CN111178353A - 一种图像文字的定位方法和装置 - Google Patents
一种图像文字的定位方法和装置 Download PDFInfo
- Publication number
- CN111178353A CN111178353A CN201911293818.6A CN201911293818A CN111178353A CN 111178353 A CN111178353 A CN 111178353A CN 201911293818 A CN201911293818 A CN 201911293818A CN 111178353 A CN111178353 A CN 111178353A
- Authority
- CN
- China
- Prior art keywords
- position information
- image
- target
- character recognition
- target image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013519 translation Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种图像文字的定位方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：利用文字定位模型获取目标图像中全部文字的位置信息；根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息。该实施方式降低了对模板图像的要求，提高了文字定位的准确率，提高了后续文字识别效率和文字识别效果。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种图像文字的定位方法和装置。
背景技术
随着人工智能的发展，图像识别技术也越来越受到人们的重视。图像文字识别一般包括文字定位、文字识别两个步骤，将定位、识别技术运用到真实图像识别场景中，通过将文字定位结果与相应的识别要素进行匹配，识别出图像中的文字。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
1.现有的图像文字识别方法中文字定位结果未与相应的识别要素匹配，且现有的匹配方法的匹配准确率低、识别效率低；
2.对模板图像的要求高，且模板图像与输入图像之间存在平移误差，导致文字定位准确率低，识别效果差。
发明内容
有鉴于此，本发明实施例提供一种图像文字的定位方法和装置，能够将文字定位结果与相应的文字识别要素一一对应，降低了对模板图像的要求，提高了文字定位的准确率、文字识别效率和文字识别效果。
为实现上述目的，根据本发明实施例的第一方面，提供了一种图像文字的定位方法，包括：
利用文字定位模型获取目标图像中全部文字的位置信息；
根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；
根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；
根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息。
进一步地，模板图像是根据目标图像的类型确定的。
进一步地，全部文字识别要素在模板图像中的位置信息是通过对模板图像进行标注处理得到。
进一步地，根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息的步骤包括：遍历全部文字的位置信息，在文字的位置信息与位置特征之间的坐标距离小于或等于距离阈值的情况下，确定该文字的位置信息为目标文字识别要素对应的位置信息。
进一步地，目标识别要素为图像文字的标题。
进一步地，偏差系数包括缩放系数和平移系数，根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数的步骤包括：
根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息确定目标图像与模板图像之间的缩放系数；
根据目标图像与模板图像之间的线性关系和缩放系数确定目标图像与模板图像之间的平移系数。
进一步地，根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息的步骤包括：根据偏差系数和全部文字识别要素在模板图像中的位置信息，利用线性关系确定每一个文字识别要素在目标图像中的位置信息。
根据本发明实施例的第二方面，提供了一种图像文字的定位装置，包括：
文字定位模型模块，用于利用文字定位模型获取目标图像中全部文字的位置信息；
位置特征模块，用于根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；
偏差系数确定模块，用于根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；
位置信息确定模块，用于根据偏差系数和文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息。
根据本发明实施例的第三方面，提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一种图像文字的定位方法。
