1、OCR定義
OCR，中文又叫光學(xué)字符識(shí)別，它是利用光學(xué)技術(shù)和計(jì)算機(jī)技術(shù)將目標(biāo)上的文字信息提取出來(lái)。OCR識(shí)別是計(jì)算器視覺(jué)研究領(lǐng)域之一，目前生活中的應(yīng)用也比較成熟，比方說(shuō)，身份證識(shí)別，車(chē)牌號(hào)識(shí)別，拍題搜答案等應(yīng)用。
2、OCR分類(lèi)
目前主要根據(jù)識(shí)別字體分成兩類(lèi)：印刷體識(shí)別和手寫(xiě)體識(shí)別。印刷體識(shí)別相對(duì)簡(jiǎn)單些，字體比較規(guī)則，有幾十種字體規(guī)則。但是也有一些因?yàn)樽址∷⒛E的斷裂，粘連，遮擋等造成識(shí)別困難，總的來(lái)說(shuō)，印刷體的識(shí)別目前識(shí)別情況已經(jīng)相當(dāng)不錯(cuò)了，但是還沒(méi)能達(dá)到100%識(shí)別準(zhǔn)確。
手寫(xiě)字體一直是OCR界想攻克的難關(guān)，主要因?yàn)槭謱?xiě)字體比較多樣化且具有個(gè)人特色，就比方說(shuō)醫(yī)生開(kāi)的藥方，人眼都很難辨認(rèn)寫(xiě)的是什么，機(jī)器也很難理解。
3、OCR識(shí)別方法
典型的OCR技術(shù)流程:
輸入——>圖像預(yù)處理——>文字檢測(cè)——>文本識(shí)別——>輸出
傳統(tǒng)的OCR識(shí)別技術(shù)流程:
圖像預(yù)處理（彩色圖像灰度化，二值化處理，圖像變化角度檢測(cè)，矯正處理等）——>版面劃分（直線檢測(cè)，傾斜檢測(cè)）——>字符定位切分——>字符識(shí)別——>版面恢復(fù)——>后處理——>校對(duì)等
深度學(xué)習(xí)OCR識(shí)別技術(shù)流程:
輸入圖像——>深度學(xué)習(xí)文字區(qū)域檢測(cè)——>預(yù)處理——>特征提取——>深度學(xué)習(xí)識(shí)別器——>深度學(xué)習(xí)后處理
傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的相似點(diǎn):
傳統(tǒng)機(jī)器學(xué)習(xí):數(shù)據(jù)預(yù)處理——>特征提取——>選擇分類(lèi)器
深度學(xué)習(xí):數(shù)據(jù)預(yù)處理——>模型設(shè)計(jì)——>訓(xùn)練
在深度學(xué)習(xí)沒(méi)有發(fā)展起來(lái)前，對(duì)于復(fù)雜的場(chǎng)景基本都是采用傳統(tǒng)方法做字符的特征提取，然后輸入分類(lèi)器，得到OCR模型。第一步特征設(shè)計(jì)和提取，我們需要對(duì)字符進(jìn)行設(shè)計(jì)它獨(dú)有的特征，來(lái)為后面分類(lèi)做準(zhǔn)備，字符有哪些特征呢？結(jié)構(gòu)特征：字符端點(diǎn)，交叉點(diǎn)，圈的個(gè)數(shù)，線條數(shù)等，第二步將這些特征送入分類(lèi)器（SVM）做分類(lèi)，得出識(shí)別結(jié)果。這種方式的缺點(diǎn)是需要大量時(shí)間做特征設(shè)計(jì)，通過(guò)人工設(shè)計(jì)的特征（HOG）來(lái)訓(xùn)練字符識(shí)別模型。這種方法，一旦字符變化，模糊或者背景干擾等情況出現(xiàn)時(shí)，模型的泛化能力迅速下降，過(guò)度依賴字符切分的結(jié)果，在字符扭曲，粘連，噪聲干擾的情況下，切分的錯(cuò)誤尤其突出。這也就是為什么現(xiàn)在基本都會(huì)選擇深度學(xué)習(xí)去做OCR。
暴力的字符模板匹配法，通常應(yīng)用在字體統(tǒng)一，清晰度高，識(shí)別場(chǎng)景簡(jiǎn)單，識(shí)別字符簡(jiǎn)單的基于深度學(xué)習(xí)的字符識(shí)別（文字檢測(cè)+文字識(shí)別），目前來(lái)說(shuō)用的效果比較好的就是先利用神經(jīng)網(wǎng)絡(luò)對(duì)文字區(qū)域進(jìn)行定位，然后對(duì)定位到的文字進(jìn)行字符識(shí)別。
目前現(xiàn)有的可以直接使用的OCR主要有以下兩種：
l、谷歌開(kāi)源OCR引擎Tesseract，因?yàn)槭峭鈬?guó)人開(kāi)發(fā)的，所以中文識(shí)別效果并不好，但是在英文及數(shù)字識(shí)別上效果不錯(cuò)。
2、百度公司開(kāi)發(fā)的OCR的API，通過(guò)寫(xiě)一個(gè)python腳本就可以對(duì)其進(jìn)行調(diào)用實(shí)現(xiàn)文字識(shí)別，但是并不是免費(fèi)，少量調(diào)用不收費(fèi)，大量調(diào)用就要收費(fèi)了。用來(lái)進(jìn)行漢字識(shí)別效果還不錯(cuò)。
中文
ENG
