CN110942065B - 文本框选方法、装置、终端设备及计算机可读存储介质 - Google Patents

Abstract

本申请适用于视频处理技术领域，提供了文本框选方法、装置、终端设备及计算机可读存储介质，包括：若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层HAL；若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息；根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框；生成绘制了文本框的图像帧序列。通过上述方法能够保证及时生成具有文本框的图像帧序列。

Description

文本框选方法、装置、终端设备及计算机可读存储介质

技术领域

本申请属于视频处理技术领域，尤其涉及文本框选方法、装置、终端设备及计算机可读存储介质。

背景技术

目前，终端设备(如手机)在获得拍摄照片后，能够对照片的文本进行识别，进而框选出识别的文本。

但是，上述文本框选方法只适用于拍摄的照片，而终端设备除了具有拍照功能，还具有其他功能，因此，需要提供一种新的文本框选方法，以满足用户的不同需求。

发明内容

本申请实施例提供了文本框选方法、装置、终端设备及计算机可读存储介质，可以解决现有的文本框选方法难以满足用户的不同需求的问题。

第一方面，本申请实施例提供了一种文本框选方法，所述文本框选方法应用于终端设备，所述文本框选方法包括：

若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层HAL；

若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息；

根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框；

生成绘制了文本框的图像帧序列。

第二方面，本申请实施例提供了一种文本框选装置，所述文本框选装置应用于终端设备，所述文本框选装置包括：

图像帧获取单元，用于若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层HAL；

文本识别单元，用于若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息；

文本框绘制单元，用于根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框；

绘制文本框的图像帧序列生成单元，用于生成绘制了文本框的图像帧序列。

第三方面，本申请实施例提供了一种终端设备，包括摄像头、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中所述的方法。

本申请实施例与现有技术相比存在的有益效果是：

采用目标算法分别对HAL输出的图像帧序列进行文本识别，得到不同图像帧对应的文本识别结果，由于文本识别结果包括文本区域信息，因此能够结合该文本区域信息绘制对应的图像帧的文本框，进而生成绘制了文本框的图像帧序列，即生成绘制了文本框的视频流。且由于设置目标算法由GPU运行，而GPU能够及时响应与图像处理有关的请求，因此能够保证及时生成具有文本框的图像帧序列，即能够满足对图像帧序列实现文本框选的需要。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。

图1是本申请一实施例提供的第一种文本框选方法的流程图；

图2是本申请一实施例提供的对手机的图像帧进行文本识别，得到文本区域信息为4个坐标信息的示意图；

图3是本申请一实施例提供的根据图2的4个坐标信息绘制的文本框的示意图；

图4是本申请一实施例提供的根据1个坐标信息以及以该坐标信息对应的坐标点为端点且具有长度的射线信息进行绘制得到的文本框的示意图；

图5是本申请一实施例提供的第二种文本框选方法的流程图；

图6是本申请一实施例提供的一种文本框选装置的结构示意图；

图7是本申请一实施例提供的终端设备的结构示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。

本申请实施例提供的文本框选方法可以应用于手机、平板电脑、车载设备、增强现实(augmented reality，AR)/虚拟现实(virtual reality，VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer，UMPC)、上网本、个人数字助理(personaldigital assistant，PDA)等终端设备上，且该终端设备设置有一个或多个摄像头，本申请实施例对终端设备的具体类型不作任何限制。

在本申请实施例中，若用户通过终端设备录制视频(该视频由图像帧序列组成)，则终端设备将通过目标算法对图像帧序列中的图像帧进行文本识别，以得到文本识别结果，再根据该文本识别结果绘制相应图像帧的文本框，最后生成具有文本框的图像帧序列。需要指出的是，由于中央处理器(Central Processing Unit，CPU)需要响应各种应用的请求，因此，其被各种应用占用了很多资源，且由于CPU是顺序执行，因此对通过CPU实现处理过程的算法的速度产生一定的限制，而图形处理器(Graphics Processing Unit，GPU)通常只需要响应与图像处理有关的请求，且由于其是并行执行，因此，本申请中通过设置目标算法由GPU运行能够及时对图像帧进行文本识别，从而能够保证及时生成具有文本框的图像帧序列。

图1示出了本申请实施例提供的第一种文本框选方法的流程图，详述如下：

步骤S11，若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层(Hardware Abstraction Layer，HAL)；

