CN113989804A - 字符识别方法、装置、设备和存储介质 - Google Patents
字符识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113989804A CN113989804A CN202111333202.4A CN202111333202A CN113989804A CN 113989804 A CN113989804 A CN 113989804A CN 202111333202 A CN202111333202 A CN 202111333202A CN 113989804 A CN113989804 A CN 113989804A
- Authority
- CN
- China
- Prior art keywords
- image
- thread
- frame
- target
- splicing
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of 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
Abstract
本公开提供了一种字符识别方法、装置、设备和存储介质,涉及人工智能技术领域,尤其涉及深度学习和计算机视觉技术。具体实现方案为:通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像;所述图像帧根据扫描装置采集的图像数据确定;通过第二线程对所述目标拼接图像进行字符识别;所述第一线程和所述第二线程并行执行。根据本公开的技术,提高了字符识别效率。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及深度学习和计算机视觉技术,可用于OCR光学字符识别、文字识别等场景,具体涉及一种字符识别方法、装置、设备和存储介质。
背景技术
在生产和生活过程中,通常需要处理大量的文字、报表或文本等。为了减轻人们的劳动,提高处理效率,可以采用字符识别技术,将打印的字符形状翻译成计算机文字。
发明内容
本公开提供了一种识别效率更高的字符识别方法、装置、设备和存储介质。
根据本公开的一方面,提供了一种字符识别方法,包括:
通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像;所述图像帧根据扫描装置采集的图像数据确定;
通过第二线程对所述目标拼接图像进行字符识别;
其中,所述第一线程和所述第二线程并行执行。
根据本公开的另一方面,还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任意实施例所提供的字符识别方法。
根据本公开得了另一方面,还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计算机执行本公开任意实施例所提供的字符识别方法。
根据本公开的技术,提高了字符识别效率。
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是本公开实施例提供的一种字符识别方法的流程图;
图2是本公开实施例提供的另一种字符识别方法的流程图;
图3是本公开实施例提供的另一种字符识别方法的流程图;
图4是本公开实施例提供的另一种字符识别方法的流程图;
图5是本公开实施例提供的一种字符识别装置的结构图;
图6是用来实现本公开实施例的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。
本公开所提供的各字符识别方法和字符识别装置,适用于对字符进行自动化识别的情况,特别是在OCR(Optical Character Recognition,光学字符识别)场景或文字识别场景中。本公开所提供的各字符识别方法,可以由字符识别装置执行,该装置可以采用软件和/或硬件实现,并具体配置于电子设备中。该电子设备可以是扫面设备或翻译设备等。在一个具体实现方式中,该电子设备可以是扫描笔或翻译笔。
为了便于理解,首先对本公开所提供的各字符识别方法进行详细说明。
参见图1所示的一种字符识别方法,包括:
S101、通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像;图像帧根据扫描装置采集的图像数据确定。
S102、通过第二线程对目标拼接图像进行字符识别,第一线程和第二线程并行执行。
其中,图像帧可以预先存储在电子设备本地、或与电子设备关联的其他存储设备中,并在需要时通过第一线程进行图像帧的获取。
