0 引言

光學(xué)字符識別(Optical Character Recognition，OCR)是指對文本資料的圖像文件進(jìn)行分析識別處理，獲取文字及版面信息的過程。亦即將圖像中的文字進(jìn)行識別，并以文本的形式返回。其在文檔歸檔應(yīng)用背景下具有廣闊的市場前景。OCR字符識別技術(shù)經(jīng)過多年發(fā)展，已有LeNet[1]、RRPN[2]、DMPNet[3]、CTPN[4]等OCR網(wǎng)絡(luò)結(jié)構(gòu)被提出。其中，CTPN是目前應(yīng)用最廣的文本檢測模型之一。其基本假設(shè)是單個(gè)字符相較于異質(zhì)化程度更高的文本行更容易被檢測，因此先對單個(gè)字符進(jìn)行類似R-CNN的檢測，并在檢測網(wǎng)絡(luò)中加入雙向LSTM[5]，使檢測結(jié)果形成序列提供了文本的上下文特征，便可以將多個(gè)字符進(jìn)行合并得到文本行。LeNet網(wǎng)絡(luò)提出時(shí)間較早，在銀行票據(jù)手寫體字符識別方面有著長期的應(yīng)用。上述網(wǎng)絡(luò)結(jié)構(gòu)可以在通用背景下有效識別場景中的字符，對于非垂直文本也能進(jìn)行檢測。對于大多數(shù)OCR的應(yīng)用場景，并不需要對圖片中的所有字符進(jìn)行識別，往往只需要對部分ROI區(qū)域的字符進(jìn)行檢測，但OCR技術(shù)對ROI區(qū)域的位移與旋轉(zhuǎn)適應(yīng)性較差，需要訓(xùn)練單獨(dú)的網(wǎng)絡(luò)來對ROI區(qū)域進(jìn)行定位。機(jī)器視覺技術(shù)在制造業(yè)領(lǐng)域有著廣泛的應(yīng)用，特別是在工件定位、視覺測量等方面有大量成熟的算法，其中，模板匹配算法則針對工業(yè)定位[6-7]的應(yīng)用背景，提出了基于灰度[8]、邊緣[9]、變換域[10]的模板匹配算法，能適應(yīng)各種工業(yè)定位需求[11-15]。

本文詳細(xì)內(nèi)容請下載：http://m.jysgc.com/resource/share/2000003731

作者信息：

張  辰1，陳  陽2

(1.廣東省建設(shè)工程質(zhì)量安全檢測總站有限公司，廣東 廣州510500；

2.廣東省建筑科學(xué)研究院集團(tuán)股份有限公司，廣東 廣州510500)