字符定位方法和装置与流程

1.本公开的实施例涉及计算机技术领域，具体涉及字符定位方法和装置。


背景技术：

2.文字识别，是一种利用计算机自动识别字符的技术，是模式识别应用的一个重要领域。
3.现有技术中，文字识别方法基本上分为统计、逻辑判断和句法三大类。其中，常用的方法有模板匹配法和几何特征抽取法。模板匹配法是将输入的文字与给定的各类别标准文字(模板)进行相关匹配，计算输入文字与各模板之间的相似性程度，取相似度最大的类别作为识别结果。何特征抽取法可以抽取文字的一些几何特征，如文字的端点、分叉点、凹凸部分以及水平、垂直、倾斜等各方向的线段、闭合环路等，根据这些特征的位置和相互关系进行逻辑组合判断，获得识别结果。


技术实现要素：

4.本公开提出了字符定位方法和装置。
5.第一方面，本公开的实施例提供了一种字符定位方法，该方法包括：获取目标图像；对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息；对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列；根据上述字符序列，生成上述文本行中的字符的字符位置信息。
6.在一些实施例中，上述字符序列包括占位字符和非占位字符；以及，上述根据上述字符序列，生成上述文本行中的字符的字符位置信息，包括：根据上述字符序列中的占位字符的占位字符位置信息，生成上述文本行中的各个非占位字符的非占位字符位置信息。
7.在一些实施例中，上述字符序列包括占位字符和非占位字符；以及，上述根据上述字符序列，生成上述文本行中的字符的字符位置信息，包括：根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息和各个非占位字符的字符位置信息；针对上述字符序列中的两相邻占位字符，响应于上述字符序列中该两相邻占位字符之间的各个非占位字符相同，根据该两相邻占位字符之间的各个非占位字符的非占位字符位置信息，生成上述文本行中与该两相邻占位字符之间的非占位字符相对应的字符的字符位置信息。
8.在一些实施例中，上述文本行位置信息通过四边形框表征，上述字符序列包括占位字符和非占位字符；以及，上述根据上述字符序列，生成上述文本行中的字符的字符位置信息，包括：根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息；针对上述字符序列中的两相邻非占位字符，根据该两相邻非占位字符之间的占位字符的占位字符位置信息，确定用于对上述四边形框进行分割的分割位置信息；按照所得到的各个分隔位置信息指示的位置对上述四边形框进行分割，将分割结果确定为上述文本行中的字符的字符位置信息。
9.在一些实施例中，上述根据上述字符序列，生成上述文本行中的字符的字符位置
信息，包括：根据上述字符序列，生成上述文本行中的字符在上述图像区域中的位置信息；根据上述文本行位置信息和上述字符在上述图像区域中的位置信息，确定字符在上述目标图像中的字符位置信息。
10.在一些实施例中，上述获取目标图像，包括：获取目标显示屏呈现的图像作为目标图像；以及，上述方法还包括：响应于检测到针对上述目标图像中的字符的用户操作，根据上述用户操作对上述目标显示屏的操作位置和上述文本行中的字符的字符位置信息，从上述文本行位置信息指示的文本行中确定上述用户操作指示的待操作字符。
11.在一些实施例中，上述方法还包括：输出与上述待操作字符预先关联的输出信息。
12.在一些实施例中，上述方法还包括：按照上述用户操作的指示，对上述待操作字符进行上述用户操作指示的处理。
13.第二方面，本公开的实施例提供了一种字符定位装置，该装置包括：获取单元，被配置成获取目标图像；检测单元，被配置成对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息；识别单元，被配置成对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列；生成单元，被配置成根据上述字符序列，生成上述文本行中的字符的字符位置信息。
14.在一些实施例中，上述字符序列包括占位字符和非占位字符；以及，上述生成单元包括：第一生成子单元，被配置成根据上述字符序列中的占位字符的占位字符位置信息，生成上述文本行中的各个非占位字符的非占位字符位置信息。
15.在一些实施例中，上述字符序列包括占位字符和非占位字符；以及，上述生成单元包括：第二生成子单元，被配置成根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息和各个非占位字符的字符位置信息；第三生成子单元，被配置成针对上述字符序列中的两相邻占位字符，响应于上述字符序列中该两相邻占位字符之间的各个非占位字符相同，根据该两相邻占位字符之间的各个非占位字符的非占位字符位置信息，生成上述文本行中与该两相邻占位字符之间的非占位字符相对应的字符的字符位置信息。
