CN111612009A - 文本识别方法、装置、设备和存储介质 - Google Patents

Abstract

本公开涉及一种文本识别方法、装置、设备和存储介质。该方法包括将获取的预设对象图像输入渐进式扩展网络进行分割以获取包括不规则文本区域的目标分割图像；利用薄板样条插值算法对目标对象图像进行矫正，利用文本识别模型识别矫正后的水平对象文本图像。可以实现对预设对象图像的像素级分割以有效检测各种形状的文本区域，并且通过将不规则文本区域进行矫正得到水平文本区域以用于识别，可以避免直接对不规则文本识别导致的文本失序问题、以及对不规则文本的大量标注工作，可以用水平文本图像进行训练的文本识别模型泛化能力也更强。另外，具体通过TPS算法实现矫正，可以适用更复杂的应用场景，鲁棒性更好。

Description

文本识别方法、装置、设备和存储介质

技术领域

本公开涉及人工智能技术领域，尤其涉及一种文本识别方法、装置、设备和存储介质。

背景技术

目前OCR(Optical Character Recognition，光学字符识别)技术应用广泛，OCR技术在文本检测时，检测出的文本区域一般为矩形框、旋转矩形框或四点矩形框，如图1所示，这种检测方式，针对不规则文本(例如弯曲文本)，检测出的文本区域会包括大量背景区域，对文本的识别会造成很大干扰。并且现有的文本识别方法，例如卷积递归神经网络CRNN(Convolutional Recurrent Neural Network)识别方法，仅对矩形文本图像识别效果较好，对于包括大量背景的文本图像则无法识别。

另外，现有的对于不规则文本的识别方法包括注意力模型(Attention model)和极坐标矫正方法，其中，注意力模型可以识别2D结构信息的文本(如公式)，可以应用于不规则文本的识别，但需要的训练数据量较大，且较难通过模拟数据来构造，同时，会引入文本字符顺序混乱的问题。极坐标矫正方法是将弧形文本恢复成直线形文本再进行文本识别，该方法对于光照，畸变以及复杂场景缺乏鲁棒性。

现在很多线上业务的云端操作中，会对图像中的某类对象的文本进行识别和鉴定，比如对公文、票据和证照等图像中的印章的文本进行识别和鉴定，而印章中一般会包括不规则文本(比如弯曲文本、T形文本等)，由上述分析可知，现有的文本识别技术均不能有效的识别印章中的不规则文本。

发明内容

有鉴于上述存在的技术问题，本公开提出了一种文本识别方法、装置、设备和存储介质。可以有效识别文本。

根据本公开的一方面，提供了一种文本识别方法，该方法包括：

获取待识别图像中包括不规则文本的预设对象图像；

将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像；

从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像；

利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像；

将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。

根据本公开的另一方面，提供了一种文本识别装置，该装置包括：

预设对象图像获取模块，用于获取待识别图像中包括不规则文本的预设对象图像；

目标分割图像获取模块，用于将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像；

目标对象图像提取模块，用于从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像；

水平对象文本图像获取模块，用于利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像；

文本识别结果获取模块，用于将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。

根据本公开的另一方面，提供了一种文本识别设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。

通过获取待识别图像中的预设对象图像，并利用渐进式扩展网络PSENet对预设对象图像进行像素级分割，不仅可以有效检测出各种形状的文本区域，还可以保证文本区域中不引入背景，避免对文本识别造成干扰。并且，选择对不规则文本区域进行矫正，得到水平对象文本图像，将该水平对象文本图像用于文本识别模型对文本进行识别，一方面可以避免直接对不规则文本识别导致的文本失序问题，另一方面可以避免对不规则文本的大量标注工作，解决了训练数据难获取的问题，而且文本识别模型可以用水平文本图像进行训练，训练数据易获取，训练得到的文本识别模型泛化能力也更强。

另外，具体通过TPS算法对目标对象图像进行矫正，得到的水平对象文本图像用于文本的识别，可以适用更复杂的应用场景，鲁棒性更好。并且，由于该目标对象图像是通过PSENet对预设对象图像进行分割得到的，使得TPS算法的矫正可以精准地针对不规则文本区域，从而可以使得矫正后的水平对象文本可以更容易被准确识别。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出现有技术中检测文本区域的文本框的示意图。

图2示出根据本公开一实施例提供的一种应用系统的示意图。

图3示出根据本公开一实施例的文本识别方法的流程图。

图4a示出根据本公开一实施例的预设对象图像的示意图。

图4b示出根据本公开一实施例的文本区域分割图像的示意图。

图5a示出根据本公开一实施例的包括不规则文本区域的目标分割图像的示意图。

图5b示出根据本公开一实施例的目标对象图像的示意图。

图5c示出根据本公开一实施例的矫正对象图像的示意图。

图6a示出根据本公开一实施例的印章文本识别界面的示意图。

图6b示出根据本公开一实施例的印章文本识别结果的示意图。

图7示出根据本公开一实施例的将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像的方法流程图。

图8a示出根据本公开一实施例的文本区域分割图像的示意图。

图8b和图8c示出根据本公开一实施例的分割图像的示意图。

图9示出根据本公开一实施例的利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像的方法流程图。

图10示出根据本公开一实施例的根据所述轮廓点的点集和所述外接矩形，获取所述目标对象图像中不规则对象文本区域的边界控制点集及对应的矫正点集的方法流程图。

图11示出根据本公开一实施例的确定所述上边界控制点集对应的第一矫正点集以及所述下边界控制点集对应的第二矫正点集的方法流程图。

图12示出根据本公开一实施例的文本识别方法的流程图。

图13示出根据本公开一实施例的渐进式扩展网络的训练方法的流程图。

图14示出根据本公开一实施例的文本识别装置的框图。

图15是根据一示例性实施例示出的一种用于文本识别装置1500的框图。

图16是根据一示例性实施例示出的一种用于文本识别装置1600的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