根据本发明实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一种图像文字的定位方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用利用文字定位模型获取目标图像中全部文字的位置信息；根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息的技术手段，所以克服了现有的文字定位方法中文字定位结果未与识别要素进行匹配，且后续匹配效率低，导致识别效率低；现有的模板图像要求高，文字定位准确率低，导致后续识别效果差的技术问题，进而达到将文字定位结果与相应的文字识别要素一一对应，降低对模板图像的要求，提高文字定位的准确率，提高后续文字识别效率和文字识别效果的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明第一实施例提供的图像文字的定位方法的主要流程的示意图；
图2是根据本发明第二实施例提供的图像文字的定位方法的主要流程的示意图；
图3是根据本发明实施例提供的图像文字的定位装置的主要模块的示意图；
图4是本发明实施例可以应用于其中的示例性系统架构图；
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例提供的图像文字的定位方法的主要流程的示意图；如图1所示，本发明实施例提供的图像文字的定位方法主要包括：
步骤S101，利用文字定位模型获取目标图像中全部文字的位置信息。
具体地，根据本发明实施例，可采用基于深度学习的通用文字丁文模型，定位出目标图像中全部文字的位置信息。需要指出的是，虽然文字定位模型能够获取图像中文字的位置信息，但是该位置信息未与识别要素一一对应，因此仅通过上述位置信息难以进行相应的文字识别。
步骤S102，根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息。
文字识别要素：指文字识别场景中，需要识别的文字内容的名称。如对于身份证图像中的文字识别，识别要素包括姓名、性别、民族、出生年月日、地址以及身份证号等。
根据本发明实施例，上述根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息的步骤包括：遍历全部文字的位置信息，在文字的位置信息与位置特征之间的坐标距离小于或等于距离阈值的情况下，确定该文字的位置信息为目标文字识别要素对应的位置信息。
通过上述设置，从目标图像中的文字中确定一个目标识别要素，根据该目标识别要素的位置特征，如标题的位置特征一般为第一行的居中排列的一组文字，当然，根据实际场景的不同，位置特征可以有相应的变化。通过遍历全部文字的位置信息，结合目标识别要素的位置特征，确定该目标识别要素的位置信息，有利于后续确定目标图像与模板图像之间的对应关系，进而提高定位的准确率。
根据本发明实施例，上述目标识别要素为图像文字的标题。具体地，根据本发明实施例，上述目标识别要素还可以是跟标题一样具有较为明显的位置特征的识别要素，其目的是为了准确获取该目标识别要素在目标图像中的位置信息，以便于后续确定目标图像与模板图像之间的对应关系。
步骤S103，根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数。
由于目标图像在被拍照、扫描或裁剪等处理后与模板图像之间存在一定的平移偏差和缩放偏差，因此，通过上述设置能够对目标图像与模板图像之间的偏差系数进行确定，以便于后续跟进文字识别要素在目标图像中位置信息确定其在目标图像中的位置信息。
根据本发明实施例，上述模板图像是根据目标图像的类型确定的。
具体地，对于模板图像只要满足足够清晰和无倾斜即可，对有无边框并未特别要求。
根据本发明实施例，全部文字识别要素在模板图像中的位置信息是基于对模板图像进行标注处理得到。
具体地，确定好模板图像之后，获得模板图像的宽度和高度，利用标注工具，先标注处目标图像中目标识别要素的位置及文字内容，再标注出每个文字识别要素的位置，获取每个文字识别要素的位置信息。
进一步地，根据本发明实施例，上述偏差系数包括缩放系数和平移系数，根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数的步骤包括：
根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息确定目标图像与模板图像之间的缩放系数；
根据目标图像与模板图像之间的线性关系和缩放系数确定目标图像与模板图像之间的平移系数。
步骤S104，根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息。
根据本发明实施例，上述根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息的步骤包括：根据偏差系数和全部文字识别要素在模板图像中的位置信息，利用线性关系确定每一个文字识别要素在目标图像中的位置信息。
通过上述设置，实现了文字定位结果(文字的位置信息)与文字识别要素之间的定位关系，且文字定位的准确率较高，进而也提高了后续根据该文字定位结果进行文字识别的准确率。
