[发明专利]文字检测方法、装置和系统

说明书

本发明提供了一种文字检测方法、装置和系统，所述文字检测方法包括：接收输入图像；经由训练好的神经网络直接检测所述输入图像中的文本区域，并输出初步检测结果；以及根据预定规则筛选所述初步检测结果，并对筛选后的结果实施非最大值抑制处理，以获得最终的检测结果。根据本发明实施例的文字检测方法、装置和系统基于训练好的神经网络直接检测输入图像中的文本区域，并基于非最大值抑制算法得到最终的检测结果，消除了不必要的中间步骤，可有效提高文字检测的效率，同时还提高了文字检测的准确度。

技术领域

本发明涉及图像处理技术领域，更具体地涉及一种文字检测方法、装置和系统。

背景技术

文字检测作为一项重要的基础技术，具有巨大的应用价值和广阔的应用前景，特别是自然场景图像的文字检测。例如，自然场景图像的文字检测技术可直接应用于增强现实、地理定位、人机交互、机器人导航、自动驾驶汽车和工业自动化等领域。

现有的文字检测方法多使用自底向上逐步聚合或分类讨论的方法。例如，利用字体笔画宽度比较一致的观察检测笔画片段，再合并为文本行；利用神经网络检测单个文字或单词，再合并为文本行；或者利用神经网络根据单词的大小、长宽比、方向等分别检测，再合并为文本行。然而，这些方法需要较长的流程，存在很多不可微分的步骤，计算量大，非常耗时。

发明内容

为了解决上述问题而提出了本发明。根据本发明一方面，提供了一种文字检测方法，所述文字检测方法包括：接收输入图像；经由训练好的神经网络直接检测所述输入图像中的文本区域，并输出初步检测结果；以及根据预定规则筛选所述初步检测结果，并对筛选后的结果实施非最大值抑制处理，以获得最终的检测结果。

在本发明的一个实施例中，所述初步检测结果包括检测到的文本区域的分数图和几何表示。

在本发明的一个实施例中，所述根据预定规则筛选所述初步检测结果包括：筛选出分数大于预定阈值的文本区域的几何表示，以用于对筛选出的几何表示实施所述非最大值抑制处理。

在本发明的一个实施例中，在对筛选出的几何表示实施所述非最大值抑制处理之前，基于临近像素的相关性合并所述筛选出的几何表示。

在本发明的一个实施例中，所述几何表示包括以下中的至少一种：轴对齐的长方形、带旋转的长方形、简单多边形以及贝塞尔曲线。

在本发明的一个实施例中，所述神经网络为全卷积网络，或者为全卷积网络与循环神经网络的组合。

在本发明的一个实施例中，所述神经网络包括特征提取层、特征合并层和输出层。

在本发明的一个实施例中，所述特征提取层包括多层卷积神经网络，用于提取不同层次的图像特征。

在本发明的一个实施例中，所述特征合并层以级联的方式逐层合并所述不同层次的图像特征。

在本发明的一个实施例中，所述输出层将多通道的特征图映射为1通道的分数图和多通道的几何表示图。

根据本发明另一方面，提供了一种文字检测装置，所述文字检测装置包括：检测模块，用于接收输入图像，经由训练好的神经网络直接检测所述输入图像中的文本区域，并输出初步检测结果；以及处理模块，用于根据预定规则筛选所述初步检测结果，并对筛选后的结果实施非最大值抑制处理，以获得最终的检测结果。

在本发明的一个实施例中，所述初步检测结果包括检测到的文本区域的分数图和几何表示。

在本发明的一个实施例中，所述处理模块进一步用于：筛选出分数大于预定阈值的文本区域的几何表示，以用于对筛选出的几何表示实施所述非最大值抑制处理。

在本发明的一个实施例中，所述处理模块进一步用于：在对筛选出的几何表示实施所述非最大值抑制处理之前，基于临近像素的相关性合并所述筛选出的几何表示。