- ?
手机端文字识别技术
海之
展开
手机端文字识别技术
一、手机端文字识别技术产品简介
在很多业务场景中都涉及到对自然场景中文字的录入,传统的手动录入速度非常慢,体验差。针对这些需求,我们开发出Android,ios手机端文字识别技术,使用手机或者平板电脑对自然场景下的文字进行拍照后,可以快速识别文字信息。目前支持Android,ios操作平台,提供SDK开发包,支持二次开发。可集成到各种APP中,集成后即可获得拍照识别文字的功能。
二、手机端文字识别技术产品参数:
1.识别类型:中文(简繁体)、英文、数字
2.识别速度:单张图像的识别速度小于2秒;
三、手机端文字识别技术基本配置要求
1. 操作系统:支持Androidd 2.3以上,ios 7.0及以上系统;
2.摄像头:支持自动对焦,200万像素以上。
3. SDK占用空间,5Mbytes
四、手机端文字识别技术使用规范
1. 规范的拍摄有助于提高识别率
2. 光照,拍摄时注意光照的影响,尽量避免反光和黑影;
3. 角度,不要使拍摄角度倾斜过大,以免造成图像严重变型;
4. 聚焦,聚焦清晰,避免文字模糊不清楚。
手机端文字识别技术
如想测试文字识别sdk,请在百度 搜 :智能识别领导者博客
- ?
OCR证件识别技术
乐双
展开
一、OCR证件识别技术种类
OCR识别技术可谓当下人工智能领域最为火热的一项技术,在各种APP爆发式增长的同时,可以看到的是几乎所有的智能软件,开发人员如果想要提高客户人机交互的感受,那么智能识别技术是一个必选项。那么总体来说当今的ocr识别技术主要细分为以下功能:ocr综合文字识别、ocr视频文字识别、人脸识别、证件识别、票据识别、车牌Vin码识别、银行卡识别、云识别。那么今天就和大家聊聊应用广泛的证件识别。
二、技术应用背景
这些年,随着移动互联网的的发展,越来越多的企业都推出了自己的移动APP,这些APP多数都涉及到个人身份证信息的输入认证(即实名认证),如果手动去输入身份证号码和姓名,速度非常慢,且用户体验非常差。为了提高在移动终端上输入身份证信息的速度和准确性,OCR证件识别技术应运而生。需要说明的是OCR证件识别不仅仅只有身份证识别,还有护照识别以及其他,但是我们今天就应用最广泛的身份证进行说明。
三、OCR手机身份证号识别技术简介
OCR手机身份证号识别技术SDK可支持Android、iOS主流移动操作系统,android平台提供jar包,ios提供静态库.a文件。APP集成OCR手机身份证号识别技术SDK后,用户采用手机、平板电脑对身份证进行拍摄识别即可自动识别身份证信息(如图-1所示);
1如图-1所示
OCR手机身份证号识别技术技术还可以部署在识别服务器上,可支持Linux 32/64位操作系统、Windows 32位/64位操作系统。用户可部署到自有服务器上,APP可直接调用OCR手机身份证号识别技术服务识别身份证信息。
使用OCR手机身份证号识别技术技术后,大大地提升了APP的用户体验。
四、OCR证件识别技术的功能特点
1.识别身份证种类多:可识别二代身份证(包含汉族身份证和少数民族身份证)、香港身份证、澳门身份证、台湾身份证及部分国外身份证;
2.识别速度快:单张OCR手机身份证号识别技术速度小于2 秒;
3.通过调用识别功能Activity,实现APP应用程序接口调用,支持JAVA、Object-C等多种语言开发调用。
文通科技:十年耕耘OCR识别领域,拥有成熟、丰富的OCR技术,服务全国互联网企业。
- ?
OCR文字识别你真的了解吗?
干映菱
展开
什么是OCR?在刚接触这个词的时候完全不明白,感觉就是像代码一样,我真的看不懂。其实对于OCR来说我们简单就可以理解为文字识别,中安未来OCR文字识别名副其实的是国内最早做OCR产品的公司,我们的宗旨就是让科技改变生活。
众所周知,人才是最珍贵的。开源的OCR SDK识别技术就在那,它是处于用则拿来的状态。想要有技术的突破,必须有商业的驱使,利益的导航,它才能朝着越来越尖端、越来越正确的方向发展。
中安未来不断的完善ocr文字识别技术,优化算法,至今已发展成为国内顶尖OCR SDK文字识别的厂商之一。包括长微博图片OCR文字识别、视频文字OCR识别、场景文字OCR识别等。另开源的OCR SDK只支持简体中文,殊不知,像中安未来这样专业的OCR开发公司已成功研发了支持简繁体互换识别、中英混排识别、日文、韩文、英德法俄意大利文、藏文、维文识别的。至今在世界范围内的OCR文字识别的厂商中仍是翘楚。
中安未来慧视OCR文字识别软件支持iOS、Android两大平台,可以集成在翻译APP中、办公软件中、扫描笔中、手机文档扫描仪中等等,集成方便,应用广泛。中安未来慧视OCR文字识别轻松图片转文字。
中安未来慧视OCR文字识别软件支持PDF,BMP ,JPG,PNG等多种格式图像的读取,支持多种外语识别,识别率世界领先。自动裁切校正图片,识别速度快,识别率达99%以上,完美的解决了史料保存、图书馆检索、办公室OA 等需要图片转换为文字的麻烦。
- ?
