![](https://csdnimg.cn/release/download_crawler_static/86344630/bg1.jpg)
OCR 就在身边
光学字符识别(英语:Optical Character Recognition,OCR)传统是指对文本资料的图
像文件进行分析识别处理,获取文字及版面信息的过程。场景文字识别(Scene Text
Recognition,STR) 指识别自然场景图片中的文字信息。自然场景图像中的文字识别,其
难度远大于扫描文档图像中的文字识别,因为它的文字展现形式极其丰富。也有人用 OCR
技术泛指所有图像文字检测和识别技术, 包括传统 OCR 技术与场景文字识别技术。这是因
为,场景文字识别技术可以被看成是传统 OCR 技术的自然演进与升级换代。
1、OCR 的发展历史
OCR 的概念是在 1929 年由德国科学家 Tausheck 最先提出来的,后来美国科学家 Handel
也提出了利用技术对文字进行识别的想法。在 60、70 年代,研究的初期,多以文字的识别
方法研究为主,且识别的文字仅为 0 至 9 的阿拉伯数字。早期的 OCR 软件,由于识别率及
产品化等多方面的因素,未能达到实际要求。同时,由于硬件设备成本高,运行速度慢,也
没有达到实用的程度。
进入 20 世纪 90 年代以后,随着平台式扫描仪的广泛应用,大大推动了 OCR 技术的进
一步发展,使 OCR 的识别正确率、识别速度满足了广大用户的要求。直到今天,针对格式
化文档图像的 OCR,尤其是扫描文档,在理论与应用方面,都已经日趋成熟。
值得一提的是,过去 OCR 的识别以人工筛选特征为主,随着近几年神经网络的再次繁
荣,OCR 领域也开始搭上神经网络这辆快车,现在学界以及工业界先进的 OCR 识别算法已
经离不开使用神经网络了。
2、应用概述
图像文字检测和识别技术有着广泛的应用场景。已经被互联网公司落地的相关应用涉及
了识别快递单、识别身份证、识别银行卡、识别车牌、识别路牌、识别答题卡、识别会议白
板、识别广告主干词、识别试卷、识别单据等等。
已经有不少服务商在提供图像文字检测和识别服务,这些服务商既包括了腾讯、百度、
阿里、微软、亚马逊、谷歌等大型云服务企业,也包括了一些活跃在物流、教育、安防、视
频直播、电子政务、电子商务、旅游导航等垂直细分行业的服务企业。这些企业既可以使用
提前训练好的模型直接提供场景图文识别、卡证识别、扫描文档识别等云服务,也可以使用
客户提供的数据集训练定制化模型(如票据识别模型),以及提供定制化 AI 服务系统集成等。
3、GitHub 上 OCR 相关的开源社区
由于国际开源社区以及神经网络的快速发展,以及相关领域相关人员的分享知识共同促
进 AI 发展的思想的普及,各大开源社区存在很多 OCR 相关的内容。