CN113343997B - 光学字符识别方法、装置、电子设备和存储介质 - Google Patents
光学字符识别方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113343997B CN113343997B CN202110547936.6A CN202110547936A CN113343997B CN 113343997 B CN113343997 B CN 113343997B CN 202110547936 A CN202110547936 A CN 202110547936A CN 113343997 B CN113343997 B CN 113343997B
- Authority
- CN
- China
- Prior art keywords
- image
- result corresponding
- spliced image
- spliced
- optical character
- 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.)
- Active
Links
- 238000012015 optical character recognition Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 67
- 230000011218 segmentation Effects 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Character Discrimination (AREA)
- Character Input (AREA)
Abstract
本公开提供了光学字符识别方法、装置、电子设备和存储介质,涉及人工智能技术领域,具体为计算机视觉和深度学习技术领域。具体实现方案为:根据多帧图像以增量式的方式生成多个第一拼接图像;获取一个待识别的第一拼接图像;根据已识别的第一拼接图像对应的识别结果对待识别的第一拼接图像进行切分,得到第二拼接图像;对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果;以及将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。无需整图进行识别,有效地将连续帧间的文字组织在一起,增强了识别效果,可应用于图像识别场景下的文字识别。
Description
技术领域
本公开涉及人工智能技术领域,具体为计算机视觉和深度学习技术领域,尤其涉及一种光学字符识别方法、装置、电子设备和存储介质。
背景技术
近年来,光学字符识别(Optical Character Recognition,简称OCR)技术在教育、金融、医疗等各行各业都得到了广泛关注和应用,随着移动应用和智能硬件设备的快速发展,对轻量化、低功耗、实时的OCR解决方案需求越来越多。
相关技术中,图像OCR方法识别效果不佳。
发明内容
提供了一种光学字符识别方法、装置、电子设备和存储介质。
根据第一方面,提供了一种光学字符识别方法,包括:获取待识别的多帧图像;根据所述多帧图像以增量式的方式生成多个第一拼接图像;获取一个待识别的所述第一拼接图像;根据已识别的所述第一拼接图像对应的识别结果对待识别的所述第一拼接图像进行切分,得到第二拼接图像;对所述第二拼接图像进行光学字符识别,得到当前所述第一拼接图像对应的第二识别结果;以及将已识别的所述第一拼接图像对应的识别结果和所述第二拼接图像对应的识别结果合并,得到待识别的所述第一拼接图像对应的识别结果。
根据第二方面,提供了一种光学字符识别装置,包括:第一获取模块,用于获取待识别的多帧图像;生成模块,用于根据所述多帧图像以增量式的方式生成多个第一拼接图像;第二获取模块,用于获取一个待识别的所述第一拼接图像;切分模块,用于根据已识别的所述第一拼接图像对应的识别结果对待识别的所述第一拼接图像进行切分,得到第二拼接图像;识别模块,用于对所述第二拼接图像进行光学字符识别,得到所述第二拼接图像对应的识别结果;以及合并模块,用于将已识别的所述第一拼接图像对应的识别结果和所述第二拼接图像对应的识别结果合并,得到待识别的所述第一拼接图像对应的识别结果。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开第一方面所述的光学字符识别方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开第一方面所述的光学字符识别方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现本公开第一方面所述光学字符识别方法的步骤。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的光学字符识别方法的流程示意图;
图2是根据本公开第二实施例的光学字符识别方法的流程示意图;
图3是根据本公开第三实施例的光学字符识别方法的流程示意图;
图4是根据本公开第四实施例的光学字符识别方法的流程示意图;
图5为本公开实施例的光学字符识别方法场景示意图;
图6为本公开实施例的光学字符识别方法中的增量图像OCR识别模块的场景示意图;
图7是根据本公开第一实施例的光学字符识别装置的框图;
图8是根据本公开第二实施例的光学字符识别装置的框图;
图9是用来实现本公开实施例的光学字符识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
人工智能(Artificial Intelligence,简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。目前,AI技术具有自动化程度高、精确度高、成本低的优点,得到了广泛的应用。
计算机视觉(Computer Vision),又称为机器视觉(Machine Vision),是使用计算机及相关设备对生物视觉的一种模拟,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
深度学习(Deep Learning,简称DL),是机器学习(Machine Learning,简称ML)领域中一个新的研究方向,学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。就具体研究内容而言,主要包括基于卷积运算的神经网络系统,即卷积神经网络;基于多层神经元的自编码神经网络;以多层自编码神经网络的方式进行预训练,进而结合鉴别信息进一步优化神经网络权值的深度置信网络。深度学习在搜索技术,数据挖掘,机器学习,机器翻译,自然语言处理,多媒体学习,语音,推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。
下面结合附图描述本公开实施例的光学字符识别方法、装置、电子设备和存储介质。
图1是根据本公开第一实施例的光学字符识别方法的流程示意图。
如图1所示,本公开实施例的光学字符识别方法具体可包括以下步骤:
S101,获取待识别的多帧图像。
具体的,本公开实施例的光学字符识别方法的执行主体可为本公开实施例提供的光学字符识别装置,该光学字符识别装置可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选的,执行主体可包括工作站、服务器,计算机、用户终端及其他设备。其中,用户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
在本公开实施例中,待识别的多帧图像可以为相机、手机摄像头等摄影装置或其他智能硬件设备获取的图像,例如以视频的形式呈现的多帧图像。
S102,根据多帧图像以增量式的方式生成多个第一拼接图像。
具体的,将步骤S101获得的多帧图像以增量式的方式进行图像拼接生成多个第一拼接图像。例如,假设获取的待识别图像为3帧图像,则第一帧图像与第二帧图像经过图像全景拼接生成一张第一拼接图像,然后以增量式的方式继续拼接第三帧图像生成另一张第一拼接图像即第一帧图像、第二帧图像和第三帧图像共同拼接生成另一张第一拼接图像。其中,图像全景拼接可以基于尺度不变特征变换(Scale-invariant feature transform,简称SIFT)或ORB(Oriented FAST and Rotated BRIEF)等图像描述子实现,本公开不做过多限定。
S103,获取一个待识别的第一拼接图像。
具体的,从步骤S102生成的多个第一拼接图像之中,按照生成顺序依次获取一个待识别的第一拼接图像。
S104,根据已识别的第一拼接图像对应的识别结果对待识别第一拼接图像进行切分,得到第二拼接图像。
具体的,已识别的第一拼接图像经过光学字符识别得到识别结果,例如通过光学字符识别获得文本内容“忠诚陪伴安全”,其中,具体实施中,上述已识别的第一拼接图像具体可以为最新一个已完成光学字符识别的第一拼接图像。根据已识别的第一拼接图像对应的识别结果进行待识别的第一拼接图像的切分,得到第二拼接图像,第二拼接图像至少包含待识别的第一拼接图像中,与已识别的第一拼接图像对应的识别结果不对应的图像。具体实施中,当进行了第一次光学字符识别后,即可得到首张第一拼接图像的识别结果,识别结果具体可以包括识别内容即字符内容和每个字符的位置即字符位置,从而在进行第二次光学字符识别时,只需要根据已识别的第一拼接图像对应的识别结果从待识别的第一拼接图像中截取合适的图像长度进行光学字符识别即可,无需整图进行识别,降低了光学字符识别任务的负担,使得每次光学字符识别的时间可控。
S105,对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果。
具体的,对步骤S104得到的第二拼接图像进行光学字符识别得到第二拼接图像对应的识别结果。其中,光学字符识别可包括中间行检测和对中间行的光学字符识别。
S106,将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。
具体的,将已识别的第一拼接图像对应的识别结果和步骤S105获得的第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。
此处需要说明的是,当根据上述步骤完成一个待识别的第一拼接图像的光学字符识别后,若存在其他待识别的第一拼接图像,则重复上述步骤S103-S106,即再次获取一个待识别的第一拼接图像,根据已识别的第一拼接图像对应的识别结果对待识别的第一拼接图像进行切分,得到第二拼接图像,对第二拼接图像进行光学字符识别得到第二拼接图像对应的识别结果,将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。直至完成步骤S102生成的全部第一拼接图像的光学字符识别。此外,上述步骤S102描述的生成第一拼接图像的过程与步骤S103-S106描述的生成第一拼接图像对应的识别结果的过程可以同时进行,实现边扫描图像边进行文字输出,以进一步压缩识别时间,增强识别效率。
综上,本公开实施例的光学字符识别方法,获取待识别的多帧图像,根据多帧图像以增量式的方式生成多个第一拼接图像,获取一个待识别的第一拼接图像,根据已识别的第一拼接图像对应的识别结果对待识别的第一拼接图像进行切分,得到第二拼接图像,对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果,以及将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到已识别的第一拼接图像对应的识别结果。可应用于图像识别场景下的文字识别尤其是视频形式的文字识别,通过拼接-切分-合并的方式完成多帧图像的光学字符识别,将连续帧间的文字有效的组织在一起,增强了识别效果,且根据已识别的第一拼接图像的识别结果从待识别的第一拼接图像中截取出合适的第二拼接图像进行光学字符识别,无需整图进行识别,且拼接和识别并行进行,实现了边扫描图像边进行文字输出,进一步压缩了识别时间,增强了识别效率。
图2是根据本公开第二实施例的光学字符识别方法的流程示意图。
如图2所示,在图1所示实施例的基础上,本公开实施例的光学字符识别方法具体可包括以下步骤:
S201,获取待识别的多帧图像。
S202,根据多帧图像以增量式的方式生成多个第一拼接图像。
S203,获取一个待识别的第一拼接图像。
具体的,本实施例中的步骤S201-S203与上述实施例中的步骤S101-S103相同,此处不再赘述。
上述实施例中的步骤S104“根据已识别的第一拼接图像对应的识别结果对待识别的第一拼接图像进行切分,得到第二拼接图像”具体可包括以下步骤S204-S206。
S204,将已识别的第一拼接图像对应的最右侧的字符位置的左边界确定为切分位置。
具体的,将已识别的第一拼接图像对应的识别结果中最右侧的字符位置的左边界确定为切分位置,例如上述实施例中已识别的第一拼接图像对应的第一识别结果“忠诚陪伴安全”,对应的最右侧的字符位置即为字符“全”的位置,最右侧字符位置的左边界即为字符“全”的左边界,从而可将字符“全”的左边界确定为切分位置。
S205,根据切分位置对待识别的第一拼接图像进行切分。
具体的,根据步骤S204确定的切分位置对待识别的第一拼接图像进行切分,切分为切分位置左侧和右侧两个图像。
S206,将切分位置右侧的图像确定为第二拼接图像。
具体的,经过步骤S205切分后,将切分位置右侧的图像确定为第二拼接图像。本领域技术人员容易理解的是,第二拼接图像可以看作至少包括待识别的第一拼接图像中未进行光学字符识别的图像片段。
S207,对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果。
S208,将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。
具体的,本实施例中的步骤S207-S208与上述实施例中的步骤S105-S106相同,此处不再赘述。假设对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果为“全可控引人向上”,则将已识别的第一拼接图像对应的识别结果“忠诚陪伴安全”和第二拼接图像对应的识别结果“全可控引人向上”合并,合并过程中对重复的“全”进行去重处理,得到待识别的第一拼接图像对应的识别结果“忠诚陪伴安全可控引人向上”。
进一步的,如图3所示,在图2所示实施例的基础上,上述步骤S207“对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果”具体可包括以下步骤:
S301,对第二拼接图像进行中间行检测。
具体的,对第二拼接图像进行中间行检测,通过极致化的快速中间行检测完成中间行定位。其中,中间行检测可以通过文本检测(Efficient and Accuracy Scene Text,简称EAST)算法、多点回归等方法以及轻量级神经网络(例如MobileNet)实现,本公开不做过多限制。
S302,对检测出的中间行进行光学字符识别,得到第二拼接图像对应的识别结果。
具体的,对步骤S301检测出的中间行进行光学字符识别,得到第二拼接图像对应的识别结果。其中,光学字符识别可以采用深度卷积神经网络中的联结主义时间分类(Connectionist temporal classification,简称CTC)模型,搭配前处理模块空间变换网络(Spatial Transformer Networks,简称STN)模型以及语义化的增强模块注意力(Attention)机制等轻量化设计结构,从而在实现文字等字符的准确识别的同时压缩识别速度,例如,在低端的硬件设备上能够满足几ms以内的速度。具体的模型算法可根据需要选择,本公开不做过多限定。
进一步的,如图4所示,在图2所示实施例的基础上,上述步骤S208“将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果”具体可包括以下步骤:
S401,根据已识别的第一拼接图像对应的识别结果确定切分位置左侧的图像对应的识别结果。
具体的,根据已识别的第一拼接图像对应的识别结果确定待识别的第一拼接图像中切分位置左侧的图像对应的识别结果。例如上述实施例中确定的以字符“全”的左侧为切分位置,则切分位置右侧的图像对应的识别结果即为“忠诚陪伴安”。
S402,将切分位置左侧的图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。
具体的,将步骤S401得到的切分位置左侧的图像对应的识别结果,例如“忠诚陪伴安”和第二拼接图像对应的识别结果例如“全可控引人向上”合并,得到待识别的第一拼接图像对应的识别结果“忠诚陪伴安全可控引人向上”。
综上,本公开实施例的光学字符识别方法,获取待识别的多帧图像,根据多帧图像以增量式的方式生成多个第一拼接图像,获取一个待识别的第一拼接图像;根据已识别的第一拼接图像对应的识别结果对待识别的第一拼接图像进行切分,得到第二拼接图像,对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果,以及将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。本公开的光学字符识别方法根据已识别的第一拼接图像对应的识别结果确定对待识别的第一拼接图像切分的位置,避免了将图像文字切碎的问题,通过拼接-切分-合并的方式完成多帧图像的光学字符识别,将连续帧间的文字有效的组织在一起,增强了识别效果,且根据已识别的第一拼接图像的识别结果从待识别的第一拼接图像中截取出合适的第二拼接图像进行光学字符识别,无需整图进行识别,且拼接和识别并行进行,实现了边扫描图像边进行文字输出,进一步压缩了识别时间,增强了识别效率。
为清楚地说明本公开实施例的光学字符识别方法,下面结合图5-图6进行详细描述。
图5为本公开实施例的光学字符识别方法的场景示意图。如图5所示,将获取的待识别的多帧图像输入图像全景拼接模块,图像全景拼接模块以增量式的方式对多帧图像进行逐帧拼接,得到多个第一拼接图像,获取一个待识别的第一拼接图像输入增量图像OCR识别模块,增量图像OCR识别模块对第一拼接图像进行全景图切分得到第二拼接图像,对第二拼接图像进行中间行检测和光学字符识别得到对应的识别结果,将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的第一识别结果。
其中,如图6所示,以二次识别为例对增量图像OCR识别进行详细描述。第一拼接图像(第一拼接图-1)经过中间行检测模块实现中间行定位,然后识别模块对中间行进行光学字符识别得到第一拼接图像的识别结果,全景图切分模块根据上述第一拼接图像(第一拼接图-1)的识别结果对待识别的第一拼接图像(第一拼接图-2)进行图像切分,得到第二拼接图像(第二拼接图-1),中间行检测模块和识别模块对第二拼接图像进行中间行检测和光学字符识别,得到第二拼接图像对应的识别结果,将已识别的第一拼接图像(第一拼接图-1)对应的识别结果和第二拼接图像(第二拼接图-1)对应的识别结果合并,得到待识别的第一拼接图像(第一拼接图-2)对应的识别结果。不难看出,图6所示示意图展示了两次光学字符识别的过程,即实现了两张第一拼接图像的光学字符识别,具体实施中,可重复上述流程进行待识别的第一拼接图像的光学字符识别,直至完成所有第一拼接图像的光学字符识别。
图7是根据本公开第一实施例的光学字符识别装置的框图。
如图7所示,本公开实施例的光学字符识别装置700,包括:第一获取模块701、生成模块702、第二获取模块703、切分模块704、识别模块705和合并模块706。
第一获取模块701,用于获取待识别的多帧图像。
生成模块702,用于根据多帧图像以增量式的方式生成多个第一拼接图像。
第二获取模块703,用于获取一个待识别的第一拼接图像。
切分模块704,用于根据已识别的第一拼接图像对应的识别结果对待识别的第一拼接图像进行切分,得到第二拼接图像。
识别模块705,用于对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果。
合并模块706,用于将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。
需要说明的是,上述对光学字符识别方法实施例的解释说明,也适用于本公开实施例的光学字符识别装置,具体过程此处不再赘述。
综上,本公开实施例的光学字符识别方法,获取待识别的多帧图像,根据多帧图像以增量式的方式生成多个第一拼接图像,获取一个待识别的第一拼接图像,根据已识别的第一拼接图像对应的识别结果对待识别的第一拼接图像进行切分,得到第二拼接图像,对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果,以及将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。可应用于图像识别场景下的文字识别尤其是视频形式的文字识别,通过拼接-切分-合并的方式完成多帧图像的光学字符识别,将连续帧间的文字有效的组织在一起,增强了识别效果,且根据已识别的第一拼接图像的识别结果从待识别的第一拼接图像中截取出合适的第二拼接图像进行光学字符识别,无需整图进行识别,且拼接和识别并行进行,实现了边扫描图像边进行文字输出,进一步压缩了识别时间,增强了识别效率。
图8是根据本公开第二实施例的光学字符识别装置的框图。
如图8所示,本公开实施例的光学字符识别装置800,包括:第一获取模块801、生成模块802、第二获取模块803、切分模块804、识别模块805和合并模块806。
其中,第一获取模块801与上一实施例中的第一获取模块701具有相同的结构和功能,生成模块802与上一实施例中的生成模块702具有相同的结构和功能,第二获取模块803和上述实施例中的第二获取模块703具有相同的结构和功能,切分模块804与上一实施例中的切分模块704具有相同的结构和功能,识别模块805与上一实施例中的识别模块705具有相同的结构和功能,合并模块806与上一实施例中的合并模块706具有相同的结构和功能。
其中,生成第一拼接图像与生成第一拼接图像对应的识别结果同时进行。
进一步的,识别结果包括字符内容和字符位置,切分模块804具体可包括:第一确定单元8041,用于将已识别的第一拼接图像对应的最右侧的字符位置的左边界确定为切分位置;切分单元8042,用于根据切分位置对待识别的第一拼接图像进行切分;第二确定单元8043,用于将切分位置右侧的图像确定为第二拼接图像。
进一步的,合并模块806具体可包括:第三确定单元,用于根据已识别的第一拼接图像对应的识别结果确定切分位置左侧的图像对应的识别结果;以及合并单元,用于将切分位置左侧的图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。
进一步的,识别模块805具体可包括:检测单元,用于对第二拼接图像进行中间行检测;以及识别单元,用于对检测出的中间行进行光学字符识别,得到第二拼接图像对应的识别结果。
综上,本公开实施例的光学字符识别方法,获取待识别的多帧图像,根据多帧图像以增量式的方式生成多个第一拼接图像,获取一个待识别的第一拼接图像,根据已识别的第一拼接图像对应的识别结果对待识别的第一拼接图像进行切分,得到第二拼接图像,对第二拼接图像进行光学字符识别,得到第二拼接图像对应的识别结果,以及将已识别的第一拼接图像对应的识别结果和第二拼接图像对应的识别结果合并,得到待识别的第一拼接图像对应的识别结果。本公开的光学字符识别方法根据已识别的第一拼接图像对应的识别结果确定对待识别的第一拼接图像切分的位置,避免了将图像文字切碎的问题,通过拼接-切分-合并的方式完成多帧图像的光学字符识别,将连续帧间的文字有效的组织在一起,增强了识别效果,且根据已识别的第一拼接图像的识别结果从待识别的第一拼接图像中截取出合适的第二拼接图像进行光学字符识别,无需整图进行识别,且拼接和识别并行进行,实现了边扫描图像边进行文字输出,进一步压缩了识别时间,增强了识别效率。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本公开的实施例的示例电子设备900的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,电子设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储电子设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
电子设备900中的多个部件连接至I/O接口905,包括:输入单元906,例如键盘、鼠标等;输出单元907,例如各种类型的显示器、扬声器等;存储单元908,例如磁盘、光盘等;以及通信单元909,例如网卡、调制解调器、无线通信收发机等。通信单元909允许电子设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如图1至图6所示的光学字符识别方法。例如,在一些实施例中,光学字符识别方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到电子设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的光学字符识别方法的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行光学字符识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网以及区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
根据本公开的实施例,本公开还提供了一种计算机程序产品,包括计算机程序,其中,计算机程序被处理器执行时实现本公开上述实施例所示光学字符识别方法的步骤。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种光学字符识别方法,包括:
获取待识别的多帧图像;
根据所述多帧图像以增量式的方式生成多个第一拼接图像;
获取一个待识别的所述第一拼接图像;
根据已识别的所述第一拼接图像对应的识别结果对待识别的所述第一拼接图像进行切分,得到第二拼接图像;
对所述第二拼接图像进行光学字符识别,得到所述第二拼接图像对应的识别结果;以及
将已识别的所述第一拼接图像对应的识别结果和所述第二拼接图像对应的识别结果合并,得到待识别的所述第一拼接图像对应的识别结果;
其中,生成所述第一拼接图像与生成所述第一拼接图像对应的识别结果同时进行。
2.根据权利要求1所述的光学字符识别方法,其中,所述识别结果包括字符内容和字符位置,所述根据已识别的所述第一拼接图像对应的识别结果对待识别的所述第一拼接图像进行切分,得到第二拼接图像,包括:
将已识别的所述第一拼接图像对应的最右侧的所述字符位置的左边界确定为切分位置;
