本公开涉及互联网技术领域，尤其涉及一种光学字符识别方法、装置和电子设备。
背景技术：
随着互联网的发展，用户越来越多的使用终端设备实现各种功能。例如，随着智能设备的普及，人们可以轻易的获取图像。文本作为图像中的高层语义信息，能够帮助人们更好的理解图像。将图像中的文本信息转换为计算机可读可编辑的字符，对于提高多媒体检索能力、工业自动化水平、场景理解能力等具有重要意义。
技术实现要素：
提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开实施例提供了一种光学字符识别方法，该方法包括：获取第一字符图像，其中，所述第一字符图像包括至少两个字符元素；对所述第一字符图像进行分类，生成分类结果，其中，所述分类结果包括字符元素在字符图像方向的排布方向，所述字符图像方向用于指示具有语意联系的相邻字符之间的位置关系，所述排布方向用于指示字符元素按照语意的走向；基于所述分类结果和所述第一字符图像，生成第二字符图像；对所述第二字符图像进行光学字符识别，得到识别结果。
第二方面，本公开实施例提供了一种光学字符识别装置，包括：获取单元，用于获取第一字符图像，其中，所述第一字符图像包括至少两个字符元素；分类单元，用于对所述第一字符图像进行分类，生成分类结果，其中，所述分类结果包括字符元素在字符图像方向的排布方向，所述字符图像方向用于指示具有语意联系的相邻字符之间的位置关系，所述排布方向用于指示字符元素按照语意的走向；生成单元，用于基于所述分类结果和所述第一字符图像，生成第二字符图像；识别单元，用于对所述第二字符图像进行光学字符识别，得到识别结果。
第三方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的光学字符识别方法。
第四方面，本公开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第一方面所述的光学字符识别方法的步骤。
本公开实施例提供的光学字符识别方法、装置和电子设备，在进行光学字符识别之前，对第一字符图像进行分类，生成分类结果，并且分类结果可以包括字符元素在字符图像方向的排布方向。由此，可以获取具有语意联系的字符元素的正确走向，尽量避免了识别结果不符合语意的情况出现，提高了识别结果的准确率。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开的光学字符识别方法的一个实施例的流程图；
图2a和图2b是根据本公开的光学字符识别方法的一个应用场景的示意图
图3a和图3b是根据本公开的光学字符识别方法的一个应用场景的示意图；
图4是根据本公开的光学字符识别方法的另一个实施例的示意图；
图5是根据本公开的光学字符识别方法的又一个实施例的示意图；
图6是根据本公开的光学字符识别装置的一个实施例的结构示意图；
图7是本公开的一个实施例的光学字符识别方法可以应用于其中的示例性系统架构；
图8是根据本公开实施例提供的电子设备的基本结构的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
请参考图1，其示出了根据本公开的光学字符识别方法的一个实施例的流程。如图1所示该光学字符识别方法，包括以下步骤：
步骤101，获取第一字符图像。
在本实施例中，光学字符识别方法的执行主体(例如终端设备或者服务器)可以获取第一字符图像。
在本实施例中，第一字符图像可以是包括字符的图像。第一字符图像的形式和来源可以根据实际应用场景设置，在此不做限定。字符所属的语种可以也是任意的一种或者多种，在此不做限定。
作为示例，第一字符图像中可以包括一个或者至少两个字符行，也可以包括一个或者至少两个字符列。
作为示例，第一字符图像可以是从视频帧中截取的。
在本实施例中，上述第一字符图像可以包括至少两个字符元素。
在这里，上述字符元素可以指示字符。请参考图3a，图3a中的“天下皆美之”中的每个字均可以理解为一个字符元素。图3a中可以包括6个字符元素。
步骤102，对第一字符图像进行分类，生成分类结果。
在本实施例中，上述执行主体可以对第一字符图像进行分类，生成分类结果。
在这里，分类结果可以包括字符元素在字符图像方向的排布方向。
在本实施例中，字符图像方向，可以指示具有语意联系的相邻字符之间的位置关系。字符图像方向可以是标量。
作为示例，第一字符图像中字符元素的字符图像方向可以包括行方向或者列方向。行方向可以指示具有语意联系的相邻字符元素之间为左右相邻，即左右相邻的字符元素形成语意群。列方向可以指示具有语意联系的相邻字符元素之间为上下相邻，即上下相邻的字符元素形成语意群。
请参考图3a，图3a中的“天下皆美之”中各个字符之间可以是上下位置关系，可以理解为列方向。
作为示例，第一字符图像中的字符元素的字符图像方向为斜向。斜向可以指示具有语意联系的相邻字符元素之间的中心连线是倾斜的。
在这里，排布方向可以指示字符元素按照语意的走向。排布方向可以通过与字符图像方向的平行的两个矢量方向指示，这两个矢量方向可以定义为沿着分布方向的正向或者逆向。换句话说，排布方向可以为正向或者逆向。作为示例，请参考图3a，图3a中按照语意“天下皆美之”的走向，排布方向可以是从上到下。如果将从上到下预先设置为正方向，则图3a所示的字符元素在字符图像方向的排布方向为正向。
在一些实施例中，分类结果可以包括排布方向。
在一些实施例中，分类结果可以包括字符图像方向和排布方向。
步骤103，基于分类结果和第一字符图像，生成第二字符图像。
在本实施例中，上述执行主体可以基于所述分类结果和所述第一字符图像，生成第二字符图像。
作为示例，如果上述分类结果指示第一字符图像中字符元素的排列方向为正，则可以不对第一字符图像进行转动处理。
作为示例，如果上述分类结果指示第一字符图像中字符元素的排布方向不为正，则可以对第一字符图像进行转动处理，得到第二字符图像。
步骤104，对第二字符图像进行光学字符识别，得到识别结果。
在本实施例中，上述执行主体可以对上述第二字符图像进行光学字符识别，得到识别结果。
在本实施例中，识别过程可以采用方式各种方法，例如欧式空间的比对方法、松弛比对法(relaxation)、动态程序比对法(dynamicprogramming，dp)、数据库建立及比对、隐马尔可夫模型(hiddenmarkovmodelhmm)等，在此不再赘述。
需要说明的是，本实施例提供的光学字符识别方法，在进行光学字符识别之前，对第一字符图像进行分类，生成分类结果，并且分类结果可以包括字符元素在字符图像方向的排布方向。由此，可以获取具有语意联系的字符元素的正确走向，尽量避免了识别结果不符合语意的情况出现，提高了识别结果的准确率。
在一些实施例中，上述第一字符图像中字符元素的字符图像方向可以包括行方向或者列方向。
请参考图2a和图2b。图2a示出了字符图像方向为行方向的第一字符图像，并且，该第一字符图像中字符元素在行方向的排布方向为正向。图2b示出了字符图像方向为行方向的第一字符图像，并且，该第一字符图像中字符元素在行方向的排布方向为逆向。逆向与正向成180度。
请参考图3a和图3b。图3a示出了字符图像方向为列方向的第一字符图像，并且，该第一字符图像中字符元素在列方向的排布方向为正向。图3b示出了字符图像方向为列方向的第一字符图像，并且，该第一字符图像中字符元素在行方向的排布方向为逆向。逆向与正向成180度。
需要说明的是，行方向和列方向为实际应用场景中出现频率最高的字符图像方向。通过设置行方向和列方向的分类，可以在实际应用场景中，提高对于字符图像的识别速度和识别效率。
请参考图4，其示出了其示出了根据本公开的光学字符识别方法的另一个实施例的流程。
步骤401，获取第一字符图像。
在本实施例中，所述第一字符图像包括至少两个字符元素。
步骤401的相关说明可以参考步骤101，在此不再赘述。
步骤402，将第一字符图像导入预先建立的第一分类模型，得到第一排布方向。
在这里，第一排布方向可以理解为分类结果。
在本实施例中，第一分类模型可以用于表征第一字符图像和第一排布方向之间的对应关系。换句话说，第一分类模型的输入可以为第一字符图像，输出可以为第一排布方向。第一分类模型的输出可以不包括字符图像方向。
在这里，上述第一分类模型可以是对第一初始分类网络训练得到的。第一初始分类网络的训练样本可以预先打上排布方向的标签，排布方向的标签可以指示该训练样本的排布方向。第一初始分类网络的具体结构可以根据实际应用场景设置，在此不做限定。
作为示例，训练过程可以包括：从包括行方向样本和/或列方向样本的训练样本集，获取训练样本；将获取的训练样本导入未经训练或者为训练完成的第一初始分类网络；第一初始分类网络可以输出对于该训练样本的分类结果(包括排布方向为正向或者逆向)；将第一初始分类网络输出的排布方向和标签中的排布方向进行损失计算，基于计算得到的损失值对第一初始网络中的权重进行调整。
可以理解，训练的停止条件可以根据实际应用场景设置，在此不做限定；例如，网络更新次数大于预设更新次数阈值或者权重更新幅度小于预设幅度阈值等。
步骤403，响应于第一排布方向指示预设逆方向，将所述第一字符图像转动至所述预设正方向，得到所述第二字符图像。
在这里，可以参考图2b，图2b示出了字符图像为行方向情况下，预设逆方向的示意图；这种情况下，可以将第一字符图像转动至正方向，请参考图2a示出的正方向的示意图。
可以参考图3b，图3b示出了字符图像为列方向情况下，预设逆方向的示意图；这种情况下，可以将第一字符图像转动至正方向，请参考图3a示出的正方向的示意图。
步骤404，将第二字符图像导入预先建立的第一字符识别模型，得到所述识别结果。
在这里，所述第一字符识别模型的训练样本集包括行方向样本和列方向样本。训练样本可以预先打上指示字符识别结果的标签。
在这里，行方向样本可以是字符图像方向为行方向的字符图像。换句话说，行方向样本中具有语意联系的字符元素之间为左右位置关系。
在这里，列方向样本可以是字符图像方向为列方向的字符图像。换句话说，列方向样本中具有语意联系的字符元素之间为上下位置关系。
在这里，上述第一字符识别模型可以是对第一初始识别网络训练得到的。第一初始识别网络的具体结构可以根据实际应用场景设置，在此不做限定。
作为示例，对第一初始识别网络的训练过程可以包括：从包括行方向样本和列方向样本的训练样本集，获取训练样本；将获取的训练样本导入未经训练或者为训练完成的第一初始识别网络；第一初始识别网络可以输出对于该训练样本的字符识别结果；将第一初始识别网络输出的字符识别结果和标签中的字符识别结果进行损失计算，基于计算得到的损失值对第一初始识别网络中的权重进行调整。
需要说明的是，第一字符识别模型利用行方向样本和列方向样本进行训练，可以使得第一字符识别模型对于行方向的字符图像和列方向的字符图像，均具有较好的识别能力。这种情况下，第一分类模型的输出包括第一排布方向，可以使得第一分类模型的输出不用包括字符图像方向，由此，减少第一分类模型的复杂度以及减少选取字符识别模型的环节，提高分类速度和识别速度。
请参考图5，其示出了根据本公开的光学字符识别方法的又一个实施例的流程。
步骤501，获取第一字符图像。
在本实施例中，所述第一字符图像包括至少两个字符元素。
步骤501的相关说明可以参考步骤101，在此不再赘述。
步骤502，将第一字符图像导入预先建立的第二分类模型，得到字符图像方向信息和第二排布方向。
在这里，第二排布方向和字符图像方向信息可以理解为分类结果。
在本实施例中，第二分类模型可以用于表征第一字符图像与字符图像方向信息和第二排布方向这两者之间的对应关系。换句话说，第二分类模型的输入可以为第一字符图像，输出可以为字符图像方向信息和第二排布方向。
在这里，上述第二分类模型可以是对第二初始分类网络训练得到的。第二初始分类网络的训练样本可以预先打上字符图像方向信息和排布方向的标签，排布方向的标签可以指示该训练样本的字符图像方向信息和排布方向。第二初始分类网络的具体结构可以根据实际应用场景设置，在此不做限定。
作为示例，训练过程可以包括：从包括行方向样本和列方向样本的训练样本集，获取训练样本；将获取的训练样本导入未经训练或者为训练完成的第二初始分类网络；第二初始分类网络可以输出对于该训练样本的分类结果(包括排布方向为正向或者逆向、字符图像方向信息为行方向或者列方向)；将第二初始分类网络输出的排布方向和字符图像方向信息，与标签中的排布方向和字符图像方向信息，进行损失计算；基于计算得到的损失值对第一初始网络中的权重进行调整。
步骤503，响应于第二排布方向指示预设逆方向，将第一字符图像转动至所述预设正方向，得到所述第二字符图像。
在这里，可以参考图2b，图2b示出了字符图像为行方向情况下，预设逆方向的示意图；这种情况下，可以将第一字符图像转动至正方向，请参考图2a示出的正方向的示意图。
可以参考图3b，图3b示出了字符图像为列方向情况下，预设逆方向的示意图；这种情况下，可以将第一字符图像转动至正方向，请参考图3a示出的正方向的示意图。
步骤504，响应于字符图像方向信息指示行方向，将所述第二字符图像导入预先建立的第二字符识别模型，得到所述识别结果。
在这里，所述第二字符识别模型的训练样本集包括行方向样本。训练样本可以预先打上指示字符识别结果的标签。
在这里，上述第二字符识别模型可以是对第二初始识别网络训练得到的。第二初始识别网络的具体结构可以根据实际应用场景设置，在此不做限定。
作为示例，对第二初始识别网络的训练过程可以包括：从包括行方向样本的训练样本集，获取训练样本；将获取的训练样本导入未经训练或者为训练完成的第二初始识别网络；第二初始识别网络可以输出对于该训练样本的字符识别结果；将第二初始识别网络输出的字符识别结果和标签中的字符识别结果进行损失计算，基于计算得到的损失值对第二初始识别网络中的权重进行调整。
步骤505，响应于所述字符图像方向信息指示列方向，将所述第二字符图像导入预先建立的第三字符识别模型，得到所述识别结果。
在这里，所述第三字符识别模型的训练样本集包括列方向样本。训练样本可以预先打上指示字符识别结果的标签。
在这里，上述第三字符识别模型可以是对第三初始识别网络训练得到的。第三初始识别网络的具体结构可以根据实际应用场景设置，在此不做限定。
作为示例，对第三初始识别网络的训练过程可以包括：从包括列方向样本的训练样本集，获取训练样本；将获取的训练样本导入未经训练或者为训练完成的第三初始识别网络；第三初始识别网络可以输出对于该训练样本的字符识别结果；将第三初始识别网络输出的字符识别结果和标签中的字符识别结果进行损失计算，基于计算得到的损失值对第三初始识别网络中的权重进行调整。
需要说明的是，第二分类模型可以在确定排布方向的同时，确定字符图像方向，根据排布方向得到第二字符图像之后，可以将第二字符图像导入与字符图像方向对应的字符识别模型中；在这里，将识别行方向字符图像与识别列方向字符图像的字符识别模型设置为两个分立的模型，可以针对性提高单个模型对于该模型对应的字符图像的识别能力，由此可以提高对于行方向字符图像的识别准确率，也可以提高对于列方向字符图像的识别准确率。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种光学字符识别装置的一个实施例，该装置实施例与图1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6所示，本实施例的光学字符识别装置包括：获取单元601、分类单元602、生成单元603和识别单元604。其中，获取单元，用于获取第一字符图像，其中，所述第一字符图像包括至少两个字符元素；分类单元，用于对所述第一字符图像进行分类，生成分类结果，其中，所述分类结果包括字符元素在字符图像方向的排布方向，所述字符图像方向用于指示具有语意联系的相邻字符之间的位置关系，所述排布方向用于指示字符元素按照语意的走向；生成单元，用于基于所述分类结果和所述第一字符图像，生成第二字符图像；识别单元，用于对所述第二字符图像进行光学字符识别，得到识别结果。
在本实施例中，光学字符识别装置的获取单元601、分类单元602、生成单元603和识别单元604的具体处理及其所带来的技术效果可分别参考图1对应实施例中步骤101、步骤102、步骤103和步骤104的相关说明，在此不再赘述。
在一些实施例中，所述第一字符图像中字符图像方向包括行方向或者列方向。
在一些实施例中，所述对所述第一字符图像进行分类，生成分类结果，包括：将所述第一字符图像导入预先建立的第一分类模型，得到第一排布方向。
在一些实施例中，所述基于所述分类结果和所述第一字符图像，生成第二字符图像，包括：响应于所述第一排布方向指示预设逆方向，将所述第一字符图像转动至所述预设正方向，得到所述第二字符图像。
在一些实施例中，所述对所述第二字符图像进行光学字符识别，得到识别结果，包括：将所述第二字符图像导入预先建立的第一字符识别模型，得到所述识别结果，其中，所述第一字符识别模型的训练样本集包括行方向样本和列方向样本。
在一些实施例中，所述对所述第一字符图像进行分类，生成分类结果，包括：将所述第一字符图像导入预先建立的第二分类模型，得到字符图像方向信息和第二排布方向。
在一些实施例中，所述基于所述分类结果和所述第一字符图像，生成第二字符图像，包括：响应于所述第二排布方向指示预设逆方向，将所述第一字符图像转动至所述预设正方向，得到所述第二字符图像。
在一些实施例中，所述对所述第二字符图像进行光学字符识别，得到识别结果，包括：响应于所述字符图像方向信息指示行方向，将所述第二字符图像导入预先建立的第二字符识别模型，得到所述识别结果，其中，所述第二字符识别模型的训练样本集包括行方向样本；响应于所述字符图像方向信息指示列方向，将所述第二字符图像导入预先建立的第三字符识别模型，得到所述识别结果，其中，所述第三字符识别模型的训练样本集包括列方向样本。
请参考图7，图7示出了本公开的一个实施例的光学字符识别方法可以应用于其中的示例性系统架构。
如图7所示，系统架构可以包括终端设备701、702、703，网络704，服务器705。网络704用以在终端设备701、702、703和服务器705之间提供通信链路的介质。网络704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。
终端设备701、702、703可以通过网络704与服务器705交互，以接收或发送消息等。终端设备701、702、703上可以安装有各种客户端应用，例如网页浏览器应用、搜索类应用、新闻资讯类应用。终端设备701、702、703中的客户端应用可以接收用户的指令，并根据用户的指令完成相应的功能，例如根据用户的指令在信息中添加相应信息。
终端设备701、702、703可以是硬件，也可以是软件。当终端设备701、702、703为硬件时，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(movingpictureexpertsgroupaudiolayeriii，动态影像专家压缩标准音频层面3)、mp4(movingpictureexpertsgroupaudiolayeriv，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。当终端设备701、702、703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。
服务器705可以是提供各种服务的服务器，例如接收终端设备701、702、703发送的信息获取请求，根据信息获取请求通过各种方式获取信息获取请求对应的展示信息。并展示信息的相关数据发送给终端设备701、702、703。
需要说明的是，本公开实施例所提供的光学字符识别方法可以由终端设备执行，相应地，光学字符识别装置可以设置在终端设备701、702、703中。此外，本公开实施例所提供的光学字符识别方法还可以由服务器705执行，相应地，光学字符识别装置可以设置于服务器705中。
应该理解，图7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。
下面参考图8，其示出了适于用来实现本公开实施例的电子设备(例如图7中的终端设备或服务器)的结构示意图。本公开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8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(rom)802中的程序或者从存储装置808加载到随机访问存储器(ram)803中的程序而执行各种适当的动作和处理。在ram803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、rom802以及ram803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
通常，以下装置可以连接至i/o接口805：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806；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备，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。
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，其包括承载在非暂态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809从网络上被下载和安装，或者从存储装置808被安装，或者从rom802被安装。在该计算机程序被处理装置801执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上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。
在一些实施方式中，客户端、服务器可以利用诸如http(hypertexttransferprotocol，超字符传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，adhoc端对端网络)，以及任何当前已知或未来研发的网络。
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：获取第一字符图像，其中，所述第一字符图像包括至少两个字符元素；对所述第一字符图像进行分类，生成分类结果，其中，所述分类结果包括字符元素在字符图像方向的排布方向，所述字符图像方向用于指示具有语意联系的相邻字符之间的位置关系，所述排布方向用于指示字符元素按照语意的走向；基于所述分类结果和所述第一字符图像，生成第二字符图像；对所述第二字符图像进行光学字符识别，得到识别结果
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操作的计算机程序代码，上述程序设计语言包括但不限于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)。
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。
描述于本公开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。其中，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“获取第一字符图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
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。
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，本公开中所涉及的公开范围，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公开构思的情况下，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。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
1.一种光学字符识别方法，其特征在于，包括：
获取第一字符图像，其中，所述第一字符图像包括至少两个字符元素；
对所述第一字符图像进行分类，生成分类结果，其中，所述分类结果包括字符元素在字符图像方向的排布方向，所述字符图像方向用于指示具有语意联系的相邻字符之间的位置关系，所述排布方向用于指示字符元素按照语意的走向；
基于所述分类结果和所述第一字符图像，生成第二字符图像；
对所述第二字符图像进行光学字符识别，得到识别结果。
2.根据权利要求1所述的方法，其特征在于，所述第一字符图像中字符图像方向包括行方向或者列方向。
3.根据权利要求2所述的方法，其特征在于，所述对所述第一字符图像进行分类，生成分类结果，包括：
将所述第一字符图像导入预先建立的第一分类模型，得到第一排布方向。
4.根据权利要求3所述的方法，其特征在于，所述基于所述分类结果和所述第一字符图像，生成第二字符图像，包括：
响应于所述第一排布方向指示预设逆方向，将所述第一字符图像转动至所述预设正方向，得到所述第二字符图像。
5.根据权利要求4所述的方法，其特征在于，所述对所述第二字符图像进行光学字符识别，得到识别结果，包括：
将所述第二字符图像导入预先建立的第一字符识别模型，得到所述识别结果，其中，所述第一字符识别模型的训练样本集包括行方向样本和列方向样本。
6.根据权利要求2所述的方法，其特征在于，所述对所述第一字符图像进行分类，生成分类结果，包括：
将所述第一字符图像导入预先建立的第二分类模型，得到字符图像方向信息和第二排布方向。
7.根据权利要求6所述的方法，其特征在于，所述基于所述分类结果和所述第一字符图像，生成第二字符图像，包括：
响应于所述第二排布方向指示预设逆方向，将所述第一字符图像转动至所述预设正方向，得到所述第二字符图像。
8.根据权利要求7所述的方法，其特征在于，所述对所述第二字符图像进行光学字符识别，得到识别结果，包括：
响应于所述字符图像方向信息指示行方向，将所述第二字符图像导入预先建立的第二字符识别模型，得到所述识别结果，其中，所述第二字符识别模型的训练样本集包括行方向样本；
响应于所述字符图像方向信息指示列方向，将所述第二字符图像导入预先建立的第三字符识别模型，得到所述识别结果，其中，所述第三字符识别模型的训练样本集包括列方向样本。
9.一种光学字符识别装置，其特征在于，包括：
获取单元，用于获取第一字符图像，其中，所述第一字符图像包括至少两个字符元素；
分类单元，用于对所述第一字符图像进行分类，生成分类结果，其中，所述分类结果包括字符元素在字符图像方向的排布方向，所述字符图像方向用于指示具有语意联系的相邻字符之间的位置关系，所述排布方向用于指示字符元素按照语意的走向；
生成单元，用于基于所述分类结果和所述第一字符图像，生成第二字符图像；
识别单元，用于对所述第二字符图像进行光学字符识别，得到识别结果。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
技术总结