(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210142983.7 (22)申请日 2022.02.16 (71)申请人 中银金融科技有限公司 地址 200120 上海市浦东 新区中国 （上海） 自由贸易试验区银城中路200号4层 408室 (72)发明人 钟缘　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 藏斌 (51)Int.Cl. G06V 20/62(2022.01) G06V 10/25(2022.01) G06V 10/50(2022.01) G06V 10/44(2022.01)G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 30/18(2022.01) G06V 30/148(2022.01) G06V 30/194(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种字符区域图像识别方法及相关 设备 (57)摘要 本公开提供的一种字符区域图像识别方法 及相关设备， 可应用于金融领域或其他领域， 该 方法可以获得待识别图像； 将所述待识别图像输 入至预设卷积深度置信网络模型中， 获得所述预 设卷积深度置信网络模型输出的第一图像特征 向量； 提取所述待识别图像的至少一个局部特 征， 获得与所述局部特征对应的第二图像特征向 量； 对所述第一图像特征向量和所述第二图像特 征向量进行特征融合， 获得第三图像特征向量； 利用所述第三图像特征向量， 识别所述待识别图 像是否为字符区域图像。 本公开通过卷积深度置 信网络模型处理与图像局部特征提取， 能够融合 图像的深度特征和传统的图像局部特征， 提高字 符区域图像的识别准确率。 权利要求书2页 说明书7页 附图3页 CN 114495088 A 2022.05.13 CN 114495088 A 1.一种字符区域图像识别方法， 其特 征在于， 包括： 获得待识别图像； 将所述待识别图像输入至预设卷积深度置信网络模型中， 获得所述预设卷积深度置信 网络模型输出的第一图像特 征向量； 提取所述待识别图像的至少一个局部特征， 获得与所述局部特征对应的第 二图像特征 向量； 对所述第一图像特征向量和所述第 二图像特征向量进行特征融合， 获得第 三图像特征 向量； 利用所述第三图像特 征向量， 识别所述待识别图像是否为字符区域图像。 2.根据权利要求1所述的方法， 其特征在于， 所述预设卷积深度置信网络模型包括第 一 CRBM层和第二CRBM层， 所述将所述待识别图像输入至预设卷积深度置信网络模型中， 获得 所述预设卷积 深度置信网络模型输出的第一图像特 征向量， 包括： 将所述待识别图像输入至所述第一CRBM层中， 以使所述预设卷积深度置信网络模型按 照与所述第一CRBM层 对应的第一卷积参数对 所述待识别图像进 行特征提取， 获得第四图像 特征向量； 将所述第四图像特征向量输入至所述第二CRBM层中， 以使所述预设卷积深度置信网络 模型按照与所述第二CRBM层 对应的第二卷积参数对所述第四图像特征向量进 行特征提取， 获得第五图像特 征向量； 对所述第四图像特征向量和所述第五特征向量进行特征融合， 获得并输出第 一图像特 征向量。 3.根据权利要求1所述的方法， 其特 征在于， 所述局部特 征包括LBP特征和HOG特征。 4.根据权利要求2所述的方法， 其特征在于， 所述第 一卷积参数包括第 一卷积核数量为 9且各所述第一卷积核的大小为5 ×5， 所述第二卷积参数包括第二卷积核数量为16且各所 述第二卷积核数量 为16×16。 5.一种字符区域图像识别装置， 其特征在于， 包括： 待识别图像获得单元、 第一图像特 征向量获得单元、 第二图像特征向量获得单元、 第三图像特征向量获得单元以及字符区域 图像识别单 元， 所述识别图像获得 单元， 用于获得待识别图像； 所述第一图像特征向量获得单元， 用于将所述待识别图像输入至预设卷积深度置信网 络模型中， 获得 所述预设卷积 深度置信网络模型输出的第一图像特 征向量； 所述第二图像特征向量获得单元， 用于提取所述待识别图像的至少一个局部特征， 获 得与所述局部特 征对应的第二图像特 征向量； 所述第三图像特征向量获得单元， 用于对所述第 一图像特征向量和所述第 二图像特征 向量进行 特征融合， 获得第三图像特 征向量； 所述字符区域图像识别单元， 用于利用所述第三图像特征向量， 识别所述待识别图像 是否为字符区域图像。 6.根据权利要求5所述的装置， 其特征在于， 所述预设卷积深度置信网络模型包括第 一 CRBM层和第二CRBM层， 所述所述第一图像特征向量获得单元， 具体用于将所述待识别图像 输入至所述第一CRBM层中， 以使 所述预设卷积深度置信网络模 型按照与所述第一CRBM层 对权　利　要　求　书 1/2 页 2 CN 114495088 A 2应的第一卷积参数对所述待识别图像进行特征提取， 获得第四图像特征向量； 将所述第四 图像特征向量输入至所述第二CRBM层中， 以使 所述预设卷积深度置信网络模型按照与所述 第二CRBM层 对应的第二卷积参数对 所述第四图像特征向量进 行特征提取， 获得第五图像特 征向量； 对所述第四图像特征向量和所述第 五特征向量进行特征融合， 获得并输出第一图 像特征向量。 7.根据权利要求5所述的装置， 其特 征在于， 所述局部特 征包括LBP特征和HOG特征。 8.根据权利要求6所述的装置， 其特征在于， 所述第 一卷积参数包括第 一卷积核数量为 9且各所述第一卷积核的大小为5 ×5， 所述第二卷积参数包括第二卷积核数量为16且各所 述第二卷积核数量 为16×16。 9.一种计算机可读存储介质， 其上存储有程序， 其特征在于， 所述程序被处理器执行时 实现如权利要求1至4中任一项所述的字符区域图像识别方法。 10.一种电子设备， 所述电子设备包括至少一个处理器、 以及与处理器连接的至少一个 存储器、 总线； 其中， 所述处理器、 所述存储器通过所述总线完成相互间的通信； 所述处理器 用于调用所述存储器中的程序指 令， 以执行如权利要求 1至4中任一项 所述的字符区域图像 识别方法。权　利　要　求　书 2/2 页 3 CN 114495088 A 3