[发明专利]文本识别的方法和装置

权利要求书

1.一种文本识别的方法，包括：

获取包含待识别文本的图像；

将所述图像输入预先训练的文本检测模型，在所述图像中确定所述待识别文本所在的文本区域得到包括待识别文本的文本区域位置信息的图像，其中，所述文本检测模型用于在图像中确定文本区域，所述文本区域包括一个沿行方向排列的字符串；

将所得到的图像输入预先训练的文本识别模型，得到所述待识别文本的文本信息，其中，所述文本识别模型用于表征文本区域与文本信息的对应关系。

2.根据权利要求1所述的方法，其中，在将所述图像输入预先训练的文本检测模型之前，所述方法还包括：

确定所述待识别文本中字符排列方向与所述行方向之间的夹角；

基于所确定的夹角，对所述图像进行旋转，以使所述待识别文本沿行方向排列。

3.根据权利要求1所述的方法，其中，在将所述图像输入预先训练的文本检测模型之前，所述方法还包括：

增大所述图像中待识别文本和背景图像之间的对比度，以使所述包含待识别文本的图像的对比度大于预设阈值。

4.根据权利要求1所述的方法，其中，所述文本检测模型通过如下步骤训练得到：

获取第一训练样本图像集合，其中，第一训练样本图像具有用于表征其所包含的文本所在的文本区域位置的标注；

将所述第一训练样本图像作为输入，将所述第一训练样本图像中的标注作为期望输出，训练预先建立的卷积神经网络和双向长短期记忆网络得到所述文本检测模型。

5.根据权利要求1所述的方法，其中，所述文本识别模型基于预先建立的双向门控循环神经网络训练得到。

6.根据权利要求1所述的方法，其中，所述文本识别模型由第一神经网络、第二神经网络和第三神经网络构成，所述第一神经网络用于从确定文本区域的图像中提取预设维数的特征向量序列，所述第二神经网络用于对所述特征向量序列进行编码得到多个文本识别结果，所述第三神经网络用于从多个文本识别结果中确定出置信度最高的文本识别结果为所述文本信息。

7.根据权利要求6所述的方法，其中，所述文本识别模型通过如下步骤训练得到：

获取第二训练样本图像集合，其中，第二训练样本图像标注文本区域中的文本内容；

利用机器学习方法，将所述第二训练样本图像作为输入，训练预先建立的卷积神经网络得到所述第一神经网络；

将所述第一神经网络的输出作为输入，训练预先建立的双向门控循环神经网络得到所述第二神经网络；

将所述第二神经网络的输出作为输入，将述第二训练样本图像中标注的文本内容作为期望输出，训练预先建立的联结式时间分类器得到所述第三神经网络。

8.一种文本识别的装置，包括：

获取单元，被配置成获取包含待识别文本的图像；

文本检测单元，被配置成将所述图像输入预先训练的文本检测模型，在所述图像中确定所述待识别文本所在的文本区域得到包括待识别文本的文本区域位置信息的图像，其中，所述文本检测模型用于在图像中确定文本区域，所述文本区域包括一个沿行方向排列的字符串；

文本识别单元，被配置成将所得到的图像输入预先训练的文本识别模型，得到所述待识别文本的文本信息，其中，所述文本识别模型用于表征文本区域与文本信息的对应关系。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。