具体地，在终端设备的预览界面显示录制按钮，若检测到该录制按钮所在的位置被用户触碰，则该终端设备将检测到视频录制指令；或者，若检测到用于启动视频录制功能的快捷按键被按压，则该终端设备将检测到视频录制指令。当终端设备检测到视频录制指令之后，通过安装在该终端设备上的摄像头获取图像帧并发送至该终端设备的HAL层，该HAL层是位于操作系统内核与硬件电路之间的接口层，其目的在于将硬件抽象化，为操作系统提供虚拟硬件平台，使其具有硬件无关性。

步骤S12，若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息；

具体地，HAL层不断输出从摄像头获取的图像帧，多个图像帧形成图像帧序列。

其中，目标算法为预设设置在终端设备的算法，其属于GPU算法，通过GPU运行。当预先设置在终端设备的算法有多个时，其通过一定的策略筛选出目标算法，再用筛选出的目标算法分别对各个图像帧进行文本识别。需要指出的是，这里的文本主要是指图像帧中的物体，比如，当图像帧中包括人和电脑时，则对该图像帧进行文本识别是指识别该图像帧中的“人”和“电脑”。

本实施例中，文本区域信息用于识别文本的区域，比如，该文本区域信息为框选文本区域的坐标信息，如图2所示的能够框选出文本的4个坐标信息(在实际情况中，也可以多于4个)，在图2中，“2”表示图像帧，“21”表示文本，在文本外部的4个点表示能够框选出文本的4个坐标信息，即通过连接该4个点得到的区域能够框选出文本21。又或者，该文本区域信息为至少一个坐标信息以及以该坐标信息对应的坐标点为端点且具有长度的射线信息。

在一些实施例中，由于用户可能并不希望在图像帧中绘制文本框，因此，在步骤S12之前，包括：识别用户是否已打开文本框绘制功能，若已打开文本框绘制功能，才执行步骤S12，否则，直接录制图像帧。

本实施例中，可在功能设置页面，或者，在预览界面显示文本框绘制功能选项，若用户选择该文本框绘制功能选项，则表示用户打开文本框绘制功能，否则，表示用户没有打开文本框绘制功能选项。

步骤S13，根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框；

本实施例中，根据文本识别结果包括的文本区域信息绘制对应的图像帧的文本框，比如，根据指示4个坐标信息绘制出框选文本的文本框，如图3所示，通过连接该4个坐标信息对应的4个坐标点得到对应的文本框。以及，如图4所示，在图4中，“4”表示图像帧，“41”表示文本，在文本外部的1个点和2条射线(如图4中的2条实线42)表示能够框选出文本的文本区域信息，即通过分别以2条射线的另一端为端点，作一条新的射线，且该新的射线与另一条射线平行(如图4中的2条虚线43)，将得到能够框选出文本41的区域(有2条实线42和2条虚线43所框选的区域)。

步骤S14，生成绘制了文本框的图像帧序列。

本实施例中，当分别绘制各个图像帧中文本对应的文本框之后，将得到绘制了文本框的图像帧序列。进一步地，存储生成的绘制了文本框的图像帧序列。

本申请实施例中，采用目标算法分别对HAL输出的图像帧序列进行文本识别，得到不同图像帧对应的文本识别结果，由于文本识别结果包括文本区域信息，因此能够结合该文本区域信息绘制对应的图像帧的文本框，进而生成绘制了文本框的图像帧序列，即生成绘制了文本框的视频流。且由于设置目标算法由GPU运行，而GPU能够及时响应与图像处理有关的请求，因此能够保证及时生成具有文本框的图像帧序列，即能够满足对图像帧序列实现文本框选的需要。

需要指出的是，本申请的文本框选方法针对的是录制的视频流，而不是预览界面的图像帧序列，因为预览界面的图像帧序列与录制的视频流在终端设备采用不同的通道传输。

在一些实施例中，由于一个图像帧可能包括多个文本，而需要进行文本识别的文本越多，其需要耗费的时间也越长，因此，为了减少识别时间，本实施例的目标算法只输出图像帧中面积最大的文本的文本识别结果，此时，所述步骤S12，包括：

若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行边缘检测，得到所述图像帧序列的图像帧中面积最大的文本的文本识别结果。

