[发明专利]文字识别方法及装置

说明书

本发明公开了一种文字识别方法及装置，属于图像识别领域。所述方法包括：对输入图像进行扩增，得到多个图像，所述多个图像包含同一待识别的文字，所述多个图像中所述文字的朝向不同；对所述多个图像进行融合，得到融合后的图像，所述融合后的图像包含多种朝向的所述文字的特征信息，所述多种朝向包括所述多个图像中所述文字的朝向；对所述融合后的图像进行文字识别，输出文字识别结果。本发明在文字识别过程中可以同时观察该多种不同朝向的文字信息，可以满足日益复杂的多种不同朝向的文字识别需求。

技术领域

本发明涉及图像识别领域，尤其涉及一种文字识别方法及装置。

背景技术

文字识别，如OCR(Optical Character Recognition，光学字符识别)，是电子设备将图像中的光学文字转化为文本格式文字的一种技术。随着文字识别技术的发展，人们对文字识别的要求也越来越高，如何准确有效的识别多种不同朝向的文字成为一个亟待解决的问题。

相关技术一般是基于图像矫正的方法进行文字识别，具体过程包括：在进行文字识别之前，构建基于CNN(Convolutional Neural Network，卷积神经网络)的文字矫正网络和文字识别网络，在实际使用时，对于任一待识别的图像，首先利用文字矫正网络中的空间变换参数，将图像中的文字矫正到水平位置，再利用文字识别网络，对图像中的文字进行识别。

上述技术中文字识别网络只能识别一种朝向的文字，需要先将图像中当前朝向的文字矫正到对文字识别网络友好的朝向，再进行文字识别，而在文字矫正时，往往需要一些额外的辅助信息，如每个字符的位置标定信息，才能达到比较理想的效果，文字识别具有很大的局限性，因此，亟需一种文字识别方法，更好地满足日益复杂的多种不同朝向的文字识别需求。

发明内容

本发明实施例提供了一种文字识别方法及装置，可以解决相关技术中文字识别具有很大的局限性的问题。所述技术方案如下：

第一方面，提供了一种文字识别方法，所述方法包括：

对输入图像进行扩增，得到多个图像，所述多个图像包含同一待识别的文字，所述多个图像中所述文字的朝向不同；

对所述多个图像进行融合，得到融合后的图像，所述融合后的图像包含多种朝向的所述文字的特征信息，所述多种朝向包括所述多个图像中所述文字的朝向；

对所述融合后的图像进行文字识别，输出文字识别结果。

在一种可能实现方式中，所述对所述多个图像进行融合，得到融合后的图像，包括：

将所述多个图像在通道维度进行连接，得到所述融合后的图像；或，

通过卷积神经网络，对所述多个图像进行融合，得到所述融合后的图像；或，

通过深层决策树，对所述多个图像进行融合，得到所述融合后的图像。

在一种可能实现方式中，所述通过卷积神经网络，对所述多个图像进行融合，得到所述融合后的图像，包括：

通过所述卷积神经网络，学习所述多个图像的权重；

根据所述多个图像的权重，将所述多个图像在通道维度进行加权求和，得到所述融合后的图像；或，

根据所述多个图像的权重，将所述多个图像加权后在通道维度进行连接，得到所述融合后的图像。

在一种可能实现方式中，所述对所述融合后的图像进行文字识别，输出文字识别结果，包括：

提取所述融合后的图像的特征；

对提取到的特征进行解码，得到所述文字识别结果。

在一种可能实现方式中，所述对输入图像进行扩增，得到多个图像，包括：