可选的,可以预先对扫描装置采集的图像数据进行抽帧处理,得到各图像帧,以供后续进行字符设备操作。
或者可选的,还可以通过抽帧线程获取扫描装置采集的图像数据,并对图像数据进行抽帧处理,得到各图像帧。其中,抽帧线程可以是第一线程或第二线程,还可以是额外设置的第三线程,且第三线程与第一线程和第二线程并行执行。
可以理解的是,在字符识别的过程中进行图像帧的抽帧处理,能够实现对图像数据的在线字符识别。进一步的,通过额外设置第三线程并行进行抽帧处理,能够减少抽帧等待时间,提高在线字符识别效率。
在一个可选实施例中,为了避免重复图像帧带来后续字符识别量的增加,还可以在进行拼接处理之前,对图像帧进行去重。本公开对图像帧的去重方式不作任何限定。
为了便于进行图像帧的顺序获取,示例性的,可以设置第一队列,用于存储各图像帧;相应的,通过第一线程从第一队列中的读取图像帧,并基于所读取的图像帧进行拼接处理,得到至少一个目标拼接图像。
可选的,对目标拼接图像进行字符识别,可以采用OCR识别或文字识别,例如模式识别、计算机视觉或深度学习等技术加以实现,当然还可以采用现有技术中的其他字符识别方式,本公开对字符识别的具体实现方式不作任何限定。
在一个可选实施例中,为了保证字符识别结果相对简洁,还可以在字符识别之后,对字符识别结果进行去重。本公开对字符识别结果的去重方式不作任何限定。
针对在线字符识别场景,可以通过第三线程对扫描装置采集的图像数据进行抽帧处理,得到图像帧;通过第三线程向第一队列添加图像帧;相应的,第一线程轮询第一队列,并对第一队列中的图像帧进行拼接处理,得到至少一个拼接图像。
需要说明的是,当第一队列为空时,将会出现第一线程无法从第一队列读取图像帧的情况,也即第一队列出现前向阻塞现象,此时,可以通过调大抽帧频率加以避免;当第一队列满时,将会出现第三线程无法向第一队列继续添加图像帧的情况,也即第一队列出现后向阻塞现象,此时,可以通过调小抽帧频率加以避免。
为了均衡在线字符识别的识别效率,通常可以根据第二线程的字符识别效率和第一线程的图像拼接效率,来确定第三线程的抽帧效率,从而通过设置合适的抽帧频次,能够实现第一线程、第二线程以及第三线程的良好协作。
在字符识别过程中,可能会存在由于个别原因,导致第一队列仍然出现后向阻塞的情况发生。为了保证字符识别过程的连续性,在一个可选实施例中,还可以在第三线程识别到第一队列后向阻塞时,丢弃图像帧。
由于图像帧存在用于表征本次扫描结束的中断扫描帧,通常在一次扫描结束时,会将本次扫描的字符识别结果对应待输出内容一并输出。也即,中断扫描帧能够影响字符识别结果对应待输出内容的输出时机。因此,贸然丢弃中断扫描帧,可能会存在待输出内容遗漏输出的情况。为了避免在进行内容输出时,出现待输出内容的遗漏输出,在丢弃图像帧时,通常会保留图像帧中的中断扫描帧,且丢弃图像帧中的非中断扫描帧。
针对扫描笔来说,在扫描模式下,图像帧包括扫描过程中生成的普通帧和扫描结束时生成的抬笔帧;中断扫描帧对应抬笔帧;非中断扫描帧对应普通帧。针对扫描笔来说,在点压模式下,图像帧仅包括点压时所生成的点压帧,因此,在点压模式下仅存在中断扫描帧,不存在非中断扫描帧。
一般的,为例便于区分,在扫描装置进行图像数据采集时,会在所采集的中断扫描帧中添加中断扫描标识,便于与其他图像帧加以区分。本公开实施例对中断扫描标识的具体形式不作任何限定,仅限于能够区分中断扫描帧和非中断扫描帧即可。
需要说明的是,待输出内容可以是字符识别结果本身,还可以是在翻译场景下,字符识别结果对应的翻译文本。其中,翻译文本对应语音类别可以由技术人员在进行字符识别之前预先设置。
针对字符识别在线展示过程中,可以通过第三线程在监测到启动输出信号后,输出字符识别结果对应的待输出内容。
其中,输出方式可以是屏幕显示或语音播放等,本公开对此不作任何限定。
在一些具体实现方式中,启动输出信号可以人为触发、定时触发、或待输出内容达到设定字节后触发等。
在另一具体实现方式中,启动输出信号可以基于字符识别结果中的标识信息触发。例如,可以在字符识别之后,根据字符识别结果确定待输出内容过程中,若所识别的目标拼接图像中包含有中断扫描帧,则在待输出内容后添加启动输出标识;相应的,在第三线程识别到启动输出标识时,输出字符识别结果对应的待输出内容。其中,启动输出标识可以与前述中断扫描标识相同或不同,本公开实施例对启动输出标识的具体形式不作任何限定。
可以理解的是,通过设置第三线程并行执行字符识别结果对应待输出内容的输出操作,减少了在线展示过程的等待时间,提高了展示效率。进一步的,通过将启动输出信号与中断扫描帧相关联,从而根据扫描装置的扫描节奏,动态输出相应待输出内容,提高了展示与扫描过程的契合度。