本实施例中，目标算法通过对图像帧进行边缘检测识别该图像帧包括的文本。具体地，可通过识别图像帧中相邻区域的色彩差异(比如在色彩差异大于色彩差异阈值的时候判定存在文本边缘)粗略估算是否存在文本以及在存在文本时其对应的面积的大小，再对面积最大的文本的边缘进行精细化检测(比如通过降低色彩差异阈值对粗略估算的文本轮廓进行优化)，以得到该面积最大的文本对应的包括文本区域信息的文本识别结果。

在一些实施例中，由于图像帧序列中包括多个图像帧，而一个图像帧通常包括一个面积最大的文本，因此，为了提高当前图像帧中面积最大的文本的识别度，图5示出了本申请实施例提供了第二种文本框选方法的流程图，详述如下：

步骤S51，若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层HAL；

步骤S52，若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行边缘检测，得到所述图像帧序列的图像帧中面积最大的文本的文本识别结果；

步骤S53，若所述文本识别结果表明当前图像帧存在面积最大的文本，则确定一个新的文本框类型；

具体地，若对一个图像帧进行边缘检测后，得到该图像帧对应的面积最大的文本的文本识别结果，则确定一个文本框类型，在对该图像帧的下一个图像帧进行边缘检测后，若不存在任何文本，则无需确定文本框类型。

本实施例中，不同的文本框类型对应的文本框不同，例如，假设文本框类型m1对应的文本框为长方形，文本框类型m2对应的文本框可以为五边形等，当然，若增加颜色这一分量，则可以将形状相同但颜色不同的文本框作为不同的文本框类型。

步骤S54，根据所述目标算法输出的文本识别结果以及确定的新的文本框类型绘制所述当前图像帧中的文本框，其中，一个文本识别结果与一种文本框类型对应。

具体地，可根据文本识别结果包括的文本区域信息确定确定文本框所在的位置及大小，再采用文本框类型绘制确定位置及大小的文本框。

步骤S55，生成绘制了文本框的图像帧序列。

上述实施例是根据面积最大的文本的文本识别结果的数量确定相同数量的文本框类型，但在实际情况中，可能存在以下情况：一个图像帧序列的多个图像帧中面积最大的文本都为同一个文本，此时，为了减少使用的文本框类型的数量，以及，避免误导用户(用户在观看图像帧序列中可能将不同文本框类型框选的文本当作不同的文本)，则所述步骤S53具体为：

若所述文本识别结果表明当前图像帧存在面积最大的文本，且所述当前图像帧存在的面积最大的文本与上一个图像帧存在的面积最大的文本相同，则选取与所述上一个图像帧的文本框类型相同的文本框类型；

对应地，所述步骤S54具体为：

根据所述目标算法输出的文本识别结果以及选取的文本框类型绘制所述当前图像帧中的文本框，其中，一个文本识别结果与一种文本框类型对应。

本实施例中，由于对同一种文本只采用一种文本框类型的文本框进行绘制，因此，有助于用户根据文本框类型快速识别出被框选的文本是否为同一种文本。

在一些实施例中，预先设置在终端设备的算法有多个，且这些算法的功能有多种，比如，有些算法对人脸识别更有效，有些算法对雪景的物体识别更有效等，因此，可根据不同的场景从预先设置的算法中筛选出一个算法作为目标算法，即若预设算法的数量大于或等于2，且不同的预设算法与不同的场景信息对应，此时，所述步骤S12，包括：

A1、若检测到所述HAL输出图像帧序列，则获取所述图像帧序列对应的场景信息；

具体地，所述获取所述图像帧序列对应的场景信息，包括：

接收用户输入的场景信息以获取所述图像帧序列对应的场景信息；或者，获取所述终端设备的位置信息以及所述终端设备的时间信息，根据所述位置信息和时间信息确定所述图像帧序列对应的场景信息。

例如，根据所述终端设备的位置信息确定该终端终端当前所处的区域，比如，属于哪个国家，哪个城市，是否属于市区等等，再根据终端设备的时间信息确定该终端设备当前所处的季节估算图像帧对应的场景信息。其中，场景信息可以为人像场景、夜景场景、雪景场景等等。

A2、从所述预设算法中筛选出与所述场景信息对应的目标算法，采用所述目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果。