根据本发明实施例的技术方案，因为采用利用文字定位模型获取目标图像中全部文字的位置信息；根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息的技术手段，所以克服了现有的文字定位方法中文字定位结果未与识别要素进行匹配，且后续匹配效率低，导致识别效率低；现有的模板图像要求高，文字定位准确率低，导致后续识别效果差的技术问题，进而达到将文字定位结果与相应的文字识别要素一一对应，降低对模板图像的要求，提高文字定位的准确率，提高后续文字识别效率和文字识别效果的技术效果。
图2是根据本发明第二实施例提供的图像文字的定位方法的主要流程的示意图；如图2所示，本发明实施例提供的图像文字的定位方法主要包括：
步骤S201，根据目标图像的类型确定模板图像。
具体地，对于模板图像只要满足足够清晰和无倾斜即可，对有无边框并未特别要求，即不需要再见模板图像的边框。
步骤S202，基于对模板图像进行标注处理得到标题在模板图像中的位置信息。
根据本发明实施例的以具体实施方式，可以通过制作模板文件的方式，确定好模板图像之后，获得模板图像的宽度和高度，利用标注工具，先标注处目标图像中目标识别要素的位置及文字内容，再标注出每个文字识别要素的位置，获取每个文字识别要素的位置信息。一个模板图像对应一个模板文件，一个模板文件包含模板图像的宽度和高度、图像中标题的内容和坐标信息以及全部文字识别要素的坐标信息。具体为：
获得模板图像的宽wt和高ht，记录在模板文件中。
利用标注工具，标注出目标文字识别要素(以标题为例)在模板图像中的位置信息，坐标表示为(x1t，x2t，y1t，y2t)；其中，x1，x2，y1，y2目标文字识别要素的方框两个对角的坐标。
步骤S203，利用文字定位模型获取目标图像中全部文字的位置信息。
利用标注工具，标注出目标图像中全部文字识别要素的位置信息，坐标表示为(x1temp，x2temp，y1temp，y2temp)。
步骤S204，遍历全部文字的位置信息，在文字的位置信息与标题的位置特征之间的坐标距离小于或等于距离阈值的情况下，确定该文字的位置信息为标题对应的位置信息。
具体地，利用标题在目标图像中的位置特征，在上述目标图像的全部文字的位置信息中找到标题所对应的位置信息。根据本发明实施例的一具体实施方式，对于票据而言，标题为图像文字的正中间的第一排的文字，故需要找到全部文字的位置信息中方框居中且纵坐标最小的文字识别要素对应的方框。具体方式可以为：遍历全部文字的位置信息所对应的方框，先判断当前方框中心点横坐标与目标图像中心点横坐标的坐标距离是否小于中心点距离阈值，若不是，则当前方框不居中，继续遍历下一方框；将所有满足条件的设定为标题候选方框。同时在所述标题候选方框中确定纵坐标最小的方框对应的位置信息为标题对应的位置信息。
步骤S205，根据标题分别在目标图像和模板图像中的对应的位置信息确定目标图像与模板图像之间的缩放系数。
具体地，确定缩放系数的表达式如下：
其中，k为水平缩放系数，s为垂直缩放系数，下标r对应于目标图像，下标t对应于模板图像。
步骤S206，根据目标图像与模板图像之间的线性关系和缩放系数确定目标图像与模板图像之间的平移系数。
具体地，目标图像与目标图像之间的线性表达式为：
进而，可得水平平移系数a的表达式为：
a＝x1r-k*x1t
垂直平移系数b的表达式为：
b＝y1r-k*y1t
通过上述设置，得到了水平缩放系数k，垂直缩放系数s，水平平移系数a，垂直平移系数b的具体数值。
步骤S207，根据偏差系数和全部文字识别要素在模板图像中的位置信息，利用线性关系确定每一个文字识别要素在目标图像中的位置信息。
具体地，将上述水平缩放系数k，垂直缩放系数s，水平平移系数a，垂直平移系数b的具体数值代入下列线性表达式中，
即可根据文字识别要素在模板图像中的位置信息直接确定该文字识别要素在在目标图像中的位置信息。实现了将文字定位结果(位置信息)与识别要素一一对应，提高了文字定位的准确率。
根据本发明实施例的技术方案，因为采用利用文字定位模型获取目标图像中全部文字的位置信息；根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；根据目标文字识别要素分别在目标图像和模板图像中识别要素和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息的技术手段，所以克服了现有的文字定位方法中文字定位结果未与识别要素进行匹配，且后续匹配效率低，导致识别效率低；现有的模板图像要求高，文字定位准确率低，导致后续识别效果差的技术问题，进而达到将文字定位结果与相应的文字识别要素一一对应，降低对模板图像的要求，提高文字定位的准确率，提高后续文字识别效率和文字识别效果的技术效果。
图3是根据本发明实施例提供的图像文字的定位装置的主要模块的示意图；如图3所示，本发明实施例提供的图像文字的定位装置300主要包括：
文字定位模型模块301，用于利用文字定位模型获取目标图像中全部文字的位置信息。
具体地，根据本发明实施例，可采用基于深度学习的通用文字丁文模型，定位出目标图像中全部文字的位置信息。需要指出的是，虽然文字定位模型能够获取图像中文字的位置信息，但是该位置信息未与识别要素一一对应，因此仅通过上述位置信息难以进行相应的文字识别。
位置特征模块302，用于根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息。
文字识别要素：指文字识别场景中，需要识别的文字内容的名称。如对于身份证图像中的文字识别，识别要素包括姓名、性别、民族、出生年月日、地址以及身份证号等。