本公开实施例通过引入第一线程和第二线程,并行执行对图像帧的拼接处理和字符识别,替代现有技术在拼接完毕后再进行文字识别的串行方案,从而降低了拼接处理和字符识别之间的耦合度,减少了拼接处理和字符识别的等待时间,提高了字符识别效率。
在上述各技术方案的基础上,本公开还提供了一个可选实施例。在该可选实施例中,对第一线程的拼接处理过程,进行了优化改进。需要说明的是,在本公开实施例未详述部分,可参见前述实施例的相关表述,在此不再赘述。
参见图2所示的一种字符识别方法,包括:
S201、通过第一线程对第一队列中的图像帧进行拼接处理,得到目标拼接图像;图像帧根据扫描装置采集的图像数据确定。
第一线程实时或定时轮询第一队列,并在第一队列非空时,从第一队列中读取图像帧;将所读取图像帧进行拼接处理,得到目标拼接图像。
示例性的,针对一个目标拼接图像的生成过程,若识别到拼接中断事件,则将已拼接图像作为目标拼接图像。
可选的,拼接中断事件,可以是已拼接图像中已拼接图像帧的数量达到预设拼接数量阈值;其中,预设拼接数量阈值可以由技术人员根据需要或经验值进行设定或调整。或者可选的,拼接中断事件,还可以是当前已拼接图像帧为中断扫描帧。
S202、通过第一线程向第二队列添加目标拼接图像。
可以理解的是,通过引入第二队列存储第一线程所生成的目标拼接图像,便于后续在字符识别的过程中,能够顺序读取目标拼接图像,避免了出现识别顺序混乱,导致字符识别结果混乱的情况发生,有助于提高字符识别结果的准确度。
S203、若识别到第二队列后向阻塞,则保留拼接有中断扫描帧的目标拼接图像,并丢弃未拼接有中断扫描帧的目标拼接图像。
需要说明的是,当第二队列满时,将会出现第一线程无法向第二队列继续添加目标拼接图像的情况,也即第二队列出现后向阻塞现象,此时,可以通过调小对第二队列中的目标拼接图像的消费频率、或者调大第一线程的拼接处理频率加以避免。
在字符识别过程中,可能会存在由于个别原因,导致第二队列仍然出现后向阻塞的情况发生。为了保证字符识别过程的连续性,在一个可选实施例中,还可以在第一线程识别到第二队列后向阻塞时,丢弃目标拼接图像。
由于目标拼接图像中可能拼接有中断扫描帧,通常在一次扫描结束时,会将本次扫描的字符识别结果对应待输出内容一并输出,也即,中断扫描帧能够影响字符识别结果对应待输出内容的输出时机。因此,贸然丢弃拼接有中断扫描帧的目标拼接图像,可能会存在待输出内容遗漏输出的情况。为了避免在进行内容输出时,出现待输出内容的遗漏输出,在丢弃目标拼接图像时,通常会保留拼接有中断扫描帧的目标拼接图像,且丢弃未拼接有中断扫描帧的目标拼接图像。
为了便于对拼接有中断扫描帧的目标拼接图像,以及未拼接有中断扫描帧的目标拼接图像进行区分,在生成目标拼接图像时,还可以在目标拼接图像中添加设定标识,从而基于该设定标识的添加情况,区分目标拼接图像。
在一个可选实施例中,通过第一线程对第一队列中的图像帧进行拼接处理,得到目标拼接图像,可以是:通过第一线程对第一队列中的图像帧进行拼接处理,若当前已拼接图像帧为中断扫描帧,则在已拼接图像中添加中断拼接标识,得到目标拼接图像。相应的,若识别到第二队列后向阻塞,则保留拼接有中断扫描帧的目标拼接图像,并丢弃为拼接有中断扫描帧的目标拼接图像,可以是:若识别到第二队列后向阻塞,则保留携带中断拼接标识的目标拼接图像,并丢弃未携带中断拼接标识的目标拼接图像。其中,中断拼接标识可以与前述中断扫描标识、或启动输出标识相同或不同,本公开实施例对中断拼接标识的具体形式不作任何限定。
S204、通过第二线程对第二队列中的目标拼接图像进行字符识别;第一线程和第二线程并行执行。
第二线程实时或定时轮询第二队列,并在第二队列非空时,从第二队列中读取目标拼接图像;对所读取目标拼接图像进行字符识别。
本公开实施例通过引入第二队列存储第一线程所生成的目标拼接图像,便于后续在字符识别的过程中,能够顺序读取目标拼接图像,避免了出现识别顺序混乱,导致字符识别结果混乱的情况发生,有助于提高字符识别结果的准确度。同时,在第二队列后向阻塞时,保留拼接有中断扫描帧的目标拼接图像,并丢弃未拼接有中断扫描帧的目标拼接图像,在减轻第二队列的存储压力的同时,避免了贸然丢弃全部目标拼接图像出现,导致已有字符识别结果对应待输出内容遗漏的情况发生,提高了使用体验。
在上述各技术方案的基础上,本公开还提供了一个可选实施例,在该实施例中,对第二线程的字符识别操作,进行了优化改进。
参见图3所示的一种字符识别方法,包括:
S301、通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像;图像帧根据扫描装置采集的图像数据确定。
S302、通过第二线程对目标拼接图像进行字符识别,并根据字符识别结果,确定待输出内容;第一线程和第二线程并行执行。
