文档类型图片的识别方法、装置及存储介质与流程

本公开涉及图像识别技术领域，尤其涉及一种文档类型图片的识别方法、装置及存储介质。

背景技术：

图像识别是指利用计算机对图像/图片进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。图像识别技术是应用深度学习算法的一种实践应用。

相关技术中，采用通用的监督学习图像分类方法对图像进行识别分类，具体地，先利用收集到的各种类型的图片作为训练样本，并为每一训练样本设置标签，然后利用带标签的训练样本训练得到二分类器，接着通过训练好的二分类器对待识别的图片进行识别并分类。由于采用这种方式训练得到的分类器会学习到图片底层特征，如纹理特征、颜色特征、形状特征等等，因此分类器会将学习到的图片底层特征作为图片分类的一个判断指标。

技术实现要素：

为克服相关技术中存在的问题，本公开提供一种文档类型图片的识别方法、装置及存储介质，以避免图片底层特征对文档类型图片的识别造成干扰，达到提升文档类型图片的识别准确率的目的。

根据本公开实施例的第一方面，提供一种文档类型图片的识别方法，包括：

将目标图片输入文字定位检测模型，得到所述文字定位检测模型输出的所述目标图片中的文字框信息；

根据所述文字框信息，计算所述目标图片中文字区域的大小；

若所述文字区域在所述目标图片中的占比大于或等于预设阈值，则确定所述目标图片为文档类型图片。

可选地，所述目标图片包括多个文字框，其中，每个所述文字框信息包括四个顶点坐标；

所述根据所述文字框信息，计算所述目标图片中文字区域的大小，包括：

针对每一所述文字框，根据该文字框的四个顶点坐标计算该文字框的面积；

计算所述目标图片中所有所述文字框的面积之和，得到所述文字区域的面积值，所述面积值用于表征所述文字区域的大小。

可选地，所述文字区域在所述目标图片中的占比为所述文字区域的面积值与所述目标图片的面积值之比。

可选地，所述目标图片包括多个文字框，每个所述文字框信息包括所述文字框的轮廓信息；

所述根据所述文字框信息，计算所述目标图片中文字区域的大小，包括：

针对每一所述文字框，将该文字框对应的轮廓内每一像素点的灰度值设置为目标灰度值；

计算所述多个文字框内灰度值为所述目标灰度值的像素点总个数，得到所述文字区域的像素点个数，所述像素点个数用于表征所述文字区域的大小。

可选地，所述文字区域在所述目标图片中的占比为所述文字区域的像素点个数与所述目标图片的像素点个数之比。

可选地，所述目标图片包括待制作故事相册的目标图片，所述方法还包括：

将所述文档类型图片过滤，并根据过滤后的非文档类型图片制作所述故事相册。

根据本公开实施例的第二方面，提供一种文档类型图片的识别装置，包括：

输入模块，被配置为将目标图片输入文字定位检测模型，得到所述文字定位检测模型输出的所述目标图片中的文字框信息；

计算模块，被配置为根据所述文字框信息，计算所述目标图片中文字区域的大小；

确定模块，被配置为若所述文字区域在所述目标图片中的占比大于或等于预设阈值，则确定所述目标图片为文档类型图片。

可选地，所述目标图片包括多个文字框，其中，每个所述文字框信息包括四个顶点坐标；

所述计算模块包括：

第一计算子模块，被配置为针对每一所述文字框，根据该文字框的四个顶点坐标计算该文字框的面积；计算所述目标图片中所有所述文字框的面积之和，得到所述文字区域的面积值，所述面积值用于表征所述文字区域的大小。

可选地，所述文字区域在所述目标图片中的占比为所述文字区域的面积值与所述目标图片的面积值之比。

可选地，所述目标图片包括多个文字框，每个所述文字框信息包括所述文字框的轮廓信息；

所述计算模块包括：

第二计算子模块，被配置为针对每一所述文字框，将该文字框对应的轮廓内每一像素点的灰度值设置为目标灰度值；计算所述多个文字框内灰度值为所述目标灰度值的像素点总个数，得到所述文字区域的像素点个数，所述像素点个数用于表征所述文字区域的大小。

可选地，所述文字区域在所述目标图片中的占比为所述文字区域的像素点个数与所述目标图片的像素点个数之比。

可选地，所述目标图片包括待制作故事相册的目标图片，所述装置还包括：

制作模块，被配置为将所述文档类型图片过滤，并根据过滤后的非文档类型图片制作所述故事相册。

根据本公开实施例的第三方面，提供一种文档类型图片的识别装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的所述可执行指令执行如上述第一方面中任一项所述的方法。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的文档类型图片的识别方法的步骤。

