[发明专利]一种基于维语文字识别的训练数据生成系统及方法

权利要求书

1.一种基于维语文字识别的训练数据生成系统，其特征在于：包括语料库模块、字体库模块、背景库模块和训练数据生成模块；所述语料库模块根据OCR特定场景生成对应的语料库，字体库模块根据OCR特定场景生成对应的字体库，背景库模块根据OCR特定场景生成对应的背景库，训练数据生成模块生成数据图片源，通过特效处理后生成OCR数据；

所述的训练数据生成模块包括：输入引擎、生成引擎、特效引擎和输出引擎。

2.一种基于维语文字识别的训练数据生成系统，其特征在于：所述的输入引擎包括背景模块、文本模块、字库模块和管理模块。

3.一种基于维语文字识别的训练数据生成系统，其特征在于：所述的生成引擎包括FreeType模块和Image模块。

4.一种基于维语文字识别的训练数据生成系统，其特征在于：所述的特效引擎包括变形模块、模糊模块、干扰模块和颜色模块。

5.一种基于维语文字识别的训练数据生成系统，其特征在于：所述的输出引擎包括文件管理模块、文本文件、图片文件、校验模块和第三方数据导入模块。

6.根据权利要求1~5任一所述的一种基于维语文字识别的训练数据生成系统生成训练数据方法，其特征在于，包括以下步骤：

S1：根据OCR特定场景生成对应的语料库；

S2：根据OCR特定场景生成对应的字体库；

S3：根据OCR特定场景生成对应的背景库；

S4：生成数据图片源，通过特效处理后生成OCR数据。

7.根据权利要求6所述的一种基于维语文字识别的训练数据生成方法，其特征在于：所述的步骤S1包括以下子步骤：

S11：使用爬虫、网络获取所述特定场景文本数据；

S12：删除空格及非识别文字；

S13：转换统一UTF8格式到指定位置。

8.根据权利要求6所述的一种基于维语文字识别的训练数据生成方法，其特征在于：所述的步骤S2包括以下子步骤：

S21：下载特定的字体；

S22：验证测试字体，判断是否支持freeType；

S23：验证测试字体，判断是否包含相关的需识别文字。

9.根据权利要求6所述的一种基于维语文字识别的训练数据生成方法，其特征在于：所述的步骤S3包括以下子步骤：

S31：下载所述特定场景常用的背景图片文件；

S32：人工生成对所述特定场景常用背景图片的颜色，自动生成背景图片；

S33：根据OCR设置改变背景文件的大小和存储位置及格式。

10.根据权利要求6所述的一种基于维语文字识别的训练数据生成方法，其特征在于：所述步骤S4包括以下子步骤：

S41：所述输入引擎按照配置策略从所述字体库选取字体；

S42：所述输入引擎按照配置策略从所述语料库中选取生成文本；

S43：所述输入引擎按照配置策略从所述背景库中选取背景；

S44：所述输入引擎按照配置策略生成位置、字体大小、数据图片大小；

S45：所述生成引擎生成源图片数据及文本数据；

S46：所述特效引擎按配置策略对源图片进行压缩拉伸、模糊、透视、干扰、扭曲、亮度、色度处理；

S47：所述输出引擎将生成的图片和文字存储到特定位置检查，校验。