CN112348025A - 字符检测方法及装置、电子设备和存储介质 - Google Patents

Abstract

本公开涉及一种字符检测方法及装置、电子设备和存储介质。所述方法包括：对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，其中，所述第一字符序列的边界线表示所述第一字符序列所在区域与非所述第一字符序列所在区域之间的分界线；根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息；根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息。

Description

字符检测方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种字符检测方法及装置、电子设备和存储介质。

背景技术

自然场景下的字符检测是计算机视觉中的重要研究领域，且已被应用于多种应用场景，例如实时文本翻译、单据识别、车牌识别等。一般而言，字符在实际应用场景中处于刚性平面，然而在成像过程中，由于相机的视角扭曲和畸变，导致图像中的字符呈现为不规则的任意四边形形状。对于这些字符，需要对其四条边界精确地回归定位，才能在后续的字符识别环节中矫正出正确的字符形状，从而正确识别出字符内容。

发明内容

本公开提供了一种字符检测技术方案。

根据本公开的一方面，提供了一种字符检测方法，包括：

对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，其中，所述第一字符序列的边界线表示所述第一字符序列所在区域与非所述第一字符序列所在区域之间的分界线；

根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息；

根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息。

在本公开实施例中，通过对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息，并根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息，由此将字符序列的多边形(例如四边形)边界框拆解为多条(例如四条)独立的边界线，对每一条独立的边界线进行单独检测，从而每一条边界线的检测均不会被两个不同的顶点所干扰，进而能够提高字符检测的准确性。

在一种可能的实现方式中，所述对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，包括：

基于所述待处理图像，针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数；

根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。

在该实现方式中，基于所述待处理图像，针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数，并根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数，由此基于与第一字符序列相关的特征点对第一字符序列的边界线的参数进行预测，从而有助于提高得到边界线的预测参数的效率，并有助于提高所得到的预测参数的准确性。

在一种可能的实现方式中，所述方法还包括：

预测所述待处理图像中的像素所在位置属于字符的概率；

根据所述待处理图像中的像素所在位置属于字符的概率，确定所述第一特征点。

通过预测所述待处理图像中的像素所在位置属于字符的概率，并根据所述待处理图像中的像素所在位置属于字符的概率，确定所述第一特征点，由此能够准确地确定与第一字符序列相关的第一特征点。基于由此确定的一特征点对第一字符序列的边界线的参数进行预测，有助于进一步提高得到边界线的预测参数的效率，并有助于进一步提高所得到的预测参数的准确性。

在一种可能的实现方式中，所述第一字符序列的多条边界线对应于所述第一特征点的参数包括：

所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数，其中，所述第一特征点对应的极坐标系表示以所述第一特征点为极点的极坐标系。

通过将边界线在笛卡尔坐标系下的直线方程映射到极坐标系中，得到在图像中具有明确的物理意义且相互独立的距离参数和角度参数，减少了学习参数和参数间的相关性，且有利于网络学习。

在一种可能的实现方式中，所述根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数，包括：

将所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数映射至笛卡尔坐标系，得到所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数；

根据所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。

通过将所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数映射至笛卡尔坐标系，得到所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，并根据所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数，由此能够基于不同极坐标系下的参数回归得到边界线的预测参数。

在一种可能的实现方式中，所述第一字符序列的多条边界线包括所述第一字符序列的上边界线、右边界线、下边界线和左边界线。

由于在大多数情况下，字符序列的形状为四边形，因此，根据该实现方式，有助于在大多数情况下获得较准确的字符序列的边界框的位置信息。

在一种可能的实现方式中，所述基于所述待处理图像，针对与第一字符序列相关的任一第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数，包括：

将所述待处理图像输入预先训练的神经网络，经由所述神经网络针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数。

通过预先训练的神经网络针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数，由此能够提高预测参数的速度，并能提高所预测的参数的准确性。

在一种可能的实现方式中，所述方法还包括：

经由所述神经网络预测所述待处理图像中的像素所在位置属于字符的概率。

通过预先训练的神经网络预测所述待处理图像中的像素所在位置属于字符的概率，由此能够提高预测像素所在位置属于字符的概的速度，并能够提高所预测的概率的准确性。

在一种可能的实现方式中，在所述将所述待处理图像输入预先训练的神经网络之前，所述方法还包括：

将训练图像输入所述神经网络，经由所述神经网络针对与所述训练图像中的第二字符序列相关的第二特征点，分别预测所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值；

根据所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的参数的真值，训练所述神经网络。

在该实现方式中，通过将字符序列的多边形(例如四边形)边界框拆解为多条(例如四条)独立的边界线，对每一条独立的边界线进行单独检测，由此不会由于回归顶点而给神经网络带来训练扰动，从而提高神经网络的学习效率和检测效果。根据该实现方式训练得到的神经网络能够学习到准确地预测字符序列的边界线的参数的能力。

在一种可能的实现方式中，所述第二字符序列的多条边界线对应于所述第二特征点的参数包括：所述第二字符序列的多条边界线在所述第二特征点对应的极坐标系下的距离参数和角度参数，其中，所述第二特征点对应的极坐标系表示以所述第二特征点为极点的极坐标系；

所述根据所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的参数的真值，训练所述神经网络，包括：

根据所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的真值，训练所述神经网络；

和/或，

根据所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的真值，训练所述神经网络。

通过将笛卡尔坐标系下的直线方程映射到极坐标系中，减少了学习参数和参数间的相关性，并且赋予了参数以图像中的实际物理意义，有利于网络学习。另外，通过训练神经网络学习检测字符序列的各条边界线对应于特征点的距离与角度，能够使边界线的检测不互相干扰，从而能够提高神经网络的学习效率和检测效果。

在一种可能的实现方式中，所述根据所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的真值，训练所述神经网络，包括：

对于所述第二字符序列的多条边界线中的任意一条边界线，根据所述边界线对应于所述第二特征点的距离参数的真值和预测值中的较小值与较大值的比值，训练所述神经网络。

通过对于所述第二字符序列的多条边界线中的任意一条边界线，根据所述边界线对应于所述第二特征点的距离参数的真值和预测值中的较小值与较大值的比值，训练所述神经网络，由此能够对不同应用场景下、不同大小的距离参数进行归一化，从而能够有助于进行多尺度的字符检测，即，有助于在不同尺度的字符检测中达到更高的准确性。

在一种可能的实现方式中，所述根据所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的真值，训练所述神经网络，包括：

对于所述第二字符序列的多条边界线中的任意一条边界线，确定所述边界线对应于所述第二特征点的角度参数的真值与预测值的差值的绝对值；

根据所述绝对值的半倍角的正弦值，训练所述神经网络。

通过对于所述第二字符序列的多条边界线中的任意一条边界线，确定所述边界线对应于所述第二特征点的角度参数的真值与预测值的差值的绝对值，并根据所述绝对值的半倍角的正弦值，训练所述神经网络，由此不会因为0与2π混淆而对神经网络的学习带来干扰，从而有助于提高神经网络的学习效率和检测效果。