全球OCR文字识别测试最新结果公布:中国军团霸屏
庾天亦
展开
【环球网科技 记者 樊俊卿】近年来,自然场景下的文字识别(OCR)引起了计算机视觉和机器学习界的极大关注。在照片翻译和图像内容识别等许多基于内容的图像应用推动下,它已成为学术界和工业界一个充满希望和挑战的研究领域。
11月20日,有OCR领域奥斯卡之称的国际文档分析与识别大会(ICDAR)数据集最新结果公布,中国高校及企业包揽排行榜前五。中国人工智能“国家队”云从科技提出的Pixel-Anchor框架在多个ICDAR测试子集(ICDAR2015以及ICDAR2017 MLT)上均获得了第一名的好成绩,特别是在东亚语言(包括中文)部分表现亮眼。
ICDAR2015数据集前五名及框架名称分别是:云从科技(Pixel-Anchor)、南京大学与南京理工大学(PSENet)、旷视科技(Mask Text)、商汤科技(FOTS)、阿里巴巴(IncepText)。
ICDAR2017 MLT数据集前五名及框架名称分别是云从科技(Pixel-Anchor)、阿里巴巴(ATL-cangjie)、商汤科技(FOTS、旷视科技(EAST++)、南京大学(PSENet_NJU)。
国际文档分析与识别大会(ICDAR)专注于文本领域的识别与应用,自2003年大会设立“Robust Reading Competitions”以来,该竞赛就成了评测和检验自然场景/网络图片/复杂视频文本自动提取与智能识别最新技术研究进展的最为重要的国际赛事及标准,竞赛中的诸多方法对OCR技术的发展具有强大推动力。高技术难度、强大实际应用性,也使该盛会受到科研院校、科技公司等的关注,至今已有全球89个国家的3500多支队伍参与。
截至目前,全球顶级的高校、科研机构及企业都参加过这项测试,包括Google、Microsoft、Amazon、Facebook,以及中国的腾讯、搜狗、北京大学、中国科学技术大学等。
云从科技、阿里巴巴、南京大学、南京理工大学、商汤科技、旷视科技在榜单中体现出良好的成绩,表明中国继续在国际上引领OCR领域的研究。
计算机视觉基础技术应用前景广泛
OCR(Optical Character Recognition)是指对输入图像进行分析识别处理,获取图像中文字信息的过程,具有广泛的应用场景。而自然场景中的OCR 技术不需要针对特殊场景进行定制,可以识别任意场景图片中的文字。
和面对高质量文档图像的传统OCR相比,自然场景OCR跳出了对输入图像的质量和场景束缚,能够在更宽泛的领域中获取应用,引起了学术界以及工业界的极大关注。
但相较于传统OCR,自然场景OCR中的各种商品、布景或自然场景图片中的文本检测与识别面临着复杂背景干扰、文字的模糊与退化、不可预测的光照、字体的多样性、垂直文本、倾斜文本等众多挑战。
OCR是计算机视觉领域的经典问题,长久以来,一直受到学术界和工业界的持续关注。在工业界,Google、Microsoft、Amazon等大型互联网公司,以及云从科技等人工智能创业公司,都在OCR技术上耕耘多年。随着技术不断成熟,OCR也开始在互联网及其他行业逐步上线使用,应用范围也从文档识别扩展到车牌识别,图片广告过滤,场景理解,商品识别,街景定位,票据识别等广泛的领域。
据悉,目前Pixel-Anchor框架已在云从科技的证件票据识别系统和图片广告过滤系统中上线,每天处理图片近千万张,自动反馈疑似违规图片准确率达96%以上;同时将证件处理和图文审核风险发现时间从“小时”降低到“秒”级。数据显示,2018年云从科技累计处理25亿证件数据、屏蔽400万条恶意推广,有效提高业务流程效率及净化营销环境。
除OCR以外,包含人体姿态、跨镜追踪、车辆结构化、语音识别等智能感知的核心技术闭环已经在云从科技内部获得建立,比如安防大数据系统与智能商业运营平台应用“跨镜追踪(ReID)”技术,无需人脸也可以追踪目标。“逃犯克星”张学友的部分成果,就有“跨镜追踪”技术的参与。另外,云从科技也在浸入式大数据风控系统、AI-IoT物联网应用等场景中引入了智能感知技术。
- ?
Python技术:截图文字识别工具
邵寻绿
展开
#01
截图文字识别工具
有时候在海报上面,图片上面,或者PDF文档中,经常出现一些唯美的文字。这个时候想要复制下来才发现不能复制。因为有的是图片,有的是PDF。
可以使用Python制作一个小工具,来识别图片上的文字。但是保存图片等又太麻烦,如果能截图一键识别就好了。我们用Python来实现。
#02
实现截图
第一步,先要实现能截图,并将图片保存起来以供识别。截图我们就使用常见的截图工具就好(如果另外安装截图软件或者指定特殊截图软件也是不方便的)。
常见的截图工具是微信截图(Alt+A截图)QQ截图(Alt+Ctrl+A截图),我使用Snipaste截图工具(F1截图)。
有了截图工具,就需要按键盘的按键进行截图,所以使用Python模块来监控键盘事件就好了,这样就知道了什么时候进行截图,什么时候截图结束。新建py文件名为screenShot,代码及注释如下:
keyboard.wait` 知道按压f1才会执行下一行
im = ImageGrab.grabclipboard()` 读取剪切板中的图片
使用keyboard.wait监控键盘事件,当点击某个指定的按键以后才会执行下一行。我的截图工具采用ctrl+c结束,这也是结束的标志。
其他截图工具也可以使用这种方式,比如QQ截图是Alt+Ctrl+A开始截图,enter键结束截图,并将截图的数据保存在了剪切板了。只需从剪切板读取数据,保存在本地等待识别即可。
注意:程序中有一行sleep(0.01)也就是程序会在此等待一下,目的是为了防止图片还没有保存在剪切板程序就从剪切板读取图片。
#03
图片识别
上一步将图片保存在了本地等待识别,这一步采用百度云提供的接口来识别图片。具体的识别方式可以查看百度云官网的文字识别模块。新建py文件名为baidu,代码内容如下:
程序的核心功能是使用百度云提供的`basicGeneral`方法来识别图片。在识别图片之前,要进行工单的配置。工单的配置需要登录百度云账号,并且建立一个可用的工单。官网有提供具体方法。
#04
工单配置
在xxx处填写你的信息
#05
各文件调用
使用screenShot文件调用baidu文件:
直接运行该文件即可
- ?
三款OCR文字识别应用评测 谁是扫描王?
迎天
展开
随着科技的不断进步,很多黑科技应用到了实际生活层面上。小编今天给大家介绍一个很实用的,特别是喜欢阅读的年轻人。
你想过可以把黑板上的文字用打印出来吗?这听起来是不是觉得有点匪夷所思,黑板上的文字是用粉笔写出来的,又不是什么电子文档怎么打印,耍我呢!这肯定是很多人第一时间心中浮现出来的想法。
答案是可以的,请听我细细诉来!OCR文字识别技术,什么是OCR?OCR 是指电子设备检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程;
这不就是扫描仪用到技术吗,这个已经出现很久了吧。但是如今手机开始逐渐替代这些大型的扫描设备,扫描仪也面临着被淘汰的风险。我们来试用三款文字识别应用,到底哪家效果比较好。题外话:我也不知道为什么大家的应用都喜欢叫XX扫描王!
福昕扫描王
福昕软件出品的扫描应用,专门针对中文识别进行了优化,达到了国外语言的高识别率。
智能边界识别+手动调节边线,更方便用户截取所拍摄到图片,并且能够支持多张批量修改并进行识别。
功能上更多的从国内用户的体验出发设计产品,在操作上国外用户可能会不太适应,但识别效果还是一流的,并且有提供免费体验次数。
扫描全能王
扫描功能靠谱,中文OCR 也是优势。对中文的适应度可能比TextGrabber 还要好那么一点点。优点是应用价格不贵而且功能很全面,属于一款在手日常基本不发愁的类型,缺点是为了全面所以各个细项都显得不算十分突出,OCR 识别对中英文、数字混排很吃力。
TextGrabber
大名鼎鼎的TextGrabber,原本只是OCR 功能,在今年的版本更新中直接将OCR 和文本翻译整合在了一起,是目前用户评价最好的OCR 应用,开发商ABBYY 在文档识别,数据捕获和语言技术的开发中居世界领先地位,著名的OCR 神器FineReader 也是这家公司推出的。
TextGrabber 的优点是中文识别速度快,准确率高,并且翻译也非常靠谱。缺点当然也有,首先价格不便宜,其次它属于单纯的文本识别+翻译工具,可能无法完成用户更多的使用需要,最后一点是没有智能边界识别,也不能调整边界线,只能简单截取图片。
- ?
OCR识别相关技术原理
韶宛儿
展开
喜欢就关注【港口大数据观察】
导语:如果说算法和数据是跑车的发动机和汽油,那么系统则是变速箱,稳定而灵活的变速箱,是图像识别服务向前推进的基础。算法、数据、系统三位一体,随着算法的快速发展和数据的日益积累,系统也在高效而稳定地升级。
一、背景介绍
前面的系列文章分别介绍了算法和数据,如果说算法和数据是跑车的发动机和汽油,那么系统则是变速箱,稳定而灵活的变速箱,是图像识别服务向前推进的基础。算法、数据、系统三位一体,组合成完整的OCR在线服务。伴随着算法的升级和业务的持续接入,系统也经历了从单机版升级到分布式版本;从为了每个算法定制系统模块,到分离框架和算法逻辑,提高算法的运行效率和模块的可重用性;从单一的运行环境,升级到CPU/GPU异构并行。除了一般分布式系统所需要提供的功能,我们还结合算法和运维特性,增加了单点热更新和集群快照等特性。
二、我们面临的挑战
图像识别服务框架作为一个提供在线服务的系统,既面临一般的业务系统或平台所面临的挑战,也面临作为算法系统,需要支撑复杂算法和业务的挑战,主要表现在以下几点:
1.高性能与高可靠
任何在线系统都面临性能和可靠性的挑战。在我们系统中,图像识别服务作为在线服务,需要能够迅速响应并返回,并且不管在框架层还是算法层,都要保证高可用性。
2.系统解耦&高可扩展性
作为一个分布式的算法系统,算法模块与框架的解耦,可以使算法与后台人员更高效的同步开发,分别对算法与框架进行更新迭代。而高可扩展性,既要求框架在集群上支持资源可扩展,又要求做到单机算法的迅速接入与替换。
3.复杂业务与算法的支撑
随着业务的持续接入和算法的复杂化,需要在框架层灵活的支撑算法,高效的算法模块重用以及迅速适配新算法并接入新业务。
4.不同运行环境的支持
算法系统,尤其是图像识别算法系统,运行环境包括CPU与GPU,框架除了要支持不同环境的高效运行,也要支持不同环节运行在不同硬件环境,以保证资源合理高效的使用。
三、我们的解决方案
图像识别从算法研究、模型训练到规模化的提供服务,需要处理的流程比较多,我们将开发阶段主要分为如下两个阶段:
算法研究&模型训练:
算法人员进行算法研究、模型训练,以及业务对接。算法无需关心框架以及系统的调度,只需输出单个模块的算法SO和训练好的模型文件。
框架开发&算法集成:
后台开发人员进行服务框架的开发及算法SO的集成运行,即把算法研究人员研究好的算法及模型文件集成到服务框架中,提供稳定的在线图像识别服务。
接下来将重点介绍系统的设计和实现。
四、图像识别服务框架
4.1 系统架构
框架层使用Java编码,算法层采用插件化设计,可以加载jar包、so或者其他脚本,这是一个多语言的混编系统。图像识别算法一般都是计算密集型,并且一部分需要运行在GPU上,所以在算法层,我们使用CUDA C++编写so,使用JNI挂载so进行算法的执行和调度。如图1,架构上主要分为三层:接入层、框架层、算法层,再加上评测系统、存储系统、监控告警系统、日志系统等周边系统构成一套完整的图像识别服务系统。
图1 图像识别服务框架系统构架图
接入层:包括协议转换、参数输配和结果适配等
框架层:图像识别服务运行的系统框架,加载运行算法SO,提供稳定的识别服务,包括
Master:接收接入层的请求,进行请求拆分、请求调度、结果合并等Worker:实际执行算法的进程载体,主要包含算法SO/模型的加载、更新,进行算法的执行Zookeeper:存储worker心跳信息、算法映射关系、算法执行计划、算法静态/动态快照信息等ConfigServer:监听worker心跳并实时更新动态动态路由表,触发master更新路由规则及连接池算法层:算法人员提供各种算法模型及算法so
周边系统
评测系统:提供版本评测功能存储系统:非敏感图片及badcase存储监控告警:监控服务的运行状态,在异常时进行告警日志系统:请求日志的存储,为问题的跟踪排查提供依据框架运行时4.2 系统运行态
本节将结合实际的OCR预测请求剖析框架的运行态。
1) 一个OCR识别实例
如图2,我们以STR(Scene Text Recognition,场景文字识别)为例,一个典型的使用场景为广告图片素材理解。在任务中,我们将识别图片中文字,并给出具体坐标。
图2 一个OCR识别实例
2) 系统运行态
如图3,我们详细剖析上述实例在框架中的运行过程
图3 系统运行态
1. 业务侧的请求携带图片内容(或图片URL)、bid(标识不同的业务)及tid(标识不同算法大类)。
2. 在master节点找到对应的算法,然后找到相应执行计划,执行计划中定义了算法的执行步骤;根据各个步骤找到相应的路由节点,master将请求拆分/打包/路由到相应的worker
3. master将原始图片路由分发到检测子系统。检测过程运行在GPU上,算法so检测出模块中各个图片框(如图2中的“京东”、“内外真皮”等),切分好之后将结果返回给master
4. master将检测结果拆分,并行分发到识别子系统。识别过程运行在GPU上,算法so将识别出单个图片框的文字,分别返回给master
5. master将识别结果汇总,一起发送到重排序子系统。重排序子系统运行在CPU上,算法so将结果返回给master
6. master将最终结果封装并返回
每个模块在整个过程中的作用为:
算法映射:由bid+tid映射到一个具体的子算法。相同的tid与不同的bid组合,可以支持不同业务对同类算法的定制执行计划:定义算法的执行步骤,比如图中STR图片文字识别,包含三个步骤:检测、识别和重排序动态快照:即动态路由表,定义了算法每个阶段映射到的具体节点。worker上报心跳,由ConfigServer整理生成动态路由表,由Master节点监听路由表的变更4.3 容灾与集群热更新
热更新能力是一个系统提供可靠和稳定服务的基础功能,即可以保证系统的无损升级,又可以保障系统的容灾能力。如图4,系统主要借助zookeeper和worker的心跳机制实现集群热更新。
图4 集群热更新
Worker:在启动的时候与zookeeper建立临时节点维持心跳信息Configserver:监听worker在zookeeper的心跳信息,如果worker断连或重连,configserver立刻感知到并修改动态快照Master:监听zookeeper上的动态快照信息,动态快照变更立刻触发路由规则及路由连接池的更新通过这几个角色的配合,在worker节点出现异常的情况下,master迅速就完成了切换,保证了系统的稳定。这种机制也支持了集群的热更新,在需要对某个worker进行更新时,先对worker进行下线,master感知后不向此worker发请求,完成更新启动后,master再跟其重新建立连接并发送请求。
4.4 单点热更新
单点热更新,指的是在不重启服务的前提下,对进程内单个或多个模块进行替换升级。与其他业务系统不一样的,在算法平台下,考虑以下两种场景:
1) 一个进程内加载了多个算法SO,需要对其中一个算法模块进行更新;
2) 算法链上串行多个模块,需要对其中一个模块进行实验或更新。
这两种场景下,使用集群热更新或者对进程进行重启,就有点重了,所以我们实现了一套进程内单个so的动态更新方案。通过Java代码是无法直接实现SO的动态加载的,如图4,我们引入了代理so,通过在代理so进行(dlopen,dlsym和dlclose)操作,从而达到动态加载SO的目的。同时在代理so中,我们封装了所有JNI转换和算法需要使用的接口,很好的进行了框架和算法的解耦。除了so的动态加载,我们还实现了模型的动态加载。
图5 单点热更新
4.5 静态快照
通常在分布式框架中,是不需要静态快照的。但在算法系统中,我们通常需要频繁上下线一批so,而这些so会分布在不同机器不同节点上。虽然简单的通过上传/删除服务器上的本地so文件,可以触发相关进程的动态加载/卸载,但这种操作繁复,在算法复杂,一个进程加载了很多so的时候,操作容易出错。所以,这里我们需要在运维上对系统进行优化,提高系统可运维性。
如图5,我们在动态快照的同时还引入了静态快照,静态快照由运维通过脚本或配置文件写入静态路由表,将一个集群的预期初始状态配置到zookeeper上。ConfigServer整理静态快照和worker上报的心跳信息,生成最终的动态快照。
图6 静态快照
这种动静态快照结合的集群快照机制相比只有动态快照在运维上会稍微复杂,但可以通过运维工具降低复杂度。动静态集群快照机制优势也很明显,第一、在复杂算法下,不容易出错;第二、可以在动态快照之余快速上下线一些算法或者更改算法流程。
五、框架的一些思考
我们成功地将Java与CUDA C++混编系统作为图像识别服务框架,并且支撑了众多业务。成熟稳定的框架,可以解放更多的人力用于算法开发和业务接入。依托于Java成熟的开源工具,可以迅速开发出框架和进行维护,使用Java作为框架调度层和网络层,对比传统C++框架并没有性能差异;而使用CUDA C++编写SO的方式,可以更好的适配GPU环境和深度学习框架,更高效地利用机器计算资源。当然,我们的系统还在持续进化,后续将进一步在资源利用率、调度效率、业务接入速度和运维精细化等方向继续努力。
六、结束语
我们推出了OCR技术系列文章总共包括了《OCR技术之检测篇》、《OCR技术之识别篇》、《OCR技术之数据篇》、《OCR技术之系统篇》等4篇文章,希望通过这些文章能够与大家一同探讨OCR领域的一些技术与应用。在后续的工作中,团队也将继续在OCR领域深耕细作,不断前行,持续提升技术水平与服务质量,为OCR技术的发展贡献微薄之力。
- ?
OCR文字识别技术——智能识别领域中的戏精
流转
展开
俗话说:人生如戏,全靠演技。不仅生活中有许多戏精,在人工智能领域,恰恰也有这么个戏精。作为人工智能的重要部分,OCR识别技术,在应用过程中也是分分钟为自己加戏。
文字识别是OCR技术的核心,通过对图像进行扫描、输入、预处理、矫正、去噪、版面分析、字符切割、字符识别、后处理、校对等几十道工序,从而输出准确、易用、可行的识别结果。每一个OCR识别过程看似简单,却经历了一系列的算法处理。作为最贴近生活的识别技术,其技术的成熟度和完善度,直接关系到使用时的体验感受。
“智能的终极目标不是制造更聪明的产品,
而是让产品拥有暖人的温度”
易泊时代OCR识别技术,识别精准性、高效性只是外在,其深厚技术底蕴才是核心实力。站在行业前端,时刻以用户需求为出发点,切实解决用户痛点,为其创造更多价值。易泊时代OCR识别,以文字识别为基准,衍生出更加多样化、人性化的识别应用。所谓“科技留温”,大抵是在应用产品的时候,解决实际问题,用完产品之后,加深了对品牌内涵的认同与理解。
“创新不是刻意追求新颖,
而是懂得如何更好的解决您的需求”
文字识别,是所有衍生识别应用的根基,依托强大的研发团队和数十载技术积累,专为智能化而生。无论是资料检索、文字检测,还是内容监管、视频内容分析等,基于业界领先的OCR识别技术,能为您提供多场景、多语言、高精度的图文检测识别服务。其中中文、英文、日文、阿拉伯文的识别精准性,在业内有着较高的知名度。
创新是时刻紧跟潮流,站在行业至高点,如此才能洞悉用户需求,为其提供准确、完整的解决方案。为创新注入更多生命力,是对技术的不断专注探索和完善。
“专注需要一往无前的热情,
但更需要的是十年磨一剑的锋芒”
世界很大,以点带面,科技的力量可以无限。从文字识别到车牌识别、身份证识别、银行卡识别、护照识别、发票识别、名片识别等,每一个细分应用只为解决更具体的识别需求。用领先的算法,做最简单的应用,使得识别过程集成方便、轻松上手。
如今,易泊时代OCR识别核心,在政府、金融、银行、保险、汽车、交通、社区、旅游、电信等许多行业中都有着广泛的应用,并获得顾客一致好评。
作者:龚宪文,百度搜索“易泊龚宪文”获取更多信息/免费集成测试
文章来源:http://eparkingxw/nd.jsp?id=32#_np=2_392
- ?
推荐几款OCR识别App(提取图像中的文字,适用安卓与ios)
眉瘸
展开
Ocr识别技术,说直白一点,就是把以图像形式存在的文字变成可编辑的文字.
比如要把书上的文字复制下来, 需要照着书一个一个字打,但是如果通过ocr识别软件, 我们就可以直接通过拍照的形式把这些文字截取下来.
举个例子:
书本OCR识别之后:
10每个人都听命于三个“长官”控制模式必须因时制宜,一药不能治百疾现在让我们来看看人的行为如何被控制或影响。如果你的车子正需要换轮胎,你可能会先到当初买车的经销商那里去看他们提供哪些选择,然后你可能会到其他修车厂作个比较,你还可能会去翻翻消费杂志来个货比三家。但到最后,你只会以一个标准来作决定:你的自身利益。你想要以最低的代价满足需求。在这种买卖关系中,你会站在经销商或维修厂的立场考虑的可能性极小。因为你并不关心他们的利益,你不会笨到去告诉卖你轮胎的人应该抬高价钱多赚你一点这会儿你换了新轮胎开车上路,没多久便碰上了红灯,你只好停下车。你有没有想过为什么要踩刹车减速?从来没有。“红
怎么样, 很方便吧.
市面有很多软件都有这样的功能, 这边就推荐几款手机上的ocr识别应用.
安卓系统应用-全能分词(锤子BigBang)
各大安卓手机的应用市场都能搜索下载到,小米应用商店名字是"全能分词",酷安里面是"锤子BigBang"(因为作者开发这个App是基于锤子公开的BigBang开源项目的)
安装好之后,登陆时候就有相应的功能介绍
功能介绍软件界面点击文字识别ocr点击从图片中识别文字.可以直接拍摄,也可以从相册取出图片这边选择拍摄,召唤出相机功能对图片进行一些修剪,选择自己要的文字成功分离出文字,可直接复制使用但是, 这个app的ocr技术,还是基于第三方的. 所以,并不是直接能够识别的, 需要进行一些设置才能分离出文字来.
购买app中的会员(不建议)点击app中引导的点击的广告(不推荐)自行设置第三方的ocr支持(强力推荐)
设置第三方ocr秘钥入口作者也非常实在, 在软件中,介绍了如何设置第三方ocr秘钥的很详细的方式.
不过毕竟开发也很辛苦,如果觉得好用,也可以点击一下广告支持下作者.
申请第三方ocr秘钥的方法.苹果IOS与安卓均可用的方案
腾讯QQ (免费,速度快,精度与全能分词差不多,推荐)没有看错, 确实是我们在手机上聊天用的手机QQ. 其实他也自带了ocr识别的功能,如下图
对着文字扫描识别出来结果扫描大师(微信小程序,有次数限制)
微信扫码进入主页点击拍摄, 召唤相机即可拍摄.OCR的识别应用还有非常多, 大家有什么好的方法可以在评论推荐一下.
- ?
独家|一文读懂文字识别(OCR)
Leif
展开
文字识别是计算机视觉研究领域的分支之一,归属于模式识别和人工智能,是计算机科学的重要组成部分
本文将以上图为主要线索,简要阐述在文字识别领域中的各个组成部分。
一 ,文字识别简介
计算机文字识别,俗称光学字符识别,英文全称是Optical Character Recognition(简称OCR),它是利用光学技术和计算机技术把印在或写在纸上的文字读取出来,并转换成一种计算机能够接受、人又可以理解的格式。OCR技术是实现文字高速录入的一项关键技术。
在OCR技术中,印刷体文字识别是开展最早,技术上最为成熟的一个。早在1929年德国科学家Taushek就取得了一项光学字符识别(Optical Character Recognition,简称OCR)的专利131。欧美国家为了将浩如烟海、与日俱增的大量报刊杂志、文件资料和单据报表等文字材料输入计算机进行信息处理,从上世纪50年代就开始了西文OCR技术的研究,以便代替人工键盘输入。经过40多年的不断发展和完善,并随着计算机技术的飞速发展,西文OCR技术现已广泛应用于各个领域,使得大量的文字资料能够快速、方便、省时省力和及时地输入到计算机中,实现了信息处理的“电子化”。
与印刷体西文OCR相比,印刷体汉文OCR技术的研究是在印刷体数字识别和印刷体英文识别的基础上发展起来的,最早可以追溯到上世纪60年代。1966年,BIM公司的Casey和Nagy发表了第一篇关于印刷体汉字识别的论文,在这篇论文中他们利用简单的模板匹配法,识别了1000个印刷体汉字。从上世纪70年代以来,日本学者在汉文OCR方面做了许多研究工作,其中有代表性的系统有1977年东芝综合研究所研制的可以识别2000个单体印刷汉字的识别系统;80年代初期,日本武藏野电气研究所研制的可以识别2300个多体汉字的印刷体汉字识别系统,代表了当时汉字识别的最高水平。此外,日本的三洋、松下、理光和富士等公司也有其研制的印刷体汉字识别系统。这些系统在方法上,大都采用基于K-L数字变换的匹配方案,使用了大量专用硬件,其设备有的相当于小型机甚至大型机,价格极其昂贵,所以并没有得到广泛应用。
与国外相比,我国的印刷体汉字识别研究是从上世纪70年代末起步的,至今己有近三十年的发展历史,大致可以分成如下三个阶段:
1)探索阶段(1979一1985)
在对数字、英文、符号识别研究的基础上,自上世纪70年代末,国内就有少数单位的研究人员对汉字识别方法进行了探索,发表了一些论文,研制了少量模拟识别软件和系统。这个阶段漫长,成果不多,但是却孕育了下一个阶段的丰硕果实。
2)研制阶段(1986~1988)
1986年初到1988年底,这三年是汉字识别技术研究的高潮期,也是印刷体汉字识别技术研究的丰收期。总共有11个单位进行了14次印刷体汉字识别的成果鉴定,这些系统对样张识别能达到高指标:可以识别宋体、仿宋体、黑体、楷体,识别的字数最多可达6763个,字号从3号到5号,识别率高达99.5%以上,识别速度在286微机条件下能够达到10~14字/秒,但对真实文本识别率大大下降,这是由于以上系统对印刷体文字形状变化(如文字模糊、笔划粘连、断笔、黑白不均、纸质质量差、油墨反透等等)的适应性和抗干扰性比较差造成的。但是这三年研制的识别系统为印刷体汉字识别系统的实用化打下了基础,是识别系统从研制到实用化必经的过程。
3)实用阶段(1989一至今)
印刷体汉字识别自1986年掀起高潮以来,清华大学电子工程系、中国科学院计算所智能中心、北京信息工程学院、沈阳自动化研究所等多家单位分别研制并开发出了实用化的印刷体汉字识别系统。尤其是由清华大学电子工程系研制的清华TH一OCR产品和由汉王集团开发的尚书OCR产品,它们始终都处于技术发展的最前沿,并占据着最大的市场份额,代表着印刷体汉字识别技术的发展潮流。目前,印刷体汉字识别技术的研究热点已经从单纯的文字识别转移到了表格的自动识别与录入,图文混排和多语种混排的版面分析、版面理解和版面恢复,名片识别,金融票据识别和古籍识别等内容上。并且出现了许多相关的识别系统,如:紫光文通推出的名片识别系统(e一card)、身份证识别系统(e验通)和“慧视”屏幕文字图像识别系统等等。这些新的识别系统的出现,标志着印刷体汉字识别技术的应用领域得到了广阔的扩展。
国家高技术研究发展“863”计划、国家重点科技攻关计划、国家自然科学基金和军事基础研究基金都对印刷体汉字识别这一研究课题予以极大的重视和大力的支持。目前,印刷体汉字识别和联机手写汉字识别走向实用化,其技术水平和当前世界最高水平并驾齐驱。
这篇文章将对OCR技术进行分类描述,并介绍一些在OCR领域中较常使用的算法,由于个人主要参与的项目实践与印刷体识别较为相关,所以对于其他领域的描述若有不当之处,请大家指正,希望本文的介绍会让大家对OCR的整个流程有一个简要的概念。
二 ,印刷体文字识别
OCR技术的兴起便是从印刷体识别开始的,印刷体识别的成功为后来手写体的发展奠定了坚实的基础。印刷体识别的主要流程大致分为以下几个部分:图像预处理;版面处理;图像切分;特征提取、匹配及模型训练、匹配;识别后处理。
2.1 图像预处理
输入文本经过扫描仪进入计算机后,由于纸张的厚薄、光洁度和印刷质量都会造成文字畸变,产生断笔、粘连和污点等干扰,所以在进行文字识别之前,要对带有噪声的文字图像进行处理。由于这种处理工作是在文字识别之前,所以被称为预处理。预处理一般包括灰度化、二值化,倾斜检测与校正,行、字切分,平滑,规范化等等。
2.1.1灰度化
通过外设采集的图像通常为彩色图像,彩色图像会夹杂一些干扰信息,灰度化处理的主要目的就是滤除这些信息,灰度化的实质其实就是将原本由三维描述的像素点,映射为一维描述的像素点。转换的方式和规则有很多,在这里不详细介绍。
2.1.2 二值化
经过灰度处理的彩色图像还需经过二值化处理将文字与背景进一步分离开,所谓二值化,就是将灰度值(或者彩色值)图像信号转化成只有黑(l)和白(0)的二值图像信号。二值化效果的好坏,会直接影响灰度文本图像的识别率。二值化方法大致可以分为局部阈值二值化和整体阈值二值化。目前使用较多的日本学者大津提出的“大津法”
2.1.3倾斜校正
印刷体文本资料大多是由平行于页面边缘的水平(或者垂直)的文本行(或者列)组成的,即倾斜角度为零度。然而在文本页面扫描过程中,不论是手工扫描还是机器扫描,都不可避免地会出现图像倾斜现象。而倾斜的文档图像对后期的字符分割、识别和图像压缩等工作将产生很大影响。为了保证后续处理的正确性,对文本图像进行倾斜检测和校正是十分必要的。
文本图像的倾斜校正分为手动校正和自动校正两种。手动校正,是指识别系统提供某种人机交互手段,实现文本图像的倾斜校正。自动校正,是指由计算机自动分析文本图像的版面特征,估计图像的倾斜角度,并根据倾斜角度对文本图像进行校正。
目前,文本图像的倾斜检测方法有许多种,主要可以划分为以下五类:基于投影图的方法,基于Houhg变换的方法,基于交叉相关性的方法,基于Fourier变换的方法和基于最近邻聚类方法。
最简单的基于投影图的方法是将文本图像沿不同方向进行投影。当投影方向和文字行方向一致时,文字行在投影图上的峰值最大,并且投影图存在明显的峰谷,此时的投影方向就是倾斜角度。
Huogh变换也是一种最常用的倾斜检测方法,它是利用Hough变换的特性,将图像中的前景像素映射到极坐标空间,通过统计极坐标空间各点的累加值得到文档图像的倾斜角度。
Fourier变换的方法是利用页面倾角对应于使Fourier空间密度最大的方向角的特性,将文档图像的所有像素点进行Fourier变换。这种方法的计算量非常大,目前很少采用。
基于最近邻聚类方法,取文本图像的某个子区域中字符连通域的中心点作为特征点,利用基线上的点的连续性,计算出对应的文本行的方向
角,从而得到整个页面的倾斜角。
2.1.4规范化
规范化操作就是将输入的任意尺寸的文字都处理成统一尺寸的标准文字,以便与己经预先存储在字典中的参考模板相匹配。规范化操作包括1211:位置规范化、大小规范化以及笔划粗细规范化。在本节只讨论位置规范化和大小规范化。
为了消除文字点阵位置上的偏差,需要把整个文字点阵图移动到规定的位置上,这个过程被称为位置规范化。常用的位置规范化操作有两种,一种是基于质心的位置规范化,另一种是基于文字外边框的位置规范化。基于文字外边框的位置规范化需要首先计算文字的外边框,并找出中心,然后把文字中心移动到指定的位置上来。基于质心的位置规范化方法抗干扰能力比基于文字外边框的位置规范化方法要强。
使用基于文字外边框的位置规范化方法对文字进行位置规范化的操作结果,如下图所示。
对不同大小的文字做变换,使之成为同一尺寸大小,这个过程被称为大小规范化。很多已有的多字号印刷体识别系统都是通过大小规范化来识别不同字号的文字。常用的大小规范化操作也有两种,一种是将文字的外边框按比例线性放大或缩小成规定尺寸的文字,另一种是根据水平和垂直两个方向上文字黑像素的分布情况进行大小规范化。
使用根据水平和垂直两个方向上文字黑像素的分布情况方法对文字进行大小规范化操作的效果,如下图所示。
2.1.5图像平滑
文本图像经过平滑处理之后,能够去掉笔划上的孤立白点和笔划外部的孤立黑点,以及笔划边缘的凹凸点,使得笔划边缘变得平滑。一种简单的平滑处理方法如下。采用NxN窗口(N一般为3,如图2-1所示是一个3X3窗口),依次在二值文字点阵中进行扫描,根据窗口中黑白像素的分布情况,使处于窗口中心的被平滑像素X。,从“0”变成“1”或者从“l”变成“0”。
该方法是按以下规则对文字轮廓边缘进行平滑的。
规则1如果满足图2-2中(a),(b),(c),(d)四种情况中的任何一种,则中心点应该由“0”变成“l”。
规则2如果满足图2-2中(e),(f),(g),(h)四种情况中的任何一种,则中心点应该由“1”变成“0”。
2.2版面处理
通常版面处理分为三个主要部分,版面分析、版面理解、版面重构。
2.2.1版面分析
将文本图像分割为不同部分,并标定各部分属性,如:文本、图像、表格。目前在版面分析方面的工作核心思想都是基于连通域分析法,后衍生出的基于神经网络的版面分析法等也都是以连通域为基础进行的。连通域是指将图像经过二值化后转为的二值矩阵中任选一个像素点,若包围其的所有像素点中存在相同像素值的像素点则视为两点连通,以此类推,这样的像素点构成的一个集合在图像中所在的区域即一个连通域。根据连通域大小或像素点分布等特征可以将连通域的属性标记出来,用作进一步处理的依据。
2.2.2版面理解
获取文章逻辑结构,包括各区域的逻辑属性、文章的层次关系和阅读顺序。根据版面分析时记载的连通域位置信息,确定连通域归属序列。
2.2.3版面重构
根据版面分析和OCR的结果,重构出包含文字信息和版面信息的电子文档。
2.3 图像切分
图像切分大致可以分为两个个主要类别,行(列)切分和字切分。经过切分处理后,才能方便对单个文字进行识别处理。如下图所示。
2.3.1 行列切分
由于印刷体文字图像行列间距.、字间距大致相等,且几乎不存在粘连现象,所以可以采用投影法对图像进行切分,得到每列(行)在坐标轴的像素值投影曲线是一个不平滑的曲线,通过高斯平滑后的曲线在每个波谷位置间的区域即为要的一行(列)。
2.3.2 字切分
字切分对于不同的文种存在着比较明显的差异,通常意义下,字切分是指将整行或整列文字切分成独立的一个个文字,而实际上根据文种差异,可能还需需要将单个文字进行进一步切分。而因为文种不同,构词法或钩字法也有所不同,所以切分方法的难度差别也是天壤之别。例如将汉字“屋”切分开的难度和将英文“house”切分开的难度差别就很大,因此在识别模式上,也会根据文种特性,设计不同的识别方法。
2.4 特征提取与模型训练
在深度学习广泛应用于图像识别领域之前,模板匹配是较为常见的一种识别方式,之后由于神经网络的复苏,基于反馈的神经网络给OCR领域带来了又一春。现在随着计算机硬件算力的提升,利用大批数据训练深度神经网络在图像识别方面取得了傲人的成绩。
2.4.1 特征提取及匹配
特征提取是从单个字符图像上提取统计特征或结构特征的过程。所提取的特征的稳定性及有效性,决定了识别的性能。对于统计特征的提取,可利用统计模式识别中的特征提取方法,而对结构特征的提取,应根据具体文字所确定的识别基元确定相应的特征提取方法。在相当长的文字识别的研究过程中,是利用人们的经验知识,指导文字特征的提取。例如边缘特征...