CN113673519B

CN113673519B - 基于文字检测模型的文字识别方法及其相关设备

Info

Publication number: CN113673519B
Application number: CN202110974273.6A
Authority: CN
Inventors: 杨冬振
Original assignee: Ping An Technology Shenzhen Co Ltd
Current assignee: Ping An Technology Shenzhen Co Ltd
Priority date: 2021-08-24
Filing date: 2021-08-24
Publication date: 2023-06-20
Anticipated expiration: 2041-08-24
Also published as: CN113673519A

Abstract

本申请实施例属于人工智能领域，应用于智慧医疗领域中，涉及一种基于文字检测模型的文字识别方法及其相关设备，包括接收待识别的文字图片，在待识别的文字图片的方向不是标准方向时，基于训练后的方向检测模型对待识别的文字图片进行旋转矫正，获得矫正后的文字图片；将矫正后的文字图片输入至训练后的文字检测模型中，获得输出的包含至少一个初始检测框的初始图像；分别基于每个初始检测框，对所述初始图像进行旋转和裁切操作，获得至少一个目标图像；基于所有目标图像生成图像列表，将图像列表输入至训练后的文字识别模型中，获得输出的文字识别结果。文字识别结果可存储于区块链中。本申请避免文字图片失真，提升计算机识别文字的准确度。

Description

基于文字检测模型的文字识别方法及其相关设备

技术领域

本申请涉及人工智能技术领域，尤其涉及基于文字检测模型的文字识别方法及其相关设备。

背景技术

随着计算机技术的不断革新和发展，计算机技术已经广泛的应用于各行各业中。近年来，在文字检测和识别领域，计算机技术已经占据了重要的地位。在OCR(OpticalCharacter Recognition，光学字符识别)的检测流程中，依据检测模型的不同，其输出的检测框顶点坐标所构成的几何图案可能是矩形，也可能是不规则的四边形。对于呈现为不规则的四边形的检测框，大多数的方式是将不规则的四边形通过仿射变换，转换为旋转矩形后再进行裁切，但这种方案对检测模型的准确性要求极高，经过仿射变换后的图像极易失真，使得后续过程中难以准确识别到图像中的文字信息。

发明内容

本申请实施例的目的在于提出一种基于文字检测模型的文字识别方法及其相关设备，避免文字图片失真，提升计算机对文字识别的准确度。

为了解决上述技术问题，本申请实施例提供一种基于文字检测模型的文字识别方法，采用了如下所述的技术方案：

一种基于文字检测模型的文字识别方法，包括下述步骤：

接收待识别的文字图片，判断所述待识别的文字图片的方向是否为标准方向，在所述待识别的文字图片的方向不是标准方向时，基于训练后的方向检测模型对所述待识别的文字图片进行旋转矫正，获得矫正后的文字图片；