近年来，随着人工智能技术研究和进步，人工智能技术在多个领域得到广泛应用，本公开实施例提供的方案涉及计算机视觉技术、人工智能的机器学习/深度学习等技术，具体通过如下实施例进行说明：

请参阅图2，图2示出根据本公开一实施例提供的一种应用系统的示意图。所述应用系统可以用于印章文本的识别。如图1所示，该应用系统至少可以包括服务器01和终端02。

本公开实施例中，所述服务器01可以包括独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content DeliveryNetwork，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。

本公开实施例中，所述终端02可以包括智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality，AR)/虚拟现实(virtualreality，VR)设备、智能可穿戴设备等类型的实体设备。实体设备，也可以包括运行于实体设备中的软体，例如应用程序等。本公开实施例中终端01上运行的操作系统可以包括但不限于安卓系统、IOS系统、linux、windows等。

本说明书实施例中，上述终端01以及服务器02可以通过有线或无线通信方式进行直接或间接地连接，本申请对此不作限定。

所述终端02可以用于提供面向用户的文本识别服务，以印章文本识别服务为例，可以提供印章文本识别界面，如图6a所示，用户可以在该印章文本识别界面中提交待识别图像(即照片)，提交的方式可以是上传本地的待识别图像，或者是提交待识别图像的链接等。终端02还可以展示待识别图像的文本识别结果，可以在如图6a所示的文本识别结果展示区域展示印章文本识别结果，印章文本识别结果可以如图6b所示。具体的，终端02可以基于服务器01训练好的预设对象检测模型、渐进式扩展网络以及对象文本矫正识别模型或文本识别模型实现文本的识别处理，进而可以在终端02展示文本识别结果。需要说明的是，本公开实施例中，终端02可以将待识别图像发送至服务器01在服务器01中实现文本的识别处理，服务器01可以将得到的文本识别结果发送至终端02，以使终端02展示文本识别结果，使用户可以及时获取可视化的文本识别结果，从而及时获知文本的内容，比如印章文本的内容。

此外，需要说明的是，在实际应用中，预设对象检测模型、渐进式扩展网络、对象文本矫正识别模型和文本识别模型的训练处理也可以在终端02中实现，本公开实施例中，优选的，在服务器01中实现这些模型的训练处理，以便减轻终端的数据处理压力，改善面向用户的终端的设备性能。

在一个具体的实施例中，服务器02为分布式系统时，该分布式系统可以为区块链系统，分布式系统为区块链系统时，可以由多个节点(接入网络中的任意形式的计算设备，如服务器、用户终端)形成，节点之间形成组成的点对点(P2P，Peer To Peer)网络，P2P协议是一个运行在传输控制协议(TCP，Transmission Control Protocol)协议之上的应用层协议。在分布式系统中，任何机器如服务器、终端都可以加入而成为节点，节点包括硬件层、中间层、操作系统层和应用层。具体的，区块链系统中各节点的功能，涉及的功能可以包括：

1)路由，节点具有的基本功能，用于支持节点之间的通信。

节点除具有路由功能外，还可以具有以下功能：

2)应用，用于部署在区块链中，根据实际业务需求而实现特定业务，记录实现功能相关的数据形成记录数据，在记录数据中携带数字签名以表示任务数据的来源，将记录数据发送到区块链系统中的其他节点，供其他节点在验证记录数据来源以及完整性成功时，将记录数据添加到临时区块中。

具体地，图3示出根据本公开一实施例的文本识别方法的流程图。如图3所示，所述方法可以包括：

步骤S101，获取待识别图像中包括不规则文本的预设对象图像。

在本说明书实施例中，所述不规则文本可以是指文本所占区域的面积与该文本对应的最小外接矩形面积的比值小于阈值的文本；这里的最小外接矩形可以包括水平矩形和旋转矩形。

在本说明书实施例中，所述待识别图像可以是包括预设对象的图像，所述预设对象可以是指包括不规则文本的对象，比如印章，印章中一般包括弯曲文本等，相应地，待识别图像可以包括公文图像、票据图像、证照图像等。在一些示例中，所述预设对象还可以包括企业或机构的标识，如企业或机构的logo，这些logo中一般包括不规则文本，比如弯曲文本、T形文本(如图8b中白色区域所示，文本由左到右字体越来越大构成了T形文本)等，相应地，待识别图像可以包括广告图像等。本公开对待识别图像的形式和数量均不作限定。

