(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 20221041691 1.7 (22)申请日 2022.04.20 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 曹润东　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 杨欢 (51)Int.Cl. G06V 30/413(2022.01) G06V 30/18(2022.01) G06V 30/186(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06V 10/764(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 文档字号的识别方法、 装置、 计算机设备和 存储介质 (57)摘要 本申请涉及一种文档字号的识别方法、 装 置、 计算机设备、 存储介质和计算机程序产品， 结 合人工智能技术进行计算机视觉识别和处理， 可 应用于云技术、 人工智能、 智慧交通、 辅助 驾驶等 各种场景。 所述方法包括： 获取待处理的文档图 片， 检测文档图片中各文本行的初始行高度； 根 据文档图片的文档版面信息确定至少一个待处 理的文本块； 根据初始行高度确定行高度统计信 息， 并基于行高度统计信息确定与相应待处理的 文本块对应的目标行高度； 基于预先设置的字号 映射规则、 以及各待处理的文本块分别对应的目 标行高度， 得到文档图片中各文本块分别对应的 目标字号。 采用本方法能够解决出现原本相同字 号的标题或段落识别到的字号大小不 一的问题。 权利要求书3页 说明书16页 附图7页 CN 115131803 A 2022.09.30 CN 115131803 A 1.一种文档字号的识别方法， 其特 征在于， 所述方法包括： 获取待处 理的文档图片， 检测所述文档图片中各文本行的初始行高度； 识别所述文档图片的文档版面信 息， 并根据 所述文档版面信 息确定至少一个待处理 的 文本块， 每 个待处理的文本块中包括有至少一个相连续的文本行； 对于任一待处理的文本块， 根据相应待处理的文本块所包括的文本行的初始行高度， 确定行高度统计信息， 并基于所述行高度统计信息确定与相应待处理的文本块对应的目标 行高度； 基于预先设置的字号映射规则、 以及各待处理的文本块分别对应的目标行高度， 得到 所述文档图片中各文本块分别对应的目标字号。 2.根据权利要求1所述的方法， 其特征在于， 所述检测所述文档图片中各文本行的初始 行高度， 包括： 对所述文档图片进行 特征提取， 得到多张不同尺度的特 征图； 对所述多张不同尺度的特 征图进行 特征融合， 得到融合特 征图； 基于所述融合特征图进行文本行检测 处理， 得到包括有包围文本行的目标检测框， 并 将所述目标检测框的高度作为所述文本行的初始行高度。 3.根据权利要求1所述的方法， 其特征在于， 所述识别所述文档图片的文档版面信息， 并根据所述文档版面信息确定 至少一个待处 理的文本块， 包括： 基于所述文档图片进行文档版面识别处理， 得到所述文档图片中包括的多个文本块， 以及每个文本块各自对应的版块类别； 获取目标版块类别， 所述目标版块类别至少包括标题版块类别和段落版块类别中的一 种； 将与所述目标 版块类别对应的文本块， 作为待处 理的文本块。 4.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于所述文档图片的文档版面信息， 建立以待处理的文本块为索引的数据存储结构， 所述数据存 储结构中包括有 多个分组， 每 个分组对应一个待处 理的文本块； 将属于同一待处理的文本块的文本行， 均存储至所述数据存储结构中相应待处理的文 本块对应的分组中； 各个分组用于并行对各自所存储的文本行进行行高度的调整， 得到相 应文本块所对应的目标 行高度。 5.根据权利要求1所述的方法， 其特征在于， 所述文档版面信 息包括所述文档图片中包 括的多个文本块， 以及每个文本块各自对应的版块类别， 所述版块类别包括页边版块类别； 所述方法还 包括： 将对应于页边版块类别的预设文本字号， 作为所述页边版块类别所对应的文本块对应 的文本字号。 6.根据权利要求1所述的方法， 其特征在于， 所述根据相应待处理 的文本块所包括的文 本行的初始行高度， 确定行高度 统计信息， 并基于所述行高度 统计信息确定与相应待处理 的文本块对应的目标 行高度， 包括： 根据相应待处理 的文本块所包括的文本行的初始行高度， 计算相应待处理的文本块中 文本行的行高度均值； 基于相应待处理 的文本块中文本行的行高度均值， 确定相应待处理的文本块对应的目权　利　要　求　书 1/3 页 2 CN 115131803 A 2标行高度。 7.根据权利要求6所述的方法， 其特征在于， 所述基于相应待处理 的文本块中文本行的 行高度均值， 确定相应待处 理的文本块对应的目标 行高度， 包括： 根据相应待处理 的文本块所包括的文本行的初始行高度， 确定相应待处理的文本块所 对应的高度变化极值； 基于各个待处 理的文本块对应的行高度均值确定参照行高度； 确定所述参照行高度与相应待处理 的文本块的行高度均值的差异， 根据 所述差异与 所 述高度变化极值， 确定相应待处 理的文本块的目标 行高度。 8.根据权利要求7所述的方法， 其特征在于， 所述根据所述差异与所述高度变化极值， 确定相应待处 理的文本块的目标 行高度， 包括： 在所述差异小于所述高度变化极值的情况下， 将所述参照行高度作为相应待处理的文 本块对应的目标 行高度； 在所述差异大于或等于所述高度变化极值的情况下， 将相应待处理的文本块的行高度 均值作为相应文本块对应的目标 行高度。 9.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于预先设置的字号映射规则， 对所述文档图片中未处理 的文本块分别对应的初始行 高度进行转换， 得到未处 理的各文本块分别对应的目标字号。 10.根据权利要求1至9中任一项所述的方法， 其特 征在于， 所述方法还 包括： 基于预先设置的字号映射规则， 确定参照行高度所映射得到的字号参照值， 所述参照 行高度基于所有 待处理的文本块各自对应的行高度统计信息确定得到； 确定所述字号参照 值与预设基础字号之间的差异， 并根据 所述差异对各文本块分别对 应的目标字号进行修 正， 得到各文本块分别对应的文本 字号。 11.根据权利要求10所述的方法， 其特 征在于， 所述方法还 包括： 基于所述文档图片中的各文本块分别对应的文本字号， 将各文本块中所包括的文本行 按照相应的文本 字号进行转换， 得到与所述文档图片对应的、 且属于文本格式的目标文档。 12.一种文档字号的识别装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待处 理的文档图片， 检测所述文档图片中各文本行的初始行高度； 处理模块， 用于识别所述文档图片的文档版面信息， 并根据所述文档版面信息确定至 少一个待处 理的文本块， 每 个待处理的文本块中包括有至少一个相连续的文本行； 所述处理模块， 还用于对于任一待处理的文本块， 根据相应待处理的文本块所包括的 文本行的初始行高度， 确定行高度 统计信息， 基于所述行高度 统计信息确定与相应待处理 的文本块对应的目标 行高度； 输出模块， 用于基于预先设置的字号映射规则、 以及各待处理的文本块分别对应的目 标行高度， 得到所述文档图片中各文本块分别对应的目标字号。 13.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至1 1中任一项所述的方法的步骤。 14.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至1 1中任一项所述的方法的步骤。 15.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行权　利　要　求　书 2/3 页 3 CN 115131803 A 3