本实施例中，由于根据图像帧所处的场景信息选择更合适的目标算法，因此，能够保证得到更准确的文本识别结果。

在一些实施例中，录制视频所框选的文本可能不是用户希望框选的文本，因此，为了能够绘制出更符合用户需求的文本框，则在所述步骤S11(或步骤S51)之前，包括：

B1、绘制预览界面显示的图像帧中的文本框，若检测到用户移动所述文本框，则识别移动后的所述文本框内的文本，获取所述文本的文本信息；

具体地，可直接在图像帧中绘制文本框，即不考虑绘制的文本框是否框选住具体的文本，只是在图像帧中的某一个位置绘制文本框。或者，采用预设算法中的一种识别预览界面显示的图像帧，得到文本识别结果，进而根据该文本识别结果绘制该图像帧的文本框。

若用户移动显示在预览界面的文本框，识别移动后的文本框所框住的文本，得到该文本的文本信息，该文本信息包括文本所属的种类，该文本信息还可以包括该文本的大小等。

B2、根据所述文本信息从预设算法中选择目标算法，其中，预设算法的个数大于或等于2。

本实施例中，可结合文本所属的种类从预设算法选择适合的算法作为目标算法，比如，若文本为人脸，则从预设算法选择更适合对人脸进行识别的算法作为目标算法。

本实施例中，由于根据移动后的文本框所框选的文本选择对应的目标算法，而该文本框是用户移动的，因此，保证根据该目标算法输出的文本识别结果绘制的文本框更符合用户需求，从而极大提高了用户的良好体验。

在一些实施例中，在所述步骤S12中的检测到所述HAL输出图像帧序列之后，包括：

将所述图像帧序列存储至云端；

对应地，在所述步骤S14之后，包括：

若接收到取消显示绘制的文本框指令，则从云端获取所述图像帧序列并显示。

本实施例中，将未绘制文本框的图像帧序列存储至云端，从而能够有效减少终端设备的存储空间，并且，在接收到取消显示绘制的文本框指令后，无需通过算法取消显示的文本框，只需从云端获取并显示，因此，加快了图像帧序列的显示速度。

在一些实施例中，若终端设备的存储空间较大，则在所述步骤S12中的检测到所述HAL输出图像帧序列之后，包括：

将所述图像帧序列存储至本地；

对应地，在所述步骤S14之后，包括：

若接收到取消显示绘制的文本框指令，则从本地获取所述图像帧序列并显示。

本实施例中，由于未绘制文本框的图像帧序列存储在本地，而从本地获取图像帧序列的速度快于从云端获取图像帧序列的速度，因此本实施例能够有效缩短图像帧序列的显示速度。

在一些实施例中，由于已存储绘制了文本框的图像帧序列，因此，在本地存储未绘制文本框的图像帧序列后，为了避免与存储的绘制了文本框的图像帧序列混淆，则终端设备将本地存储的未绘制文本框的图像帧序列设置为用户不可见。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

对应于上文实施例所述的文本框选方法，图6示出了本申请实施例提供的文本框选装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。

参照图6，所述文本框选装置6应用于终端设备，所述文本框选装置6包括：图像帧获取单元61、文本识别单元62、文本框绘制单元63、绘制文本框的图像帧序列生成单元64，其中：

图像帧获取单元61，用于若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层HAL；

具体地，在终端设备的预览界面显示录制按钮，若检测到该录制按钮所在的位置被用户触碰，则该终端设备将检测到视频录制指令；或者，若检测到用于启动视频录制功能的快捷按键被按压，则该终端设备将检测到视频录制指令。

文本识别单元62，用于若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息；

其中，文本区域信息为框选文本区域的坐标信息，或者，文本区域信息为至少一个坐标信息以及以该坐标信息对应的坐标点为端点且具有长度的射线信息。

在一些实施例中，文本框选装置6还包括：

文本框绘制功能是否打开识别单元，用于识别用户是否已打开文本框绘制功能。对应地，所述文本识别单元62具体为：若已打开文本框绘制功能且检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息。

文本框绘制单元63，用于根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框；

绘制文本框的图像帧序列生成单元64，用于生成绘制了文本框的图像帧序列。

本申请实施例中，采用目标算法分别对HAL输出的图像帧序列进行文本识别，得到不同图像帧对应的文本识别结果，由于文本识别结果包括文本区域信息，因此能够结合该文本区域信息绘制对应的图像帧的文本框，进而生成绘制了文本框的图像帧序列，即生成绘制了文本框的视频流。且由于设置目标算法由GPU运行，而GPU能够及时响应与图像处理有关的请求，因此能够保证及时生成具有文本框的图像帧序列，即能够满足对图像帧序列实现文本框选的需要。