在本说明书实施例中，可以将待识别图像中的预设对象的区域裁剪(CROP)出来，获取预设对象图像，从而可以针对该预设对象图像中的不规则文本进行识别，实现对某一类对象中的不规则文本的识别。

步骤S103，将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像。其中，该不规则文本区域可以是不规则文本所在的区域。

在本说明书实施例中，可以将预设对象图像输入渐进式扩展网络PSENet(Progressive Scale Expansion Network)，进行分割处理，得到文本区域分割图像。以图4a所示，以预设对象图像为印章图像为例，将该印章图像输入渐进式扩展网络进行分割处理，可以得到如图4b所示的文本区域分割图像，该文本区域分割图像可以是指印章图像中的印章文本区域的前景分割图像，该文本区域分割图像的像素与印章图像的像素对应。如图4b所示，文本区域分割图像可以包括3个文本区域(3个文本实例)，一个是弯曲文本区域(即不规则文本区域)，另外两个是矩形文本区域。

在本说明书实施例中，可以将文本区域分割图像中的不规则文本区域剪切出来，例如可以利用该不规则文本区域的最小外接矩形进行剪切，该剪切出来的图像可以作为包括不规则文本区域的目标分割图像，如图5a所示，该目标分割图像可以包括不规则文本区域和外接矩形，该外接矩形为最小外接矩形。这里需要说明的是，剪切时用到的最小外接矩形可以包括水平方向的矩形(水平矩形)和旋转矩形，可以保证剪切出来的图像包括的背景最少。其中，可以将不规则文本对应的区域确定为不规则文本区域，本公开对不规则文本区域的确定方法不作限定。

步骤S105，从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像。

在本说明书实施例中，由于文本区域分割图像的像素与预设对象图像的像素是对应的，可以从预设对象图像中，提取出与所述目标分割图像对应的目标对象图像，如图5b所示。

可选地，对于矩形文本区域对应的预设对象图像中的矩形文本，如图4a所示，例如“发票专用章”，可以直接将矩形印章文本区域提取出来，输入文本识别模型进行文本识别处理，获取印章文本识别结果即可。这里的文本识别模型可以是卷积递归神经网络CRNN(Convolutional Recurrent Neural Network)。

步骤S107，利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像。

在本说明书实施例中，如图5a所示，可以确定目标分割图像中弯曲文本区域的边界，可以在该边界上获取多个点，该多个点可以是等间距的，该多个点可以作为控制点集，可以利用该控制点集与目标对象图像(图5b)中像素对应关系，确定目标对象图像中的控制点集，如图5b所示的弯曲文本区域的边界上的点集。然后可以获取与控制点集对应的矫正点集，该矫正点集可以构成水平矩形，如图5c所示的水平对象文本区域的边界上的点集，这样可以将目标对象图像中的弯曲文本矫正为水平文本。本公开对矫正点集的获取方式不作限定，只要所述矫正点集能够使得矫正后的水平文本可以有效识别即可。

在本说明书实施例中，可以根据控制点集和矫正点集，对目标对象图像进行薄板样条插值TPS(Thin Plate Spline)变换，实现对目标对象图像中不规则对象文本区域(如图5b中弯曲文本区域)的矫正，从而得到水平对象文本图像。例如，可以根据控制点集和矫正点集，对目标对象图像进行薄板样条插值TPS(Thin Plate Spline)变换，可以得到矫正对象图像，如图5c所示。然后可以从该矫正对象图像中，按照矫正点集，剪切出水平对象文本图像，该水平对象文本图像包括的背景极少。

步骤S109，将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。

在本说明书实施例中，由于水平对象文本图像是容易识别的，可以将水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果，对于印章图像来说，可以相应的获取印章文本识别结果，实现结构化的印章文本描述，如图6b展示的印章文本识别结果。这里的文本识别模型可以是CRNN，该CRNN可以是基于水平文本图像训练样本集进行机器学习训练得到的，所述水平文本图像训练样本集可以包括水平文本样本图像及对应的水平文本。该水平文本样本图像中的文本可以包括汉字、英文及特殊字符，本公开对此不作限定。

通过获取待识别图像中的预设对象图像，并利用渐进式扩展网络PSENet对预设对象图像进行像素级分割，不仅可以有效检测出各种形状的文本区域，还可以保证文本区域中不引入背景，避免对文本识别造成干扰。并且，选择对不规则文本区域进行矫正，得到水平对象文本图像，将该水平对象文本图像用于文本识别模型对文本进行识别，一方面可以避免直接对不规则文本识别导致的文本失序问题，另一方面可以避免对不规则文本的大量标注工作，解决了训练数据难获取的问题，而且文本识别模型可以用水平文本图像进行训练，训练数据易获取，训练得到的文本识别模型泛化能力也更强。

另外，具体通过TPS算法对目标对象图像进行矫正，得到的水平对象文本图像用于文本的识别，可以适用更复杂的应用场景，鲁棒性更好。并且，由于该目标对象图像是通过PSENet对预设对象图像进行分割得到的，使得TPS算法的矫正可以精准地针对不规则文本区域，从而可以使得矫正后的水平对象文本可以更容易被准确识别。