在一种可能的实现方式中，所述第二特征点包括所述第二字符区域对应的有效区域中的特征点。

在计算所述神经网络的损失函数时，通过仅监督所述第二字符区域对应的有效区域中的特征点，不监督所述第二字符区域对应的有效区域外的特征点，有助于减少网络负担。

在一种可能的实现方式中，所述方法还包括：

经由所述神经网络预测所述训练图像中的像素所在位置属于字符的概率；

根据所述训练图像中的像素所在位置属于字符的概率，以及所述训练图像中的像素所在位置属于字符的标注数据，训练所述神经网络。

根据该实现方式，能够使神经网络学习到预测像素所在位置属于字符的概率的能力。

在一种可能的实现方式中，所述根据所述训练图像中的像素所在位置属于字符的概率，以及所述训练图像中的像素所在位置属于字符的标注数据，训练所述神经网络，包括：

根据所述第二字符序列对应的有效区域中的像素所在位置属于字符的概率，以及所述有效区域中的像素所在位置属于字符的标注数据，训练所述神经网络。

通过根据所述第二字符序列对应的有效区域中的像素所在位置属于字符的概率，以及所述有效区域中的像素所在位置属于字符的标注数据，训练所述神经网络，由此能够使所述神经网络学习到字符分割的能力，且能提高所述神经网络学习字符分割的效率。

在一种可能的实现方式中，所述方法还包括：

获取所述第二字符序列的真实边界框的位置信息；

根据所述真实边界框的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域。

基于该实现方式得到所述第二字符序列对应的有效区域，并基于第二字符序列对应的有效区域中的特征点进行神经网络的训练，有助于减少网络负担。

在一种可能的实现方式中，所述根据所述真实边界框的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域，包括：

根据所述真实边界框的位置信息，确定所述真实边界框的锚点，其中，所述真实边界框的锚点为所述真实边界框的对角线的交点；

根据所述真实边界框的位置信息，所述真实边界框的锚点的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域，其中，第一距离与第二距离的比值等于所述预设比例，所述第一距离表示所述有效区域的第一顶点与所述锚点之间的距离，所述第二距离表示真实边界框中所述第一顶点对应的顶点与所述锚点之间的距离，所述第一顶点表示所述有效区域的任一顶点。

根据该实现方式得到所述第二字符序列对应的有效区域，并基于第二字符序列对应的有效区域中的特征点进行神经网络的训练，有助于提高神经网络的学习效率和预测准确性。

根据本公开的一方面，提供了一种字符检测装置，包括：

第一预测模块，用于对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，其中，所述第一字符序列的边界线表示所述第一字符序列所在区域与非所述第一字符序列所在区域之间的分界线；

第一确定模块，用于根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息；

第二确定模块，用于根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息。

在一种可能的实现方式中，所述第一预测模块用于：

基于所述待处理图像，针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数；

根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。

在一种可能的实现方式中，所述装置还包括：

第二预测模块，用于预测所述待处理图像中的像素所在位置属于字符的概率；

第三确定模块，用于根据所述待处理图像中的像素所在位置属于字符的概率，确定所述第一特征点。

在一种可能的实现方式中，所述第一字符序列的多条边界线对应于所述第一特征点的参数包括：

所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数，其中，所述第一特征点对应的极坐标系表示以所述第一特征点为极点的极坐标系。

在一种可能的实现方式中，所述第一预测模块用于：

将所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数映射至笛卡尔坐标系，得到所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数；

根据所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。

在一种可能的实现方式中，所述第一字符序列的多条边界线包括所述第一字符序列的上边界线、右边界线、下边界线和左边界线。

在一种可能的实现方式中，所述第一预测模块用于：

将所述待处理图像输入预先训练的神经网络，经由所述神经网络针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数。

在一种可能的实现方式中，所述装置还包括：

第三预测模块，用于经由所述神经网络预测所述待处理图像中的像素所在位置属于字符的概率。

在一种可能的实现方式中，所述装置还包括：

第四预测模块，用于将训练图像输入所述神经网络，经由所述神经网络针对与所述训练图像中的第二字符序列相关的第二特征点，分别预测所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值；

第一训练模块，用于根据所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的参数的真值，训练所述神经网络。

在一种可能的实现方式中，所述第二字符序列的多条边界线对应于所述第二特征点的参数包括：所述第二字符序列的多条边界线在所述第二特征点对应的极坐标系下的距离参数和角度参数，其中，所述第二特征点对应的极坐标系表示以所述第二特征点为极点的极坐标系；

所述第一训练模块用于：

根据所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的真值，训练所述神经网络；

和/或，

根据所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的真值，训练所述神经网络。

在一种可能的实现方式中，所述第一训练模块用于：

对于所述第二字符序列的多条边界线中的任意一条边界线，根据所述边界线对应于所述第二特征点的距离参数的真值和预测值中的较小值与较大值的比值，训练所述神经网络。

在一种可能的实现方式中，所述第一训练模块用于：

对于所述第二字符序列的多条边界线中的任意一条边界线，确定所述边界线对应于所述第二特征点的角度参数的真值与预测值的差值的绝对值；

根据所述绝对值的半倍角的正弦值，训练所述神经网络。

在一种可能的实现方式中，所述第二特征点包括所述第二字符区域对应的有效区域中的特征点。

在一种可能的实现方式中，所述装置还包括：

第五预测模块，用于经由所述神经网络预测所述训练图像中的像素所在位置属于字符的概率；

第二训练模块，用于根据所述训练图像中的像素所在位置属于字符的概率，以及所述训练图像中的像素所在位置属于字符的标注数据，训练所述神经网络。

在一种可能的实现方式中，所述第二训练模块用于：

根据所述第二字符序列对应的有效区域中的像素所在位置属于字符的概率，以及所述有效区域中的像素所在位置属于字符的标注数据，训练所述神经网络。

在一种可能的实现方式中，所述装置还包括：

获取模块，用于获取所述第二字符序列的真实边界框的位置信息；

缩小模块，用于根据所述真实边界框的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域。

在一种可能的实现方式中，所述缩小模块用于：

根据所述真实边界框的位置信息，确定所述真实边界框的锚点，其中，所述真实边界框的锚点为所述真实边界框的对角线的交点；

根据所述真实边界框的位置信息，所述真实边界框的锚点的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域，其中，第一距离与第二距离的比值等于所述预设比例，所述第一距离表示所述有效区域的第一顶点与所述锚点之间的距离，所述第二距离表示真实边界框中所述第一顶点对应的顶点与所述锚点之间的距离，所述第一顶点表示所述有效区域的任一顶点。

根据本公开的一方面，提供了一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

在本公开实施例中，通过对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息，并根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息，由此将字符序列的多边形(例如四边形)边界框拆解为多条(例如四条)独立的边界线，对每一条独立的边界线进行单独检测，从而每一条边界线的检测均不会被两个不同的顶点所干扰，进而能够提高字符检测的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。

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

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出本公开实施例提供的字符检测方法的流程图。

图2示出第一字符序列的4条边界线在某一第一特征点对应的极坐标系下的距离参数和角度参数的示意图。

图3示出第二字符区域的真实边界框31和有效区域32的示意图。

图4示出本公开实施例的一个应用场景的示意图。

图5示出本公开实施例提供的字符检测装置的框图。

图6示出本公开实施例提供的一种电子设备800的框图。

图7示出本公开实施例提供的一种电子设备1900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。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，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。

