[发明专利]自然场景文本检测方法及系统

说明书

本发明实施例是关于一种自然场景文本检测方法及系统。该方法包括：分类并回归各单词级文本实例和各字符级文本实例，输出各单词级文本实例矩形框和各字符级文本实例矩形框；设置待聚类单词级文本实例的个数为k，聚类中心为各单词级文本实例矩形框的质心，待聚类数据点为各字符级文本实例的质心；将各单词级文本实例按照其矩形框面积进行升序排列，按序计算各单词级文本实例聚类中心的质量；计算各待聚类数据点质量；计算各待聚类数据点和各聚类中心之间引力进行初始聚类得到k个初始类簇；对k个初始类簇中各字符进行异常点检测，对异常点进行重新聚类，直至检测到无异常点后输出最终类簇；根据k个最终类簇使用Alpha‑Shape算法生成单词级文本实例边界。

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及一种自然场景文本检测方法及系统。

背景技术

自然场景文本检测作为文本识别的首要环节，因其在实时翻译、场景理解等多个领域发挥重要作用，所以成为计算机视觉领域的重要研究方向。

自然场景文本检测尽管可看作一般目标检测问题进行处理，但也有其自身特点，例如：剧烈的尺度变化、横纵比变化剧烈、文本形状任意性高(水平文本、多方向文本、曲线文本、不规则文本等)、具有多种粒度(文本组件级、字符级、单词级、文本行级)等。上述场景文本特点使得自然场景文本检测问题难以采用通用目标检测框架进行处理。

因此，有必要改善上述相关技术方案中存在的一个或者多个问题。

需要注意的是，本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

发明内容

本发明实施例的目的在于提供一种自然场景文本检测方法及系统，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本发明实施例的第一方面，提供一种自然场景文本检测方法，包括：

通过Faster R-CNN分类并回归各单词级文本实例和各字符级文本实例，输出各单词级文本实例矩形框的集合和各字符级文本实例矩形框的集合；

设置待聚类单词级文本实例的个数为k，聚类中心为所述各单词级文本实例矩形框的质心，待聚类数据点为所述各字符级文本实例矩形框的质心；

将各单词级文本实例按照其矩形框的面积进行升序排列，按照排列次序计算各单词级文本实例聚类中心的质量，所述聚类中心的质量为单词级文本实例矩形框中包含的所有字符级文本实例的矩形框的面积之和；

计算各待聚类数据点的质量，所述各待聚类数据点的质量为所述各字符级文本实例矩形框的面积；

根据万有引力定律计算各待聚类数据点和各聚类中心之间的引力根据类间引力最小，类内引力最大原则进行初始聚类得到k个初始类簇，其中，G—6.67×10^-11N·m²/kg²，M—聚类中心的质量，m—待聚类数据点的质量，r—待聚类数据点到聚类中心的欧氏距离；

对k个初始类簇中的各字符进行异常点检测，对所述异常点进行重新聚类，直至检测到无异常点后输出k个最终类簇；

其中，所述对k个初始类簇中的各字符进行异常点检测的步骤包括：