在一种可能的实现方式中，步骤S101，获取待识别图像中包括不规则文本的预设对象图像，可以包括：

获取待识别图像；

将所述待识别图像输入预设对象检测模型进行预设对象检测处理，提取出预设对象图像。

在本说明书实施例中，所述预设对象检测模型可以是基于图像训练样本集进行机器学习训练得到的，所述图像训练样本集可以包括样本图像及对应的样本对象图像。在一种可能的实现方式中，可以利用多张样本对象图像构造大量的样本图像，从而获取大量的样本图像及对应的样本对象图像，并可以将大量的样本图像及对应的样本对象图像作为图像训练样本集。例如，在预设对象检测模型为印章检测模型时，构造针对该印章检测模型的图像训练样本集时，可以收集多张样本印章图像，然后将这些样本印章图像贴到任意图像上，进行图像的随机增广，这样就可以得到大量的样本图像，根据大量的样本图像与多张样本印章图像的对应关系，得到图像训练样本集。

在一个示例中，这里的预设对象检测模型可以是目标检测器，比如Faster-RCNN(Faster-Region-Convolutional Neural Networks)检测器，该Faster-RCNN检测器可以基于图像训练样本集对预设的Faster-RCNN检测器进行机器学习训练得到。在本说明书实施例中，可以利用Faster-RCNN检测器检测图像中的预设对象区域，将该预设对象区域裁剪(CROP)出来，得到预设对象图像。

通过预设对象检测模型提取预设对象图像，可以高效且准确的从待识别图像中提取预设对象图像，便于后续针对该预设对象图像中的不规则文本进行识别。

图7示出根据本公开一实施例的将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像的方法流程图。如图7所示，在一种可能的实现方式中，步骤S103可以包括：

步骤S701，将所述预设对象图像输入渐进式扩展网络进行分割处理，得到文本区域分割图像；所述文本区域分割图像中可以包括至少一个文本区域，可以如图4b所示，文本区域分割图像中包括了3个文本区域，文本区域可以是指白色区域。

步骤S703，获取每个文本区域对应的分割图像；其中，每个文本区域对应的分割图像可以包括一个文本区域和对应的外接矩形。这里的外接矩形可以是指文本区域的最小外接矩形，外接矩形可以包括水平矩形和旋转矩形。

在本说明书实施例中，可以用水平矩形或旋转矩形去剪裁文本区域分割图像中的每个文本区域，从而获取每个文本区域对应的分割图像，例如，利用水平矩形剪裁图4b中弯曲文本区域，得到该弯曲文本区域对应的分割图像如图5a所示。

在一个示例中，假设文本区域分割图像如图8a所示，其中包括3个文本区域。很明显，最下面那个文本区域可以用旋转矩形剪裁得到对应的分割图像，该分割图像中的文本区域是水平文本区域。上面第一个文本区域可以用水平矩形裁剪得到对应的分割图像可以如图8b所示，上面第二个文本区域可以用水平矩形裁剪得到对应的分割图像可以如图8c所示，对于该图8b和图8c中的分割图像是否为包括不规则文本区域的目标分割图像，可以用下面步骤确定。

需要说明的是，可以根据文本区域的位置，选择水平矩形或旋转矩形进行剪裁，本公开对水平矩形或旋转矩形的具体选择方式不作限定，只要能够保证剪裁出的分割图像中包括的背景最少即可。

步骤S705，确定每个分割图像中文本区域面积与对应的外接矩形面积的比值；

步骤S707，获取所述比值低于阈值的分割图像为所述包括不规则文本区域的目标分割图像。

在本说明书实施例中，以图8b为例，可以确定该分割图像中文本区域面积(T形白色区域的面积或称为梯形白色区域的面积)与对应的外接矩形面积的比值；或者以图5a为例，可以确定文本区域面积(白色弯曲文本区域的面积)与对应的外接矩形面积的比值；可以获取比值低于阈值的分割图像为所述包括不规则文本区域的目标分割图像。其中，所述阈值可以是预先设定的，例如可以根据文本识别精度要求设定，本公开对此不作限定。

通过分割图像中文本区域与外接矩形面积的比值以及阈值，确定文本区域是否为不规则文本区域，即确定文本区域是否需要矫正，可以更准确确定出不规则文本区域，从而避免不必要的矫正。

图9示出根据本公开一实施例的利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像的方法流程图。如图9所示，在一种可能的实现方式中，该步骤S107可以包括：

步骤901，获取所述不规则文本区域的轮廓点的点集。

在本说明书实施例中，以图5a为例，可以从弯曲文本区域外轮廓线上提取多个轮廓点，可以将这多个轮廓点作为弯曲文本区域的轮廓点的点集。

步骤903，根据所述轮廓点的点集和所述外接矩形，获取所述目标对象图像中不规则对象文本区域的边界控制点集及对应的矫正点集。

其中，所述不规则对象文本区域可以与所述不规则文本区域对应；所述矫正点集可以构成水平矩形，所述水平矩形的水平长度可以与所述外接矩形的水平长度相同，其中，矫正点集构成的水平矩形可以是水平对象文本区域，该水平对象文本区域可以是不规则对象文本区域矫正后的区域，如图5c所示。