根据本发明实施例，上述位置特征模块302还用于：遍历全部文字的位置信息，在文字的位置信息与位置特征之间的坐标距离小于或等于距离阈值的情况下，确定该文字的位置信息为目标文字识别要素对应的位置信息。
通过上述设置，从目标图像中的文字中确定一个目标识别要素，根据该目标识别要素的位置特征，如标题的位置特征一般为第一行的居中排列的一组文字，当然，根据实际场景的不同，位置特征可以有相应的变化。通过遍历全部文字的位置信息，结合目标识别要素的位置特征，确定该目标识别要素的位置信息，有利于后续确定目标图像与模板图像之间的对应关系，进而提高定位的准确率。
根据本发明实施例，上述目标识别要素为图像文字的标题。具体地，根据本发明实施例，上述目标识别要素还可以是跟标题一样具有较为明显的位置特征的识别要素，其目的是为了准确获取该目标识别要素在目标图像中的位置信息，以便于后续确定目标图像与模板图像之间的对应关系。
偏差系数确定模块303，用于根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数。
由于目标图像在被拍照、扫描或裁剪等处理后与模板图像之间存在一定的平移偏差和缩放偏差，因此，通过上述设置能够对目标图像与模板图像之间的偏差系数进行确定，以便于后续跟进文字识别要素在目标图像中位置信息确定其在目标图像中的位置信息。
根据本发明实施例，上述模板图像是根据目标图像的类型确定的。
具体地，对于模板图像只要满足足够清晰和无倾斜即可，对有无边框并未特别要求。
根据本发明实施例，文字识别要素在模板图像中的位置信息是基于对模板图像进行标注处理得到。
具体地，确定好模板图像之后，获得模板图像的宽度和高度，利用标注工具，先标注处目标图像中目标识别要素的位置及文字内容，再标注出每个文字识别要素的位置，获取每个文字识别要素的位置信息。
进一步地，根据本发明实施例，偏差系数确定模块303还用于：
根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息确定目标图像与模板图像之间的缩放系数；
根据目标图像与模板图像之间的线性关系和缩放系数确定目标图像与模板图像之间的平移系数。
位置信息确定模块304，用于根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息。
根据本发明实施例，上述位置信息确定模块304还用于：根据偏差系数和全部文字识别要素在模板图像中的位置信息，利用线性关系确定每一个文字识别要素在目标图像中的位置信息。
通过上述设置，实现了文字定位结果(文字的位置信息)与文字识别要素之间的定位关系，且文字定位的准确率较高，进而也提高了后续根据该文字定位结果进行文字识别的准确率。
根据本发明实施例的技术方案，因为采用利用文字定位模型获取目标图像中全部文字的位置信息；根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息的技术手段，所以克服了现有的文字定位方法中文字定位结果未与识别要素进行匹配，且后续匹配效率低，导致识别效率低；现有的模板图像要求高，文字定位准确率低，导致后续识别效果差的技术问题，进而达到将文字定位结果与相应的文字识别要素一一对应，降低对模板图像的要求，提高文字定位的准确率，提高后续文字识别效率和文字识别效果的技术效果。
图4示出了可以应用本发明实施例的图像文字的定位方法或图像文字的定位装置的示例性系统架构400。
如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405(此架构仅仅是示例，具体架构中包含的组件可以根据申请具体情况调整)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的目标图像、模板图像等数据进行分析等处理，并将处理结果(例如目标图像中的全部文字的位置信息、偏差系数、文字识别要素在目标图像中的位置信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的图像文字的定位方法一般由服务器405执行，相应地，图像文字的定位装置一般设置于服务器405中。
应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括文字定位模型模块、位置特征模块、偏差系数确定模块和位置信息确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，文字定位模型模块还可以被描述为“用于利用文字定位模型获取目标图像中全部文字的位置信息的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：利用文字定位模型获取目标图像中全部文字的位置信息；根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息。
根据本发明实施例的技术方案，因为采用利用文字定位模型获取目标图像中全部文字的位置信息；根据目标文字识别要素在目标图像中的位置特征，从全部文字的位置信息中确定目标文字识别要素对应的位置信息；根据目标文字识别要素分别在目标图像和模板图像中对应的位置信息和目标图像与模板图像之间的线性关系确定目标图像与模板图像之间的偏差系数；根据偏差系数和全部文字识别要素在模板图像中的位置信息确定每一个文字识别要素在目标图像中的位置信息的技术手段，所以克服了现有的文字定位方法中文字定位结果未与识别要素进行匹配，且后续匹配效率低，导致识别效率低；现有的模板图像要求高，文字定位准确率低，导致后续识别效果差的技术问题，进而达到将文字定位结果与相应的文字识别要素一一对应，降低对模板图像的要求，提高文字定位的准确率，提高后续文字识别效率和文字识别效果的技术效果。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种图像文字的定位方法，其特征在于，包括：
