当前社会已经进入了大数据时代,在人们使用互联网时产生的海量数据中,图像、视频占据了半壁江山。图片中文本信息的作用不仅对于数据挖掘、语义理解、人机交互等领域不可或缺,而且对于场景理解也至为重要。正因如此,越来越多的学者们着眼研究自然场景图像中的文本检测。自然场景中的文本是一种特殊的目标,因此,自然场景的文本检测是目标检测领域的重要分支,也是OCR(Optical Character Recognition,光学字符识别)领域其中一项重要的研究,对识别自然场景中的文本来说,这也是必不可少的。对于自然场景中的图像来说,所包含的文本语言多种多样,在同一张自然场景文本图像中,文本所处的位置、字体类型、文字大小、文本颜色、文本方向、光照强度、图像模糊等可能均不一样,还可能存在文字缺失、文本图像透视畸变,这就为检测自然场景的文本带来了诸多困难。针对自然场景文本检测,早期研究者们提出了很多传统的经典方法,这些传统方法所用样本较少,通常都是手工提取特征,再结合先验知识来区分文本区域和背景区域,所以,针对大量样本,传统方法并不适用。随着机器学习深度学习的兴起,深度学习方法逐渐代替了这些经典的算法,成为文本检测的主流选择。因此,本文以SSD(Single Shot Multi Box Detector)算法为基础研究算法,在此基础上进行改进,从而进行自然场景文本检测。由于在自然场景图像中,文本图像不仅仅有水平的,还有多方向的倾斜文本图像。仅用SSD算法检测自然场景中的文本图像,得到的检测区域是标准的水平矩形,对于倾斜文本来说,得到的检测区域是真实目标区域的最小外接矩形,这个区域中有很多像素是背景区域,即存在很多的冗余信息。除此之外,SSD算法默认的锚点框宽高比对具有扁窄狭长的文本行不太适用,检测时会出现只检测一部分或者漏检的情况。因此,本文利用轻量级的深层神经网络提取到自然场景中文本图像的特征,重新设计锚点框的长宽比以适应自然场景图像中扁窄狭长的文本,利用计算几何知识重新设计多边形的IOU(Intersection over Union),利用旋转矩形的几何性质进行目标区域的位置回归,设计符合多边形的NMS(Non Maximum suppression)算法。除此外,加入了特征融合思想。通过实验,相对于SSD算法,本文方法可以较为准确的进行多方向的自然场景文本检测,且准确率和召回率明显提高。