[发明专利]页面方向识别方法、装置、设备及计算机可读存储介质

说明书

本发明涉及图像处理技术领域，公开了一种页面方向识别方法、装置、设备及计算机可读存储介质，该方法包括：确定待进行图像检测的目标图像，根据预设的裁剪方式对所述目标图像进行划分，以获取多个图像块；基于预设的卷积神经网络模型对各所述图像块进行训练，基于所述训练的训练结果确定各所述图像块中是否具有文字和文字方向的目标图像块；若在各所述图像块中存在多个具有文字和文字方向的目标图像块，则对各所述目标图像块的文字方向进行分类汇总，基于所述分类汇总的分类汇总结果确定目标文字方向，并将所述目标文字方向作为所述目标图像的页面方向。本发明提高了对图像页面方向识别的准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种页面方向识别方法、装置、设备及计算机可读存储介质。

背景技术

OCR（Optical Character Recognition,光学字符识别）技术能够将图像中印刷文字转换为计算机可处理的文本格式，被广泛应用在数据录入、校验比对等场景中，成为国民经济各行业信息化和数字化应用的关键环节。OCR主要解决图片中文字的位置检测和内容识别两大问题。而待识别图片由于采集方式的不同（例如拍照、扫描），可能会造成页面方向发生90、180或270度方向的旋转，直接输入到OCR系统中往往不能直接工作，通常需要检测图片页面方向并进行旋转校正。传统的页面方向通常是利用形态学、线检测、投影等方法，估计出文本行的位置和方向，进行页面方向的判断，但是有可能会将图片180度转反，另外易受页面外背景纹理线条的干扰。虽然使用深度学习技术，可以对整图直接分类，预测出该图片的方向，但是模型对训练数据量要求较大，同样易受背景纹理的干扰，鲁棒性不高。

发明内容

本发明的主要目的在于提供一种页面方向识别方法、装置、设备及计算机可读存储介质，旨在解决如何提高对图像页面方向识别的准确性的技术问题。

为实现上述目的，本发明提供一种页面方向识别方法，所述页面方向识别方法包括：

确定待进行图像检测的目标图像，根据预设的裁剪方式对所述目标图像进行划分，以获取多个图像块；

基于预设的卷积神经网络模型对各所述图像块进行训练，基于所述训练的训练结果确定各所述图像块中是否具有文字和文字方向的目标图像块；

若在各所述图像块中存在多个具有文字和文字方向的目标图像块，则对各所述目标图像块的文字方向进行分类汇总，基于所述分类汇总的分类汇总结果确定目标文字方向，并将所述目标文字方向作为所述目标图像的页面方向。

可选地，基于所述训练的训练结果确定各所述图像块中是否具有文字和文字方向的目标图像块的步骤，包括：

基于所述训练的训练结果遍历各所述图像块，获取遍历的图像块的整体面积和所述遍历的图像块中疑似文字区域所占面积；

计算所述疑似文字区域所占面积和整体面积的比例值，并判断所述比例值是否大于预设阈值；

若所述比例值大于预设阈值，则确定遍历的图像块中具有文字，根据所述训练结果确定所述遍历的图像块中文字的文字方向，并将所述遍历的图像块作为目标图像块。

可选地，根据所述训练结果确定所述遍历的图像块中文字的文字方向的步骤，包括：

根据所述训练结果确定所述遍历的图像块对应的标签结果，并将所述标签结果和预设的标签方向对照表进行匹配，根据所述匹配结果确定所述遍历的图像块中文字的文字方向。

可选地，基于预设的卷积神经网络模型对各所述图像块进行训练的步骤之前，包括：

将预设映射对照表中的多个初始图像块输入至原始的卷积神经网络模型进行训练，以获取各所述初始图像块的文本信息，并将各所述文本信息和所述预设映射对照表中各所述初始图像块对应的标注信息进行比对；