，其特征在于，所述对所述T(n)时刻的视频流图像的文本区域进行文本识别，获得T(n)时刻的视频流图像的识别文本的步骤包括：
对所述T(n)时刻的视频流图像进行二值化处理，确定经过二值化处理的视频流图像中的连通域；
对所述T(n)时刻的视频流图像的文本区域按照连通域进行切分，得到多个子区域；
将各个子区域输入预置的深度神经元网络；
将所述深度神经元网络针对各个子区域的输出结果，作为识别文本。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京搜狗科技发展有限公司，未经北京搜狗科技发展有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710050733.X/1.html，转载请声明来源钻瓜专利网。
