摘要：目前cnn成为计算机视觉领域,特别是目标对象检测技术的主流方法之一。自然场景中的文本信息与一般目标对象不同,目标检测算法对自然场景文本检测的鲁棒性差,检测结果中的细小文本区域容易漏检,狭长文本区域检测的完整性较差。针对这一问题,对自然场景文本信息特征分析,提出了一种基于级联cnn的自然场景文本检测方法。该方法利用检测模型尽可能地发现疑似文本区域,然后利用分类模型分类筛选出最终的文本区域。在SSD目标检测算法的基础上,设计一种适用于自然场景文本的检测模型;然后对检测模型得到的疑似文本区域使用非极大值抑制和融合操作,消除重叠检测对结果的影响;最后使用针对性训练的分类模型对得到的候选区域进行分类筛选,得到最终的检测结果。该方法在数据集ICDAR2013上的召回率、准确率和F值分别为0.77、0.81和0.79,对于自然场景图像的文本检测有着较强的鲁棒性,能够有效地检测到图中细小的文本区域,明显改善狭长文本区域检测不全的情况。