将所述矫正后的文字图片输入至训练后的文字检测模型中，获得输出的包含至少一个初始检测框的初始图像；

分别基于每个所述初始检测框，对所述初始图像进行旋转和裁切操作，获得至少一个目标图像；

基于所有所述目标图像生成图像列表，将所述图像列表输入至训练后的文字识别模型中，获得输出的文字识别结果。

进一步的，所述分别基于每个所述初始检测框对所述初始图像进行旋转和裁切操作，获得至少一个目标图像包括：

基于所述初始检测框，计算获得所述初始检测框的旋转边界矩形，并基于所述旋转边界矩形获得旋转角度；

基于所述旋转边界矩形的中心，将所述初始图像顺时针旋转θ度，其中θ为所述旋转角度，获得中间图像，所述旋转边界矩形随所述初始图像同步旋转，获得目标旋转边界矩形；

基于所述目标旋转边界矩形，对所述中间图像进行裁切操作，获得所述目标图像。

进一步的，所述基于所述目标旋转边界矩形，对所述中间图像进行裁切操作，获得所述目标图像包括：

获取所述目标旋转边界矩形的长度信息、宽度信息和中心点坐标；

基于所述长度信息、宽度信息和中心点坐标计算出第一裁切坐标和第二裁切坐标；

基于所述第一裁切坐标和第二裁切坐标对所述中间图像进行裁切，获得所述目标图像。

进一步的，所述第一裁切坐标的特征为：

其中，C_X为中心点的横坐标，w为所述目标旋转边界矩形的长度信息；

所述第二裁切坐标的特征为：

其中，C_y为中心点的纵坐标，h为所述目标旋转边界矩形的宽度信息。

进一步的，所述第一裁切坐标的特征为：

其中，C_X为中心点的横坐标，w为所述目标旋转边界矩形的长度信息，n为预设的第一像素数量；

所述第二裁切坐标的特征为：

其中，C_y为中心点的纵坐标，h为所述目标旋转边界矩形的宽度信息，m为预设的第二像素数量。

进一步的，在所述基于所述初始检测框，计算获得所述初始检测框的旋转边界矩形，并基于所述旋转边界矩形获得旋转角度之前，还包括：

基于预设的排序方式对所述初始检测框的顶点进行排序，获得初始顶点序列；

所述旋转边界矩形随所述初始图像同步旋转，获得目标旋转边界矩形包括：

所述初始检测框随所述旋转边界矩形同步旋转，获得目标检测框，基于所述初始顶点序列，对所述目标检测框的顶点的坐标进行排序，生成第一顶点坐标序列；

所述基于所述目标旋转边界矩形，对所述中间图像进行裁切操作，获得所述目标图像包括：

获取所述目标旋转边界矩形的四个顶点坐标，并基于所述排序方式对所述目标旋转边界矩形的顶点坐标进行排序，获得第二顶点坐标序列；

确定所述第一顶点坐标序列和所述第二顶点坐标序列的坐标关系是否一致；

在所述顶点排列顺序一致时，基于所述目标旋转边界矩形，裁切所述中间图像，获得所述目标图像；

在所述顶点排列顺序不一致时，基于所述目标旋转边界矩形，裁切所述中间图像，获得所述裁切后的中间图像，旋转所述裁切后的中间图像，获得所述目标图像。

进一步的，所述确定所述第一顶点坐标序列和所述第二顶点坐标序列的坐标关系是否一致包括：

获取所述第一顶点坐标序列中的第一个点的坐标、第二个点的坐标和第三个点的坐标，分别作为第一坐标、第二坐标和第三坐标，并获取所述第二顶点坐标序列中的第一个点的坐标和第二个点的坐标，分别作为第四坐标和第五坐标；

计算所述第一坐标与所述第四坐标之间的距离，获得第一距离，并计算所述第二坐标与所述第五坐标之间的距离，获得第二距离；

计算所述第二坐标与所述第四坐标之间的距离，获得第三距离，并计算所述第三坐标与所述第五坐标之间的距离，获得第四距离；

确定所述第一距离与所述第二距离之和是否大于所述第三距离与所述第四距离之和；

在所述所述第一距离与所述第二距离之和，小于或等于所述第三距离与所述第四距离之和时，确定所述第一顶点坐标序列与所述第二顶点坐标序列的坐标关系一致；

在所述第一距离与所述第二距离之和，大于所述第三距离与所述第四距离之和时，确定所述第一顶点坐标序列与所述第二顶点坐标序列的坐标关系不一致。

为了解决上述技术问题，本申请实施例还提供一种基于文字检测模型的文字识别装置，采用了如下所述的技术方案：

一种基于文字检测模型的文字识别装置，包括：

接收模块，用于接收待识别的文字图片，判断所述待识别的文字图片的方向是否为标准方向，在所述待识别的文字图片的方向不是标准方向时，基于训练后的方向检测模型对所述待识别的文字图片进行旋转矫正，获得矫正后的文字图片；

检测模块，用于将所述矫正后的文字图片输入至训练后的文字检测模型中，获得输出的包含至少一个初始检测框的初始图像；

旋转模块，用于分别基于每个所述初始检测框，对所述初始图像进行旋转和裁切操作，获得至少一个目标图像；

识别模块，用于基于所有所述目标图像生成图像列表，将所述图像列表输入至训练后的文字识别模型中，获得输出的文字识别结果。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述的基于文字检测模型的文字识别方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现上述的基于文字检测模型的文字识别方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请通过对待识别的文字图片的方向判断并旋转矫正，便于后续文字检测模型对文字图片的检测。进而基于每个初始检测框，分别对初始图像进行旋转和裁切操作，实现对所有初始检测框的统一处理，同时无需判断初始检测框是否为不规则的四边形，也无需对初始检测框进行仿射变换，避免了图片失真的情况发生，提升计算机对文字识别的准确度。通过将所有目标图像生成图像列表，输入至文字识别模型，进而获得整个文字图片的文字识别结果。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图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是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的基于文字检测模型的文字识别方法的一个实施例的流程图；