在本说明书实施例中，以图5a为例，可以根据轮廓点的点集与所述外接矩形交点，确定弯曲文本区域的端点，从而可以确定该弯曲文本区域的上边界和下边界，然后可以确定轮廓点的点集中属于上边界的点集和属于下边界的点集；从而可以从上边界的点集和下边界的点集中提取边界控制点集。通过该边界控制点集与目标对象图像中像素点的对应关系，可以获取目标对象图像中不规则对象文本区域的边界控制点集，如图5b所示。

在本说明书实施例中，由于矫正点集需要构成水平矩形，可以选择该水平矩形的长度与所述外接矩形的水平长度相同，然后可以根据弯曲文本区域的位置，确定水平矩形的两条水平边所在的位置，然后可以从这两条水平边中提取矫正点集，该矫正点集可以与边界控制点集一一对应，然后可以根据该矫正点集与目标对象图像中像素点的对应关系，获取目标对象图像中不规则对象文本区域对应的矫正点集。

在一种可能的实现方式中，所述边界控制点集包括上边界控制点集(即边界控制点集中属于上边界的边界控制点集)和下边界控制点集(即边界控制点集中属于下边界的边界控制点集)，所述矫正点集包括第一矫正点集和第二矫正点集；如图10所示，步骤S903可以包括：

步骤S1001，根据所述轮廓点的点集和所述外接矩形，确定所述不规则文本区域的端点；比如可以根据轮廓点的点集和外接矩形的交点，确定不规则文本区域的端点。

步骤S1003，根据所述端点和所述轮廓点的点集，获取所述不规则对象文本区域的上边界点集和下边界点集。

这里，通过端点，可以确定不规则文本区域由几条边组成，然后可以确定不规则文本区域的上边界和下边界，进而可以确定轮廓点的点集中属于上边界的点集和属于下边界的点集，然后可以根据属于上边界的点集和属于下边界的点集与目标对象图像中的像素对应关系，可以获取不规则对象文本区域的上边界点集和下边界点集。

步骤S1005，分别从所述上边界点集和下边界点集中提取预设数量的所述上边界控制点集和下边界控制点集。

在本说明书实施例中，可以从上边界点集提取预设数量的上边界控制点集，从下边界点集提取预设数量的下边界控制点集。其中，上边界控制点集和下边界控制点集可以包括端点，上边界控制点集可以为等间隔、下边界控制点集可以为等间隔。本公开对预设数量不作限定。

步骤S1007，确定所述上边界控制点集对应的第一矫正点集以及所述下边界控制点集对应的第二矫正点集。

在本说明书实施例中，可以先确定矫正点集构成的水平矩形中上下两条边，然后可以从这上下两条边上提取与上边界控制点集对应的第一矫正点集以及所述下边界控制点集对应的第二矫正点集。

在一个示例中，该步骤S1007可以包括以下步骤，如图11所示。

步骤S1101，分别确定所述上边界控制点集的第一垂直坐标均值以及所述下边界控制点集的第二垂直坐标均值。

在本说明书实施例中，可以获取上边界控制点集对应的垂直坐标，然后可以计算该垂直坐标的均值，可以确定该均值为上边界控制点集的第一垂直坐标均值。第二垂直坐标均值的确定方法可以与第一垂直坐标均值的确定方式相同。

步骤S1103，根据所述第一垂直坐标均值和所述外接矩形的水平长度，确定第一水平直线段。

这里也就是说，可以确定垂直坐标为该第一垂直坐标均值的水平直线，然后可以利用外接矩形的水平长度在该水平直线上提取出第一水平直线段，比如，利用该外接矩形的水平长度的最小水平坐标和最大水平坐标，从该水平直线上提取出第一水平直线段。

步骤S1105，根据所述第二垂直坐标均值和所述外接矩形的水平长度，确定第二水平直线段；可以利用步骤S1103相同的方式确定第二水平直线段，在此不再赘述。

步骤S1107，分别从所述第一水平直线段和第二水平直线段上提取预设数量的第一矫正点集和所述第二矫正点集。

这里的预设数量可以与上述提取上边界控制点集和下边界控制点集时的预设数量相同。其中，第一矫正点集可以包括第一水平直线段的端点、第二矫正点集可以包括第二水平直线段的端点。

步骤905，根据所述边界控制点集及对应的矫正点集，对所述目标对象图像进行薄板样条插值变换，得到目标对象图像对应的矫正对象图像；

步骤907，根据所述矫正对象图像，获取所述水平对象文本图像。

在本说明书实施例中，可以将边界控制点集及对应的矫正点集输入到薄板样条插值算法中，该薄板样条插值算法可以自动对目标对象图像(例如图5b)进行插值变换，具体地，是对目标对象图像中不规则对象文本区域进行矫正，可以得到变换后的矫正对象图像，如图5c所示。然后，可以从该矫正对象图像中剪裁出水平对象文本图像，本公开对该剪裁方式不作限定，只要剪裁出的水平对象文本图像便于文本识别即可。