相关技术中，大多采用矩形框或者旋转矩形框来检测字符，但这些矩形框或者旋转矩形框均无法准确定位字符边界，导致影响后续的字符识别。另外，相关技术中还提出了通过回归四边形的四个顶点来构成字符的边界框的字符检测方法。然而，顶点实际上是两条相邻边相交形成的，每个顶点的回归会影响两条边，因此，每条边都会被两个不同的顶点所干扰，从而影响字符检测结果的准确性。

为了解决类似上文所述的技术问题，本公开实施例提供了一种字符检测方法及装置、电子设备和存储介质，通过将字符的多边形(例如四边形)边界框拆解为多条(例如四条)独立的边界线，对每一条独立的边界线进行单独检测，由此每一条边界线的检测均不会被两个不同的顶点所干扰，从而能够提高字符检测的准确性。

下面结合附图对本公开实施例提供的字符检测方法进行详细的说明。

图1示出本公开实施例提供的字符检测方法的流程图。所述字符检测方法的执行主体可以是字符检测装置。在一种可能的实现方式中，所述字符检测方法可以由终端设备或服务器或其它处理设备执行。其中，终端设备可以是用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal DigitalAssistant，PDA)、手持设备、计算设备、车载设备或者可穿戴设备等。在一些可能的实现方式中，所述字符检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，所述字符检测方法包括步骤S11至步骤S13。

在步骤S11中，对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，其中，所述第一字符序列的边界线表示所述第一字符序列所在区域与非所述第一字符序列所在区域之间的分界线。

在本公开实施例中，字符检测可以表示检测图像中的字符和/或字符序列的位置，例如，可以表示检测图像中的字符和/或字符序列的边界框的位置。在本公开实施例中，所述待处理图像可以表示需要进行字符检测的图像。所述第一字符序列表示所述待处理图像中的任一字符序列。所述待处理图像可以包括一个或多个字符序列。所述第一字符序列可以包括一个或多个字符，字符可以包括文字、字母、数字、标点符号、运算符号等中的至少之一。在一种可能的实现方式中，在所述待处理图像中，若任意两个字符之间的距离小于或等于预设的第一距离阈值，则确定该两个字符属于同一字符序列。在另一种可能的实现方式中，在所述待处理图像中的书写方向为水平方向的情况下，若任意两个字符属于同一行文字，且该两个字符之间的距离小于或等于预设的第二距离阈值，则确定该两个字符属于同一字符序列；在所述待处理图像中的书写方向为竖直方向的情况下，若任意两个字符属于同一列文字，且该两个字符之间的距离小于或等于预设的第三距离阈值，则确定该两个字符属于同一字符序列。其中，书写方向可以表示相邻的两个字符之间的位置关系。例如，若相邻的两个字符之间的位置关系为左右关系，则书写方向为水平方向；若相邻的两个字符之间的位置关系为上下关系，则书写方向为竖直方向。

在本公开实施例中，所述第一字符序列的边界线表示所述第一字符序列所在区域与非所述第一字符序列所在区域之间的分界线，其中，非所述第一字符序列所在区域可以是背景区域(即非字符所在区域)和/或其他字符序列所在区域。所述第一字符序列的边界线可以是直线，也可以是曲线，在此不作限定。所述第一字符序列的任意一条边界线的预测参数可以表示所预测的所述边界线的参数。在所述第一字符序列的边界线为直线的情况下，所述第一字符序列的任意一条边界线的预测参数可以表示所述边界线对应的直线方程的预测参数。基于所述边界线对应的直线方程的预测参数，能够确定所述边界线的位置。

在本公开实施例中，在所述第一字符序列的边界线为直线的情况下，所述第一字符序列的边界线的数量为至少3条，所述第一字符序列的多条边界线可以围成所述第一字符序列的边界框。所述第一字符序列的边界框可以是多边形，相应地，所述第一字符序列的边界线的数量可以与所述第一字符序列的边界框的边数相对应。例如，所述第一字符序列的边界框为四边形，则所述第一字符序列的边界线的数量为4。当然，所述第一字符序列的边界框也可以为五边形、三角形等，在此不作限定。

在一种可能的实现方式中，所述第一字符序列的多条边界线包括所述第一字符序列的上边界线、右边界线、下边界线和左边界线。在该实现方式中，所述第一字符序列的边界框为四边形，所述第一字符序列的边界线的数量为4。其中，所述第一字符序列的上边界线，可以表示以所述第一字符序列中的字符的方向为参照，用于划分所述第一字符序列所在区域与所述第一字符序列上方的非所述第一字符序列所在区域的分界线；所述第一字符序列的右边界线，可以表示以所述第一字符序列中的字符的方向为参照，用于划分所述第一字符序列所在区域与所述第一字符序列右边的非所述第一字符序列所在区域的分界线；所述第一字符序列的下边界线，可以表示以所述第一字符序列中的字符的方向为参照，用于划分所述第一字符序列所在区域与所述第一字符序列下方的非所述第一字符序列所在区域的分界线；所述第一字符序列的左边界线，可以表示以所述第一字符序列中的字符的方向为参照，用于划分所述第一字符序列所在区域与所述第一字符序列左边的非所述第一字符序列所在区域的分界线。由于在大多数情况下，字符序列的形状为四边形，因此，根据该实现方式，有助于在大多数情况下获得较准确的字符序列的边界框的位置信息。

在该实现方式中，所述对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，可以包括：对待处理图像中第一字符序列的上边界线进行预测，得到所述第一字符序列的上边界线对应的直线方程的预测参数；对待处理图像中第一字符序列的右边界线进行预测，得到所述第一字符序列的右边界线对应的直线方程的预测参数；对待处理图像中第一字符序列的下边界线进行预测，得到所述第一字符序列的下边界线对应的直线方程的预测参数；对待处理图像中第一字符序列的左边界线进行预测，得到所述第一字符序列的左边界线对应的直线方程的预测参数。

在步骤S12中，根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息。

在本公开实施例中，根据所述第一字符序列的多条边界线的预测参数，可以得到所述第一字符序列的多条边界线的交点，并可以将所述第一字符序列的多条边界线的交点的位置信息，作为所述第一字符序列的边界框的顶点的位置信息。例如，所述第一字符序列的多条边界线包括所述第一字符序列的上边界线、右边界线、下边界线和左边界线；根据所述第一字符序列的上边界线对应的直线方程的预测参数和所述第一字符序列的右边界线对应的直线方程的预测参数，可以得到所述第一字符序列的上边界线与所述第一字符序列的右边界线的交点，并可以将所述第一字符序列的上边界线与所述第一字符序列的右边界线的交点的位置信息作为所述第一字符序列的边界框的右上角顶点的位置信息；根据所述第一字符序列的右边界线对应的直线方程的预测参数和所述第一字符序列的下边界线对应的直线方程的预测参数，可以得到所述第一字符序列的右边界线与所述第一字符序列的下边界线的交点，并可以将所述第一字符序列的右边界线与所述第一字符序列的下边界线的交点的位置信息作为所述第一字符序列的边界框的右下角顶点的位置信息；根据所述第一字符序列的下边界线对应的直线方程的预测参数和所述第一字符序列的左边界线对应的直线方程的预测参数，可以得到所述第一字符序列的下边界线与所述第一字符序列的左边界线的交点，并可以将所述第一字符序列的下边界线与所述第一字符序列的左边界线的交点的位置信息作为所述第一字符序列的边界框的左下角顶点的位置信息；根据所述第一字符序列的左边界线对应的直线方程的预测参数和所述第一字符序列的上边界线对应的直线方程的预测参数，可以得到所述第一字符序列的左边界线与所述第一字符序列的上边界线的交点，并可以将所述第一字符序列的左边界线与所述第一字符序列的上边界线的交点的位置信息作为所述第一字符序列的边界框的左上角顶点的位置信息。在本公开实施例中，所述第一字符序列的边界框的顶点的位置信息可以采用所述第一字符序列的边界框的顶点的坐标来表示。例如，所述第一字符序列的边界框的顶点的位置信息可以包括所述第一字符序列的边界框的左上角顶点的坐标、右上角顶点的坐标、右下角顶点的坐标和左下角顶点的坐标。