图3是根据本申请的基于文字检测模型的文字识别方法的另一个实施例的示意图；

图4是根据本申请的基于文字检测模型的文字识别方法的另一个实施例的示意图；

图5是根据本申请的基于文字检测模型的文字识别装置的一个实施例的结构示意图；

图6是根据本申请的计算机设备的一个实施例的结构示意图。

附图标记：200、计算机设备；201、存储器；202、处理器；203、网络接口；300、基于文字检测模型的文字识别装置；301、接收模块；302、检测模块；303、旋转模块；304、识别模块。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103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、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的基于文字检测模型的文字识别方法一般由服务器/终端设备执行，相应地，基于文字检测模型的文字识别装置一般设置于服务器/终端设备中。

应该理解，图1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。

继续参考图2，示出了根据本申请的基于文字检测模型的文字识别方法的一个实施例的流程图。所述的基于文字检测模型的文字识别方法，包括以下步骤：

S1：接收待识别的文字图片，判断所述待识别的文字图片的方向是否为标准方向，在所述待识别的文字图片的方向不是标准方向时，基于训练后的方向检测模型对所述待识别的文字图片进行旋转矫正，获得矫正后的文字图片。

在本实施例中，如果接收的待识别的文字图片中文字不是正常的阅读方向(正常的阅读方向即指标准方向)，需要通过方向检测模型将图片进行旋转矫正。对于正常的阅读方向的判断，通过将待识别的文字图片中文字的方向与预设的标准图片中文字的方向进行对比，在所述待识别的文字图片的方向与标准图片中文字的方向一致时，确定待识别的文字图片的方向是标准方向，直接输入至训练后的文字检测模型中。反之，则确定待识别的文字图片的方向不是标准方向。方向检测模型可以是任意适当的可实现图片方向的旋转矫正的神经网络模型，包括但不限于基于卷积神经网络模型以及增强学习神经网络模型构建模型。

在本实施例中，基于文字检测模型的文字识别方法运行于其上的电子设备(例如图1所示的服务器/终端设备)可以通过有线连接方式或者无线连接方式接收待识别的文字图片。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

S2：将所述矫正后的文字图片输入至训练后的文字检测模型中，获得输出的包含至少一个初始检测框的初始图像。

在本实施例中，本申请的文字检测模型为Resnet18+DBnet(使用残差网络的可微二值化网络)，在文本检测中具有良好的表现，即使基于轻量级主干网(ResNet-18)，该文字检测模型也可以在所有测试数据集上以实时推理速度获得具有竞争力的性能。文字识别模型为：CRNN+CTC,其中，CRNN(Convolutional Recurrent Neural Network，卷积循环神经网络)中包含CNN和RNN，通过CNN将图片的特征提取出来后采用RNN对序列进行预测，最后通过一个CTC(Connectionist Temporal Classification，基于神经网络的时序类分类)的翻译层得到最终结果。

S3：分别基于每个所述初始检测框，对所述初始图像进行旋转和裁切操作，获得至少一个目标图像。

在本实施例中，对于初始图像M中的每个初始检测框中的区域，初始图像M均需要分别旋转一次，其中初始检测框随着初始图像M的旋转，与初始图像M同步旋转。进而分别对每个初始检测框中的图像内容进行裁切，获得目标图像。本申请在初始检测框不为矩形时，无需如现有技术一样对初始检测框进行仿射变换操作，只需要对初始检测框中的内容进行裁切操作即可，通过这种方式能够保证图片不失真。理由如下：在文字高度不一致、文字字体与排版为非常规的情况或者检测区域不够准确等大部分情况下，不规则四边形检测区域的文字并非一定需要进行仿射变换。对检测区域文字进行仿射变换，会导致图片失真，本申请对基于每个初始检测框，对初始图像进行的旋转和裁切操作可以避免这类情况，并且无需判断初始检测框是否属于不规则四边形检测区域，实现对所有初始检测框的统一处理。

