[发明专利]字符位置修正方法、装置、电子设备和存储介质

说明书

本公开提供一种字符位置修正方法、装置、电子设备和存储介质，通过利用单字检测识别结果中的单字位置对文本行识别结果中的单字位置进行修正，可以兼顾文字识别性能和单字位置准确性。

技术领域

本公开的实施例涉及文字识别技术领域，具体涉及字符位置修正方法、装置、电子设备和存储介质。

背景技术

光学字符识别(Optical Character Recognition，OCR)是识别图像中字符的技术。当前OCR主要有“行”和“单字”两种粒度。其中文本行OCR占主流，文本行OCR能够较准确地识识别文本行图像中出现的字符，且利用自身特性粗略估计单字符位置。

发明内容

本公开的实施例提出了字符位置修正方法、装置、电子设备和存储介质。

第一方面，本公开的实施例提供了一种字符位置修正方法，该方法包括：获取文本行图像对应的文本行识别结果序列和单字检测识别结果序列，其中，所述文本行识别结果包括第一字符和第一字符包围盒位置，所述单字检测识别结果包括第二字符和第二字符包围盒位置；对于所述单字检测识别结果序列中每个单字检测识别结果，执行以下位置更新操作：在所述文本行识别结果序列中查找第一字符与该单字检测识别结果中的第二字符相同的文本行识别结果；响应于查找到至少一个文本行识别结果，在所找到的各文本行识别结果中，确定与该单字检测识别结果距离最近的文本行识别结果；将所确定的文本行识别结果中的第一字符包围盒位置更新为该单字检测识别结果中的第二字符位置。

在一些可选的实施方式中，所述第一字符包围盒位置包括行内起始位置和行内结束位置；以及所述方法还包括：

计算所述文本行识别结果序列的行内字符间隙平均值，其中，所述文本行识别结果序列的行内字符间隙平均值为所述文本行识别结果序列中各被更新过第一字符包围盒位置的文本行识别结果中两相邻文本行识别结果中的在前文本行识别结果中行内结束位置和在后文本行识别结果中行内起始位置之间距离的平均值；

对于所述文本行识别结果序列中未被更新过行内起始位置和行内结束位置的文本行识别结果，根据所述行内字符间隙平均值更新该文本行识别结果中的行内起始位置和行内结束位置，其中，该文本行识别结果在更新后的行内起始位置与所述文本行识别结果序列中该文本识别结果的前一文本识别结果的行内结束位置之间的距离为所述行内字符间隙平均值，和/或，该文本行识别结果在更新后的行内结束位置与所述文本行识别结果序列中该文本识别结果的后一文本识别结果的行内起始位置之间的距离为所述行内字符间隙平均值。

在一些可选的实施方式中，所述第一字符包围盒位置包括行起始位置和行结束位置；以及

所述方法还包括：

分别将所述文本行识别结果序列中被更新过行起始位置和行结束位置的各文本行识别结果的行起始位置中的最小值和行结束位置中的最大值确定为文本行起始位置和文本行结束位置；

对于所述文本行识别结果序列中未被更新过行起始位置和行结束位置的文本行识别结果，分别用所述文本行起始位置和文本行结束位置更新该文本行识别结果中的行起始位置和行结束位置。

在一些可选的实施方式中，所述文本行图像对应的文本行识别结果序列是通过如下方式得到的：

将所述文本行图像输入预先训练的文本行识别模型，得到与所述文本行图像对应的文本行识别结果序列，其中，所述文本行识别模型用于表征包括待识别图像与文本行识别结果序列之间的对应关系。

在一些可选的实施方式中，所述文本行识别模型包括顺序排列的卷积神经网络、循环神经网络和连接时间分类CTC。

在一些可选的实施方式中，所述文本行识别模型包括顺序排列的卷积神经网络和基于注意力机制的循环神经网络。

在一些可选的实施方式中，所述文本行图像对应的单字检测识别结果序列是通过如下方式得到的：