在一些实施例中，由于一个图像帧可能包括多个文本，而需要进行文本识别的文本越多，其需要耗费的时间也越长，因此，为了减少识别时间，本实施例的目标算法只输出图像帧中面积最大的文本的文本识别结果，此时，所述文本识别单元62具体用于：

若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行边缘检测，得到所述图像帧序列的图像帧中面积最大的文本的文本识别结果。

在一些实施例中，由于图像帧序列中包括多个图像帧，而一个图像帧通常包括一个面积最大的文本，因此，为了提高当前图像帧中面积最大的文本的识别度，则所述文本框绘制单元63，包括：

新的文本框类型确定模块，用于若所述文本识别结果表明当前图像帧存在面积最大的文本，则确定一个新的文本框类型；

文本框绘制模块，用于根据所述目标算法输出的文本识别结果以及确定的新的文本框类型绘制所述当前图像帧中的文本框，其中，一个文本识别结果与一种文本框类型对应。

本实施例中，不同的文本框类型对应的文本框不同，若增加颜色这一分量，则可以将形状相同但颜色不同的文本框作为不同的文本框类型。

上述实施例是根据面积最大的文本的文本识别结果的数量确定相同数量的文本框类型，但在实际情况中，可能存在以下情况：一个图像帧序列的多个图像帧中面积最大的文本都为同一个文本，此时，为了减少使用的文本框类型的数量，以及，避免误导用户(用户在观看图像帧序列中可能将不同文本框类型框选的文本当作不同的文本)，则所述文本框绘制模块具体用于：

若所述文本识别结果表明当前图像帧存在面积最大的文本，且所述当前图像帧存在的面积最大的文本与上一个图像帧存在的面积最大的文本相同，则选取与所述上一个图像帧的文本框类型相同的文本框类型；

对应地，所述文本框绘制模块具体用于：

根据所述目标算法输出的文本识别结果以及选取的文本框类型绘制所述当前图像帧中的文本框，其中，一个文本识别结果与一种文本框类型对应。

在一些实施例中，若预设算法的数量大于或等于2，且不同的预设算法与不同的场景信息对应，此时，所述文本识别单元62包括：

场景信息获取模块，用于若检测到所述HAL输出图像帧序列，则获取所述图像帧序列对应的场景信息；

场景信息对应的目标算法选择模块，用于从所述预设算法中筛选出与所述场景信息对应的目标算法，采用所述目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果。

上述实施例中，所述场景信息获取模块在获取所述图像帧序列对应的场景信息，具体用于：

接收用户输入的场景信息以获取所述图像帧序列对应的场景信息；或者，获取所述终端设备的位置信息以及所述终端设备的时间信息，根据所述位置信息和时间信息确定所述图像帧序列对应的场景信息。

在一些实施例中，录制视频所框选的文本可能不是用户希望框选的文本，因此，为了能够绘制出更符合用户需求的文本框，则该文本框选装置6还包括：

文本信息获取单元，用于绘制预览界面显示的图像帧中的文本框，若检测到用户移动所述文本框，则识别移动后的所述文本框内的文本，获取所述文本的文本信息；

其中，文本信息包括文本所属的种类，该文本信息还可以包括该文本的大小等。

文本信息对应的目标算法选择单元，用于根据所述文本信息从预设算法中选择目标算法，其中，预设算法的个数大于或等于2。

在一些实施例中，若终端设备的存储空间较小，则该文本框选装置6还包括：

未绘制文本框的图像帧序列第一存储单元，用于将所述图像帧序列存储至云端；

未绘制文本框的图像帧序列第一显示单元，用于若接收到取消显示绘制的文本框指令，则从云端获取所述图像帧序列并显示。

在一些实施例中，若终端设备的存储空间较大，则该文本框选装置6还包括：

未绘制文本框的图像帧序列第二存储单元，用于将所述图像帧序列存储至本地；

未绘制文本框的图像帧序列第二显示单元，用于若接收到取消显示绘制的文本框指令，则从本地获取所述图像帧序列并显示。

需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。

图7为本申请一实施例提供的终端设备的结构示意图。如图7所示，该实施例的终端设备7包括：至少一个处理器70(图7中仅示出一个处理器)、存储器71、存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72以及摄像头73，所述处理器70执行所述计算机程序72时实现上述任意各个方法实施例中的步骤：

若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层HAL；

若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息；

根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框；

生成绘制了文本框的图像帧序列。

所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的举例，并不构成对终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。