在步骤S13中，根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息。

在本公开实施例中，可以将所述第一字符序列的边界框的顶点的位置信息，作为所述第一字符序列的边界框的位置信息。例如，所述第一字符序列的边界框的位置信息可以包括所述第一字符序列的边界框的各个顶点的坐标。当然，在所述第一字符序列的边界框为矩形的情况下，还可以采用所述第一字符序列的边界框的任意一个顶点的坐标和与该顶点相连的两条边的边长来表示所述第一字符序列的边界框的位置信息，在此不作限定。

在本公开实施例中，通过对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息，并根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息，由此将字符序列的多边形(例如四边形)边界框拆解为多条(例如四条)独立的边界线，对每一条独立的边界线进行单独检测，从而每一条边界线的检测均不会被两个不同的顶点所干扰，进而能够提高字符检测的准确性。

在一种可能的实现方式中，所述对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，包括：基于所述待处理图像，针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数；根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。在该实现方式中，所述第一特征点表示与所述第一字符序列相关的特征点。其中，特征点可以表示图像灰度值发生剧烈变化的点和/或在图像边缘上曲率较大的点(即两个边缘的交点)。所述第一特征点的数量可以为多个，当然，也可以为1个，在此不作限定。例如，在所述第一特征点的数量为多个且所述第一字符序列的边界线的数量为4条的情况下，对于任意一个第一特征点，分别预测所述第一字符序列的每条边界线对应于所述第一特征点的参数，并对于任意一条边界线，根据该边界线对应于各个第一特征点的参数，确定该边界线的预测参数。例如，可以对该边界线对应于各个第一特征点的参数进行回归，得到该边界线的预测参数。在该实现方式中，基于所述待处理图像，针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数，并根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数，由此基于与第一字符序列相关的特征点对第一字符序列的边界线的参数进行预测，从而有助于提高得到边界线的预测参数的效率，并有助于提高所得到的预测参数的准确性。当然，在其他可能的实现方式中，还可以基于与第一字符序列相关的所有像素点(不限于与第一字符序列相关的第一特征点)确定第一字符序列的多条边界线的预测参数，在此不作限定。

作为该实现方式的一个示例，所述方法还包括：预测所述待处理图像中的像素所在位置属于字符的概率；根据所述待处理图像中的像素所在位置属于字符的概率，确定所述第一特征点。在该示例中，可以预测所述待处理图像中的各个像素所在位置属于字符的概率。根据所述待处理图像中的各个像素所在位置属于字符的概率，可以初步确定所述待处理图像中的各个字符序列所占的区域。对于任一第一字符序列，可以根据初步确定的所述第一字符序列所占区域中的特征点，确定所述第一特征点。例如，可以将初步确定的所述第一字符序列所占区域中的全部或部分特征点，确定为所述第一特征点。在该示例中，通过预测所述待处理图像中的像素所在位置属于字符的概率，并根据所述待处理图像中的像素所在位置属于字符的概率，确定所述第一特征点，由此能够准确地确定与第一字符序列相关的第一特征点。基于由此确定的一特征点对第一字符序列的边界线的参数进行预测，有助于进一步提高得到边界线的预测参数的效率，并有助于进一步提高所得到的预测参数的准确性。

在其他可能的示例中，还可以将所述待处理图像中的特征点分别作为第一特征点，而无需进行字符概率的预测。例如，在所述待处理图像中只存在一个第一字符序列，且第一字符序列占满或几乎占满所述待处理图像的情况下，可以将所述待处理图像中的特征点分别作为第一特征点。

作为该实现方式的一个示例，所述第一字符序列的多条边界线对应于所述第一特征点的参数包括：所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数，其中，所述第一特征点对应的极坐标系表示以所述第一特征点为极点的极坐标系。在该示例中，所述第一特征点对应的极坐标系可以以极点指向x轴正方向的轴作为极轴。当然，本领域技术人员可以根据实际应用场景需求灵活设置极轴，在此不作限定。在该示例中，所述第一字符序列的任意一条边界线在所述第一特征点对应的极坐标系下的距离参数，可以表示在所述第一特征点对应的极坐标系下、所述第一特征点与所述边界线之间的最小距离，即，可以表示在所述第一特征点对应的极坐标系下、所述第一特征点到所述边界线的垂线段的长度；所述第一字符序列的任意一条边界线在所述第一特征点对应的极坐标系下的角度参数，可以表示在所述第一特征点对应的极坐标系下、由所述第一特征点指向所述边界线上的垂点的向量与所述第一特征点对应的极坐标系的极轴之间的夹角，其中，所述边界线上的垂点表示所述第一特征点到所述边界线的垂线段与所述边界线的交点。

在一个例子中，笛卡尔坐标系(直角坐标系或者斜坐标系)下的直线方程可以采用式1来表示：

Ax+By+C＝0 式1，

其中，A、B和C表示直线方程的参数。

然而，当C≠0时，式1所示的直线方程中的参数及参数之间的相关性存在冗余。另外，笛卡尔坐标系下的直线方程的参数在图像中没有明确的物理意义，导致不利于网络学习。

在该示例中，可以将笛卡尔坐标系下的直线方程转换至极坐标系，得到式2：

ρ＝x cos θ+y sin θ 式2，

其中，ρ可以表示所述第一字符序列的任意一条边界线在所述第一特征点对应的极坐标系下的距离参数，θ可以表示所述第一字符序列的任意一条边界线在所述第一特征点对应的极坐标系下的角度参数。

相应地，直线方程的参数可以采用式3来表示：

A＝cosθ,B＝sinθ,C＝-ρ 式3。

图2示出第一字符序列的4条边界线在某一第一特征点对应的极坐标系下的距离参数和角度参数的示意图。如图2所示，第一字符序列的上边界线在该第一特征点对应的极坐标系下的距离参数为ρ₁，角度参数为θ₁；第一字符序列的右边界线在该第一特征点对应的极坐标系下的距离参数为ρ₂，角度参数为θ₂；第一字符序列的下边界线在该第一特征点对应的极坐标系下的距离参数为ρ₃，角度参数为θ₃；第一字符序列的左边界线在该第一特征点对应的极坐标系下的距离参数为ρ₄，角度参数为θ₄。

在该示例中，通过将边界线在笛卡尔坐标系下的直线方程映射到极坐标系中，得到在图像中具有明确的物理意义且相互独立的距离参数和角度参数，减少了学习参数和参数间的相关性，且有利于网络学习。

