[发明专利]基于文本骨架的文本检测方法、装置和计算机设备

说明书

本发明涉及计算机视觉技术领域，提供了一种基于文本骨架的文本检测方法、装置、计算机设备和存储介质，所述方法包括：预测待检测文本图像的文本骨架，得到文本骨架图像；将所述文本骨架图像二值化，根据二值图像确定所述待检测文本图像中各文本框的核心点；以各所述核心点为岭，对所述文本骨架图像进行分水岭像素分割，得到各文本区域像素点集合；分别确定各所述文本区域像素点集合的最小外接矩形，得到检测的文本框。采用本方法能够提高文本框的检测精度。

技术领域

本发明属于计算机视觉技术领域，尤其涉及一种基于骨架的文本检测方法、装置、计算机设备和存储介质。

背景技术

图像中通常都包含大量有价值的信息，比如图像中的文本。因此，有效的提取图像文本是图像内容分析和理解的前提，并可广泛应用于图像识别、图片内容检索、机器人自动导航等领域。传统由于图像中文本信息字体样式、颜色、尺寸变化多端，图像背景复杂多变，加之图像文本易受光照阴影遮挡等相关因素干扰，从而极大增加了图像中文本检测的难度。

但是，随着人工智能技术飞速发展，图像中文本检测领域迎来了新的曙光，学术界和工业界提出了一系列创新性的文本检测方法，比如基于像素分割的文本检测方法。基于像素分割的文本检测方法则是一种通过像素点回归或对文本像素聚合的方式得到文本框位置，从而能有效地检测大尺寸文本。然而，基于像素分割的文本检测方法虽然能够有效的检测大尺寸文本，但是对像素点稀疏的小文本框的漏检率较高，降低了检测精度。并且由于无法分割文本示例位置，对于重叠性的文本框检测精度也有所下降。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高检测精度的基于骨架的文本检测方法、装置、计算机设备和存储介质。

本发明提供一种基于骨架的文本检测方法，包括：

预测待检测文本图像的文本骨架，得到文本骨架图像；

将所述文本骨架图像二值化，根据二值图像确定所述待检测文本图像中各文本框的核心点；

以各所述核心点为岭，对所述文本骨架图像进行分水岭像素分割，得到各文本区域像素点集合；

分别确定各所述文本区域像素点集合的最小外接矩形，得到检测的文本框。

在其中一个实施例中，所述预测待检测文本图像的文本骨架，得到文本骨架图像，包括：

利用文本骨架预测模型中的卷积池化块对所述待检测文本图像连续进行预设次数的卷积池化处理，得到卷积池化特征图；

从最后一个所述卷积池化特征图开始，将每一个所述卷积池化特征图进行上采样并与前一个所述卷积池化特征图进行特征融合，得到融合特征图；

对所述融合特征图进行卷积和分割，输出文本骨架图像。

在其中一个实施例中，所述文本骨架预测模型的训练方法，包括：

获取原始文本图像以及所述原始文本图像的文本框标注结果集合；

新建与所述原始文本图像尺寸一致的单通道浮点型图像，将所述单通道浮点型图像的像素值初始化为0作为文本骨架标签图像；

基于所述文本框标注结果集合，在所述文本骨架标签图像上构建文本骨架训练图像；

利用所述原始文本图像与所述文本骨架训练图像对文本骨架预测神经网络结构进行训练，得到文本骨架预测模型。

在其中一个实施例中，所述基于所述文本框标注结果集，在所述文本骨架标签图像上构建文本骨架训练图像，包括：

遍历所述文本框标注结果集合，所述文本框标注结果集合包括各个文本框的顶点坐标；

分别计算各所述文本框的顶点坐标到所述文本框的中心点的距离最小值；