可选的,通过第二线程对目标拼接图像进行字符识别,并将字符识别结果作为待输出内容。或者可选的,通过第二线程对目标拼接图像进行字符识别,得到字符识别结果;对字符识别结果进行格式转换,得到待输出内容。其中,格式转换可以是:语言类别转换或排版格式转换等,本公开对此不作任何限定。
S303、若目标拼接图像中拼接有中断扫描帧,则在待输出内容后添加启动输出标识,用于指示内容输出。
其中,启动输出标识用于指示内容输出的具体实际,可以与前述中断扫描标识或中断拼接标识相同或不同,本公开对启动输出标识的具体形式不作任何限定。
第二线程若识别到目标拼接图像中拼接有中断扫描帧,则在待输出内容后添加启动输出标识;相应的,在进行内容输出时,在识别到启动输出标识的情况下,输出待输出内容。
需要说明的是,在生成目标拼接图像过程中,可能存在由于已拼接图像帧的数量达到预设拼接阈值,导致中断拼接的情况,因此并不是所有的目标拼接图像中均携带有启动输出标识。因此,在进行内容输出时,所输出内容对应有至少一个目标拼接图像,也即,将该启动输出标识与前一启动输出标识之间的待输出内容进行输出,从而实现在线识别和输出,有助于提高内容输出的实时性。
示例性的,可以采用屏幕显示和语音播放等至少一种方式进行内容输出,本公开对输出的具体方式不作任何限定。
本公开实施例通过在进行字符识别时,在待输出内容中添加启动输出标识,用于指示后续进行内容输出时的输出时机,无需人工介入,从而实现内容的自动化输出,减少了字符识别和内容输出的延时,提高了内容输出的实时性,保证了内容输出效率。
在上述各技术方案的基础上,本公开还提供了一个优选实施例,在该优选实施例中,以扫描笔为执行主体,对字符识别过程进行详细说明。
参见图4所示的一种字符识别方法,包括:
S401、通过主线程获取扫描头采集的原始图像帧,并对原始图像帧进行抽帧处理,得到待拼接帧,并将待拼接帧添加至帧队列中;原始图像帧的中断扫描帧中添加有中断扫描标识。
其中,抽帧处理的抽帧频率,可以基于拼接线程的拼接速度,以及字符识别线程的字符识别速度确定。
S402、若主线程识别到帧队列后向阻塞,则保留新生成的待拼接帧中的中断扫描帧,且丢弃新生成的待拼接帧中的非中断扫描帧。
其中,在扫描模式下,原始图像帧包括启动扫描后的普通帧以及结束扫描时的抬笔帧。其中,中断扫描帧帧对应抬笔帧;非中断扫描帧对应普通帧。在点压模式下,原始图像帧仅包括点压时所生成的点压帧,因此,在点压模式下仅存在中断扫描帧,不存在非中断扫描帧。
S403、拼接线程实时轮询帧队列,并从帧队列中依次获取待拼接帧,去重后进行拼接;拼接线程与主线程并行执行。
S404、拼接线程在识别到已拼接帧为中断扫描帧,或已拼接帧的数量大于预设拼接数量阈值时,将已拼接图像作为目标拼接图像,并将目标拼接图像添加至图队列中;拼接有中断扫描帧的目标拼接图像中携带有中断扫描标识。
S405、若拼接线程识别到图队列后向阻塞,则保留新生成的携带有中断扫描标识的目标拼接图像,且丢弃新生成的未携带有中断扫描标识的目标拼接图像。
S406、字符识别线程轮询图队列,并获取图队列中的目标拼接图像进行字符识别;拼接有中断扫描帧的目标拼接图像的字符识别结果后携带有中断扫描标识;字符识别线程与拼接线程和主线程并行执行。
S407、主线程对字符识别结果进行去重,并在监测到字符识别结果中携带中断扫描标识时,显示输出该中断扫描标识之前的字符识别结果。
若电子设备为翻译笔,则字符识别线程进行字符识别之后,将字符识别结果转换为翻译结果;拼接有中断扫描帧的目标拼接图像对应翻译结果后携带有中断扫描标识;相应的,主线程在对翻译结果去重后,在检测翻译结果中的中断扫描标识时,显示输出该中断扫描标识之前的翻译结果。
根据本公开的技术,能够降低抽帧、拼接和识别的耦合度,只要两个队列中还有数据,就会不断工作,减少了等待时间,从而降低了扫描到显示输出的时间间隔,提高了字符识别和显示效率,保证了字符识别和显示的实时性。
作为上述各字符识别方法的实现,本公开还提供了一种实施字符识别方法的执行装置的可选实施例。进一步参见图5所示的一种字符识别装置500,包括:拼接模块501和识别模块502。其中,
拼接模块501,用于通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像;所述图像帧根据扫描装置采集的图像数据确定;
识别模块502,用于通过第二线程对所述目标拼接图像进行字符识别;其中,所述第一线程和所述第二线程并行执行。
本公开实施例通过引入第一线程和第二线程,并行执行对图像帧的拼接处理和字符识别,替代现有技术在拼接完毕后再进行文字识别的串行方案,从而降低了拼接处理和字符识别之间的耦合度,减少了拼接处理和字符识别的等待时间,提高了字符识别效率。