在一个例子中，所述根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数，包括：将所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数映射至笛卡尔坐标系，得到所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数；根据所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。在这个例子中，在所述第一特征点的数量为多个的情况下，多个第一特征点对应于不同的极坐标系，其中，任一第一特征点对应的极坐标系以该第一特征点为极点。因此，对于第一字符序列的任意一条边界线，在根据该边界线在多个第一特征点对应的极坐标系下的距离参数和角度参数回归得到该边界线的预测参数时，可以先将该边界线在多个第一特征点对应的极坐标系下的距离参数和角度参数映射至同一个笛卡尔坐标系下，得到该边界线在该笛卡尔坐标系下对应于多个特征点的参数，再根据该边界线在该笛卡尔坐标系下对应于多个特征点的参数进行回归，得到该边界线的预测参数。在该示例中，通过将所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数映射至笛卡尔坐标系，得到所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，并根据所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数，由此能够基于不同极坐标系下的参数回归得到边界线的预测参数。

如图2所示，例如，第一字符序列的上边界线的预测参数为A₁、B₁和C₁，即，所预测的第一字符序列的上边界线的直线方程可以表示为A₁x+B₁y+C₁＝0；第一字符序列的右边界线的预测参数为A₂、B₂和C₂，即，所预测的第一字符序列的右边界线的直线方程可以表示为A₂x+B₂y+C₂＝0；第一字符序列的下边界线的预测参数为A₃、B₃和C₃，即，所预测的第一字符序列的下边界线的直线方程可以表示为A₃x+B₃y+C₃＝0；第一字符序列的左边界线的预测参数为A₄、B₄和C₄，即，所预测的第一字符序列的左边界线的直线方程可以表示为A₄x+B₄y+C₄＝0。那么，可以根据式4至式6，得到第一字符序列的边界框的各个顶点的坐标：

D_kl＝A_kB_l-A_lB_k 式4，

其中，1≤k≤4，1≤l≤4，k和l均为整数。例如，(x₁₂,y₁₂)可以表示第一字符序列的边界框的右上角顶点的坐标，(x₂₃,y₂₃)可以表示第一字符序列的边界框的右下角顶点的坐标，(x₃₄,y₃₄)可以表示第一字符序列的边界框的左下角顶点的坐标，(x₄₁,y₄₁)可以表示第一字符序列的边界框的左上角顶点的坐标。

在其他示例中，所述第一字符序列的任意一条边界线对应于所述第一特征点的参数可以包括基于所述第一特征点预测的所述边界线在笛卡尔坐标系下的参数，在此不作限定。

作为该实现方式的一个示例，所述基于所述待处理图像，针对与第一字符序列相关的任一第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数，包括：将所述待处理图像输入预先训练的神经网络，经由所述神经网络针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数。在该示例中，通过预先训练的神经网络针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数，由此能够提高预测参数的速度，并能提高所预测的参数的准确性。当然，在其他示例中，还可以通过预先建立的模型、函数等预测所述第一字符序列的多条边界线对应于所述第一特征点的参数，在此不作限定。

在一个例子中，所述方法还包括：经由所述神经网络预测所述待处理图像中的像素所在位置属于字符的概率。在这个例子中，通过预先训练的神经网络预测所述待处理图像中的像素所在位置属于字符的概率，由此能够提高预测像素所在位置属于字符的概的速度，并能够提高所预测的概率的准确性。当然，在其他例子中，还可以通过预先建立的模型、函数等预测所述待处理图像中的像素所在位置属于字符的概率，在此不作限定。

在一种可能的实现方式中，在所述将所述待处理图像输入预先训练的神经网络之前，所述方法还包括：将训练图像输入所述神经网络，经由所述神经网络针对与所述训练图像中的第二字符序列相关的第二特征点，分别预测所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值；根据所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的参数的真值，训练所述神经网络。

在相关技术中，通过回归四边形的四个顶点来构成字符的边界框。由于顶点实际上是两条相邻边相交形成的，每个顶点的回归会影响两条边，因此，每条边都会被两个不同的顶点所干扰，从而影响网络的学习效率和检测效果。在该实现方式中，通过将字符序列的多边形(例如四边形)边界框拆解为多条(例如四条)独立的边界线，对每一条独立的边界线进行单独检测，由此不会由于回归顶点而给神经网络带来训练扰动，从而提高神经网络的学习效率和检测效果。根据该实现方式训练得到的神经网络能够学习到准确地预测字符序列的边界线的参数的能力。

作为该实现方式的一个示例，所述第二字符序列的多条边界线对应于所述第二特征点的参数包括：所述第二字符序列的多条边界线在所述第二特征点对应的极坐标系下的距离参数和角度参数，其中，所述第二特征点对应的极坐标系表示以所述第二特征点为极点的极坐标系；所述根据所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的参数的真值，训练所述神经网络，包括：根据所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的真值，训练所述神经网络；和/或，根据所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的真值，训练所述神经网络。在该示例中，通过将笛卡尔坐标系下的直线方程映射到极坐标系中，减少了学习参数和参数间的相关性，并且赋予了参数以图像中的实际物理意义，有利于网络学习。另外，在该示例中，通过训练神经网络学习检测字符序列的各条边界线对应于特征点的距离与角度，能够使边界线的检测不互相干扰，从而能够提高神经网络的学习效率和检测效果。

在一个例子中，所述根据所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的真值，训练所述神经网络，包括：对于所述第二字符序列的多条边界线中的任意一条边界线，根据所述边界线对应于所述第二特征点的距离参数的真值和预测值中的较小值与较大值的比值，训练所述神经网络。

例如，针对所述第二字符序列的多条边界线中的任意一条边界线，距离参数对应的损失函数L_ρ可以采用式7得到：

其中，N表示第二特征点的数量，

表示该边界线对应于第二特征点i的距离参数的真值，ρ_i表示该边界线对应于第二特征点i的距离参数的预测值，

表示该边界线对应于第二特征点i的距离参数的真值和预测值中的较小值，

表示该边界线对应于第二特征点i的距离参数的真值和预测值中的较大值。例如，若

则

若

则

由于

和ρ_i对应的极点相同(均为第二特征点i)，即，

和ρ_i的一端处于相同点，因此，在一个例子中，该距离参数对应的损失函数L_ρ可以称为射线IoU(Intersection over Union，交并比)损失函数。

在这个例子中，通过对于所述第二字符序列的多条边界线中的任意一条边界线，根据所述边界线对应于所述第二特征点的距离参数的真值和预测值中的较小值与较大值的比值，训练所述神经网络，由此能够对不同应用场景下、不同大小的距离参数进行归一化，从而能够有助于进行多尺度的字符检测，即，有助于在不同尺度的字符检测中达到更高的准确性。

当然，在其他例子中，对于所述第二字符序列的多条边界线中的任意一条边界线，还可以根据所述边界线对应于所述第二特征点的距离参数的真值与预测值的查找训练所述神经网络，在此不作限定。

在一个例子中，所述根据所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的真值，训练所述神经网络，包括：对于所述第二字符序列的多条边界线中的任意一条边界线，确定所述边界线对应于所述第二特征点的角度参数的真值与预测值的差值的绝对值；根据所述绝对值的半倍角的正弦值，训练所述神经网络。

其中，所述绝对值的半倍角等于所述绝对值的0.5倍。例如，对于所述第二字符序列的多条边界线中的任意一条边界线，所述边界线对应于任一第二特征点的角度参数的预测值与真值的差值为90°或﹣90°，则所述边界线对应于该第二特征点的角度参数的真值与预测值的差值的绝对值为90°，则所述绝对值的半倍角为45°。