根据所述切分位置对当前所述第一拼接图像进行切分;以及
将所述切分位置右侧的图像确定为所述第二拼接图像。
3.根据权利要求2所述的光学字符识别方法,其中,所述将已识别的所述第一拼接图像对应的识别结果和所述第二拼接图像对应的识别结果合并,得到待识别的所述第一拼接图像对应的识别结果,包括:
根据已识别的所述第一拼接图像对应的识别结果确定所述切分位置左侧的图像对应的识别结果;以及
将所述切分位置左侧的图像对应的识别结果和所述第二拼接图像对应的识别结果合并,得到待识别的所述第一拼接图像对应的识别结果。
4.根据权利要求1所述的光学字符识别方法,其中,所述对所述第二拼接图像进行光学字符识别,得到所述第二拼接图像对应的识别结果,包括:
对所述第二拼接图像进行中间行检测;以及
对检测出的中间行进行光学字符识别,得到所述第二拼接图像对应的识别结果。
5.一种光学字符识别装置,包括:
第一获取模块,用于获取待识别的多帧图像;
生成模块,用于根据所述多帧图像以增量式的方式生成多个第一拼接图像;
第二获取模块,用于获取一个待识别的所述第一拼接图像;
切分模块,用于根据已识别的所述第一拼接图像对应的识别结果对待识别的所述第一拼接图像进行切分,得到第二拼接图像;
识别模块,用于对所述第二拼接图像进行光学字符识别,得到所述第二拼接图像对应的识别结果;以及
合并模块,用于将已识别的所述第一拼接图像对应的识别结果和所述第二拼接图像对应的识别结果合并,得到待识别的所述第一拼接图像对应的识别结果;
其中,生成所述第一拼接图像与生成所述第一拼接图像对应的识别结果同时进行。
6.根据权利要求5所述的光学字符识别装置,其中,所述识别结果包括字符内容和字符位置,所述切分模块包括:
第一确定单元,用于将已识别的所述第一拼接图像对应的最右侧的所述字符位置的左边界确定为切分位置;
切分单元,用于根据所述切分位置对待识别的所述第一拼接图像进行切分;以及
第二确定单元,用于将所述切分位置右侧的图像确定为所述第二拼接图像。
7.根据权利要求6所述的光学字符识别装置,其中,所述合并模块包括:
第三确定单元,用于根据已识别的所述第一拼接图像对应的识别结果确定所述切分位置左侧的图像对应的识别结果;以及
合并单元,用于将所述切分位置左侧的图像对应的识别结果和所述第二拼接图像对应的识别结果合并,得到待识别的所述第一拼接图像对应的识别结果。
8.根据权利要求5所述的光学字符识别装置,其中,所述识别模块包括:
检测单元,用于对所述第二拼接图像进行中间行检测;以及
识别单元,用于对检测出的中间行进行光学字符识别,得到所述第二拼接图像对应的识别结果。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的光学字符识别方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的光学字符识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110547936.6A CN113343997B (zh) | 2021-05-19 | 2021-05-19 | 光学字符识别方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110547936.6A CN113343997B (zh) | 2021-05-19 | 2021-05-19 | 光学字符识别方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113343997A CN113343997A (zh) | 2021-09-03 |
CN113343997B true CN113343997B (zh) | 2022-04-19 |
Family
ID=77469742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110547936.6A Active CN113343997B (zh) | 2021-05-19 | 2021-05-19 | 光学字符识别方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113343997B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989804A (zh) * | 2021-11-11 | 2022-01-28 | 北京百度网讯科技有限公司 | 字符识别方法、装置、设备和存储介质 |
CN114694153A (zh) * | 2022-04-08 | 2022-07-01 | 广东小天才科技有限公司 | 一种图像处理方法、图像处理装置及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414527A (zh) * | 2019-07-31 | 2019-11-05 | 北京字节跳动网络技术有限公司 | 字符识别方法、装置、存储介质及电子设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533474B (zh) * | 2008-03-12 | 2014-06-04 | 三星电子株式会社 | 基于视频图像的字符和图像识别系统和方法 |
CN101515325B (zh) * | 2009-04-08 | 2012-05-23 | 北京邮电大学 | 基于字符切分和颜色聚类的数字视频中的字符提取方法 |
