[发明专利]一种基于CRNN的电气设备铭牌文本识别方法

说明书

本发明公开了一种基于CRNN的电气设备铭牌文本识别方法，包括步骤：S1)获取原始铭牌图像；S2)在原始铭牌图像中，利用Canny算子或概率Hough直线检测对铭牌进行边缘分割，得到待检测铭牌图像；S3)利用改进的CTPN文本检测算法对待检测铭牌图像的文本框区域进行识别；所述改进的CTPN文本检测算法是在CTPN算法之前增加了图片预处理过程，之后增加了文本框融合过程；S4)利用CRNN文字识别算法对识别到的待检测铭牌图像的文本框区域进行文本识别，并利用字符串相似度模糊匹配算法将识别之后的字符串与系统数据库中存储的字符串进行匹配，得到铭牌信息。本发明提供的基于CRNN的电气设备铭牌文本识别方法，用于提高铭牌文本识别的准确率。

技术领域

本发明涉及图像识别技术领域，特别是涉及一种基于CRNN的电气设备铭牌文本识别方法。

背景技术

随着Faster RCNN、SSD、YOLO等目标检测算法的出现，基于深度学习的自然场景目标检测在工程应用中逐渐被广泛使用。但是，由于场景文字检测的对象具有明显的文本序列特征，使用目标检测算法直接进行文本检测的效果往往较差。文本的特征主要包含三个方面：其一，文本大多数以长矩形形式存在，即长宽比一般较大，而普通检测目标的长宽比接近1；其二，普通的检测目标具有明显的边缘轮廓，而文本不具备这样的特征；其三，文本中一般包含多个文字且为了阅读方便每个文字之间具有一定的间隙，而这些间隙会影响最终的识别效果。根据以上的这些文本区域特征，越来越多的人开始对Faster RCNN、SSD这些通用网络进行改进，各种文本检测算法也应运而生。

CTPN是在ECCV 2016提出的一种文字检测算法，其结合了卷积神经网络和LSTM网络，对于复杂场景下的文字具有很好的检测结果。CTPN算法对长文本尤其是字距过大的长文本识别效果较好，具有较强的鲁棒性，但是对于有一定倾斜角度的文本，尤其是像电气设备铭牌这样布局较为密集的倾斜文本，其识别效果会受到一定的影响。

发明内容

本发明的目的是提供一种基于CRNN的电气设备铭牌文本识别方法，用于提高铭牌文本识别的准确率。

为实现上述目的，本发明提供了如下方案：

一种基于CRNN的电气设备铭牌文本识别方法，包括以下步骤：

S1)获取原始铭牌图像；

S2)在原始铭牌图像中，利用Canny算子或概率Hough直线检测对铭牌进行边缘分割，得到待检测铭牌图像；

S3)利用改进的CTPN文本检测算法对待检测铭牌图像的文本框区域进行识别；所述改进的CTPN文本检测算法是在CTPN算法之前增加了图片预处理过程，之后增加了文本框融合过程；

S4)利用CRNN文字识别算法对识别到的待检测铭牌图像的文本框区域进行文本识别，并利用字符串相似度模糊匹配算法将识别之后的字符串与系统数据库中存储的字符串进行匹配，得到铭牌信息。

可选的，步骤S4)中所述字符串相似度模糊匹配算法综合编辑距离和字符相似性两种算法对字符串相似度进行评估。

可选的，所述字符串相似度模糊匹配算法综合编辑距离和字符相似性两种算法对字符串相似度进行评估，具体包括步骤：

S41)获取识别出的电气名称A₁和待匹配的电气名称A₂；若A₁和A₂相同，则认为其相似度值为1，直接跳到步骤S44)，否则进行步骤S42)计算相似度；

S42)分别计算A₁和A₂的字符串长度，记为x和y，设l＝max(x,y)；

S43)结合单个汉字的相似度λ(i,j)，计算电气名称的编辑距离k₀，其中λ(i,j)为字符串A的第i个字符和字符串B的第j个字符的相似度；