在一个可选实施例中,所述拼接模块501,包括:
拼接单元,用于通过所述第一线程对第一队列中的图像帧进行拼接处理,得到所述目标拼接图像;
图像添加单元,用于通过所述第一线程向第二队列添加所述目标拼接图像;
阻塞响应单元,用于若识别到所述第二队列后向阻塞,则保留拼接有中断扫描帧的目标拼接图像,并丢弃未拼接有所述中断扫描帧的目标拼接图像。
在一个可选实施例中,所述拼接单元,包括:
中断拼接单元,用于通过所述第一线程对所述第一队列中的图像帧进行拼接处理,若当前已拼接图像帧为中断扫描帧,则在已拼接图像中添加中断拼接标识,得到所述目标拼接图像;
其中,所述阻塞响应单元,包括:
阻塞响应子单元,用于若识别到所述第二队列后向阻塞,则保留携带所述中断拼接标识的目标拼接图像,并丢弃未携带所述中断拼接标识的目标拼接图像。
在一个可选实施例中,所述识别模块502,包括:
字符识别单元,用于通过所述第二线程对所述目标拼接图像进行字符识别,并根据字符识别结果,确定待输出内容;
输出标识添加单元,用于若所述目标拼接图像中拼接有中断扫描帧,则在所述待输出内容后添加启动输出标识,用于指示内容输出。
在一个可选实施例中,该装置,还包括:
抽帧模块,用于在所述通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像之前,通过第三线程对所述扫描装置采集的图像数据进行抽帧处理,得到所述图像帧;
其中,所述第三线程与所述第一线程和所述第二线程并行执行。
在一个可选实施例中,所述抽帧模块,包括:
抽帧单元,用于通过所述第三线程对所述扫描装置采集的图像数据进行抽帧处理,得到所述图像帧;
帧添加单元,用于通过所述第三线程向第一队列添加所述图像帧;
阻塞响应单元,用于若识别到所述第一队列后向阻塞,则保留所述图像帧中的中断扫描帧,并丢弃所述图像帧中的非中断扫描帧。
在一个可选实施例中,该装置,还包括:
输出模块,用于通过所述第三线程在监测到启动输出信号后,输出字符识别结果对应的待输出内容。
上述字符识别装置可执行本公开任意实施例所提供的字符识别方法,具备执行各字符识别方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的图像帧及图像数据的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
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6示出了可以用来实施本公开的实施例的示例电子设备600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。
在一个具体实现方式中,该电子设备可以是扫描笔或翻译笔等。
如图6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理,例如字符识别方法。例如,在一些实施例中,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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的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601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)和互联网。
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。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或丢弃步骤。例如,本发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 (18)
1.一种字符识别方法,包括:
通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像;所述图像帧根据扫描装置采集的图像数据确定;
通过第二线程对所述目标拼接图像进行字符识别;
其中,所述第一线程和所述第二线程并行执行。
2.根据权利要求1所述的方法,其中,所述通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像,包括:
通过所述第一线程对第一队列中的图像帧进行拼接处理,得到所述目标拼接图像;
通过所述第一线程向第二队列添加所述目标拼接图像;