利用文字定位模型获取目标图像中全部文字的位置信息；
根据目标文字识别要素在所述目标图像中的位置特征，从所述全部文字的位置信息中确定所述目标文字识别要素对应的位置信息；
根据所述目标文字识别要素分别在所述目标图像和模板图像中对应的位置信息和所述目标图像与所述模板图像之间的线性关系确定所述目标图像与所述模板图像之间的偏差系数；
根据所述偏差系数和全部文字识别要素在所述模板图像中的位置信息确定每一个文字识别要素在所述目标图像中的位置信息。
2.根据权利要求1所述的图像文字的定位方法，其特征在于，所述模板图像是根据所述目标图像的类型确定的。
3.根据权利要求1所述的图像文字的定位方法，其特征在于，所述全部文字识别要素在所述模板图像中的位置信息是基于对所述模板图像进行标注处理得到。
4.根据权利要求1所述的图像文字的定位方法，其特征在于，所述根据目标文字识别要素在所述目标图像中的位置特征，从所述全部文字的位置信息中确定所述目标文字识别要素对应的位置信息的步骤包括：遍历所述全部文字的位置信息，在文字的位置信息与所述位置特征之间的坐标距离小于或等于距离阈值的情况下，确定该文字的位置信息为所述目标文字识别要素对应的位置信息。
5.根据权利要求4所述的图像文字的定位方法，其特征在于，所述目标识别要素为图像文字的标题。
6.根据权利要求1所述的图像文字的定位方法，其特征在于，所述偏差系数包括缩放系数和平移系数，所述根据所述目标文字识别要素分别在所述目标图像和所述模板图像中对应的位置信息和所述目标图像与所述模板图像之间的线性关系确定所述目标图像与所述模板图像之间的偏差系数的步骤包括：
根据所述目标文字识别要素分别在所述目标图像和所述模板图像中对应的位置信息确定所述目标图像与所述模板图像之间的缩放系数；
根据所述目标图像与所述模板图像之间的线性关系和所述缩放系数确定所述目标图像与所述模板图像之间的平移系数。
7.根据权利要求1所述的图像文字的定位方法，其特征在于，所述根据所述偏差系数和全部文字识别要素在所述模板图像中的位置信息确定每一个文字识别要素在所述目标图像中的位置信息的步骤包括：根据所述偏差系数和全部文字识别要素在所述模板图像中的位置信息，利用所述线性关系确定每一个文字识别要素在所述目标图像中的位置信息。
8.一种图像文字的定位装置，其特征在于，包括：
文字定位模型模块，用于利用文字定位模型获取目标图像中全部文字的位置信息；
位置特征模块，用于根据目标文字识别要素在所述目标图像中的位置特征，从所述全部文字的位置信息中确定所述目标文字识别要素对应的位置信息；
偏差系数确定模块，用于根据所述目标文字识别要素分别在所述目标图像和模板图像中对应的位置信息和所述目标图像与所述模板图像之间的线性关系确定所述目标图像与所述模板图像之间的偏差系数；
位置信息确定模块，用于根据所述偏差系数和全部文字识别要素在所述模板图像中的位置信息确定每一个文字识别要素在所述目标图像中的位置信息。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911293818.6A CN111178353A (zh) | 2019-12-16 | 2019-12-16 | 一种图像文字的定位方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911293818.6A CN111178353A (zh) | 2019-12-16 | 2019-12-16 | 一种图像文字的定位方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111178353A true CN111178353A (zh) | 2020-05-19 |
Family
ID=70652034
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911293818.6A Pending CN111178353A (zh) | 2019-12-16 | 2019-12-16 | 一种图像文字的定位方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111178353A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113553964A (zh) * | 2021-07-27 | 2021-10-26 | 广东智源机器人科技有限公司 | 图像识别方法、装置、电子设备以及烹饪系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109961008A (zh) * | 2019-02-13 | 2019-07-02 | 平安科技（深圳）有限公司 | 基于文字定位识别的表格解析方法、介质及计算机设备 |