所述摄像头73用于获取图像帧，并将获取的图像帧发送至处理器70处理。

所称处理器70可以是GPU、中央处理单元(Central Processing Unit，CPU)，该处理器70还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器71在一些实施例中可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。

本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (9)

1.一种文本框选方法，其特征在于，所述文本框选方法应用于终端设备，所述文本框选方法包括：

若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层HAL；

若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息；

根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框；

生成绘制了文本框的图像帧序列；

所述若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，包括：

若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行边缘检测，得到所述图像帧序列的图像帧中面积最大的文本的文本识别结果；

其中，所述文本指所述图像帧序列中的不同类型的物体，且同一类型文本采用一种文本框类型的文本框进行绘制，不同类型文本采用不同文本框类型的文本框进行绘制；

其中，采用目标算法分别对所述图像帧序列的图像帧进行边缘检测，包括：采用目标算法对所述图像帧序列的图像帧中所包含的所有不同类型的物体进行边缘检测；

在所述检测到视频录制指令之前，包括：

绘制预览界面显示的图像帧中的文本框，若检测到用户移动所述文本框，则识别移动后的所述文本框内的文本，获取所述文本的文本信息；所述文本信息包括文本所属的种类。

2.如权利要求1所述的文本框选方法，其特征在于，所述根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框，包括：

若所述文本识别结果表明当前图像帧存在面积最大的文本，则确定一个新的文本框类型；

根据所述目标算法输出的文本识别结果以及确定的新的文本框类型绘制所述当前图像帧中的文本框，其中，一个文本识别结果与一种文本框类型对应。

3.如权利要求1所述的文本框选方法，其特征在于，若预设算法的数量大于或等于2，且不同的预设算法与不同的场景信息对应，此时，所述若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，包括：

若检测到所述HAL输出图像帧序列，则获取所述图像帧序列对应的场景信息；

从所述预设算法中筛选出与所述场景信息对应的目标算法，采用所述目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果。

4.如权利要求3所述的文本框选方法，其特征在于，所述获取所述图像帧序列对应的场景信息，包括：

接收用户输入的场景信息以获取所述图像帧序列对应的场景信息；

或者，

获取所述终端设备的位置信息以及所述终端设备的时间信息，根据所述位置信息和时间信息确定所述图像帧序列对应的场景信息。

5.如权利要求1至4任一项所述的文本框选方法，其特征在于，在所述检测到视频录制指令之前，还包括：

根据所述文本信息从预设算法中选择目标算法，其中，预设算法的个数大于或等于2。

6.如权利要求1至4任一项所述的文本框选方法，其特征在于，在所述检测到所述HAL输出图像帧序列之后，包括：

将所述图像帧序列存储至云端；

对应地，在所述生成绘制了文本框的图像帧序列之后，包括：

若接收到取消显示绘制的文本框指令，则从云端获取所述图像帧序列并显示。

7.一种文本框选装置，其特征在于，所述文本框选装置应用于终端设备，所述文本框选装置包括：

图像帧获取单元，用于若检测到视频录制指令，则通过摄像头获取图像帧并发送至硬件抽象层HAL；

文本识别单元，用于若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，其中，所述目标算法通过GPU运行，所述文本识别结果包括文本区域信息；

文本框绘制单元，用于根据所述目标算法输出的文本识别结果绘制对应的图像帧的文本框；

绘制文本框的图像帧序列生成单元，用于生成绘制了文本框的图像帧序列；

所述若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行文本识别，得到文本识别结果，包括：

若检测到所述HAL输出图像帧序列，则采用目标算法分别对所述图像帧序列的图像帧进行边缘检测，得到所述图像帧序列的图像帧中面积最大的文本的文本识别结果；

其中，所述文本指所述图像帧序列中的不同类型的物体，且同一类型文本采用一种文本框类型的文本框进行绘制，不同类型文本采用不同文本框类型的文本框进行绘制；

其中，采用目标算法分别对所述图像帧序列的图像帧进行边缘检测，包括：采用目标算法对所述图像帧序列的图像帧中所包含的所有不同类型的物体进行边缘检测；

所述文本框选择装置，还包括：

文本信息获取单元，用于绘制预览界面显示的图像帧中的文本框，若检测到用户移动所述文本框，则识别移动后的所述文本框内的文本，获取所述文本的文本信息；所述文本信息包括文本所属的种类。

8.一种终端设备，包括摄像头、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法。