若识别到所述第二队列后向阻塞,则保留拼接有中断扫描帧的目标拼接图像,并丢弃未拼接有所述中断扫描帧的目标拼接图像。
3.根据权利要求2所述的方法,其中,所述通过所述第一线程对第一队列中的图像帧进行拼接处理,得到所述目标拼接图像,包括:
通过所述第一线程对所述第一队列中的图像帧进行拼接处理,若当前已拼接图像帧为中断扫描帧,则在已拼接图像中添加中断拼接标识,得到所述目标拼接图像;
其中,所述若识别到所述第二队列后向阻塞,则保留拼接有中断扫描帧的目标拼接图像,并丢弃未拼接有所述中断扫描帧的目标拼接图像,包括:
若识别到所述第二队列后向阻塞,则保留携带所述中断拼接标识的目标拼接图像,并丢弃未携带所述中断拼接标识的目标拼接图像。
4.根据权利要求1所述的方法,其中,所述通过第二线程对所述目标拼接图像进行字符识别,包括:
通过所述第二线程对所述目标拼接图像进行字符识别,并根据字符识别结果,确定待输出内容;
若所述目标拼接图像中拼接有中断扫描帧,则在所述待输出内容后添加启动输出标识,用于指示内容输出。
5.根据权利要求1-4任一项所述的方法,其中,在所述通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像之前,还包括:
通过第三线程对所述扫描装置采集的图像数据进行抽帧处理,得到所述图像帧;
其中,所述第三线程与所述第一线程和所述第二线程并行执行。
6.根据权利要求5所述的方法,其中,所述通过第三线程对所述扫描装置采集的图像数据进行抽帧处理,得到所述图像帧,包括:
通过所述第三线程对所述扫描装置采集的图像数据进行抽帧处理,得到所述图像帧;
通过所述第三线程向第一队列添加所述图像帧;
若识别到所述第一队列后向阻塞,则保留所述图像帧中的中断扫描帧,并丢弃所述图像帧中的非中断扫描帧。
7.根据权利要求5所述的方法,还包括:
通过所述第三线程在监测到启动输出信号后,输出字符识别结果对应的待输出内容。
8.一种字符识别装置,包括:
拼接模块,用于通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像;所述图像帧根据扫描装置采集的图像数据确定;
识别模块,用于通过第二线程对所述目标拼接图像进行字符识别;
其中,所述第一线程和所述第二线程并行执行。
9.根据权利要求8所述的装置,其中,所述拼接模块,包括:
拼接单元,用于通过所述第一线程对第一队列中的图像帧进行拼接处理,得到所述目标拼接图像;
图像添加单元,用于通过所述第一线程向第二队列添加所述目标拼接图像;
阻塞响应单元,用于若识别到所述第二队列后向阻塞,则保留拼接有中断扫描帧的目标拼接图像,并丢弃未拼接有所述中断扫描帧的目标拼接图像。
10.根据权利要求9所述的装置,其中,所述拼接单元,包括:
中断拼接单元,用于通过所述第一线程对所述第一队列中的图像帧进行拼接处理,若当前已拼接图像帧为中断扫描帧,则在已拼接图像中添加中断拼接标识,得到所述目标拼接图像;
其中,所述阻塞响应单元,包括:
阻塞响应子单元,用于若识别到所述第二队列后向阻塞,则保留携带所述中断拼接标识的目标拼接图像,并丢弃未携带所述中断拼接标识的目标拼接图像。
11.根据权利要求8所述的装置,其中,所述识别模块,包括:
字符识别单元,用于通过所述第二线程对所述目标拼接图像进行字符识别,并根据字符识别结果,确定待输出内容;
输出标识添加单元,用于若所述目标拼接图像中拼接有中断扫描帧,则在所述待输出内容后添加启动输出标识,用于指示内容输出。
12.根据权利要求8-11任一项所述的装置,还包括:
抽帧模块,用于在所述通过第一线程对图像帧进行拼接处理,得到至少一个目标拼接图像之前,通过第三线程对所述扫描装置采集的图像数据进行抽帧处理,得到所述图像帧;
其中,所述第三线程与所述第一线程和所述第二线程并行执行。
13.根据权利要求12所述的装置,其中,所述抽帧模块,包括:
抽帧单元,用于通过所述第三线程对所述扫描装置采集的图像数据进行抽帧处理,得到所述图像帧;
帧添加单元,用于通过所述第三线程向第一队列添加所述图像帧;
阻塞响应单元,用于若识别到所述第一队列后向阻塞,则保留所述图像帧中的中断扫描帧,并丢弃所述图像帧中的非中断扫描帧。
14.根据权利要求12所述的装置,还包括:
输出模块,用于通过所述第三线程在监测到启动输出信号后,输出字符识别结果对应的待输出内容。
15.一种电子设备,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1-7中任一项所述的字符识别方法。
16.根据权利要求15所述的电子设备,所述电子设备为扫描笔或翻译笔。
