تعیین جعبه متن در تصاویر یعنی جداسازی متن از بقیه اشیا به صورت چند حالته در اصل متن در تصاویر امکان دارد چند جهته باشد و تصویر دارای چند نوع متن باشد در اصل هدف ما در این تحقیق جدا سازی متن های دارای چند جهت و حالت از غیر متن در تصاویر فریم ویدیو است.البته چالش های بسیار زیادی در تعیین ناحیه مطلوب برای این موضوع وجود دارد که باعث کاهش دقت و صحت عملیات می گردد در این تحقیق ما تلاش داریم تا این چالش ها را مرتفع سازیم.