本公开的实施例提供的技术方案可以包括以下有益效果：

通过将目标图片输入文字定位检测模型，得到文字定位检测模型输出的该目标图片中的文字框信息。根据得到的文字框信息，可以计算出目标图片中文字区域的大小。当该文字区域在目标图片中的占比大于或等于预设阈值时，可以确定该目标图片为文档类型图片。这种方式与相关技术相比较，因不再利用大量的图片样本训练二分类器来识别图片为文档类型图片还是非文档类型图片，所以可以避免将二分类器学习到的图片底层特征作为图片分类的一个判断指标而导致分类不准确的问题。因此，采用这种方式可以更加准确的识别文档类型图片。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种文档类型图片的识别方法的流程图。

图2是根据一示例性实施例示出的另一种文档类型图片的识别方法的流程图。

图3是根据一示例性实施例示出的一张待识别图片。

图4a是根据一示例性实施例示出的一种文字框信息示意图。

图4b是根据一示例性实施例示出的一种填充文字框后的示意图。

图5是根据一示例性实施例示出的一种确定文字区域大小的方法的流程图。

图6是根据一示例性实施例示出的另一种确定文字区域大小的方法的流程图。

图7是根据一示例性实施例示出的一种文档类型图片的识别装置的框图。

图8是根据一示例性实施例示出的另一种用于文档类型图片的识别的装置的框图。

图9是根据一示例性实施例示出的再一种用于文档类型图片的识别的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

相关技术中，采用如图1所示的方法识别文档类型的图片。详细地，将待识别图片i输入预先训练好的特征提取器，得到该待识别图片i的特征向量，接着将该待识别图片i的特征向量输入预先训练好的二分类器，得到二分类器输出的概率值s，在概率值s大于或等于预设概率值t时，确定该待识别图片i为文档图片。在概率值s小于预设概率值t时，确定该待识别图片i为非文档图片。

其中，常用的特征提取器大致有两类，一类为传统的手动特征提取方法，比如hog、lbp、sift等等。另一类为基于深度学习cnn的特征提取方法，该方法主要用于将待识别图片转换得到特定长度的图片特征向量。上述二分类器的种类也可分为两种，一种是基于传统机器学习方法的分类器，比如svm，决策树，感知器等等。另一种是基于cnn的分类器，即采用基于交叉熵损失函数loss的分类器。

相关技术中的这种方法，由于图像二分类的标注非0即1，所以图片的划分比较粗粒度，加之图片本身的底层特征容易造成模型的过拟合(即图片背景对图片分类造成干扰)，因此常需要大量的样本数据才能获得鲁棒性较好的二分类器。可见这种方式所需的样本数据量很大，且因粗粒度的标注信息和图片底层特征的干扰会导致分类结果不准确。

此外，二分类器中的预设概率值t往往是人员通过经验得出的，这使得分类的结果没有合理的解释性，即人员的主观性参与了图片分类过程，导致分类结果不客观。

有鉴于此，本公开实施例提供一种文档类型图片的识别方法、装置及存储介质，以解决相关技术中存在的问题，实现提升文档类型图片识别准确率的目的。

图2是根据一示例性实施例示出的一种文档类型图片的识别方法的流程图，如图2所示，该文档类型图片的识别方法可以应用于移动终端，也可以应用于服务器，该方法可以包括以下步骤：

在步骤s21中，将目标图片输入文字定位检测模型，得到所述文字定位检测模型输出的所述目标图片中的文字框信息。

其中，文字定位检测模型是预先训练好的模型。一种可实现的实施方式，文字定位检测模型可以采用基于通用物体检测的文字检测算法进行架构。而文字检测算法可以是基于fasterrcnn的ctpn或rrpn算法，还可以是基于ssd的textboxes或seglink等算法。

另一种可实现的实施方式，文字定位检测模型可以采用基于像素分割的文字检测算法进行构建，并还可以在文字定位检测模型中加入注意力机制。其中，基于分割的文字检测算法可以是psenet、dbnet、pixellink等算法中的任一种。

应当说明的是，文字定位检测模型输出的文字框为包括至少一个文字的文字框，可以理解为文字外轮廓图像或文字行/列的外轮廓图像。一种可能的实施方式中，文字框也可以为从目标图片中分割出的包括文字的子图像。

值得说明的是，在本公开的实施例中，文字定位检测模型是以文字块位置作为监督信息训练得到的监督型模型。

在步骤s22中，根据所述文字框信息，计算所述目标图片中文字区域的大小。

应当理解的是文字区域即目标图片中文字所在区域。根据文字外轮廓图像或文字行/列的外轮廓图像可以确定目标图片中文字所在区域的大小。

在步骤s23中，若所述文字区域在所述目标图片中的占比大于或等于预设阈值，则确定所述目标图片为文档类型图片。

其中，预设阈值可通过统计特定的应用场景下的文档图片中文字占比的数量来确定，也可以根据实际业务需求进行设置。示例地，可将预设阈值设置为60％。当文字区域在目标图片中的占比大于或等于60％时，说明该目标图片中60％图片区域为文字区域，那么这种情况下可以确定该目标图片为文档类型图片。

采用这种方法，通过将目标图片输入文字定位检测模型，得到文字定位检测模型输出的该目标图片中的文字框信息。根据得到的文字框信息，可以计算出目标图片中文字区域的大小。当该文字区域在目标图片中的占比大于或等于预设阈值时，可以确定该目标图片为文档类型图片。这种方式与相关技术相比较，因不再利用大量的图片样本训练二分类器来识别图片为文档类型图片还是非文档类型图片，所以可以避免将二分类器学习到的图片底层特征作为图片分类的一个判断指标而导致分类不准确的问题。因此，采用这种方式可以更加准确的识别文档类型图片。

除此之外，在本公开的上述技术方案中，文字定位检测模型将文字块位置作为监督信息，这种方式与相关技术中将非0即1的标注作为监督信息的方式相比，因文字定位信息比非0即1的标注更加细粒度，因此采用本公开的上述方法可以提升识别文档类型图片的准确率。并且，本公开上述技术方案中通过文字区域在目标图片中的占比来判断目标图片是否为文档类型图片，其中采用的占比值较相关技术中二分类器识别得到的概率值也更加客观，且具有可解释性。本公开中占比值被解释为文字区域在目标图片中的占比率。

还应当说明的是，因为本公开的上述技术方案是基于文字区域在目标图片中的占比来判断目标图片是否为文档类型图片的，因而本公开上述技术方案避免了将图片底层特征作为图片分类的一个判断指标，进而也就无需为了克服图片底层特征造成模型过拟合的问题而收集大量样本数据来训练模型。即是说，与相关技术相比，本公开的技术方案所需训练样本的数量较少，降低了样本数据的收集成本。

本领域普通技术人员容易理解的是，大部分文档图片中文字的排版较为规律，文字一般呈直线方式排列，如横向、竖向、斜向。因而上述步骤s21中得到的文字框信息中，文字框的形状一般为四边形。

在一种可实现的实施方式中，上述步骤s21中得到的每个所述文字框信息可以包括该文字框的四个顶点坐标。

具体地，将目标图片输入文字定位检测模型后，该文字定位检测模型输出的文字框信息为该目标图片中的一个或多个文字框的信息。文字定位检测模型输出的所有文字框信息可以表征为d＝{p1,p2,p3,...,pn}，其中n＝(1,2,3,...,n)，n表征检测到的目标图片中的文本框数量。

当每个文字框信息包括该文字框的四个顶点坐标时，每一文字框的四个顶点坐标可表征为pi＝{(x1,y1),(x2,y2),(x3,y3),(x4,y4)}，其中，(x1,y1)为文本框左上角坐标点，(x2,y2)为文本框右上角坐标点，(x3,y3)为文本框右下角坐标点，(x4,y4)为文本框左下角坐标点。

示例地，假设输入文字定位检测模型中的目标图片为图3所示的图片，那么文字定位检测模型输出的所有文字框信息可以如图4a所示(图4a中未示出各顶点坐标)。

在知道每一文字框的四个顶点坐标的情况下，进一步地，可参见图5，上述步骤s22具体可以包括以下步骤：

在步骤s51中，针对每一所述文字框，根据该文字框的四个顶点坐标计算该文字框的面积。

应当理解的是，根据四边形文字框的四个顶点坐标，通过几何运算可以得到该文字框的面积值。具体地，当文字框为四边形时，可利用四边形的面积计算公式根据文字框的四个顶点坐标计算得到文字框的面积。当文字框为非规则四边形(即边为非直线的情况)时，可利用四边形的面积计算公式根据文字框的四个顶点坐标估算得到文字框的面积。当然，也可以利用积分方式根据文字框的四个顶点坐标计算得到文字框的面积。

在步骤s52中，计算所述目标图片中所有所述文字框的面积之和，得到所述文字区域的面积值，所述面积值用于表征所述文字区域的大小。

在确定每一文字框的面积之后，将所有文字框的面积之和作为文字区域的面积值，该面积值为文字区域的大小值，用于表征文字区域的大小。

在文字区域的大小值为文字区域的面积值的情况下，上述步骤s23中所述文字区域在所述目标图片中的占比为所述文字区域的面积值与所述目标图片的面积值之比。

一种可能的情况，目标图片中的文字可能为复杂的非直线型行文排版。那么针对这种目标图片，得到的文字框可能为非规则四边形，即可能文字框的边为曲线、波浪线等情况。针对这种可能的情况，若采用上述根据文字框的四个顶点坐标计算面积的方式得到的文字区域大小值可能误差较大。

因此，本公开实施例还提供另一种方式，参见图6，所述目标图片包括多个文字框，每个所述文字框信息包括所述文字框的轮廓信息；所述根据所述文字框信息，计算所述目标图片中文字区域的大小，包括：

在步骤s61中，针对每一所述文字框，将该文字框对应的轮廓内每一像素点的灰度值设置为目标灰度值。

其中，文字框的轮廓可以如图4a中的白色轮廓。

示例地，可以将文字框对应的轮廓内的每一像素点的灰度值设置为255，其余部分设置为0。将每一文字框对应的轮廓内每一像素点的灰度值设置为255之后，得到的图像如图4b所示。

在步骤s62中，计算所述多个文字框内灰度值为所述目标灰度值的像素点总个数，得到所述文字区域的像素点个数，所述像素点个数用于表征所述文字区域的大小。

示例地，针对所有文字框，通过计算灰度值为255的像素点总个数，得到文字区域的像素点个数，将该文字区域的像素点个数的值作为文字区域的大小值。

在将文字区域的像素点个数的值作为文字区域的大小值的情况下，上述步骤s23中所述文字区域在所述目标图片中的占比为所述文字区域的像素点个数与所述目标图片的像素点个数之比。

采用这种方式，无论目标图片中的文字是何种不规则的排版方式，都能更加准确地计算得到表征文字区域大小的值。

可选地，所述目标图片包括待制作故事相册的目标图片，所述上述任一种文档类型图片的识别还可以包括：

将所述文档类型图片过滤，并根据过滤后的非文档类型图片制作所述故事相册。

应当理解的是，在智能相片整理等相似场景中，经常需要先判断用户图片是否为文档类型图片，然后再进一步处理。

例如在给用户生成故事相册的时候，需要通过过滤文档类型图片来保证生成的故事相册的美观性。

再例如，在物体、人物、动植物等识别场景中，也需要先将文档类型图片过滤掉，再识别过滤后的非文档类型图片中的对象或目标。

基于同一发明构思，本公开实施例还提供一种文档类型图片的识别装置，如图7所示，该装置700包括输入模块701，计算模块702和确定模块703。

该检测模块701被配置为将目标图片输入文字定位检测模型，得到所述文字定位检测模型输出的所述目标图片中的文字框信息；

该确定模块702被配置为根据所述文字框信息，计算所述目标图片中文字区域的大小；

该转换模块703被配置为若所述文字区域在所述目标图片中的占比大于或等于预设阈值，则确定所述目标图片为文档类型图片。

采用这种装置，通过将目标图片输入文字定位检测模型，得到文字定位检测模型输出的该目标图片中的文字框信息。根据得到的文字框信息，可以计算出目标图片中文字区域的大小。当该文字区域在目标图片中的占比大于或等于预设阈值时，可以确定该目标图片为文档类型图片。这种方式与相关技术相比较，因不再利用大量的图片样本训练二分类器来识别图片为文档类型图片还是非文档类型图片，所以可以避免将二分类器学习到的图片底层特征作为图片分类的一个判断指标而导致分类不准确的问题。因此，采用这种装置可以更加准确的识别出文档类型图片。

可选地，所述目标图片包括多个文字框，其中，每个所述文字框信息包括四个顶点坐标；

所述计算模块702包括：

第一计算子模块，被配置为针对每一所述文字框，根据该文字框的四个顶点坐标计算该文字框的面积；计算所述目标图片中所有所述文字框的面积之和，得到所述文字区域的面积值，所述面积值用于表征所述文字区域的大小。

可选地，所述文字区域在所述目标图片中的占比为所述文字区域的面积值与所述目标图片的面积值之比。

可选地，所述目标图片包括多个文字框，每个所述文字框信息包括所述文字框的轮廓信息；

所述计算模块702包括：

第二计算子模块，被配置为针对每一所述文字框，将该文字框对应的轮廓内每一像素点的灰度值设置为目标灰度值；计算所述多个文字框内灰度值为所述目标灰度值的像素点总个数，得到所述文字区域的像素点个数，所述像素点个数用于表征所述文字区域的大小。

可选地，所述文字区域在所述目标图片中的占比为所述文字区域的像素点个数与所述目标图片的像素点个数之比。

可选地，所述目标图片包括待制作故事相册的目标图片，所述装置还包括：

制作模块，被配置为将所述文档类型图片过滤，并根据过滤后的非文档类型图片制作所述故事相册。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的文档类型图片的识别方法的步骤。

图8是根据一示例性实施例示出的一种用于文档类型图片的识别的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的文档类型图片的识别方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，装置800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述文档类型图片的识别方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述文档类型图片的识别方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的文档类型图片的识别方法的代码部分。

图9是根据一示例性实施例示出的一种用于文档类型图片的识别的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图9，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述文档类型图片的识别方法中的部分或全部步骤。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(i/o)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如windowsserver^tm，macosx^tm，unix^tm，linux^tm，freebsd^tm或类似。

本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。