在本说明书实施例中，还可以将上述对目标对象图像的矫正和文本的识别通过一个对象文本矫正识别模型中实现，下面将对该实现的方法进行介绍，如图12所示，在一种可能的实现方式中，所述文本识别方法还可以包括：

步骤S1201，构造目标对象样本图像以及对应的对象文本；

步骤S1203，将所述构造的目标对象样本图像以及对应的对象文本作为目标对象图像的训练样本集。

在本说明书实施例中，可以从大量的对象图像中裁剪出包括不规则对象文本区域的目标对象样本图像，如图5b所示。然后可以获取不规则对象文本区域中的文本作为目标对象样本图像对应的对象文本，从而可以构造目标对象样本图像以及对应的对象文本，并可以将构造的目标对象样本图像以及对应的对象文本作为目标对象图像的训练样本集。其中，对象文本可以作为目标对象图像对应的标签。

步骤S1205，基于所述目标对象图像的训练样本集进行机器学习，得到对象文本矫正识别模型。

在本说明书实施例中，可以基于目标对象图像的训练样本集，使用预设机器学习模型进行对象文本矫正识别训练，在该训练中调整该预设机器学习模型的模型参数至该预设机器学习模型的输出与目标对象图像的训练样本集中的对象文本匹配，可以将匹配时的机器学习模型作为对象文本矫正识别模型。

在从所述对象图像中，提取出与所述目标分割图像对应的目标对象图像之后，还可以包括：

步骤S1207，将所述目标对象图像输入所述对象文本矫正识别模型进行文本的矫正和识别处理，获取所述文本识别结果。

这里就是说，提取出目标对象图像后，可以直接将目标对象图像输入所述对象文本矫正识别模型进行文本的矫正和识别处理，获取所述文本识别结果，提高了文本识别的效率。

在一种可能的实现方式中，可以对预设渐进式扩展网络PSENet进行训练，得到本说明书实施例中用于图像分割的PSENet。如图13所示，所述文本识别方法还可以包括：

步骤S1301，构造对象样本图像以及对应的文本区域样本分割图像。

在本说明书实施例中，可以利用预设PSENet对大量的对象样本图像进行分割，得到对应的文本区域样本分割图像，可以对文本区域样本分割图像进行标注，构造出如图4a和4b所示的多对对象样本图像以及对应的文本区域样本分割图像。

步骤S1303，将对象样本图像以及对应的文本区域样本分割图像作为仿真样本数据集；

步骤S1305，基于所述仿真样本数据集进行机器学习，得到所述渐进式扩展网络。

在本说明书实施例中，可以基于仿真样本数据集进行机器学习，例如基于仿真样本数据集对预设PSENet进行文本区域分割训练，直到预设PSENet输出与仿真样本数据集中文本区域样本分割图像匹配，可以将匹配时对应的PSENet作为用于预设对象图像分割的渐进式扩展网络PSENet。

通过仿真样本数据集对预设PSENet进行文本区域分割训练，使得PSENet可以针对预设对象图像进行更加高效且准确的分割。

图14示出根据本公开一实施例的文本识别装置的框图。如图14所示，所述装置可以包括：

预设对象图像获取模块101，用于获取待识别图像中包括不规则文本的预设对象图像；

目标分割图像获取模块103，用于将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像；

目标对象图像提取模块105，用于从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像；

水平对象文本图像获取模块107，用于利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像；

文本识别结果获取模块109，用于将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。

利用本公开实施例的文本识别装置，通过获取待识别图像中的预设对象图像，并利用渐进式扩展网络PSENet对预设对象图像进行像素级分割，不仅可以有效检测出各种形状的文本区域，还可以保证文本区域中不引入背景，避免对文本识别造成干扰。并且，选择对不规则文本区域进行矫正，得到水平对象文本图像，将该水平对象文本图像用于文本识别模型对文本进行识别，一方面可以避免直接对不规则文本识别导致的文本失序问题，另一方面可以避免对不规则文本的大量标注工作，解决了训练数据难获取的问题，而且文本识别模型可以用水平文本图像进行训练，训练数据易获取，训练得到的文本识别模型泛化能力也更强。

另外，具体通过TPS算法对目标对象图像进行矫正，得到的水平对象文本图像用于文本的识别，可以适用更复杂的应用场景，鲁棒性更好。并且，由于该目标对象图像是通过PSENet对预设对象图像进行分割得到的，使得TPS算法的矫正可以精准地针对不规则文本区域，从而可以使得矫正后的水平对象文本可以更容易被准确识别。

在一种可能的实现方式中，所述目标分割图像包括所述不规则文本区域和对应的外接矩形；水平对象文本图像获取模块107可以包括：

轮廓点的点集获取单元，用于获取所述不规则文本区域的轮廓点的点集；

边界控制点集和矫正点集获取单元，用于根据所述轮廓点的点集和所述外接矩形，获取所述目标对象图像中不规则对象文本区域的边界控制点集及对应的矫正点集；其中，所述不规则对象文本区域与所述不规则文本区域对应；所述矫正点集构成水平矩形；