例如，针对所述第二字符序列的多条边界线中的任意一条边界线，角度参数对应的损失函数L_θ可以采用式8得到：

其中，N表示第二特征点的数量，

表示该边界线对应于第二特征点i的角度参数的真值，θ_i表示该边界线对应于第二特征点i的角度参数的预测值，

表示该边界线对应于第二特征点i的角度参数的真值与预测值的差值的绝对值，

表示该边界线对应于第二特征点i的角度参数的真值与预测值的差值的绝对值的半倍角。

在这个例子中，对于所述第二字符序列的多条边界线中的任意一条边界线，所述边界线对应于任一第二特征点的角度参数的真值和预测值的取值范围可以是[0，2π]，即，

0≤θ_i≤2π。然而，在极坐标系中，0与2π重合。通过对于所述第二字符序列的多条边界线中的任意一条边界线，确定所述边界线对应于所述第二特征点的角度参数的真值与预测值的差值的绝对值，并根据所述绝对值的半倍角的正弦值，训练所述神经网络，由此不会因为0与2π混淆而对神经网络的学习带来干扰，从而有助于提高神经网络的学习效率和检测效果。

当然，本领域技术人员还可以对式8进行变形后采用余弦损失函数等，在此不作限定。

作为该实现方式的一个示例，所述第二特征点包括所述第二字符区域对应的有效区域中的特征点。在该示例中，所述第二特征点可以仅包括所述第二字符区域对应的有效区域中的特征点，不包括所述第二字符区域对应的有效区域外的特征点。在计算所述神经网络的损失函数时，通过仅监督所述第二字符区域对应的有效区域中的特征点，不监督所述第二字符区域对应的有效区域外的特征点，有助于减少网络负担。对于所述第二字符区域的真实边界框中、靠近所述真实边界框的边缘区域的任一特征点而言，该特征点与所述真实边界框的边界线之间的距离较小，难以准确检测，容易造成较大的误差。例如，对于有效区域中的某一特征点，该特征点与所述真实边界框的某一边界线的距离参数的预测值为9，真实值为10，则误差为10％；对于有效区域外的某一特征点，该特征点与所述真实边界框的某一边界线的距离参数的预测值为1，真实值为2，则误差为50％。因此，通过忽略有效区域之外的特征点，有助于减少网络负担。当然，在其他示例中，所述第二字符序列的真实边界框中的所有特征点，在此不作限定。

在一个例子中，所述方法还包括：获取所述第二字符序列的真实边界框的位置信息；根据所述真实边界框的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域。在这个例子中，所述第二字符序列对应的有效区域的范围在所述第二字符序列的真实边界框内，且所述第二字符序列对应的有效区域的尺寸小于所述第二字符序列的真实边界框的尺寸。图3示出第二字符区域的真实边界框31和有效区域32的示意图。基于这个例子得到所述第二字符序列对应的有效区域，并基于第二字符序列对应的有效区域中的特征点进行神经网络的训练，有助于减少网络负担。

例如，所述根据所述真实边界框的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域，包括：根据所述真实边界框的位置信息，确定所述真实边界框的锚点，其中，所述真实边界框的锚点为所述真实边界框的对角线的交点；根据所述真实边界框的位置信息，所述真实边界框的锚点的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域，其中，第一距离与第二距离的比值等于所述预设比例，所述第一距离表示所述有效区域的第一顶点与所述锚点之间的距离，所述第二距离表示真实边界框中所述第一顶点对应的顶点与所述锚点之间的距离，所述第一顶点表示所述有效区域的任一顶点。例如，预设比例可以是0.35、0.4、0.3等等，在此不作限定。例如，所述第一顶点为所述有效区域的左上角顶点，则所述真实边界框中所述第一顶点对应的顶点为所述真实边界框的左上角顶点，以此类推。根据这个例子得到所述第二字符序列对应的有效区域，并基于第二字符序列对应的有效区域中的特征点进行神经网络的训练，有助于提高神经网络的学习效率和预测准确性。

在一个例子中，第二字符序列的真实边界框的4个顶点的坐标可以表示为(x_i,y_i)，i＝1,2,3,4。其中，第二字符序列的真实边界框的4个顶点可以按顺时针方向排序，(x₁,y₁)可以表示第二字符序列的真实边界框的左上角顶点，(x₂,y₂)可以表示第二字符序列的真实边界框的右上角顶点，(x₃,y₃)可以表示第二字符序列的真实边界框的右下角顶点，(x₄,y₄)可以表示第二字符序列的真实边界框的左下角顶点。对于任一第二特征点(x₀,y₀)，第二字符序列的真实边界框的任意一条边界线对应于该第二特征点的距离参数的真值

和角度参数的真值

可以采用式9至式16确定：

j＝mod(i,4)+1 式9，

A＝y_j-y_i 式10，

B＝x_i-x_j 式11，

C＝x_jy_i-x_iy_j 式12，

e＝(1,0) 式15，

其中，q表示第二特征点到该边界线的垂线向量的真值，q与第二特征点到该边界线的垂线平行，且由第二特征点指向垂点，BC＞0表示q在极轴下方。

作为该实现方式的一个示例，所述方法还包括：经由所述神经网络预测所述训练图像中的像素所在位置属于字符的概率；根据所述训练图像中的像素所在位置属于字符的概率，以及所述训练图像中的像素所在位置属于字符的标注数据，训练所述神经网络。在该示例中，所述神经网络可以为多任务学习模型，分别学习字符分割(即学习检测图像中的像素所在位置属于字符的概率)以及边界线的参数预测两个任务。根据该示例，能够使神经网络学习到预测像素所在位置属于字符的概率的能力。

在一个例子中，所述根据所述训练图像中的像素所在位置属于字符的概率，以及所述训练图像中的像素所在位置属于字符的标注数据，训练所述神经网络，包括：根据所述第二字符序列对应的有效区域中的像素所在位置属于字符的概率，以及所述有效区域中的像素所在位置属于字符的标注数据，训练所述神经网络。

例如，字符分割对应的损失函数可以采用式17得到：

其中，

表示第二字符序列对应的有效区域，

表示第二字符序列对应的有效区域中的像素数；

表示第二字符序列对应的有效区域中的像素j所在位置属于字符的标注数据，例如，若像素j所在位置属于字符，则

若像素j所在位置不属于字符，则

y_j表示第二字符序列对应的有效区域中的像素j所在位置属于字符的概率，0≤y_j≤1。

在这个例子中，通过根据所述第二字符序列对应的有效区域中的像素所在位置属于字符的概率，以及所述有效区域中的像素所在位置属于字符的标注数据，训练所述神经网络，由此能够使所述神经网络学习到字符分割的能力，且能提高所述神经网络学习字符分割的效率。

在一个例子中，可以采用如式18所示的损失函数L训练所述神经网络：

L＝λ₁L_cls+λ₂L_ρ+λ₃L_θ 式18，

其中，L_cls表示字符分割对应的损失函数，L_ρ表示距离参数对应的损失函数，L_θ表示角度参数对应的损失函数，λ₁表示L_cls对应的权重，λ₂表示L_ρ对应的权重，λ₃表示L_θ对应的权重，λ₁、λ₂和λ₃可以根据经验或者训练策略等灵活设置，例如，λ₁＝λ₂＝λ₃＝1，在此不作限定。

作为该实现方式的一个示例，所述神经网络可以包括至少一个通道削减模块，以降低所述神经网络的计算量，提高所述神经网络进行边界线检测的速度。

作为该实现方式的一个示例，所述神经网络可以包括至少一个特征聚合模块，以充分地利用多尺度的特征，提高所述神经网络进行边界线检测的准确性。

下面对本公开实施例的一个应用场景进行说明。图4示出本公开实施例的一个应用场景的示意图。如图4所示，所述神经网络可以是编码器-解码器的结构。在图4中，模块1表示通道削减模块。例如，通道削减模块可以采用1×1卷积来实现。当然，通道削减模块还可以采用3×3卷积等来实现，在此不作限定。模块2表示特征聚合模块。特征聚合模块可以用于对输入的特征图进行相乘、相加、concat(合并)等中的至少一种操作。例如，如图4所示，特征聚合模块可以将输入的特征图的尺寸(宽和高)扩大为两倍后，基于扩大后的特征图与通道削减模块的输出进行concat、1×1非线性卷积和3×3非线性卷积。如图4所示，所述神经网络可以使用骨架网络提取基础特征，经过特征聚合模块不断融合不同尺度的特征，最终得到9个通道的特征图，其中一个通道为文字置信度(即输入图像中的各个像素输入字符的概率)，其他8个通道为4条边界线的直线方程的距离参数和角度参数。根据输入图像中3个字符序列的各条边界线在极坐标系下的距离参数和角度参数，可以得到3个字符序列的各条边界线在笛卡尔坐标系下的直线方程。图4的右侧的虚线框中对4条边界线的直线方程进行了可视化，其中，从上到下依次示出了3个字符序列的上边界线、右边界线、下边界线和左边界线。根据输入图像中3个字符序列的各条边界线的直线方程，可以得到3个字符序列的边界框，如图4的左下方所示。

本公开实施例提供的字符检测方法可以应用于通用自然场景下的字符检测，以及实时文本翻译、单据识别、证件识别(例如身份证、银行卡)、车牌识别等应用场景中，在此不作限定。在一些自然场景中，由于相机视角畸变，图像中的字符将呈现为不规则的四边形。通过采用本公开实施例，能够精确地检测字符的边界，从而进一步校正字符的形状，有利于后续的字符识别。另外，除了字符之外，有一些字符的载体也会呈现出上述现象，例如刚性的身份证、银行卡以及车牌等。通过采用本公开实施例检测这些包含字符的四边形载体的边界，同样有利于后续的字符识别环节。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了字符检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种字符检测方法，相应技术方案和技术效果可参见方法部分的相应记载，不再赘述。

图5示出本公开实施例提供的字符检测装置的框图。如图5所示，所述字符检测装置包括：

第一预测模块51，用于对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，其中，所述第一字符序列的边界线表示所述第一字符序列所在区域与非所述第一字符序列所在区域之间的分界线；

第一确定模块52，用于根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息；

第二确定模块53，用于根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息。

在一种可能的实现方式中，所述第一预测模块51用于：

基于所述待处理图像，针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数；

根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。

在一种可能的实现方式中，所述装置还包括：

第二预测模块，用于预测所述待处理图像中的像素所在位置属于字符的概率；

第三确定模块，用于根据所述待处理图像中的像素所在位置属于字符的概率，确定所述第一特征点。

在一种可能的实现方式中，所述第一字符序列的多条边界线对应于所述第一特征点的参数包括：

所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数，其中，所述第一特征点对应的极坐标系表示以所述第一特征点为极点的极坐标系。

在一种可能的实现方式中，所述第一预测模块51用于：

将所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数映射至笛卡尔坐标系，得到所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数；

根据所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。

在一种可能的实现方式中，所述第一字符序列的多条边界线包括所述第一字符序列的上边界线、右边界线、下边界线和左边界线。

在一种可能的实现方式中，所述第一预测模块51用于：

将所述待处理图像输入预先训练的神经网络，经由所述神经网络针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数。

在一种可能的实现方式中，所述装置还包括：

第三预测模块，用于经由所述神经网络预测所述待处理图像中的像素所在位置属于字符的概率。

在一种可能的实现方式中，所述装置还包括：

第四预测模块，用于将训练图像输入所述神经网络，经由所述神经网络针对与所述训练图像中的第二字符序列相关的第二特征点，分别预测所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值；

第一训练模块，用于根据所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的参数的真值，训练所述神经网络。

在一种可能的实现方式中，所述第二字符序列的多条边界线对应于所述第二特征点的参数包括：所述第二字符序列的多条边界线在所述第二特征点对应的极坐标系下的距离参数和角度参数，其中，所述第二特征点对应的极坐标系表示以所述第二特征点为极点的极坐标系；

所述第一训练模块用于：

根据所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的真值，训练所述神经网络；

和/或，

根据所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的真值，训练所述神经网络。

在一种可能的实现方式中，所述第一训练模块用于：

对于所述第二字符序列的多条边界线中的任意一条边界线，根据所述边界线对应于所述第二特征点的距离参数的真值和预测值中的较小值与较大值的比值，训练所述神经网络。

在一种可能的实现方式中，所述第一训练模块用于：

对于所述第二字符序列的多条边界线中的任意一条边界线，确定所述边界线对应于所述第二特征点的角度参数的真值与预测值的差值的绝对值；

根据所述绝对值的半倍角的正弦值，训练所述神经网络。

在一种可能的实现方式中，所述第二特征点包括所述第二字符区域对应的有效区域中的特征点。

在一种可能的实现方式中，所述装置还包括：

第五预测模块，用于经由所述神经网络预测所述训练图像中的像素所在位置属于字符的概率；

第二训练模块，用于根据所述训练图像中的像素所在位置属于字符的概率，以及所述训练图像中的像素所在位置属于字符的标注数据，训练所述神经网络。

在一种可能的实现方式中，所述第二训练模块用于：

根据所述第二字符序列对应的有效区域中的像素所在位置属于字符的概率，以及所述有效区域中的像素所在位置属于字符的标注数据，训练所述神经网络。

在一种可能的实现方式中，所述装置还包括：

获取模块，用于获取所述第二字符序列的真实边界框的位置信息；

缩小模块，用于根据所述真实边界框的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域。

在一种可能的实现方式中，所述缩小模块用于：

根据所述真实边界框的位置信息，确定所述真实边界框的锚点，其中，所述真实边界框的锚点为所述真实边界框的对角线的交点；

根据所述真实边界框的位置信息，所述真实边界框的锚点的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域，其中，第一距离与第二距离的比值等于所述预设比例，所述第一距离表示所述有效区域的第一顶点与所述锚点之间的距离，所述第二距离表示真实边界框中所述第一顶点对应的顶点与所述锚点之间的距离，所述第一顶点表示所述有效区域的任一顶点。

在本公开实施例中，通过对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息，并根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息，由此将字符序列的多边形(例如四边形)边界框拆解为多条(例如四条)独立的边界线，对每一条独立的边界线进行单独检测，从而每一条边界线的检测均不会被两个不同的顶点所干扰，进而能够提高字符检测的准确性。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现和技术效果可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。其中，所述计算机可读存储介质可以是非易失性计算机可读存储介质，或者可以是易失性计算机可读存储介质。