具体的，所述分别基于每个所述初始检测框对所述初始图像进行旋转和裁切操作，获得至少一个目标图像包括：

在本实施例中，上述基于所述初始检测框，计算获得所述初始检测框的旋转边界矩形的具体的计算过程采用OpenCV的minAreaRect方法。旋转角度、以及后续中心点坐标和旋转边界矩形的长度信息和宽度信息同样是使用OpenCV的minAreaRect方法直接得到的。该minAreaRect函数能够计算并返回指定点集的最小区域边界斜矩形以及参数。参数有最小外接矩形的中心(center)位置，最小区域边界斜矩形的宽度、高度以及旋转角度等。本申请无需判断初始检测框是否为矩形，从而确定是否需要执行仿射变换操作，直接对所有的初始检测框直接计算出旋转边界矩形即可。

其中，所述基于所述目标旋转边界矩形，对所述中间图像进行裁切操作，获得所述目标图像包括：

在本实施例中，所述第一裁切坐标为预先建立的坐标系中X轴上的坐标，第二裁切坐标为预先建立的坐标系中Y轴上的坐标。由于在初始图像M与中间图像M’中，旋转边界矩形的中心点坐标保持不变，通过计算，在中间图像M’上直接裁切出待识别区域(即目标图像)。

进一步的，所述第一裁切坐标的特征为：

所述第二裁切坐标的特征为：

在本实施例中，第一裁切坐标为x轴方向上的裁切坐标，第二裁切坐标为y轴方向上的裁切坐标。

此外，作为本申请的另一实施例，所述第一裁切坐标的特征为：

所述第二裁切坐标的特征为：

在本实施例中，为了避免检测到的文字不完整，在裁切的过程中，将裁切区域向四周扩大一部分。例如，若想将文字区域向左右两侧分别扩大n个像素，则x方向的裁切坐标应为

y方向同理可得。能够进行这样的操作，也是将不规则四边形检测区域转换为旋转矩形进行裁切的优势之一，在传统的仿射变换裁切方法中，区域扩张的实现相对来说会更为复杂。本申请能够有效地对任意四边形输出区域进行合理的变换和裁切，且在裁切过程中，区域扩张的实现更为简单。

需要说明的是，在实际应用中，n和m的数值可以相同，也可以不同。根据实际需要进行适应性调整。

S4：基于所有所述目标图像生成图像列表，将所述图像列表输入至训练后的文字识别模型中，获得输出的文字识别结果。

在本实施例中，图像列表为裁切后获得的各个目标图片组成的列表，可以直接输入到文字识别模型中，文字识别模型会按照batchsize(批大小)，其中，模型每次训练会在训练集中获取预设数量的样本进行训练，该预设数量的样本即为批大小。将图像列表中的目标图像处理成多个batch(批次)进行识别。各目标图片基于生成顺序在图像列表中顺序排列。

具体的，在所述将所述图像列表输入至训练后的文字识别模型中，获得输出的文字识别结果包括：

获取与训练后的文字识别模型相关联的文字识别方向，确定所述文字识别方向是否为水平方向；

在所述文字识别方向为水平方向时，依次判断所述图像列表中的每个目标图像中的文字是否为水平分布；

在存在所述目标图像中的文字不为水平分布时，将所述目标图像逆时针旋转九十度，获得旋转后的目标图像，以使所述目标图像中的文字为水平分布；

将所述旋转后的目标图像，替换所述图像列表中对应的目标图像，获得目标图像列表，并将所述目标图像列表输入至训练后的文字识别模型中，获得输出的文字识别结果。

在本实施例中，针对具体的目标图像中的文字进行识别时，为了方便文字识别模型对图像中文字的识别，以使得检测和识别流程的合理搭配，进而提高系统的整体性能，本申请根据文字识别模型的识别特点将竖直分布的图像逆时针旋转90度变为水平分布。其中，竖直分布指的是在图像中文字是竖直分布的。限制于CRNN的识别机制，待识别图像需要在横向具有信息流的性质，而非纵向。也即CRNN网络只能从左到右去识别，无法从上到下去识别。因此，竖直分布的文字，裁切后需要经过旋转，使其成为水平分布。这种情况下，虽然分布是水平的，但实际上每个字都旋转了90度，CRNN网络在识别这些文字时，需要事先进行针对性的训练。依次判断所述图像列表中的每个目标图像中的文字是否为水平分布的具体判断方式为：若存在

则说明裁切后的图像为竖直分布，需要旋转变换为水平分布。其中，w为所述目标图像对应的旋转边界矩形的长，h为所述目标图像对应的旋转边界矩形的宽。

本申请的训练过程为：接收预标注的训练样本图片，将所述训练样本图片输入至预设的文字检测模型中，获得输出的至少一个样本检测框；基于所述样本检测框，对训练样本图片旋转和裁切操作，获得至少一个样本图像；基于所述样本图像生成样本图像列表，并输入至预设的文字识别模型中，获得输出的样本识别结果；分别基于样本检测框和样本识别结果迭代训练文字检测模型和文字识别模型，获得训练后的文字检测模型和训练后的文字识别模型。其中，训练样本中预标注有训练样本的图片中的文字信息的位置，以及文字信息的具体内容。

在本实施例的一些可选的实现方式中，在所述基于所述初始检测框，计算获得所述初始检测框的旋转边界矩形，并基于所述旋转边界矩形获得旋转角度之前，还包括：

在本实施例中，对四个顶点排序获得初始顶点序列，基于初始顶点序列生成第一顶点坐标序列，用于纠正错误的旋转方向。在所述坐标关系不一致时，将裁切后的中间图像逆时针旋转90°，获得目标图像。具体的排序方式为：建立xy坐标系，预先定义初始检测框的四个顶点的排序后的表示为[left-top(左上顶点),right-top(右上顶点),right-bottom(右下底点),left-bottom(左下底点)]，对应字母为[a,b,c,d]。先对初始检测框的四个顶点的x坐标进行递增排序，找出四个顶点中相对靠左的两个点作为左边两点，即x坐标相对较小的两个点：left1(左1)，left2(左2)。并且找出四个顶点中相对靠右的两个点作为右边两点，即x坐标相对较大的两个点：right1(右1)，right2(右2)。例如，四个点的x坐标排序后为10，20，30，40，则left1＝10，left2＝20，right1＝30，right2＝40。再对左边两点left1，left2的y坐标进行对比，y坐标相对较小的作为上述left-top，y坐标相对较大的作为上述left-bottom。并且对right1，right2的y坐标进行对比，y坐标相对较小的作为right-top，y坐标相对较大的作为上述right-bottom。本申请通过引入顶点预排序和后续的顶点顺序一致性的概念，增加了旋转边界矩形转换为目标旋转边界矩形过程中的鲁棒性，避免了转换后出现文字无法识别的可能。

具体的，所述确定所述第一顶点坐标序列和所述第二顶点坐标序列的坐标关系是否一致包括：

在本实施例中，算法在计算目标旋转边界矩形时并不关注顶点的位置，目标旋转边界矩形的各顶点顺序是旋转后再根据上述排序方式重新确定的。生成第一顶点坐标序列是为了制定参考样本。对目标旋转边界矩形的顶点坐标排序(即第二顶点坐标序列)是为了能够根据参考样本进行方向矫正，避免识别时文字方向有误。经过裁切和矫正算法后，便得到了可以输入识别模型的图像。具体举例如图3和图4，图3是根据本申请的基于文字检测模型的文字识别方法的另一个实施例的示意图，具体为所述旋转边界矩形旋转后，获得的目标旋转边界矩形，其目标旋转边界矩形和中间图像方向正确的情况举例。图3中abcd组成的四边形为所述初始检测框；a’b’c’d’组成的四边形为所述初始检测框旋转后获得的目标检测框，其中,a’b’c’d’的坐标组成所述第一顶点坐标序列；ABCD组成的矩形为所述目标旋转边界矩形，ABCD的坐标组成所述第二顶点坐标序列，图3中θ为所述旋转角度。图4是根据本申请的基于文字检测模型的文字识别方法的另一个实施例的示意图，具体为所述旋转边界矩形旋转后，获得的目标旋转边界矩形，其目标旋转边界矩形和中间图像方向错误的情况举例。图4中abcd组成的四边形为所述初始检测框，a’b’c’d’组成的四边形为所述初始检测框旋转后获得的目标检测框，其中,a’b’c’d’的坐标组成所述第一顶点坐标序列；ABCD组成的矩形为所述目标旋转边界矩形，ABCD的坐标组成所述第二顶点坐标序列，图4中θ为所述旋转角度。如图4所示，基于旋转边界矩形确定的旋转角度，并基于旋转角度对初始图像进行旋转后，可能会出现在初始检测框中ab边为长边，而在目标旋转边界矩形中，根据预设的排序方式，确定出的AB边为短边，进而发现中间图像的方向错误。方向错误的中间图像会影响后续的识别过程，因此，需要对裁切后的中间图像再次旋转，获得所述目标图像。结合图4，若存在：distance(a,a′)+distance(b,b′)>diStanCe(b,a′)+distance(c,b′)，其中distance表示距离，则确定中间图像的方向错误。

本申请通过对待识别的文字图片的方向判断并旋转矫正，便于后续文字检测模型对文字图片的检测。进而基于每个初始检测框，分别对初始图像进行旋转和裁切操作，实现对所有初始检测框的统一处理，同时无需判断初始检测框是否为不规则的矩形，也无需对初始检测框进行仿射变换，避免了图片失真的情况发生，提升计算机对文字识别的准确度。通过将所有目标图像生成图像列表，输入至文字识别模型，进而获得整个文字图片的文字识别结果。

需要强调的是，为进一步保证上述文字识别结果的私密和安全性，上述文字识别结果还可以存储于一区块链的节点中。

本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

本申请可应用于智慧医疗领域中，从而推动智慧城市的建设。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

进一步参考图5，作为对上述图5所示方法的实现，本申请提供了一种基于文字检测模型的文字识别装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，本实施例所述的基于文字检测模型的文字识别装置300包括：接收模块301、检测模块302、旋转模块303以及识别模块304。其中：接收模块301，用于接收待识别的文字图片，判断所述待识别的文字图片的方向是否为标准方向，在所述待识别的文字图片的方向不是标准方向时，基于训练后的方向检测模型对所述待识别的文字图片进行旋转矫正，获得矫正后的文字图片；检测模块302，用于将所述矫正后的文字图片输入至训练后的文字检测模型中，获得输出的包含至少一个初始检测框的初始图像；旋转模块303，用于分别基于每个所述初始检测框，对所述初始图像进行旋转和裁切操作，获得至少一个目标图像；识别模块304，用于基于所有所述目标图像生成图像列表，将所述图像列表输入至训练后的文字识别模型中，获得输出的文字识别结果。

在本实施例中，本申请通过对待识别的文字图片的方向判断并旋转矫正，便于后续文字检测模型对文字图片的检测。进而基于每个初始检测框，分别对初始图像进行旋转和裁切操作，实现对所有初始检测框的统一处理，同时无需判断初始检测框是否为不规则的矩形，也无需对初始检测框进行仿射变换，避免了图片失真的情况发生，提升计算机对文字识别的准确度。通过将所有目标图像生成图像列表，输入至文字识别模型，进而获得整个文字图片的文字识别结果。

旋转模块303包括计算子模块、旋转子模块和裁切子模块。其中,计算子模块用于基于所述初始检测框，计算获得所述初始检测框的旋转边界矩形，并基于所述旋转边界矩形获得旋转角度；旋转子模块用于基于所述旋转边界矩形的中心，将所述初始图像顺时针旋转θ度，其中θ为所述旋转角度，获得中间图像，其中，所述旋转边界矩形随所述初始图像同步旋转，获得目标旋转边界矩形；裁切子模块用于基于所述目标旋转边界矩形，对所述中间图像进行裁切操作，获得所述目标图像。

裁切子模块包括获取单元、计算单元和裁切单元。其中，获取单元用于获取所述目标旋转边界矩形的长度信息、宽度信息和中心点坐标；计算单元用于基于所述长度信息、宽度信息和中心点坐标计算出第一裁切坐标和第二裁切坐标；裁切单元用于基于所述第一裁切坐标和第二裁切坐标对所述中间图像进行裁切，获得所述目标图像。

在本实施例的一些可选的实现方式中，上述计算单元进一步用于：所述第一裁切坐标的特征为：

其中，C_X为中心点的横坐标，w为所述目标旋转边界矩形的长度信息；所述第二裁切坐标的特征为：/>

在本实施例的一些可选的实现方式中，上述计算单元还进一步用于：所述第一裁切坐标的特征为：

其中，C_X为中心点的横坐标，w为所述目标旋转边界矩形的长度信息，n为预设的第一像素数量；所述第二裁切坐标的特征为：

识别模块304包括获取子模块、判断子模块、逆时针旋转子模块和替换子模块，其中，获取子模块用于获取与训练后的文字识别模型相关联的文字识别方向，确定所述文字识别方向是否为水平方向；判断子模块用于在所述文字识别方向为水平方向时，依次判断所述图像列表中的每个目标图像中的文字是否为水平分布；逆时针旋转子模块用于在存在所述目标图像中的文字不为水平分布时，将所述目标图像逆时针旋转九十度，获得旋转后的目标图像，以使所述目标图像中的文字为水平分布；替换子模块用于将所述旋转后的目标图像，替换所述图像列表中对应的目标图像，获得目标图像列表，并将所述目标图像列表输入至训练后的文字识别模型中，获得输出的文字识别结果。