矫正对象图像获取单元，用于根据所述边界控制点集及对应的矫正点集，对所述目标对象图像进行薄板样条插值变换，得到目标对象图像对应的矫正对象图像；

水平对象文本图像获取单元，用于根据所述矫正对象图像，获取所述水平对象文本图像。

在一种可能的实现方式中，所述边界控制点集包括上边界控制点集和下边界控制点集，所述矫正点集包括第一矫正点集和第二矫正点集；边界控制点集和矫正点集获取单元可以包括：

端点确定单元，用于根据所述轮廓点的点集和所述外接矩形，确定所述不规则文本区域的端点；

上边界点集和下边界点集获取单元，用于根据所述端点和所述轮廓点的点集，获取所述不规则对象文本区域的上边界点集和下边界点集；

上边界控制点集和下边界控制点集获取单元，用于分别从所述上边界点集和下边界点集中提取预设数量的上边界控制点集和下边界控制点集；

第一矫正点集和第二矫正点集确定单元，用于确定所述上边界控制点集对应的第一矫正点集以及所述下边界控制点集对应的第二矫正点集。

在一种可能的实现方式中，第一矫正点集和第二矫正点集确定单元，可以包括：

坐标均值确定单元，用于分别确定所述上边界控制点集的第一垂直坐标均值以及所述下边界控制点集的第二垂直坐标均值；

第一水平直线段确定单元，用于根据所述第一垂直坐标均值和所述外接矩形的水平长度，确定第一水平直线段；

第二水平直线段确定单元，用于根据所述第二垂直坐标均值和所述外接矩形的水平长度，确定第二水平直线段；

第一矫正点集和所述第二矫正点集单元，用于分别从所述第一水平直线段和第二水平直线段上提取预设数量的第一矫正点集和所述第二矫正点集。

在一种可能的实现方式中，目标分割图像获取模块103可以包括：

文本区域分割图像获取单元，用于将所述预设对象图像输入渐进式扩展网络进行分割处理，得到文本区域分割图像；所述文本区域分割图像中包括至少一个文本区域；

分割图像获取单元，用于获取每个文本区域对应的分割图像；其中，每个文本区域对应的分割图像包括一个文本区域和对应的外接矩形；

面积比值确定单元，用于确定每个分割图像中文本区域面积与对应的外接矩形面积的比值；

目标分割图像获取单元，用于获取所述比值低于阈值的分割图像为所述包括不规则文本区域的目标分割图像。

在一种可能的实现方式中，所述装置还可以包括：

目标对象图像的训练样本集构造模块，用于构造目标对象样本图像以及对应的对象文本；

目标对象图像的训练样本集构造模块，还用于将所述构造的目标对象样本图像以及对应的对象文本作为目标对象图像的训练样本集；

文本矫正识别模型获取模型，用于基于所述目标对象图像的训练样本集进行机器学习，得到对象文本矫正识别模型；

在目标对象图像提取模块105得到目标对象图像后，可以将该目标对象输入矫正和识别处理模块，该矫正和识别处理模块，用于将所述目标对象图像输入所述对象文本矫正识别模型进行文本的矫正和识别处理，获取所述文本识别结果。

在一种可能的实现方式中，所述装置还可以包括：

仿真样本数据集构造模块，用于构造对象样本图像以及对应的文本区域样本分割图像；

仿真样本数据集构造模块，还用于将对象样本图像以及对应的文本区域样本分割图像作为仿真样本数据集；

渐进式扩展网络获取模块，用于基于所述仿真样本数据集进行机器学习，得到所述渐进式扩展网络。

图15是根据一示例性实施例示出的一种用于文本识别装置1500的框图。例如，装置1500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图15，装置1500可以包括以下一个或多个组件：处理组件1502，存储器1504，电源组件1506，多媒体组件1508，音频组件1510，输入/输出(I/O)的接口1512，传感器组件1514，以及通信组件1516。

处理组件1502通常控制装置1500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1502可以包括一个或多个处理器1520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1502可以包括一个或多个模块，便于处理组件1502和其他组件之间的交互。例如，处理组件1502可以包括多媒体模块，以方便多媒体组件1508和处理组件1502之间的交互。

存储器1504被配置为存储各种类型的数据以支持在装置1500的操作。这些数据的示例包括用于在装置1500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1506为装置1500的各种组件提供电力。电源组件1506可以包括电源管理系统，一个或多个电源，及其他与为装置1500生成、管理和分配电力相关联的组件。

多媒体组件1508包括在所述装置1500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1508包括一个前置摄像头和/或后置摄像头。当装置1500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1510被配置为输出和/或输入音频信号。例如，音频组件1510包括一个麦克风(MIC)，当装置1500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1504或经由通信组件1516发送。在一些实施例中，音频组件1510还包括一个扬声器，用于输出音频信号。

I/O接口1512为处理组件1502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1514包括一个或多个传感器，用于为装置1500提供各个方面的状态评估。例如，传感器组件1514可以检测到装置1500的打开/关闭状态，组件的相对定位，例如所述组件为装置1500的显示器和小键盘，传感器组件1514还可以检测装置1500或装置1500一个组件的位置改变，用户与装置1500接触的存在或不存在，装置1500方位或加速/减速和装置1500的温度变化。传感器组件1514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1514还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1516被配置为便于装置1500和其他设备之间有线或无线方式的通信。装置1500可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1516还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1504，上述计算机程序指令可由装置1500的处理器1520执行以完成上述方法。