| CN110188755A (zh) * | 2019-05-30 | 2019-08-30 | 北京百度网讯科技有限公司 | 一种图像识别的方法、装置和计算机可读存储介质 |
| CN110263694A (zh) * | 2019-06-13 | 2019-09-20 | 泰康保险集团股份有限公司 | 一种票据识别方法及装置 |
| CN110516672A (zh) * | 2019-08-29 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 卡证信息识别方法、装置及终端 |
| CN110532855A (zh) * | 2019-07-12 | 2019-12-03 | 西安电子科技大学 | 基于深度学习的自然场景证件图像文字识别方法 |
-
2019
- 2019-12-16 CN CN201911293818.6A patent/CN111178353A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109961008A (zh) * | 2019-02-13 | 2019-07-02 | 平安科技（深圳）有限公司 | 基于文字定位识别的表格解析方法、介质及计算机设备 |
| CN110188755A (zh) * | 2019-05-30 | 2019-08-30 | 北京百度网讯科技有限公司 | 一种图像识别的方法、装置和计算机可读存储介质 |
| CN110263694A (zh) * | 2019-06-13 | 2019-09-20 | 泰康保险集团股份有限公司 | 一种票据识别方法及装置 |
| CN110532855A (zh) * | 2019-07-12 | 2019-12-03 | 西安电子科技大学 | 基于深度学习的自然场景证件图像文字识别方法 |
| CN110516672A (zh) * | 2019-08-29 | 2019-11-29 | 腾讯科技（深圳）有限公司 | 卡证信息识别方法、装置及终端 |
Non-Patent Citations (1)
| Title |
|---|
| （美）阿朗佐凯利: "《图像立体匹配技术及其发展和应用》", 西安：陕西科学技术出版社 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113553964A (zh) * | 2021-07-27 | 2021-10-26 | 广东智源机器人科技有限公司 | 图像识别方法、装置、电子设备以及烹饪系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109308681B (zh) | 图像处理方法和装置 | |
| CN108108342B (zh) | 结构化文本的生成方法、检索方法及装置 | |
| CN108628830B (zh) | 一种语义识别的方法和装置 | |
| CN109242801B (zh) | 图像处理方法和装置 | |
| CN110705271B (zh) | 一种提供自然语言处理服务的系统及方法 | |
| CN109993749B (zh) | 提取目标图像的方法和装置 | |
| CN113377653B (zh) | 生成测试用例的方法和装置 | |
| CN111104479A (zh) | 一种数据标注的方法及装置 | |
| CN112883966B (zh) | 图像字符识别方法、装置、介质及电子设备 | |
| CN108182457B (zh) | 用于生成信息的方法和装置 | |
| WO2020078050A1 (zh) | 评论信息处理方法和装置、服务器、终端及可读介质 | |
| US20160371244A1 (en) | Collaboratively reconstituting tables | |
| CN113033377A (zh) | 字符位置修正方法、装置、电子设备和存储介质 | |
| CN112632952A (zh) | 一种对比文件的方法和装置 | |
| CN115311469A (zh) | 图像标注方法、训练方法、图像处理方法以及电子设备 | |
| CN113742485A (zh) | 一种处理文本的方法和装置 | |
| CN113837194A (zh) | 图像处理方法、图像处理装置、电子设备以及存储介质 | |
| CN111178353A (zh) | 一种图像文字的定位方法和装置 | |
| WO2022105120A1 (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
| CN113592981B (zh) | 图片标注方法、装置、电子设备和存储介质 | |
| CN111353039A (zh) | 文件类别检测方法和装置 | |
| CN111783572B (zh) | 一种文本检测方法和装置 | |
| CN110796137A (zh) | 一种识别图像的方法和装置 | |
| CN111291758B (zh) | 用于识别印章文字的方法和装置 | |
| CN114239501A (zh) | 合同生成方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220923 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |