旅行证件是各国公民在境外的重要身份凭证，常用的旅行证件包括护照、通行证、身份证等。随着国际往来的日益频繁，对旅行证件表面的文字信息进行高效自动化识别成为边境通关的迫切需要。尽管近年来出现了大量关于文本检测与识别的研究成果，但旅行证件底纹复杂、文本尺度不一与语言多样的特点使得现有的算法难以满足实际需求。针对以上问题，本文提出了针对旅行证件图像的文本检测与识别算法。
　　针对旅行证件语言多样、文本尺度不一、底纹背景复杂的问题，本文提出基于多重注意力特征金字塔网络的文本检测算法。通过融合多尺度特征图，提高模型针对多尺度文本的精确率与召回率；通过使用多重注意力模块为特征图进行空间与通道的上下文建模，改善不同语言文本特征的语义紧凑性与一致性，提高文本区域与底纹背景区域的特征区分度，进而提升文本检测模型针对复杂底纹背景下多种语言文本的精确率与召回率。
　　针对旅行证件文本图像底纹复杂、字符粘连的问题，本文对文本图像整体进行序列识别，以避免复杂的单字符分割操作。为了提升模型针对文本图像中不同尺度字符的识别率，本文提出一种基于自适应感受野的卷积模块；通过改进连接时序分类，改善字符类别不平衡问题对模型训练的干扰，提升文本识别模型的准确率与泛化能力。
　　通过使用实景采集的旅行证件图像与合成图像进行测试与对比实验，验证了本文提出的文本检测与识别算法的可行性与有效性。具体地，本文提出文本检测算法的F1值为0.884，提出文本识别算法的准确率为0.986，高于其他流行方法。