[发明专利]一种文字识别方法和装置在审
| 申请号： | 201810974902.3 | 申请日： | 2018-08-24 |
| 公开（公告）号： | CN109376731A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 冯丹;马彬;魏晓明 | 申请（专利权）人： | 北京三快在线科技有限公司 |
| 主分类号： | G06K9/20 | 分类号： | G06K9/20;G06K9/32;G06K9/62 |
| 代理公司： | 北京润泽恒知识产权代理有限公司 11319 | 代理人： | 莎日娜 |
| 地址： | 100083 北京市海*** | 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： | 文字区域 文字识别 文字内容 文字信息 录入 计算机可读存储介质 图像信息输入 图像 方法和装置 摄像头拍摄 电子设备 分类结果 图像文字 输出 分类 归类 噪声 保证 | ||
1.一种文字识别方法，其特征在于，该方法包括：
获取摄像头拍摄的图像；
定位所述图像上的文字区域；
对文字区域进行分类；
将文字区域的图像信息输入到文字识别模型，得到文字识别模型输出的文字信息；
基于对文字区域的分类结果，将文字识别模型输出的文字信息归类到相应文字区域所属的类别。
2.如权利要求1所述的方法，其特征在于，将文字区域的图像信息输入到文字识别模型包括：
将文字区域的图像信息输入到与该文字区域所属类别对应的文字识别模型，其中，不同的类别对应不同的文字识别模型。
3.如权利要求1所述的方法，其特征在于，所述对文字区域进行分类包括：
将文字区域的图像特征数据输入到第一分类模型中，得到第一分类模型输出的类别信息；
其中，第一分类模型是用一定数量的标记了类别的图像特征数据作为样本数据进行训练后得到。
4.如权利要求1所述的方法，其特征在于，所述对文字区域进行分类包括：
获取所述图像上文字区域的图像，将文字区域的图像输入到第二分类模型中，得到第二分类模型输出的类别信息；
其中，第二分类模型是用一定数量的标记了类别的包含文字的图像作为样本数据进行训练后得到。
5.如权利要求1所述的方法，其特征在于，所述对文字区域进行分类包括：
将所述图像输入到第三分类模型中，得到第三分类模型输出的所述图像的每个像素所属的类别信息；其中，第三分类模型是用一定数量的标记了每个像素所属类别的图像作为样本数据进行训练后得到的；
对于一个文字区域，统计其包含的各类别的像素数量，像素数量最多的类别即为该文字区域的类别。
6.如权利要求1所述的方法，其特征在于，该方法还包括：
将文字信息与其所属类别的知识库进行匹配，以进行校正。
7.如权利要求1-6中任一项所述的方法，其特征在于，
所述图像包括菜单图像；
所述类别包括：“菜名”和“菜价”。
8.一种文字识别装置，其特征在于，该装置包括：
图像获取单元，用于获取摄像头拍摄的图像；
文字定位单元，用于定位所述图像上的文字区域；
分类单元，用于对文字区域进行分类；
文字识别单元，用于将文字区域的图像信息输入到文字识别模型，得到文字识别模型输出的文字信息，以及用于基于对文字区域的分类结果，将文字识别模型输出的文字信息归类到相应文字区域所属的类别。
9.如权利要求8所述的装置，其特征在于，
所述文字识别单元，用于将文字区域的图像信息输入到与该文字区域所属类别对应的文字识别模型，其中，不同的类别对应不同的文字识别模型。
10.如权利要求8所述的装置，其特征在于，
所述分类单元，用于将文字区域的图像特征数据输入到第一分类模型中，得到第一分类模型输出的类别信息；
其中，第一分类模型是用一定数量的标记了类别的图像特征数据作为样本数据进行训练后得到。
11.如权利要求8所述的装置，其特征在于，
所述分类单元，用于获取所述图像上文字区域的图像，将文字区域的图像输入到第二分类模型中，得到第二分类模型输出的类别信息；
其中，第二分类模型是用一定数量的标记了类别的包含文字的图像作为样本数据进行训练后得到。
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京三快在线科技有限公司，未经北京三快在线科技有限公司许可，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/201810974902.3/1.html，转载请声明来源钻瓜专利网。
