CN101350870A - 一种图文转换的方法、移动终端和ocr服务器 - Google Patents

Abstract

本发明提供了一种图文转换的方法，以及一种移动终端和OCR服务器，所述方法包括以下步骤：移动终端通过集成在其中的数字摄像头拍摄所需的图形信息；移动终端传送所述图形信息至OCR服务器；OCR服务器解析所述图形信息，完成图文转换；移动终端接收转换后的字符串或者与该字符串相关的数据。本发明可以使各种特殊的(例如含有多国语言或者不规则编排等等)，复杂的图文或含有大量数据的图文都实现精确的、快速的转换或者翻译。这样的灵活性和精确性，使用户可以随时抓拍自己喜欢的图文，进行实时转换或者翻译，大大丰富了用户的生活。

Description

一种图文转换的方法、移动终端和OCR服务器

技术领域

本发明涉及图文转换领域，特别是涉及一种应用光学字符识别(OpticalCharacter Recognition，缩写为OCR)技术完成图文转换的方法和装置。

背景技术

随着计算机技术的发展，人们逐渐进入了信息化社会，信息的传播方式也发生了较大的变化——逐渐进入电子化的发展模式。例如，光学字符识别技术OCR就是一种常用的信息电子化的方式。现有的OCR***，主要是由计算机和光学图像读取设备以及控制所述计算机和光学图像读取设备按所需模式工作的控制程序构成的。为了进一步满足人们在移动中获取信息的需要，目前出现了将OCR模块集成到移动终端中的解决方案。

但是，由于现有的移动终端设备的体积限制、存储容量的限制以及计算速度等硬件条件的限制，使得对于一些简单的图文转换，集成了OCR模块的移动终端设备还可能完成相应的处理；而对于一些特殊的、复杂的图文转换，例如，含有多国语言、不规则编排、或者含有大量数据等情况，就无法准确完成，甚至根本无法进行转换或翻译。

另外，实际当中，人们对信息电子化的需求是各方各面的，很难存在一款OCR处理程序或模块可以满足各个领域的信息电子化的需求，例如，手写识别、论文或书籍等印刷字识别、表格(例如，票据等)识别、名片识别、数字识别等等。现有技术一般通过创建专门针对某一应用需求的OCR处理***，例如，中国专利03148250.3号文件，公开了一种票据图像版面识别方法，以提高针对该特定应用需求的识别速度和准确率。

那么，迫切需要本领域技术人员解决的一个技术问题就是：提出一种怎样的图文转换技术方案，既能满足人们信息电子化的便利性要求，又能满足人们对特殊复杂的图文转换的需求，甚至能够满足人们各个领域的图文转换需求。

发明内容

本发明所要解决的技术问题是提供一种图文转换的方法，能够在现有移动终端的硬件条件下，满足人们对各种特殊复杂的图文转换的需求。

相应的，本发明还提供了用于完成上述图文转换过程的一种移动终端和一种OCR服务器，能够满足人们对特殊复杂的图文转换的需求，甚至能够满足人们各个领域的图文转换需求。

为了解决上述问题，依据本发明的实施例，公开了一种图文转换的方法，包括以下步骤：移动终端通过集成在其中的数字摄像头拍摄所需的图形信息；移动终端传送所述图形信息至OCR服务器；OCR服务器解析所述图形信息，完成图文转换；移动终端接收转换后的字符串或者与该字符串相关的数据。

优选的，当图文转换的数据量或者转换时间超过预定阈值时，OCR服务器将已完成的部分转换结果传送至移动终端。

优选的，该方法还可以包括：设置针对所传送图形信息的转换参数，并随所传送图形信息一同传送至OCR服务器。

优选的，该方法还可以包括：移动终端选用与转换结果相应的模块，显示、播放或者处理所接收的字符串或者与该字符串相关的数据。

依据本发明的实施例，还公开了一种移动终端，具体可以包括：

用于拍摄包含有待识别字符的图形信息的数字摄像头；

用于与OCR服务器完成图形信息发送、转换参数发送和转换结果接收的通讯模块；所述转换结果包括字符串或者与该字符串相关的数据；

用于设置针对所传送图形信息的转换参数的参数设置模块。

优选的，该移动终端还可以包括：用于显示、播放或者处理所接收的字符串或者与该字符串相关数据的专用处理模块。

进一步，所述移动终端包括至少两个专用处理模块；所述移动终端还包括选择模块，用于选择调用与转换结果相应的专用处理模块，完成显示、播放或者处理。

依据本发明的实施例，还公开了一种OCR服务器，具体可以包括：

用于接收包含有待识别字符的图形信息，返回相应转换结果的通讯模块；所述转换结果为字符串或者与该字符串相关的数据；

用于解析所接收的图形信息，完成图文转换的字符识别模块。

优选的，所述OCR服务器包括至少两个字符识别模块；所述通讯模块所接收的数据中还包括转换参数；所述OCR服务器还包括第一判断模块，用于依据转换参数选择调用相应的字符识别模块。

进一步，所述服务器还可以包括：第二判断模块，用于判断图文转换的数据量或者转换时间是否超过预定阈值时，如果是，则通知通讯模块将已完成的部分转换结果传送至移动终端。

与现有技术相比，本发明具有以下优点：

本发明所述的图文转换方法，可以充分利用移动终端的便利性，以及充分利用OCR服务器附带的各种完整的OCR技术，服务器特有的庞大储存容量，以及服务器快速的计算能力，能够实时对接收到的图文数据进行实时转换或者翻译，并在转换或翻译的同时把完成的部份经由有线或者无线网络实时传回到用户移动终端。本发明可以使任何特殊的(例如含有多国语言或者不规则编排等等)，复杂的图文或含有大量数据的图文都能精确的快速的转换或者翻译。这样的灵活性和精确性，使用户可以随时抓拍自己喜欢的图文，进行实时转换或者翻译，大大丰富了用户的生活。

附图说明

图1是本发明一种图文转换的方法实施例的步骤流程图；

图2是本发明一种移动终端实施例的结构框图；

图3是本发明一种OCR服务器实施例的结构框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明所述的图形信息可以包括数字图片、视频信息等多种方式，例如，对于视频流的方式，可以在OCR服务器端将其解析为一帧一帧的图片，然后进行转换识别即可。当然，为了提高效率，还可以比较前后帧的图形变化，如果变化较小，则可以直接跳过该帧图片，避免重复识别。由于图片方式是最常用的一种方式，所以下面的说明书中都以图片为例进行说明。

参照图1，示出了本发明一种图文转换的方法实施例，具体可以包括：

步骤101、移动终端通过集成其中的数字摄像头拍摄所需的图片；

由于集成有各种类型的数字摄像头的移动终端在市场上已经很普及，所以在此不再详述。步骤101中，移动终端所拍摄的数字图片可以为JPG文件格式，当然，也可以为其他的文件格式，例如，标签图像文件格式(TIFF)，图形交换格式(GIF)等等。

步骤102、移动终端传送所述图片至OCR服务器；

步骤103、OCR服务器解析所述图片，完成图文转换；

步骤104、移动终端接收转换后的字符串或者与该字符串相关的数据。所述OCR服务器返回的数据可以为转换后的字符串，即从图片中直接识别的字符串；当然，也可以为与转换后的字符串相关的其他数据，例如，对直接识别的字符串翻译后的文字、或者依据直接识别后的字符串转换成的音频数据、或者针对直接识别的字符串的相关介绍等。

其中，移动终端和OCR服务器之间完成数据传输所采用的通信方式可以为各种可行的方式，例如，有线方式：包括但不限于ADSL(Asymmetric DigitalSubscriber Loop，非对称数字用户环路)、局域网宽带接入等方式；无线方式：包括但不限于GSM(Global System for Mobile Communications，全球移动通讯***)、GPRS(General Packet Radio Service，通用无线分组业务)、EDGE(Enhanced Data Rate for GSM Evolution，增强型数据速率GSM演进技术)、CDMA(Code Division Multiple Access，码分多址)、以及近程无线传输方式(例如，红外、蓝牙)等等。

在上述通信方式的基础上，移动终端和OCR服务器之间可以选用该通信方式支持的各种服务或者协议，例如，Internet网络方式；彩信/短信方式；WAP(Wireless Application Protocol，无线应用协议)方式；流媒体方式；或者专用客户端等等。

WAP是一种向移动终端提供互联网内容和先进增值服务的全球统一的开放式协议标准，是简化了的无线Internet协议。优选的，通过GPRS网络接入WAP，可充分发挥接入时延短、速率高、切换方便等优点。

所谓流媒体是指采用流式传输的方式在Internet/Intranet播放的媒体格式，如音频、视频或多媒体文件。流媒体在播放前并不下载整个文件，只将开始部分内容存入内存，在计算机中对数据包进行缓存并使媒体数据正确地输出。流媒体的数据流随时传送随时播放。在采用流式传输方式的***中，用户不必像采用下载方式那样等到整个文件全部下载完毕，而是只需经过几秒或几十秒的启动延时即可在用户的计算机上利用解压设备对压缩的A/V、3D等多媒体文件解压后进行播放和观看。

对于上述各种方式，由于分别具有各自的优势和劣势，因此，可以根据实际需要选用最适合的方式即可。

对于彩信/短信方式，由于其传输方式比较简单，所以比较适用于简单的图文转换情形，例如，接收包含有待识别字符“police”的图片，而返回“警察”字样的情况，就可以采用该方式；再例如，电话号码、URL或者E-mail的识别等情况。

对于WAP方式，则可以应用在更为复杂的一些场合了，例如，适合于大段文字的识别，或者带有格式编排的字符识别、包含有表格的字符识别等等，由于WAP技术可以支持更加复杂的信息在移动终端的显示，因此在这些场合下，优选采用WAP技术。当然，对于前述的那些简单情况也是完全可以胜任的。

对于流媒体方式，则可以应用在大量数据传输的情况下，尤其适用于某些用户的特殊需求，例如，将转换后的文字以音频的方式返回至移动终端。

对于专用客户端方式，则主要可以应用在对OCR服务器返回的信息需要特殊的应用程序进行展示或处理的情况，例如，对于金融票据的识别、显示以及数据存储、对于名片信息的识别、显示以及数据存储等，此时，就需要在移动终端设置专用的显示存储金融票据信息的客户端，或者专用的显示存储通讯录信息的客户端，以便于准确显示和调用相关信息(如，将票据中的金额、时间、单位等信息作为字段存储，并以表格的方式显示整个票据信息；或者，将名片中的名字、地址、电话、职务、单位等作为字段信息存储，并以通讯录的方式显示多个信息)。

移动终端可以通过各种途径获悉OCR服务器的地址信息，例如，通过事先预置OCR服务器地址的方式实现，或者通过即时输入，或者通过即时信息交互得到。当然，对于移动终端和OCR服务器之间不同的通信方式，OCR服务器的地址也可能采用不同的格式，例如，对于短信/彩信方式，OCR服务器的地址可能是一串数字；对于WAP或者流媒体方式，则OCR服务器的地址可能是符合通信协议的字符串(包括但不限于URL等)。

对于预置OCR服务器地址的实现情况，如果OCR服务器地址发生了变更，则可以通过OTA(Over-the-Air Technology，空中下载)等方式进行数据更新。

优选的，为了满足实时性，OCR服务器接收到包含待识别字符的图片之后实时进行转换。并且，进一步，当某个包含待识别字符的图片的识别过程可能需要较长的时间时(例如，超过预定阈值，则认为时间较长)，则可以先将部分已完成的转换结果发送给移动终端，以满足用户对图文转换实时性的要求。

当然，对于具体针对哪些情况，需要先发送部分转换结果，本发明并不需要仔细限定。本领域技术人员根据实际需要自行设定即可，例如，已完成的转换结果的数据量大于预定阈值了，则OCR服务器将已完成的部分转换结果传送至移动终端。

进一步，为了满足实际生活中人们对于OCR识别的各种需求，则OCR服务器可以设置多个专用模块，专门用于处理不同类型的OCR识别，以保证在各个方面都能够达到较高的正确率。例如，手写识别、论文或书籍等印刷字识别、表格(例如，票据等)识别、名片识别、数字识别、多国语言的识别和翻译等等。

如果OCR服务器端设置有上述可能的多个字符识别模块(OCR模块)，则在移动终端发送包含有待识别字符的图片时，就需要：设置针对所传送图片的转换参数，并随所传送图片一同传送至OCR服务器。OCR服务器依据转换参数选择相应的OCR模块对该图片进行识别。当然，在简单情况下，也可以不需要发送转换参数，则OCR服务器就针对该图片，采用默认的转换参数进行识别即可。

优选的，当OCR服务器端能够完成各种特殊需求的识别任务时，移动终端也可能需要设置有多个专用处理模块，用于显示、播放或者处理所接收的字符串或者与该字符串相关的数据。则当移动终端接收到OCR服务器端返回的数据时，需要从多个专用处理模块中选择与转换结果相应的模块，从而更好的展示转换后的数据。

下面对能够实现上述本发明方法实施例的一些装置进行介绍，由于下面的装置实施例基本相应于方法实施例，为了节约篇幅，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

参见图2，示出了本发明一种移动终端实施例的结构框图，具体可以包括：用于拍摄包含有待识别字符的图片的数字摄像头201；用于与OCR服务器完成图片发送、转换参数发送和转换结果接收的通讯模块202；所述转换结果包括字符串或者与该字符串相关的数据；用于设置针对所传送图片的转换参数的参数设置模块203。

对于通讯模块202接收到的转换结果数据，可以传送到其他计算设备上进行显示、播放或者处理。当然，优选的，本移动终端实施例中还可以包括用于显示、播放或者处理所接收的字符串或者与该字符串相关数据的专用处理模块204。因为在大多数情况下，用户希望能够即时的、方便的看到转换后的结果。

进一步，所述移动终端包括至少两个专用处理模块204(图2中示出了三个专用处理模块)，用于满足各种特殊的转换结果的显示、存储或者处理。为了协调转换结果和专用处理模块的关系，优选的，所述移动终端还包括选择模块205，用于选择调用与转换结果相应的专门处理模块，完成显示、播放或者处理。

参照图3，示出了一种OCR服务器实施例，具体可以包括：用于接收包含有待识别字符的图片，返回相应转换结果的通讯模块301；所述转换结果为字符串或者与该字符串相关的数据；用于解析所接收的图片，完成图文转换的字符识别模块302。

优选的，为了满足各种特殊的识别需求，则所述OCR服务器可以包括至少两个字符识别模块302；同时，所述OCR服务器还需要包括第一判断模块303，用于依据转换参数选择调用相应的字符识别模块，所述转换参数由通讯模块301从移动终端接收获取。

进一步，在某些图文转换耗时较长的情况下，为了减少用户的等待时间，优选的，所述OCR服务器还可以包括第二判断模块304，用于判断图文转换的数据量或者转换时间是否超过预定阈值时，如果是，则通知通讯模块将已完成的部分转换结果传送至移动终端。即移动终端可以先显示、播放或者处理该部分的转换结果，而不需要等待全部的转换过程完成之后，才能显示、播放或者处理。

本发明优选适用于复杂图文的语言翻译工作，因为本发明可以充分利用OCR服务器附带的完整的OCR技术，庞大的储存容量，以及服务器快速的计算能力，实时对接收到的图文进行实时翻译，并在翻译的同时把完成的部份实时传送回用户终端。并且，服务器端拥有的OCR技术可以翻译任何不规则的文字编排，庞大的储存容量包含有各种国家的语言字库，也可储存超大量的数据，加上服务器的快速计算能力，从而可以使任何特殊的，复杂的图文或含有大量数据的图文都能精确的快速的翻译。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

以上对本发明所提供的一种图文转换的方法、移动终端，以及一种OCR服务器，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1、一种图文转换的方法，其特征在于，包括：

移动终端通过集成在其中的数字摄像头拍摄所需的图形信息；

移动终端传送所述图形信息至OCR服务器；

OCR服务器解析所述图形信息，完成图文转换；

移动终端接收转换后的字符串或者与该字符串相关的数据。

2、如权利要求1所述的方法，其特征在于：

当图文转换的数据量或者转换时间超过预定阈值时，OCR服务器将已完成的部分转换结果传送至移动终端。

3、如权利要求1所述的方法，其特征在于，还包括：

设置针对所传送图形信息的转换参数，并随所传送图形信息一同传送至OCR服务器。

4、如权利要求1所述的方法，其特征在于，还包括：

移动终端选用与转换结果相应的模块，显示、播放或者处理所接收的字符串或者与该字符串相关的数据。

5、一种移动终端，其特征在于，包括：

用于拍摄包含有待识别字符的图形信息的数字摄像头；

用于与OCR服务器完成图形信息发送、转换参数发送和转换结果接收的通讯模块；所述转换结果包括字符串或者与该字符串相关的数据；

用于设置针对所传送图形信息的转换参数的参数设置模块。

6、如权利要求5所述的移动终端，其特征在于，还包括：

用于显示、播放或者处理所接收的字符串或者与该字符串相关数据的专用处理模块。

7、如权利要求6所述的移动终端，其特征在于：

所述移动终端包括至少两个专用处理模块；

所述移动终端还包括选择模块，用于选择调用与转换结果相应的专用处理模块，完成显示、播放或者处理。

8、一种OCR服务器，其特征在于，包括：

用于接收包含有待识别字符的图形信息，返回相应转换结果的通讯模块；所述转换结果为字符串或者与该字符串相关的数据；

用于解析所接收的图形信息，完成图文转换的字符识别模块。

9、如权利要求8所述的OCR服务器，其特征在于：

所述OCR服务器包括至少两个字符识别模块；所述通讯模块所接收的数据中还包括转换参数；

所述OCR服务器还包括第一判断模块，用于依据转换参数选择调用相应的字符识别模块。

10、如权利要求8所述的OCR服务器，其特征在于，还包括：

第二判断模块，用于判断图文转换的数据量或者转换时间是否超过预定阈值时，如果是，则通知通讯模块将已完成的部分转换结果传送至移动终端。

Images