16.在一些实施例中，上述文本行位置信息通过四边形框表征，上述字符序列包括占位字符和非占位字符；以及，上述生成单元包括：第四生成子单元，被配置成根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息；第一确定子单元，被配置成针对上述字符序列中的两相邻非占位字符，根据该两相邻非占位字符之间的占位字符的占位字符位置信息，确定用于对上述四边形框进行分割的分割位置信息；第二确定子单元，被配置成按照所得到的各个分隔位置信息指示的位置对上述四边形框进行分割，将分割结果确定为上述文本行中的字符的字符位置信息。
17.在一些实施例中，上述生成单元包括：第五生成子单元，被配置成根据上述字符序列，生成上述文本行中的字符在上述图像区域中的位置信息；第三确定子单元，被配置成根据上述文本行位置信息和上述字符在上述图像区域中的位置信息，确定字符在上述目标图像中的字符位置信息。
18.在一些实施例中，上述获取单元包括：获取子单元，被配置成获取目标显示屏呈现的图像作为目标图像；以及，上述装置还包括：确定单元，被配置成响应于检测到针对上述目标图像中的字符的用户操作，根据上述用户操作对上述目标显示屏的操作位置和上述文本行中的字符的字符位置信息，从上述文本行位置信息指示的文本行中确定上述用户操作
指示的待操作字符。
19.在一些实施例中，上述装置还包括：输出单元，被配置成输出与上述待操作字符预先关联的输出信息。
20.在一些实施例中，上述装置还包括：处理单元，被配置成按照上述用户操作的指示，对上述待操作字符进行上述用户操作指示的处理。
21.第三方面，本公开的实施例提供了一种字符定位电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述字符定位方法中任一实施例的方法。
22.第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述字符定位方法中任一实施例的方法。
23.本公开的实施例提供的字符定位方法和装置，首先获取目标图像，然后，对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息，之后，对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列，最后，根据上述字符序列，生成上述文本行中的字符的字符位置信息，从而可以通过文本行检测和字符识别来确定字符的位置，可以提高单字符定位的速度，降低单字符定位的计算量，减少定位过程中对计算资源的消耗。
附图说明
24.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
25.图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
26.图2是根据本公开的字符定位方法的一个实施例的流程图；
27.图3a-图3c是根据本公开的字符定位方法的一个应用场景的示意图；
28.图4是根据本公开的字符定位方法的又一个实施例的流程图；
29.图5a-图5b是根据本公开的字符定位方法的又一个应用场景的示意图；
30.图6是根据本公开的字符定位装置的一个实施例的结构示意图；
31.图7是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
32.下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
33.需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
34.图1示出了可以应用本公开的实施例的字符定位方法或字符定位装置的实施例的示例性系统架构100。
35.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。
36.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，以接收或发送数据(例如目标图像)等。终端设备101、102、 103上可以安装有各种客户端应用，例如图像处理类应用、视频播放软件、新闻资讯类应用、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。
37.终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
38.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发送的目标图像进行字符定位的后台服务器。后台服务器可以对上述目标图像进行文本行检测，得到上述目标图像的文本行位置信息，然后再对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列，以及根据上述字符序列，生成上述文本行中的字符的字符位置信息。可选的，在生成字符位置信息之后，后台服务器还可以将该字符位置信息反馈给终端设备。作为示例，服务器105可以是云端服务器。
39.需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
