这几年伴随深度学习和卷积神经网络的出现使得图像处理技术发展取得了质的飞跃,越来越多传统方法被基于深度学习的方法所替代,文字识别的方法就是其中之一。而针对自然场景的文字识别常常聚焦于特定领域,如车牌、街景等,自然场景的文本识别仍有许多应用性问题没有很好的解决方案。在真实文本场景中,中文字符的检测和识别性能常常受到背景光线、角度、数据集差异等影响,效果差强人意。本课题通过分析研究国内外文字识别技术研究现状和文字识别系统的弊端,在此基础上提出了一套基于深度学习技术的场景文字识别通用框架可提供自然场景下图片识别功能,并且为了解决常见OCR系统对卡证场景识别的缺失、每种识别系统只能识别单一种类证件等问题,在原有OCR技术的基础上,整合了通用证件的识别功能,包含身份证、银行卡、营业执照、和驾驶证,实现了多功能的场景文字识别系统。并提供开放API供功能扩展,文章最后以营业执照识别进行功能扩展,联通天眼查API提供扩展的企业信息核验功能,进行了开放能力的实现与验证。针对场景文字识别系统的设计与实现,本论文主要内容包括以下四个方面:1.提出了场景文字数据集的合成方法:通过对真实自然场景中的文档图像进行背景分析和要素提取,对背景纹理和光照角度等图像影响因素进行了模拟实现,合成了中文覆盖率高达99.7%的场景文字字符库,从而增加了整个检测识别流程中各个算法的泛化效果。2.提出了 IBN-CRNN的场景识别方法:改进目前先进的端到端可训练的不定长文字识别方法CRNN,引入IBN-Net结构有助于在不增加计算量的情况下,提升模型的准确性和泛化性,结合合成数据集,可以有效地在干扰背景中对图像文字进行准确识别。3.提出了基于VGG+CTPN+IBN-CRNN的场景文字检测与识别通用框架:利用CTPN适合检测水平文字的特性,引入了 VGG16算法对图像进行文本倾斜角度分类,实现图像矫正;结合合成的数据集与公开数据集丰富了检测任务、识别任务的数据训练样本。在提出的IBN-CRNN场景识别模型上利用上述扩充的样本数据进行训练,增强了 IBN-CRNN算法的泛化性和整个通用框架对中文场景的鲁棒性。4.设计并实现了场景文字识别系统:该系统基于场景文字检测与识别通用框架实现能力封装从而提供自然场景下高准确率的通用文字识别服务,系统还整合了常见的卡证图像识别功能,包括身份证、银行卡、营业执照、和驾驶证。该系统提供友好的编程接口可针对特定应用场景方便地扩展新的功能,还实现对营业执照结合天眼查API完成企业信息核验功能。系统提供交互友好的响应式Web界面供不同终端访问,支持图像上传和图像地址链接两种图像录入方式,还支持识别内容的一键复制与编辑。系统可在内网环境中部署以保证数据的安全。