CN112308046A

CN112308046A - 图像的文本区域定位方法、装置、服务器及可读存储介质

Info

Publication number: CN112308046A
Application number: CN202011387900.8A
Authority: CN
Inventors: 聂镭; 邹茂泰; 聂颖
Original assignee: Longma Zhixin Zhuhai Hengqin Technology Co ltd
Current assignee: Longma Zhixin Zhuhai Hengqin Technology Co ltd
Priority date: 2020-12-02
Filing date: 2020-12-02
Publication date: 2021-02-02

Abstract

本申请适用于图像识别技术领域，提供了一种图像的文本区域定位方法、装置、服务器及可读存储介质方法，该方法包括：获取待检测图像；根据预设的Faster R‑CNN检测模型识别待检测图像中的目标对象以及在待检测图像中目标对象所在的目标区域；生成目标对象所在的目标区域对应的第一文本矩形区域；获取目标对象对应的样本图像，以及样本图像的第二文本矩形区域；根据第一文本矩形区域与第二文本矩形区域进行匹配的结果，确定出待检测图像中的可检测文本区域。可见，本申请不需要利用图像中目标对象边框来进行定位，从而解决在目标对象图像中边框不全或者没有边框的情况下，可以准确定位目标对象图像中文本区域的位置。

Description

图像的文本区域定位方法、装置、服务器及可读存储介质

技术领域

本申请属于图像识别技术领域，尤其涉及一种图像的文本区域定位方法、装置、服务器及可读存储介质。

背景技术

OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

一般地，现有技术利用OCR技术识别图像中文字(例如，识别身份证图像中文字)的方法是基于边框定位目标对象图像中的文本区域，然后再利用OCR引擎识别该文本区域中的文本，但是存在目标对象图像中边框不全或者没有边框的情况下，不能准确检测目标对象图像中文本区域的位置，导致无法后续利用OCR引擎识别出该文本区域中的文本。