40.还需要说明的是，本公开的实施例所提供的字符定位方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，字符定位装置包括的各个部分(例如各个单元、子单元)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。
41.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。当字符定位方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括字符定位方法运行于其上的电子设备(例如服务器或终端设备)。
42.继续参考图2，示出了根据本公开的字符定位方法的一个实施例的流程200。该字符定位方法，包括以下步骤：
43.步骤201，获取目标图像。
44.在本实施例中，字符定位方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地，获取目标图像。其中，目标图像可以是包含字符的图像。
45.实践中，上述目标图像中包含的字符可以是任意符号。作为示例目标图像中的字符可以包括但不限于以下至少一项：文字、字母、数字、运算符号、标点符号和其他符号，以及一些功能性符号。作为示例，上述目标图像中包含的字符可以是占位字符(例如空格)、文字(例如汉字)。通常，目标图像中包含的字符可以按行排列。在这里，按行排列的字符可以称之为文本行。
46.步骤202，对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息。
47.在本实施例中，上述执行主体可以对步骤201中获取到的目标图像进行文本行检测，得到该目标图像中的文本行的文本行位置信息。
48.其中，文本行检测可以用于确定图像中的文本行的文本行位置信息。作为示例，上述执行主体可以采用基于east(efficient andaccurate scene text detectionpipeline，高效、准确的场景文本检测)的文本行检测、基于pixellink的文本行检测或者其他文本行检测，得到上述目标图像中的文本行的文本行位置信息。
49.文本行位置信息可以用于指示目标图像中的文本行的位置。实践中，可以根据实际需要来确定文本行位置信息的表征方式。示例性的，文本行位置信息可以采用四边形框来表征。例如，上述四边形可以是矩形或者平行四边形等四边形。这里，四边形框的边与目标图像的边界范围(通常图像的边界范围为矩形)指示的矩形的边，可以平行也可以不平行。此外，文本行位置信息也可以采用两条线段表征。其中，当文本行中的各个字符的字号相等时，文本行位置信息可以采用两条平行线段表征；当文本行中的各个字符的字号依次增大或减小时，文本行位置信息可以采用两条非平行线段表征。可选的，文本行位置信息还可以采用坐标表征。
50.在一些情况下，文本行位置信息可以指示曲线文本的位置。在此情况下，四边形框可以不包括与目标图像的边界范围指示的矩形的边相平行的边。
51.步骤203，对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列。
52.在本实施例中，上述执行主体可以对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列。
53.其中，字符识别可以用于确定图像区域中的文本行中的字符序列。作为示例，当图像区域包含文本行“离离原上草，一岁一枯荣”时，该文本行包括的字符序列可以是“离离原上草，一岁一枯荣”。可以理解，通过图像中像素的排列及颜色的变化，图像可以对文本行进行呈现。然而，上述执行主体无法直接获得图像中的文本行的内容。而通过字符识别，上述执行主体可以得到文本行包括的字符序列，从而获得图像中的文本行的内容。
54.作为示例，上述执行主体可以采用基于cnn(convolutional neuralnetworks，卷积神经网络)字符识别、基于crnn(convolutionalrecurrent neural network，卷积递归神经网络)的字符识别，或者其他字符识别方式，来得到上述文本行包括的字符序列。
55.可以理解，上述字符序列通过上述执行主体通过字符识别得到。因而，字符序列中可能包含有叠字。示例性的，对于文本行“离离原上草”，上述执行主体可能得到字符序列“离离 离离 原原原 上上 草草”。其中，第一个汉字“离”之前包含3个占位字符，第二个汉字“离”和第三个汉字“离”之间包含2个占位字符，第四个汉字“离”和第五个汉字“原”之间包含3个占位字符，第七个汉字“原”和第八个汉字“上”之间包含2个占位字符，第九个汉字“上”和第十个汉字“草”之间包含3个占位字符，第十一个汉字“草”之后包含3个占位字符。
56.步骤204，根据上述字符序列，生成上述文本行中的字符的字符位置信息。
57.在本实施例中，上述执行主体可以根据上述字符序列，生成上述文本行中的字符的字符位置信息。