在本实施例的一些可选的实现方式中，旋转模块303还包括排序子模块，其中，排序子模块用于基于预设的排序方式对所述初始检测框的顶点进行排序，获得初始顶点序列；旋转子模块进一步用于所述初始检测框随所述旋转边界矩形同步旋转，获得目标检测框，基于所述初始顶点序列，对所述目标检测框的顶点的坐标进行排序，生成第一顶点坐标序列；裁切子模块还包括排序单元、确定单元、第一获得单元和第二获得单元，其中，排序单元用于获取所述目标旋转边界矩形的四个顶点坐标，并基于所述排序方式对所述目标旋转边界矩形的顶点坐标进行排序，获得第二顶点坐标序列；确定单元用于确定所述第一顶点坐标序列和所述第二顶点坐标序列的坐标关系是否一致；第一获得单元用于在所述顶点排列顺序一致时，基于所述目标旋转边界矩形，裁切所述中间图像，获得所述目标图像；第二获得单元用于在所述顶点排列顺序不一致时，基于所述目标旋转边界矩形，裁切所述中间图像，获得所述裁切后的中间图像，旋转所述裁切后的中间图像，获得所述目标图像。

确定单元包括获取子单元、第一计算子单元、第二计算子单元、判断子单元、第一确定子单元以及第二确定子单元；其中，获取子单元用于获取所述第一顶点坐标序列中的第一个点的坐标、第二个点的坐标和第三个点的坐标，分别作为第一坐标、第二坐标和第三坐标，并获取所述第二顶点坐标序列中的第一个点的坐标和第二个点的坐标，分别作为第四坐标和第五坐标；第一计算子单元用于计算所述第一坐标与所述第四坐标之间的距离，获得第一距离，并计算所述第二坐标与所述第五坐标之间的距离，获得第二距离；第二计算子单元用于计算所述第二坐标与所述第四坐标之间的距离，获得第三距离，并计算所述第三坐标与所述第五坐标之间的距离，获得第四距离；判断子单元，用于确定所述第一距离与所述第二距离之和是否大于所述第三距离与所述第四距离之和；第一确定子单元，用于在所述所述第一距离与所述第二距离之和，小于或等于所述第三距离与所述第四距离之和时，确定所述第一顶点坐标序列与所述第二顶点坐标序列的坐标关系一致；第二确定子单元，用于在所述第一距离与所述第二距离之和，大于所述第三距离与所述第四距离之和时，确定所述第一顶点坐标序列与所述第二顶点坐标序列的坐标关系不一致。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图6，图6为本实施例计算机设备基本结构框图。

所述计算机设备200包括通过系统总线相互通信连接存储器201、处理器202、网络接口203。需要指出的是，图中仅示出了具有组件201-203的计算机设备200，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器201至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器201可以是所述计算机设备200的内部存储单元，例如该计算机设备200的硬盘或内存。在另一些实施例中，所述存储器201也可以是所述计算机设备200的外部存储设备，例如该计算机设备200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。当然，所述存储器201还可以既包括所述计算机设备200的内部存储单元也包括其外部存储设备。本实施例中，所述存储器201通常用于存储安装于所述计算机设备200的操作系统和各类应用软件，例如基于文字检测模型的文字识别方法的计算机可读指令等。此外，所述存储器201还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器202在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器202通常用于控制所述计算机设备200的总体操作。本实施例中，所述处理器202用于运行所述存储器201中存储的计算机可读指令或者处理数据，例如运行所述基于文字检测模型的文字识别方法的计算机可读指令。

所述网络接口203可包括无线网络接口或有线网络接口，该网络接口203通常用于在所述计算机设备200与其他电子设备之间建立通信连接。

在本实施例中，本申请实现对所有初始检测框的统一处理，无需对初始检测框进行仿射变换，避免了图片失真的情况发生。通过将所有目标图像生成图像列表，输入至文字识别模型，进而获得整个文字图片的文字识别结果。

本申请还提供了另一种实施方式，即提供一种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可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于文字检测模型的文字识别方法的步骤。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式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效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。