发明内容

本申请实施例提供了一种图像的文本区域定位方法、装置、服务器及可读存储介质，可以解决现有技术中无法准确检测目标对象对应区域内文本的问题。

第一方面，本申请实施例提供了一种图像的文本区域方法，包括：

获取待检测图像；

根据预设的Faster R-CNN检测模型识别所述待检测图像中的目标对象以及在所述待检测图像中所述目标对象所在的目标区域；

生成所述目标对象所在的目标区域对应的第一文本矩形区域；

获取所述目标对象对应的样本图像，以及所述样本图像的第二文本矩形区域；

根据所述第一文本矩形区域与所述第二文本矩形区域进行匹配的结果，确定出所述待检测图像中的可检测文本区域。

在第一方面的一种可能的实现方式中，生成所述目标对象所在的目标区域对应的第一文本矩形区域，包括：

对所述目标对象所在的区域进行二值化处理，得到所述第一文本矩形区域。

在第一方面的一种可能的实现方式中，对所述目标对象所在的区域进行二值化处理，得到所述第一文本矩形区域之后，还包括：

计算每个所述第一文本矩形区域的长对应的斜率，得到所述斜率平均值；

根据所述斜率平均值旋转所述目标对象所在的区域至水平位置。

在第一方面的一种可能的实现方式中，根据所述第一文本矩形区域与所述第二文本矩形区域进行匹配的结果，确定出所述待检测图像中的可检测文本区域，包括：

根据下列公式确定第一文本矩形区域与所述第二文本矩形区域之间的第一重合度：

，

其中，IOU表示所述第一文本矩形区域与所述第二文本矩形区域之间的第一重合度，

表示第一文本矩形区域的第一面积值，

表示第二文本矩形区域的第二面积值；

当所述第一重合度大于预设重合度阈值时，确定所述第一文本矩形区域为可检测文本区域，并根据第二文本矩形区域对应的标签标记所述可检测文本区域。

获取所述待检测图像的第一尺寸；

获取所述样本图像的第二尺寸；

将所述第一尺寸作为最低尺寸，所述第二尺寸作为最高尺寸，按预设缩放步长对所述文本矩形区域进行缩放，得到文本矩形区域集合；

其中，文本矩形区域集合包括第二文本矩形区域以及至少一个第三文本矩形区域，所述第三文本矩形区域为除了所述第二文本矩形区域之外尺寸的文本矩形区域；

根据下列公式确定所述第一文本矩形区域与所述第二文本矩形区域之间的第二重合度：

，

其中，H表示所述第一文本矩形区域与所述第二文本矩形区域之间的第二重合度，M表示文本矩形区域集合中文本矩形区域的数量，i表示文本矩形区域集合中文本区域的标号，

表示文本矩形区域集合中第i个文本矩形区域与第一文本矩形区域之间的第一重合度；

当所述第二重合度大于预设重合度阈值时，确定所述第一文本矩形区域为可检测文本区域，并根据第二文本矩形区域对应的标签标记所述可检测文本区域。

第二方面，本申请实施例提供了一种图像的文本区域定位装置，包括：

第一获取模块，用于获取待检测图像；

识别模块，用于根据预设的Faster R-CNN检测模型识别所述待检测图像中的目标对象以及在所述待检测图像中所述目标对象所在的目标区域；

生成模块，用于生成所述目标对象所在的目标区域对应的第一文本矩形区域；

第二获取模块，用于获取所述目标对象对应的样本图像，以及所述样本图像中预先标注的第二文本矩形区域；

匹配模块，用于根据所述第一文本矩形区域与所述第二文本矩形区域进行匹配的结果，确定出所述待检测图像中的可检测文本区域。

在第二方面的一种可能的实现方式中，所述生成模块包括：

处理单元，用于对所述目标对象所在的区域进行二值化处理，得到所述第一文本矩形区域。

在第二方面的一种可能的实现方式中，所述生成单元还包括：

计算单元，用于计算每个所述第一文本矩形区域的长对应的斜率，得到所述斜率平均值；

旋转单元，用于根据所述斜率平均值旋转所述目标对象所在的区域至水平位置。

在第二方面的一种可能的实现方式中，所述匹配模块包括：

第一确定单元，用于根据下列公式确定第一文本矩形区域与所述第二文本矩形区域之间的第一重合度：

；

表示第一文本矩形区域的第一面积值，

表示第二文本矩形区域的第二面积值；

第二确定单元，用于当所述第一重合度大于预设重合度阈值时，确定所述第一文本矩形区域为可检测文本区域，并根据第二文本矩形区域对应的标签标记所述可检测文本区域。

在第二方面的一种可能的实现方式中，所述匹配模块还包括：

第一获取单元，用于获取所述待检测图像的第一尺寸；

第二获取单元，用于获取所述样本图像的第二尺寸；

缩放单元，用于将所述第一尺寸作为最低尺寸，所述第二尺寸作为最高尺寸，按预设缩放步长对所述文本矩形区域进行缩放，得到文本矩形区域集合；

第三确定单元，用于根据下列公式确定所述第一文本矩形区域与所述第二文本矩形区域之间的第二重合度：

，

第四确定单元，用于当所述第二重合度大于预设重合度阈值时，确定所述第一文本矩形区域为可检测文本区域，并根据第二文本矩形区域对应的标签标记所述可检测文本区域。

第三方面，本申请实施例提供了一种服务器，包括：包括存储器、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上述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，包括：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上述第一方面所述的方法。

本申请实施例与现有技术相比存在的有益效果是：

本申请实施例中，通过检测出待检测图像中的目标对象每一集目标对象在待检测图像中的第一文本矩形区域，再将第一文本矩形区域与样本图像的第二文本矩形区域进行匹配，确定出待检测图像中的可检测文本区域，不需要利用图像中目标对象边框来进行定位，从而解决在目标对象图像中边框不全或者没有边框的情况下，可以准确定位目标对象图像中文本区域的位置。

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，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种图像的文本区域定位方法的一种流程示意图；

图2是本申请实施例提供的一种图像的文本区域定位装置的结构示意图；

图3是本申请实施例提供的服务器的结构示意图；

图4是本申请实施例提供的图1中步骤S104的样本图像的示意图。

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]”。

另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

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。

下面根据各个实施例对本申请进行详细介绍。

参见图1，为本申请实施例提供的一种图像的文本区域定位方法的一种流程示意图，该方法应用于服务器，该服务器可以是云端服务器等计算设备，该方法包括以下步骤：

步骤S101、获取待检测图像。

其中，待检测图像是指目标对象对应的待检测图像，目标对象可以是身份证。

具体地，本申请实施例对获取待检测图像的来源不做出任何限定，例如，可以是服务器接收预先建议连接关系的OCR扫描设备发送的待检测图像。

步骤S102、根据预设的Faster R-CNN检测模型识别待检测图像中的目标对象以及在待检测图像中目标对象所在的目标区域；

其中，预设的Faster R-CNN检测模型是预先根据待检测图像对应的样本图像训练好的。

可以理解的是，可以直接通过预设的Faster R-CNN检测模型识别待检测图像的目标对象（例如，身份证），以及该身份证在待检测图像中的目标区域。

步骤S103、生成目标对象所在的目标区域对应的第一文本矩形区域。

作为示例而非限定，生成目标对象所在的目标区域对应的第一文本矩形区域，包括：

对目标对象所在的区域进行二值化处理，得到第一文本矩形区域。

优选的，对目标对象所在的区域进行二值化处理，得到第一文本矩形区域之后，还包括：

第一步、计算每个第一文本矩形区域的长对应的斜率，得到斜率平均值。

第二步、根据斜率平均值旋转目标对象所在的区域至水平位置。

其中，水平位置是指目标对象所在区域相对于整个待检测图像来说是平行的。

可以理解的是，通过OCR扫描设备扫描得到的待检测图像中，目标对象例如身份证相对于整个待检测图像来说是倾斜的，为了提高后续定位待检测图像中目标对象对应的可检测文字区域的准确性，需要将待检测图像中目标对象进行旋转至水平位置。