CN109598272B (zh) * | 2019-01-11 | 2021-08-06 | 北京字节跳动网络技术有限公司 | 字符行图像的识别方法、装置、设备及介质 |
CN110443159A (zh) * | 2019-07-17 | 2019-11-12 | 新华三大数据技术有限公司 | 数字识别方法、装置、电子设备及存储介质 |
CN110363190A (zh) * | 2019-07-26 | 2019-10-22 | 中国工商银行股份有限公司 | 一种文字识别方法、装置及设备 |
CN111079768A (zh) * | 2019-12-23 | 2020-04-28 | 北京爱医生智慧医疗科技有限公司 | 一种基于ocr的文字图像识别方法及装置 |
CN111783645A (zh) * | 2020-06-30 | 2020-10-16 | 北京百度网讯科技有限公司 | 文字识别的方法、装置、电子设备及计算机可读存储介质 |
CN112508000B (zh) * | 2020-11-26 | 2023-04-07 | 上海展湾信息科技有限公司 | 一种用于ocr图像识别模型训练数据生成的方法及设备 |
-
2021
- 2021-05-19 CN CN202110547936.6A patent/CN113343997B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414527A (zh) * | 2019-07-31 | 2019-11-05 | 北京字节跳动网络技术有限公司 | 字符识别方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113343997A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112699991B (zh) | 用于加速神经网络训练的信息处理的方法、电子设备和计算机可读介质 | |
US20210158533A1 (en) | Image processing method and apparatus, and storage medium | |
CN113591918B (zh) | 图像处理模型的训练方法、图像处理方法、装置和设备 | |
CN115063875B (zh) | 模型训练方法、图像处理方法、装置和电子设备 | |
CN113343997B (zh) | 光学字符识别方法、装置、电子设备和存储介质 | |
CN113407850B (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
CN114863437B (zh) | 文本识别方法、装置、电子设备和存储介质 | |
CN115861462B (zh) | 图像生成模型的训练方法、装置、电子设备及存储介质 | |
EP3879454A2 (en) | Method and apparatus for evaluating image relative definition, device and medium | |
CN113590776A (zh) | 基于知识图谱的文本处理方法、装置、电子设备及介质 | |
EP4123594A2 (en) | Object detection method and apparatus, computer-readable storage medium, and computer program product | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN114092759A (zh) | 图像识别模型的训练方法、装置、电子设备及存储介质 | |
CN113221771A (zh) | 活体人脸识别方法、装置、设备、存储介质及程序产品 | |
CN113657395B (zh) | 文本识别方法、视觉特征提取模型的训练方法及装置 | |
CN116152833B (zh) | 基于图像的表格还原模型的训练方法及表格还原方法 | |
CN113177449A (zh) | 人脸识别的方法、装置、计算机设备及存储介质 | |
CN114926322B (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN115147547B (zh) | 人体重建方法和装置 | |
CN115565186A (zh) | 文字识别模型的训练方法、装置、电子设备和存储介质 | |
CN113205131A (zh) | 图像数据的处理方法、装置、路侧设备和云控平台 | |
CN114863450A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114255257A (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN113361519A (zh) | 目标处理方法、目标处理模型的训练方法及其装置 | |
CN112785524A (zh) | 一种人物图像的修复方法、装置及电子设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |