一種基于ocr和tts的低視力閱讀助視系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及電子閱讀設(shè)備技術(shù)領(lǐng)域，尤其涉及一種基于OCR和TTS的低視力閱讀助視系統(tǒng)。
【背景技術(shù)】
[0002]低視力患者及老年人在閱讀書報、文件、說明書等圖文時存在不同程度的障礙，傳統(tǒng)方式是借助放大鏡，但因其僅為光學(xué)放大，存在放大倍數(shù)有限、邊緣變形等問題，因此在歐美等發(fā)達國家，基本已淘汰了放大鏡，普遍使用電子助視裝置等改善低視力人群閱讀障礙的高科技產(chǎn)品，但是低視力人群在長時間使用眼睛的狀況下會引起視力惡化。
[0003]隨著終端技術(shù)、軟件技術(shù)的發(fā)展，特別是智能終端技術(shù)、OCR技術(shù)與TTS技術(shù)的發(fā)展，為OCR技術(shù)與TTS技術(shù)的結(jié)合提供了可行性。
[0004]文字識別技術(shù)(Optical Character Recognit1n，簡稱OCR)即通過光學(xué)技術(shù)對文字進行識別，是自動識別技術(shù)研宄和應(yīng)用領(lǐng)域中的一種重要技術(shù)。它能夠?qū)⑽淖肿詣幼R別錄入到電腦中，適用于建立網(wǎng)絡(luò)圖書館，將紙質(zhì)書籍掃描，以文件的形式存入電腦然后通過OCR文字識別軟件識別需要的文字就可以文本文件的形式顯示。
[0005]語音合成技術(shù)(Text To Speech，簡稱TTS)，涉及聲學(xué)、語言學(xué)、數(shù)字信號處理技術(shù)、多媒體技術(shù)等多個學(xué)科技術(shù)，是中文信息處理領(lǐng)域的一項前沿技術(shù)。
[0006]與一些用預(yù)先錄制的聲音文件實現(xiàn)發(fā)聲的應(yīng)用程序相比，TTS的發(fā)聲引擎只有幾兆大小，不需要大量的聲音文件支持，因此可以節(jié)省很大的儲存空間，并且可以朗讀預(yù)先未知的任何語句?，F(xiàn)在已經(jīng)有許多應(yīng)用軟件應(yīng)用TTS技術(shù)實現(xiàn)語音功能，例如一些播音軟件可以用來讀小說或作校對工作，還可以朗讀電子郵件，一些電子詞典可以讀出單詞，還可以用于查詢中心自動播放服務(wù)信息等。

【發(fā)明內(nèi)容】

[0007]在下文中給出關(guān)于本發(fā)明的簡要概述，以便提供關(guān)于本發(fā)明的某些方面的基本理解。應(yīng)當(dāng)理解，這個概述并不是關(guān)于本發(fā)明的窮舉性概述。它并不是意圖確定本發(fā)明的關(guān)鍵或重要部分，也不是意圖限定本發(fā)明的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細描述的前序。
[0008]本發(fā)明提供一種降低眼部使用頻率、同時實現(xiàn)閱讀的基于OCR和TTS的低視力閱讀助視系統(tǒng)。
[0009]本發(fā)明提供一種基于OCR和TTS的低視力閱讀助視系統(tǒng)，包括:
[0010]圖像采集模塊，用于掃描閱讀對象，采集并輸出圖像；
[0011]處理模塊，包括:
[0012]OCR文字識別單元，與所述圖像采集模塊連接，用于接收所述圖像，對所述圖像進行圖像預(yù)處理和單字識別，得到所述圖像對應(yīng)的文本文件；
[0013]TTS引擎單元，與所述OCR文字識別單元連接，用于將所述文本文件轉(zhuǎn)換為音頻文件；
[0014]輸出模塊，與所述處理模塊連接，用于同步輸出所述文本文件和所述音頻文件。
[0015]本發(fā)明提供的基于OCR和TTS的低視力閱讀助視系統(tǒng)結(jié)合了 OCR文字識別技術(shù)和TTS語音識別技術(shù)，通過圖像采集模塊對閱讀對象進行掃描并采集圖像，通過處理模塊對采集的圖像進行處理并最終通過輸出模塊同步顯示閱讀文本和輸出對應(yīng)的音頻，從而為用戶實現(xiàn)了聽讀為主、目視輔助的閱讀方式。用戶還可通過鍵盤或觸摸屏設(shè)置顯示模式，例如黑底白字、白底黑字、護眼模式等顯示模式，進一步緩解眼部疲勞，實現(xiàn)了輔助低視力患者、老視人群及盲人用戶進行閱讀的作用。綜上所述，本發(fā)明具有使用便捷、緩解眼部疲勞等優(yōu)點。
【附圖說明】
[0016]參照下面結(jié)合附圖對本發(fā)明實施例的說明，會更加容易地理解本發(fā)明的以上和其它目的、特點和優(yōu)點。附圖中的部件只是為了示出本發(fā)明的原理。在附圖中，相同的或類似的技術(shù)特征或部件將采用相同或類似的附圖標(biāo)記來表示。
[0017]圖1為本發(fā)明一種基于OCR和TTS的低視力閱讀助視系統(tǒng)的一種實施方式的系統(tǒng)結(jié)構(gòu)示意圖。
[0018]圖2為本發(fā)明一種基于OCR和TTS的低視力閱讀助視系統(tǒng)的一種優(yōu)選實施方式的系統(tǒng)結(jié)構(gòu)示意圖。
[0019]圖3為本發(fā)明一種基于OCR和TTS的低視力閱讀助視系統(tǒng)的另一種優(yōu)選實施方式的系統(tǒng)結(jié)構(gòu)示意圖。
[0020]附圖標(biāo)記說明:
[0021]10圖像采集模塊
[0022]20用戶輸入模塊
[0023]30處理模塊
[0024]50輸出模塊
[0025]301OCR文字識別單元
[0026]303TTS引擎單元
[0027]501顯示單元
[0028]503音頻輸出單元
【具體實施方式】
[0029]下面參照附圖來說明本發(fā)明的實施例。在本發(fā)明的一個附圖或一種實施方式中描述的元素和特征可以與一個或更多個其它附圖或?qū)嵤┓绞街惺境龅脑睾吞卣飨嘟Y(jié)合。應(yīng)當(dāng)注意，為了清楚的目的，附圖和說明中省略了與本發(fā)明無關(guān)的、本領(lǐng)域普通技術(shù)人員已知的部件和處理的表示和描述。
[0030]圖1為本發(fā)明一種基于OCR和TTS的低視力閱讀助視系統(tǒng)的一種實施方式的系統(tǒng)結(jié)構(gòu)示意圖。
[0031]如圖1所示，在本實施方式中，本發(fā)明的基于OCR和TTS的低視力閱讀助視系統(tǒng)包括:
[0032]圖像采集模塊10，用于掃描閱讀對象，采集并輸出圖像；
[0033]處理模塊30，包括:
[0034]OCR文字識別單元301，與圖像采集模塊10連接，用于接收所述圖像，對所述圖像進行圖像預(yù)處理和單字識別，得到所述圖像對應(yīng)的文本文件；
[0035]TTS引擎單元303，與OCR文字識別單元301連接，用于將所述文本文件轉(zhuǎn)換為音頻文件；
[0036]輸出模塊50，與處理模塊30連接，用于同步輸出所述文本文件和所述音頻文件。
[0037]具體地，圖像采集模塊10通常為掃描儀、攝像頭或其它具有相同功效的掃描/拍攝設(shè)備，通過圖像采集模塊10將報紙、書籍等閱讀對象采集并輸入到計算機中，從而實現(xiàn)原稿數(shù)字化。OCR識別正確率的前提條件是文檔圖像的掃描質(zhì)量較高。恰當(dāng)?shù)剡x擇掃描分辨率及相關(guān)參數(shù)、較高的攝像頭分辨率，是保證文字圖像清楚、特征不丟失的關(guān)鍵。此外，待掃描的閱讀對象盡可能地放置端正，以保證預(yù)處理檢測的傾斜角較小，在進行傾斜校正后，文字圖像的變形就較小。這些簡單的操作，會使OCR識別正確率有所提高。反之，由于掃描設(shè)置不當(dāng)，文字的斷筆過多可能會分檢出半個文字的圖像，文字斷筆和筆畫粘連會造成部分特征丟失，在將文字圖像的特征與特征庫比較時，會使其特征距離加大，識別錯誤率上升。
[0038]圖像預(yù)處理即分檢所述接收的圖像中的每一個文字圖像，以及進行單字識別之前的一些準備工作，包括圖像凈化處理，即去掉原始圖像