58.在这里，上述执行主体可以生成上述文本行中的全部或部分字符的字符位置信息。其中，文本行中的字符的字符位置信息可以表征字符在目标图像中的位置，也可以表征字符在包含该字符的文本行所在的图像区域中的位置。
59.在本实施例的一些可选的实现方式中，上述字符序列包括占位字符和非占位字符。其中，占位字符可以表征字符序列中的两相邻非占位字符之间的距离。通常，两相邻非占位字符之间的距离越大，该两相邻非占位字符之间的占位字符的数量越多。示例性的，占位字符可以是空格，非占位字符可以是除占位字符之外的任意字符。
60.在这里，占位字符可以是预先确定的一个已知字符。例如，占位字符可以是空格，也可以是
“□”
，还可以是其他预定字符。
61.基于此，上述执行主体可以通过如下步骤执行上述步骤204：
62.根据上述字符序列中的占位字符的占位字符位置信息，生成上述文本行中的各个非占位字符的非占位字符位置信息。
63.其中，字符序列中的占位字符的字符位置信息，可以表征该占位字符在字符序列中的出现位置。可选的，字符序列中的占位字符的字符位置信息可以表征占位字符在目标图像中的位置，也可以表征占位字符在包含该占位字符的文本行所在的图像区域中的位置。
64.在这里，在上述执行主体可以首先确定出字符序列中的全部或部分占位字符的占位字符位置信息，从而在获得字符序列中的占位字符的占位字符位置信息的基础上，上述执行主体可以计算所确定出的两目标相邻占位字符的之间的距离(该距离可以采用两目标相邻占位字符的之间的非占位字符的数量表征，也可以采用两目标相邻占位字符的之间的像素数量表征)，如果该两目标相邻占位字符的之间的距离大于第一预设距离阈值，那么，上述执行主体可以确定该两目标相邻占位字符的之间存在非占位字符。由此，上述执行主体可以将该两目标相邻占位字符的之间的任意位置(例如中间位置)确定为非占位字符的分割位置。进而获得上述文本行中的各个非占位字符的非占位字符位置信息。其中，两目标相邻占位字符可以是字符序列中，其间不包含占位字符(可以包含非占位字符)的两个占位字符。例如，对于字符序列
“□
离
□□
离
□□□”
，两目标相邻占位字符可以包括：第一个
□
和第二个
□
、第三个
□
和第四个
□
、第四个
□
和第五个
□
、第五个
□
和第六个
□
。
65.可选的，上述执行主体也可以首先确定出字符序列中，其间不包含非占位字符的至少两个占位字符(即占位字符组)的位置。
66.例如，如果字符序列为“离离 离离 原原原 上上 草草”。其中，第一个汉字“离”之前包含3个占位字符(以下将该3个占位字符称为第一占位字符组)，第二个汉字“离”和第三个汉字“离”之间包含2个占位字符(以下将该2个占位字符称为第二占位字符组)，第四个汉字“离”和第五个汉字“原”之间包含3个占位字符(以下将该3 个占位字符称为第三占位字符组)，第七个汉字“原”和第八个汉字“上”之间包含2个占位字符(以下将该2个占位字符称为第四占位字符组)，第九个汉字“上”和第十个汉字“草”之间包含3个占位字符(以下将该3 个占位字符称为第五占位字符组)，第十一个汉字“草”之后包含3个占位字符(以下将该3个占位字符称为第六占位字符组)。可以理解，占位字符组的位置，可以根据该占位字符组中的占位字符的位置确定。占位字符组可以是字符序列中，其间不包含非占位字符且其前一字符和后一字符均为非占位字符的字符子序列。
67.然后，上述执行主体可以根据所得到的占位字符组的位置，生成上述文本行中的各个非占位字符的非占位字符位置信息。
68.可以理解，上述可选的实现方式可以根据字符序列中的占位字符的占位字符位置信息，生成文本行中的各个非占位字符的非占位字符位置信息，从而提高了字符定位的准确度。
69.在本实施例的一些可选的实现方式中，上述字符序列包括占位字符和非占位字符。其中，占位字符可以表征字符序列中的两相邻非占位字符之间的距离。通常，两相邻非占位字符之间的距离越大，该两相邻非占位字符之间的占位字符的数量越多。示例性的，占位字符可以是空格，非占位字符可以包括除占位字符之外的任意字符。
70.基于此，上述执行主体也可以通过如下步骤执行上述步骤204：
71.首先，根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息和各个非占位字符的字符位置信息。
72.然后，针对上述字符序列中的两相邻占位字符，响应于上述字符序列中该两相邻占位字符之间的各个非占位字符相同，根据该两相邻占位字符之间的各个非占位字符的非占位字符位置信息，生成上述文本行中与该两相邻占位字符之间的非占位字符相对应的字符的字符位置信息。其中，字符序列中的两相邻占位字符可以是字符序列中的两个相邻的占位字符，字符序列中的两相邻占位字符之间可以包含非占位字符，也可以不包含占位字符。
73.可以理解，通常情况下，针对目标图像中的文本行中的单个字符，在步骤203进行字符识别所得到的字符序列可能包含与该单个字符相对应的两个或两个以上字符。例如，如果目标图像中的文本行为“离离原上草”，针对该文本行中的单个字符“离”，上述执行主体进行字符识别之后所得到的字符序列可能包含与该单个字符相对应的两个字符“离离”。示例性的，对于文本行“离离原上草”，上述执行主体可能得到字符序列“离离 离离 原原原 上上 草草”74.在此应用场景下，上述执行主体可以根据字符序列“离离 离离 原原原 上上 草草”中的第一个汉字(即该字符序列中的第一个离)和第二个汉字(即该字符序列中的第二个离)，来确定文本行“离离原上草”中的第一个汉字(即该文本行的第一个离)的位置，从而获得该非占位字符“离”的字符位置信息。
75.可以理解，针对字符序列中两相邻占位字符之间的各个非占位字符相同的情况，上述可选的实现方式可以进一步提高字符定位的准确度。
76.在本实施例的一些可选的实现方式中，上述执行主体可以通过如下步骤执行上述步骤204：
77.首先，根据上述字符序列，生成上述文本行中的字符在上述图像区域中的位置信息。
78.然后，根据上述文本行位置信息和上述字符在上述图像区域中的位置信息，确定字符在上述目标图像中的字符位置信息。
79.可以理解，由于图像区域属于目标图像的一部分，因而该图像区域与目标图像之间存在位置关系，根据该位置关系可以根据上述字符在上述图像区域中的位置信息，确定字符在上述目标图像中的字符位置信息。
80.在本实施例的一些可选的实现方式中，上述步骤201可以为：获取目标显示屏呈现的图像作为目标图像。其中，目标显示屏可以是上述执行主体的显示屏，也可以是与上述执行主体通信连接的电子设备的显示屏。
81.基于此，在检测到针对上述目标图像中的字符的用户操作的情况下，上述执行主体还可以根据上述用户操作对上述目标显示屏的操作位置和上述文本行中的字符的字符位置信息，从上述文本行位置信息指示的文本行中确定上述用户操作指示的待操作字符。其中，上述用户操作可以包括但不限于以下至少一项：取词操作、点读操作等等。
82.可以理解，上述可选的实现方式可以更准确地确定出用户操作指示的待操作字符，从而按照用户操作的指示更为准确地执行相应处理，例如取词操作、点读操作等等。
83.在本实施例的一些可选的实现方式中，上述执行主体还可以输出与上述待操作字符预先关联的输出信息。
84.作为示例，与待操作字符预先关联的输出信息可以是待操作字符的翻译信息、介绍信息、音频信息等等。例如，如果待操作字符为“苹果”，那么，当输出信息为待操作字符的翻译信息时，输出信息可以是“apple”；当输出信息为待操作字符的介绍信息时，输出信息可以是“苹果营养价值：富含矿物质和维生素
……”
；当输出信息为待操作字符的音频信息时，输出信息可以是苹果的音频。
85.可以理解，上述可选的实现方式可以更快速的确定出与待操作字符预先关联的输出信息，进而提高输出信息的速度。
86.在本实施例的一些可选的实现方式中，上述执行主体还可以按照上述用户操作的指示，对上述待操作字符进行上述用户操作指示的处理。
87.作为示例，当用户操作指示取词操作时，上述执行主体可以对上述待操作字符进行取词操作，执行与取词操作所选取的待操作字符的相应处理，例如，翻译、解释等操作；当用户操作指示点读操作时，上述执行主体可以对上述待操作字符进行点读操作，执行与点读操作所选取的待操作字符的相应处理，例如，播放与点读操作所选取的待操作字符相对应的语音等操作。
88.可以理解，上述可选的实现方式可以提高对待操作字符进行用户操作指示的处理的速度。
89.继续参见图3a-图3c，图3a-图3c是根据本实施例的字符定位方法的应用场景的一个示意图。在图3a中，终端设备31首先获取目标图像301。然后，请参考图3b，终端设备31对上述目标图像301 进行文本行检测，得到上述目标图像中的文本行的文本行位置信息 3011-3016。之后，终端设备31对上述目标图像301中位于上述文本行位置信息3011-3016分别指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列。最后，如图3c所示，终端设备31根据上述文本行位置信息3011-3016和上述字符序列，生成上述文本行中的字符的字符位置信息(图3c中分别生成了“滁”、“州”、“西”、“涧”、“唐”、“朝”、“诗”、“人”、“：”、“韦”、“应”、“物”、“独”、“怜”、“幽”、“草”、“涧”、“边”、“生”、“,”、“上”、“有”、“黄”、“鹂”、“深”、“树”、“鸣”、“。”、“春”、“潮”、“带”、“雨”、“晚”、“来”、“急”、“,”、“野”、“渡”、“无”、“人”、“舟”、“自”、“横”、“。”的字符位置信息，并且，每个字符的字符位置信息采用四边形框表征)。
90.通常，采用基于单字符检测和单字符识别的文字识别(例如，基于连通域分析的单
字符检测和基于cnn(convolutional neuralnetworks，卷积神经网络)的单字符识别)方法进行字符识别，容易出现误召回等问题。而采用基于文本行检测和字符序列识别(例如，基于east(efficient and accurate scene text detectionpipeline，高效、准确的场景文本检测)的文本行检测和基于crnn(convolutionalrecurrent neural network，卷积递归神经网络)的文本行识别)的方法进行字符识别，则无法得到单字符位置。
91.本公开的上述实施例提供的方法，首先获取目标图像，然后，对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息，之后，对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列，最后，根据上述字符序列，生成上述文本行中的字符的字符位置信息，从而可以通过文本行检测和字符识别来确定字符的位置，可以提高单字符定位的速度，降低单字符定位的计算量，减少定位过程中对计算资源的消耗。
92.进一步参考图4，其示出了字符定位方法的又一个实施例的流程 400。该字符定位方法的流程400，包括以下步骤：
93.步骤401，获取目标图像。
94.在本实施例中，字符定位方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地，获取目标图像。
95.在本实施例中，步骤401与图2对应实施例中的步骤201基本一致，这里不再赘述。
96.步骤402，对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息。
97.在本实施例中，上述执行主体可以对步骤201中获取到的目标图像进行文本行检测，得到该目标图像中的文本行的文本行位置信息。其中，上述文本行位置信息通过四边形框表征。该四边形框可以是包含文本行的四边形框。在一些情况下，该四边形框中，沿文本行中的各个字符的排列方向的两条边相平行。
98.在本实施例中，步骤402与图2对应实施例中的步骤202基本一致，这里不再赘述。
99.步骤403，对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列。
100.在本实施例中，上述执行主体可以对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列。其中，上述字符序列包括占位字符和非占位字符。占位字符可以表征字符序列中的两相邻非占位字符之间的距离。通常，两相邻非占位字符之间的距离越大，该两相邻非占位字符之间的占位字符的数量越多。示例性的，占位字符可以是空格，非占位字符可以包括除占位字符之外的任意字符。
101.在本实施例中，步骤403与图2对应实施例中的步骤203基本一致，这里不再赘述。
102.步骤404，根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息。
103.在本实施例中，上述执行主体可以根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息。
104.在这里，针对字符序列中的每个占位字符，上述执行主体可以确定该占位字符的位置，从而生成上述字符序列中的占位字符的字符位置信息。其中，字符序列中的占位字符的字符位置信息，可以表征该占位字符在字符序列中的出现位置。
105.步骤405，针对上述字符序列中的两相邻非占位字符，根据该两相邻非占位字符之
间的占位字符的占位字符位置信息，确定用于对上述四边形框进行分割的分割位置信息。
106.在本实施例中，针对上述字符序列中的两相邻非占位字符，上述执行主体还可以据该两相邻非占位字符之间的占位字符的占位字符位置信息，确定用于对上述四边形框进行分割的分割位置信息。其中，字符序列中的两相邻非占位字符可以是字符序列中的两个相邻的非占位字符，字符序列中的两相邻非占位字符之间可以包含占位字符。例如，对于字符序列
“□
离
□□
离
□□□
原
□□
上
□□
草
□”
，两目标相邻非占位字符可以包括：第一个汉字离和第二个汉字离、第二个汉字离和第三个汉字原、第三个汉字原和第四个汉字上、第四个汉字上和第五个汉字草。
107.上述分割位置信息可以采用线段表征，当文本行的文本行位置信息采用包括两条平行边的四边形框表征时，该线段可以垂直于四边形框的两条平行边。
108.示例性的，假设图像区域的大小为c*h*w。其中，c表征图像区域的通道数，h表征图像区域的高度，w表征图像区域的长度。该图像区域经过cnn编码、重塑(reshape)、转置(transpose)之后，得到形状为w*c的特征图，其中，w是特征图的长度，c是cnn最后一次卷积的核数。将形状为w*c的特征图经过识别模型(connectionisttemporal classification，ctc)，得到每个非占位字符的在特征图上的位置和置信度，从而得到文本行识别结果。由此，可以根据各个非占位字符的在特征图上的位置，得到占位字符的在特征图上的位置idx。进而可以根据占位字符的在特征图上的位置idx、特征图的长度w和图像区域的长度w，得到该占位字符在图像区域上的位置idx/w*w。
109.作为示例，分割位置信息指示的位置可以是两相邻非占位字符之间的占位字符所在的任意位置。例如，表征分割位置信息的线段可以是平行于包括两相邻非占位字符之间的目标占位字符的矩形框的左上顶点和左下顶点的线段，还可以是平行于包括两相邻非占位字符之间的目标占位字符的矩形框的右上顶点和右下顶点的线段。其中，目标占位字符可以是两相邻非占位字符之间的任意一个占位字符，例如，可以是第一个占位字符，也可以是最后一个占位字符。可选的，表征分割位置信息的线段还可以是两相邻非占位字符之间的占位字符所在的中心位置。
110.此外，表征分割位置信息的线段还可以包括如下线段：平行于包含两相邻非占位字符之间的第一个占位字符的矩形框的左上顶点和左下顶点的线段，以及平行于包含两相邻非占位字符之间的最后一个占位字符的矩形框的右上顶点和右下顶点的线段。
111.其中，两相邻非占位字符之间的第一个占位字符之前，可以是非占位字符。两相邻非占位字符之间的最后一个占位字符之后，可以是非占位字符。
112.步骤406，按照所得到的各个分隔位置信息指示的位置对上述四边形框进行分割，将分割结果确定为上述文本行中的字符的字符位置信息。
113.在本实施例中，上述执行主体可以按照所得到的各个分隔位置信息指示的位置对上述四边形框进行分割，将分割结果确定为上述文本行中的字符的字符位置信息。
114.作为示例，请参考图5a和图5b。图5a-图5b是根据本公开的字符定位方法的又一个应用场景的示意图。在图5a中，终端设备51对目标图像进行文本行检测，得到该目标图像中的文本行的文本行位置信息。其中，该文本行位置信息通过四边形框表征。该四边形框中，沿文本行中的各个字符的排列方向的两条边相平行。如图5a所示，四边形框的边501和边502相平行。之后，终端设备51根据上述字符序列，生成上述字符序列中的占位字符的字符
位置信息。随后，针对上述字符序列中的两相邻非占位字符，终端设备51根据该两相邻非占位字符之间的占位字符的占位字符位置信息，确定用于对上述四边形框进行分割的分割位置信息。如图5b所示，终端设备51确定出的分割位置信息指示位置503、504、505。最后，终端设备51按照所得到的各个分隔位置信息指示的位置对上述四边形框进行分割，将分割结果确定为上述文本行中的字符的字符位置信息。
115.下面返回图4。
116.需要说明的是，除上面所记载的内容外，本公开的实施例还可以包括与图2对应的实施例相同或类似的特征、效果，在此不再赘述。
117.从图4中可以看出，本实施例中的字符定位方法的流程400采用四边形框表征文本行位置信息，并通过确定分割位置信息获得文本行中的字符的位置，从而进一步提高了字符定位的准确度。
118.进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种字符定位装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征，以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。
119.如图6所示，本实施例的字符定位装置600包括：获取单元601，被配置成获取目标图像；检测单元602，被配置成对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息；识别单元603，被配置成对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列；生成单元604，被配置成根据上述字符序列，生成上述文本行中的字符的字符位置信息。
120.在本实施例中，字符定位装置600的获取单元601可以获取目标图像。
121.在本实施例中，检测单元602可以对上述获取单元601获取到的目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息。
122.在本实施例中，上述识别单元603可以对上述获取单元601获取到的目标图像中位于上述检测单元602得到的文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列
123.在本实施例中，根据上述检测单元602得到的上述识别单元603 得到的字符序列，上述生成单元604可以生成上述文本行中的字符的字符位置信息。
124.在本实施例的一些可选的实现方式中，上述字符序列包括占位字符和非占位字符。基于此，上述生成单元604可以包括：第一生成子单元(图中未示出)，被配置成根据上述字符序列中的占位字符的占位字符位置信息，生成上述文本行中的各个非占位字符的非占位字符位置信息。
125.在本实施例的一些可选的实现方式中，上述字符序列包括占位字符和非占位字符。基于此，上述生成单元604可以包括：第二生成子单元(图中未示出)，被配置成根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息和各个非占位字符的字符位置信息；第三生成子单元(图中未示出)，被配置成针对上述字符序列中的两相邻占位字符，响应于上述字符序列中该两相邻占位字符之间的各个非占位字符相同，根据该两相邻占位字符之间的各个非占位字符的非占位字符位置信息，生成上述文本行中与该两相邻占位字符之间的非占位字符相对应的字符的字符位置信息。