图16是根据一示例性实施例示出的一种用于文本识别装置1600的框图。例如，装置1600可以被提供为一服务器。参照图16，装置1600包括处理组件1622，其进一步包括一个或多个处理器，以及由存储器1632所代表的存储器资源，用于存储可由处理组件1622的执行的指令，例如应用程序。存储器1632中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1622被配置为执行指令，以执行上述方法。

装置1600还可以包括一个电源组件1626被配置为执行装置1600的电源管理，一个有线或无线网络接口1650被配置为将装置1600连接到网络，和一个输入输出(I/O)接口1658。装置1600可以操作基于存储在存储器1632的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1632，上述计算机程序指令可由装置1600的处理组件1622执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种文本识别方法，其特征在于，包括：

获取待识别图像中包括不规则文本的预设对象图像；

将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像；

从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像；

利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像；

将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。

2.根据权利要求1所述的方法，其特征在于，所述目标分割图像包括所述不规则文本区域和对应的外接矩形；所述利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平文本对象图像，包括：

获取所述不规则文本区域的轮廓点的点集；

根据所述轮廓点的点集和所述外接矩形，获取所述目标对象图像中不规则对象文本区域的边界控制点集及对应的矫正点集；其中，所述不规则对象文本区域与所述不规则文本区域对应；所述矫正点集构成水平矩形；

根据所述边界控制点集及对应的矫正点集，对所述目标对象图像进行薄板样条插值变换，得到目标对象图像对应的矫正对象图像；

根据所述矫正对象图像，获取所述水平对象文本图像。

3.根据权利要求2所述的方法，其特征在于，所述边界控制点集包括上边界控制点集和下边界控制点集，所述矫正点集包括第一矫正点集和第二矫正点集；

所述根据所述轮廓点的点集和所述外接矩形，获取所述目标对象图像中不规则对象文本区域的边界控制点集及对应的矫正点集，包括：

根据所述轮廓点的点集和所述外接矩形，确定所述不规则文本区域的端点；

根据所述端点和所述轮廓点的点集，获取所述不规则对象文本区域的上边界点集和下边界点集；

分别从所述上边界点集和下边界点集中提取预设数量的上边界控制点集和下边界控制点集；

确定所述上边界控制点集对应的第一矫正点集以及所述下边界控制点集对应的第二矫正点集。

4.根据权利要求3所述的方法，其特征在于，所述确定所述上边界控制点集对应的第一矫正点集以及所述下边界控制点集对应的第二矫正点集，包括：

分别确定所述上边界控制点集的第一垂直坐标均值以及所述下边界控制点集的第二垂直坐标均值；

根据所述第一垂直坐标均值和所述外接矩形的水平长度，确定第一水平直线段；

根据所述第二垂直坐标均值和所述外接矩形的水平长度，确定第二水平直线段；

分别从所述第一水平直线段和第二水平直线段上提取预设数量的第一矫正点集和所述第二矫正点集。

5.根据权利要求1所述的方法，其特征在于，所述将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像，包括：

将所述预设对象图像输入渐进式扩展网络进行分割处理，得到文本区域分割图像；所述文本区域分割图像中包括至少一个文本区域；

获取每个文本区域对应的分割图像；其中，每个文本区域对应的分割图像包括一个文本区域和对应的外接矩形；

确定每个分割图像中文本区域面积与对应的外接矩形面积的比值；

获取所述比值低于阈值的分割图像为所述包括不规则文本区域的目标分割图像。

6.根据权利要求1所述的方法，其特征在于，还包括：

构造目标对象样本图像以及对应的对象文本；

将所述构造的目标对象样本图像以及对应的对象文本作为目标对象图像的训练样本集；

基于所述目标对象图像的训练样本集进行机器学习，得到对象文本矫正识别模型；

在所述从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像之后，还包括：

将所述目标对象图像输入所述对象文本矫正识别模型进行文本的矫正和识别处理，获取所述文本识别结果。

7.根据权利要求1所述的方法，其特征在于，还包括：

构造对象样本图像以及对应的文本区域样本分割图像；

将对象样本图像以及对应的文本区域样本分割图像作为仿真样本数据集，

基于所述仿真样本数据集进行机器学习，得到所述渐进式扩展网络。

8.一种文本识别装置，其特征在于，包括：

预设对象图像获取模块，用于获取待识别图像中包括不规则文本的预设对象图像；

目标分割图像获取模块，用于将所述预设对象图像输入渐进式扩展网络进行分割处理，获取包括不规则文本区域的目标分割图像；

目标对象图像提取模块，用于从所述预设对象图像中，提取出与所述目标分割图像对应的目标对象图像；

水平对象文本图像获取模块，用于利用所述目标分割图像和薄板样条插值算法，对所述目标对象图像进行矫正，得到水平对象文本图像；

文本识别结果获取模块，用于将所述水平对象文本图像输入文本识别模型进行文本识别处理，获取文本识别结果。

9.一种文本识别设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令以实现权利要求1至7中任意一项所述的方法。

10.一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。

Images