本公开实施例还提出一种计算机程序，包括计算机可读代码，当所述计算机可读代码在电子设备中运行时，所述电子设备中的处理器执行用于实现上述方法。

本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的字符检测方法的操作。

本公开实施例还提供一种电子设备，包括：一个或多个处理器；用于存储可执行指令的存储器；其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行上述方法。

电子设备可以被提供为终端、服务器或其它形态的设备。

图6示出本公开实施例提供的一种电子设备800的框图。例如，电子设备800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，个人数字助理等终端。

参照图6，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800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802可以包括一个或多个处理器820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802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800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804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806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800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808包括一个前置摄像头和/或后置摄像头。当电子设备800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810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802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814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814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814还可以包括光传感器，如互补金属氧化物半导体(CMOS)或电荷耦合装置(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814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816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)/通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)或它们的组合。在一个示例性实施例中，通信组件816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816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，电子设备800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804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图7示出本公开实施例提供的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932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1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(Windows Server^TM)，苹果公司推出的基于图形用户界面操作系统(Mac OSX^TM)，多用户多进程的计算机操作系统(Unix^TM),自由和开放原代码的类Unix操作系统(Linux^TM)，开放原代码的类Unix操作系统(FreeBSD^TM)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1932，上述计算机程序指令可由电子设备1900的处理组件1922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。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

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 (20)

1.一种字符检测方法，其特征在于，包括：

对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，其中，所述第一字符序列的边界线表示所述第一字符序列所在区域与非所述第一字符序列所在区域之间的分界线；

根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息；

根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，包括：

基于所述待处理图像，针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数；

根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

预测所述待处理图像中的像素所在位置属于字符的概率；

根据所述待处理图像中的像素所在位置属于字符的概率，确定所述第一特征点。

4.根据权利要求2或3所述的方法，其特征在于，所述第一字符序列的多条边界线对应于所述第一特征点的参数包括：

所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数，其中，所述第一特征点对应的极坐标系表示以所述第一特征点为极点的极坐标系。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一字符序列的多条边界线对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数，包括：

将所述第一字符序列的多条边界线在所述第一特征点对应的极坐标系下的距离参数和角度参数映射至笛卡尔坐标系，得到所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数；

根据所述第一字符序列的多条边界线在笛卡尔坐标系下对应于所述第一特征点的参数，确定所述第一字符序列的多条边界线的预测参数。

6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述第一字符序列的多条边界线包括所述第一字符序列的上边界线、右边界线、下边界线和左边界线。

7.根据权利要求2所述的方法，其特征在于，所述基于所述待处理图像，针对与第一字符序列相关的任一第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数，包括：

将所述待处理图像输入预先训练的神经网络，经由所述神经网络针对与第一字符序列相关的第一特征点，分别预测所述第一字符序列的多条边界线对应于所述第一特征点的参数。

8.根据权利要求7所述的方法，其特征在于，所述方法还包括：

经由所述神经网络预测所述待处理图像中的像素所在位置属于字符的概率。

9.根据权利要求7或8所述的方法，其特征在于，在所述将所述待处理图像输入预先训练的神经网络之前，所述方法还包括：

将训练图像输入所述神经网络，经由所述神经网络针对与所述训练图像中的第二字符序列相关的第二特征点，分别预测所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值；

根据所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的参数的真值，训练所述神经网络。

10.根据权利要求9所述的方法，其特征在于，所述第二字符序列的多条边界线对应于所述第二特征点的参数包括：所述第二字符序列的多条边界线在所述第二特征点对应的极坐标系下的距离参数和角度参数，其中，所述第二特征点对应的极坐标系表示以所述第二特征点为极点的极坐标系；

所述根据所述第二字符序列的多条边界线对应于所述第二特征点的参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的参数的真值，训练所述神经网络，包括：

根据所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的真值，训练所述神经网络；

和/或，

根据所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的真值，训练所述神经网络。

11.根据权利要求10所述的方法，其特征在于，所述根据所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的距离参数的真值，训练所述神经网络，包括：

对于所述第二字符序列的多条边界线中的任意一条边界线，根据所述边界线对应于所述第二特征点的距离参数的真值和预测值中的较小值与较大值的比值，训练所述神经网络。

12.根据权利要求10所述的方法，其特征在于，所述根据所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的预测值，以及所述第二字符序列的多条边界线对应于所述第二特征点的角度参数的真值，训练所述神经网络，包括：

对于所述第二字符序列的多条边界线中的任意一条边界线，确定所述边界线对应于所述第二特征点的角度参数的真值与预测值的差值的绝对值；

根据所述绝对值的半倍角的正弦值，训练所述神经网络。

13.根据权利要求9至12中任意一项所述的方法，其特征在于，所述第二特征点包括所述第二字符区域对应的有效区域中的特征点。

14.根据权利要求9至13中任意一项所述的方法，其特征在于，所述方法还包括：

经由所述神经网络预测所述训练图像中的像素所在位置属于字符的概率；

根据所述训练图像中的像素所在位置属于字符的概率，以及所述训练图像中的像素所在位置属于字符的标注数据，训练所述神经网络。

15.根据权利要求14所述的方法，其特征在于，所述根据所述训练图像中的像素所在位置属于字符的概率，以及所述训练图像中的像素所在位置属于字符的标注数据，训练所述神经网络，包括：

根据所述第二字符序列对应的有效区域中的像素所在位置属于字符的概率，以及所述有效区域中的像素所在位置属于字符的标注数据，训练所述神经网络。

16.根据权利要求13或15所述的方法，其特征在于，所述方法还包括：

获取所述第二字符序列的真实边界框的位置信息；

根据所述真实边界框的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域。

17.根据权利要求16所述的方法，其特征在于，所述根据所述真实边界框的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域，包括：

根据所述真实边界框的位置信息，确定所述真实边界框的锚点，其中，所述真实边界框的锚点为所述真实边界框的对角线的交点；

根据所述真实边界框的位置信息，所述真实边界框的锚点的位置信息，以及预设比例，缩小所述真实边界框，得到所述第二字符序列对应的有效区域，其中，第一距离与第二距离的比值等于所述预设比例，所述第一距离表示所述有效区域的第一顶点与所述锚点之间的距离，所述第二距离表示真实边界框中所述第一顶点对应的顶点与所述锚点之间的距离，所述第一顶点表示所述有效区域的任一顶点。

18.一种字符检测装置，其特征在于，包括：

第一预测模块，用于对待处理图像中第一字符序列的多条边界线分别进行预测，得到所述第一字符序列的多条边界线的预测参数，其中，所述第一字符序列的边界线表示所述第一字符序列所在区域与非所述第一字符序列所在区域之间的分界线；

第一确定模块，用于根据所述第一字符序列的多条边界线的预测参数，确定所述第一字符序列的边界框的顶点的位置信息；

第二确定模块，用于根据所述第一字符序列的边界框的顶点的位置信息，确定所述第一字符序列的边界框的位置信息。

19.一种电子设备，其特征在于，包括：

一个或多个处理器；

用于存储可执行指令的存储器；

其中，所述一个或多个处理器被配置为调用所述存储器存储的可执行指令，以执行权利要求1至17中任意一项所述的方法。

20.一种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17中任意一项所述的方法。

Images