视频中的草书字幕文本检测

视频中出现的文本内容可作为视频语义检索(来自档案)、告警生成(直播流)以及观点挖掘与内容摘要等高层应用的有趣索引。此类系统的关键组成部分之一便是视频帧中文本内容的检测,这也构成本研究的主题。本文提出一种用于检测视频帧中文本内容的鲁棒技术。更具体地,我们以乌尔都语文本为案例研究,针对草书字体文本。视频帧中文本区域的检测通过基于深度卷积神经网络为目标检测任务微调对象检测器来完成。由于常见视频含有多语种字幕文本,我们利用语种识别模块将草书文本与拉丁文本区分开。最后,检测与语种识别被整合为单一的端到端可训练系统。在约11,000帧视频帧的综合数据集上的实验报告了0.91的F值。