步骤S104、获取目标对象对应的样本图像，以及样本图像中预先标注的第二文本矩形区域。

具体地，从预设数据库获取目标对象对应的样本图像，以及样本图像中预先标注的第二文本矩形区域。

其中，预设数据库预先存储有与目标对象一致的样本图像，例如，目标对象是身份证，那么样本图像也是身份证的图像，第二文本矩形区域可以理解为预先进行二值化处理后得到的文本矩形区域，并且对文本矩形区域中每个文本矩形子区域都有人工标注对应的标签，具体可参见图4所示。

步骤S105、根据第一文本矩形区域与第二文本矩形区域进行匹配的结果，确定出待检测图像中的可检测文本区域。

可以理解的是，在确定出待检测图像中的可检测文本区域之后，服务器将待检测图像中可检测文本区域进行标记后发送至预先建立连接关系的OCR引擎进行文本识别。

在一种可选的实施方式中，根据第一文本矩形区域与第二文本矩形区域进行匹配的结果，确定出待检测图像中的可检测文本区域，包括：

第一步、根据下列公式确定第一文本矩形区域与第二文本矩形区域之间的第一重合度：

；

其中，IOU表示第一文本矩形区域与第二文本矩形区域之间的第一重合度，

表示第一文本矩形区域的第一面积值，

表示第二文本矩形区域的第二面积值；

第二步、当第一重合度大于预设重合度阈值时，确定第一文本矩形区域为可检测文本区域，并根据第二文本矩形区域对应的标签标记可检测文本区域。

可以理解的是，当确定第一文本矩形区域为可检测文本区域，就可以通过第二文本矩形区域中每个文本矩形子区域对应标记可检测文本区域，例如，标记出“姓名”、“性别”、“民族”、“住址”以及“公民身份证号码”等。

在另一种可选的实施方式中，根据第一文本矩形区域与第二文本矩形区域进行匹配的结果，确定出待检测图像中的可检测文本区域，包括：

第一步、获取待检测图像的第一尺寸。

第二步、获取样本图像的第二尺寸。

其中，获取尺寸的方式可以通过Opencv算法进行测量。

第三步、将第一尺寸作为最低尺寸，第二尺寸作为最高尺寸，按预设缩放步长对文本矩形区域进行缩放，得到文本矩形区域集合。

例如，第一尺寸可以是360*240mm，第二尺寸可以是720*480，预设缩放步长为1%。

其中，文本矩形区域集合包括第二文本矩形区域以及至少一个第三文本矩形区域，第三文本矩形区域为除了第二文本矩形区域之外尺寸的文本矩形区域。

第四步、根据下列公式确定第一文本矩形区域与第二文本矩形区域之间的第二重合度：

，

其中，H表示第一文本矩形区域与第二文本矩形区域之间的第二重合度，M表示文本矩形区域集合中文本矩形区域的数量，i表示文本矩形区域集合中文本区域的标号，

表示文本矩形区域集合中第i个文本矩形区域与第一文本矩形区域之间的第一重合度。

其中，第一重合度的计算方式与上面相同。

第五步、当第二重合度大于预设重合度阈值时，确定第一文本矩形区域为可检测文本区域，并根据第二文本矩形区域对应的标签标记可检测文本区域。

可见，本申请还考虑获取待检测图像与样本图像之间的尺寸误差，即缩放程度误差，进一步提高识别准确率。

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一种图像的文本区域定位方法，图2示出了本申请实施例提供的一种图像的文本区域定位装置的结构框图，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2，该装置包括：

第一获取模块21，用于获取待检测图像；

识别模块22，用于根据预设的Faster R-CNN检测模型识别所述待检测图像中的目标对象以及在所述待检测图像中所述目标对象所在的目标区域；

生成模块23，用于生成所述目标对象所在的目标区域对应的第一文本矩形区域；

第二获取模块24，用于获取所述目标对象对应的样本图像，以及所述样本图像中预先标注的第二文本矩形区域；

匹配模块25，用于根据所述第一文本矩形区域与所述第二文本矩形区域进行匹配的结果，确定出所述待检测图像中的可检测文本区域。

在一种可能的实现方式中，所述生成模块包括：

在一种可能的实现方式中，所述生成单元还包括：

在一种可能的实现方式中，所述匹配模块包括：

；

表示第一文本矩形区域的第一面积值，

表示第二文本矩形区域的第二面积值；

在一种可能的实现方式中，所述匹配模块还包括：

第一获取单元，用于获取所述待检测图像的第一尺寸；

第二获取单元，用于获取所述样本图像的第二尺寸；

，

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。

所述服务器3可以是云端服务器等计算设备。该服务器可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅是服务器3的举例，并不构成对服务器3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。

所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，该处理器30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)、现成可编程门阵列(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31在一些实施例中可以是所述服务器3的内部存储单元，例如服务器3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述服务器3的外部存储设备，例如所述服务器3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31还可以既包括所述服务器3的内部存储单元也包括外部存储设备。所述存储器31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31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可读存储介质，所述可读存储介质可以是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。

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。