126.在本实施例的一些可选的实现方式中，上述文本行位置信息通过四边形框表征，上述字符序列包括占位字符和非占位字符。基于此，上述生成单元604可以包括：第四生成子单元(图中未示出)，被配置成根据上述字符序列，生成上述字符序列中的占位字符的字符位置信息；第一确定子单元(图中未示出)，被配置成针对上述字符序列中的两相邻非占位字符，根据该两相邻非占位字符之间的占位字符的占位字符位置信息，确定用于对上述四边形框进行分割的分割位置信息；第二确定子单元(图中未示出)，被配置成按照所得到的各个分隔位置信息指示的位置对上述四边形框进行分割，将分割结果确定为上述文本行中的字符的字符位置信息。
127.在本实施例的一些可选的实现方式中，上述生成单元604可以包括：第五生成子单元(图中未示出)，被配置成根据上述字符序列，生成上述文本行中的字符在上述图像区域中的位置信息；第三确定子单元(图中未示出)，被配置成根据上述文本行位置信息和上述字符在上述图像区域中的位置信息，确定字符在上述目标图像中的字符位置信息。
128.在本实施例的一些可选的实现方式中，上述获取单元601可以包括：获取子单元(图中未示出)，被配置成获取目标显示屏呈现的图像作为目标图像。基于此，上述装置600还包括：确定单元(图中未示出)，被配置成响应于检测到针对上述目标图像中的字符的用户操作，根据上述用户操作对上述目标显示屏的操作位置和上述文本行中的字符的字符位置信息，从上述文本行位置信息指示的文本行中确定上述用户操作指示的待操作字符。
129.在本实施例的一些可选的实现方式中，上述装置600还包括：输出单元(图中未示出)，被配置成输出与上述待操作字符预先关联的输出信息。
130.在本实施例的一些可选的实现方式中，上述装置600还包括：处理单元(图中未示出)，被配置成按照上述用户操作的指示，对上述待操作字符进行上述用户操作指示的处理。
131.本公开的上述实施例提供的装置，首先获取单元601获取目标图像，然后，检测单元602对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息，之后，识别单元603对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列，最后，生成单元604根据上述字符序列，生成上述文本行中的字符的字符位置信息，从而可以通过文本行检测和字符识别来确定字符的位置，可以提高单字符定位的速度，降低单字符定位的计算量，减少定位过程中对计算资源的消耗。
132.下面参考图7，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)700的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的终端设备 /服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
133.如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(rom)702中的程序或者从存储装置708加载到随机访问存储器(ram)703中的程序而执行各种适当的动作和处理。在ram 703中，还存储有电子设备 700操作所需的各种程序和数据。处理装置701、rom 702以及ram 703通过总线704彼此相
连。输入/输出(i/o)接口705也连接至总线 704。
134.通常，以下装置可以连接至i/o接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置 706；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置 709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
135.特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
136.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标图像；对上述目标图像进行文本行检测，得到上述目标图像中的文本行的文本行位置信息；对上述目标图像中位于上述文本行位置信息指示的位置的图像区域进行字符识别，得到上述文本行包括的字符序列；根据上述字符序列，生成上述文本行中的字符的字符位置信息。
137.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码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)。
138.附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。
139.描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、检测单元、识别单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标图像的单元”。
140.以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。