17.一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计算机执行根据权利要求1-7中任一项所述的字符识别方法。
18.一种计算机程序产品,包括计算机程序/指令,所述计算机程序/指令被处理器执行时实现权利要求1-7中任一项所述的字符识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111333202.4A CN113989804A (zh) | 2021-11-11 | 2021-11-11 | 字符识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111333202.4A CN113989804A (zh) | 2021-11-11 | 2021-11-11 | 字符识别方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113989804A true CN113989804A (zh) | 2022-01-28 |
Family
ID=79747948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111333202.4A Pending CN113989804A (zh) | 2021-11-11 | 2021-11-11 | 字符识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113989804A (zh) |
-
2021
- 2021-11-11 CN CN202111333202.4A patent/CN113989804A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113642584B (zh) | 文字识别方法、装置、设备、存储介质和智能词典笔 | |
CN113691864A (zh) | 视频剪辑方法、装置、电子设备和可读存储介质 | |
CN113657395A (zh) | 文本识别方法、视觉特征提取模型的训练方法及装置 | |
CN113766487A (zh) | 云手机信息获取方法、装置、设备和介质 | |
CN113591864B (zh) | 文本识别模型框架的训练方法、装置及系统 | |
CN113836462A (zh) | 页面描述文件的生成方法、装置、设备及存储介质 | |
CN113724398A (zh) | 增强现实方法、装置、设备以及存储介质 | |
CN113989804A (zh) | 字符识别方法、装置、设备和存储介质 | |
CN114119374A (zh) | 图像处理方法、装置、设备以及存储介质 | |
CN114071192A (zh) | 信息获取方法、终端、服务器、电子设备以及存储介质 | |
CN113554062A (zh) | 多分类模型的训练方法、设备和存储介质 | |
CN114363627B (zh) | 图像处理方法、装置及电子设备 | |
CN113362218B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114546199B (zh) | 一种图像处理方法、装置、电子设备和存储介质 | |
CN114268746B (zh) | 一种视频生成方法、装置、设备及存储介质 | |
CN116820656A (zh) | 一种大屏界面生成方法、装置、设备及存储介质 | |
CN113239224A (zh) | 异常文档识别方法、装置、设备和存储介质 | |
CN115719054A (zh) | 转账记录生成方法、装置、设备及介质 | |
CN114549697A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN114048058A (zh) | 直播事件搜索方法、装置、电子设备以及存储介质 | |
CN113051505A (zh) | 文档显示方法、装置和电子设备 | |
CN114860965A (zh) | 基于nlp技术的会议信息记录方法、装置、电子设备及介质 | |
CN116860130A (zh) | 数据可视化方法、装置、电子设备及介质 | |
CN114168247A (zh) | 图像展示方法、装置、设备和存储介质 | |
CN114820882A (zh) | 一种图像获取方法、装置、设备及存储介质 |
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 |