這次的主題是計(jì)算機(jī)文字識(shí)別（OCR）。它其實(shí)并沒(méi)有出現(xiàn)在人工智能相關(guān)的產(chǎn)業(yè)研究院、投資機(jī)構(gòu)、媒體等AI報(bào)告中，因?yàn)樗膽?yīng)用已經(jīng)延續(xù)了40多年，早已不再是熱點(diǎn)，但是它是現(xiàn)在很多AI應(yīng)用的基礎(chǔ)功能之一。

定義

計(jì)算機(jī)視覺(jué)技術(shù)最早的應(yīng)用，是計(jì)算機(jī)文字識(shí)別（OCR）。OCR的意思是“光學(xué)字符識(shí)別”——對(duì)圖像中的印刷體或手寫(xiě)文字進(jìn)行識(shí)別，轉(zhuǎn)化成電子文檔。

紙質(zhì)、電子化文字資料在使用上各有優(yōu)勢(shì)：紙質(zhì)資料方便查看和標(biāo)記，電子化資料便于存檔和檢索。OCR使得紙質(zhì)資料能夠快速、方便地錄入到計(jì)算機(jī)中，保持紙質(zhì)、電子化資料的一致性。

應(yīng)用

OCR的誕生，最早是為了將現(xiàn)世留存的文字資料，比如書(shū)籍、報(bào)刊、文件、檔案、單據(jù)等資料輸入計(jì)算機(jī)，進(jìn)行數(shù)字化管理，方便檢索和查詢。針對(duì)的是印刷體文字資料的識(shí)別。

英文的印刷體文字識(shí)別，已經(jīng)成熟應(yīng)用40多年。中文的印刷體文字識(shí)別，在1989年也已經(jīng)進(jìn)入實(shí)用，現(xiàn)在手機(jī)APP就可以實(shí)現(xiàn)印刷資料的拍照轉(zhuǎn)錄。

現(xiàn)在OCR的應(yīng)用范圍已經(jīng)超出紙質(zhì)資料錄入，拓展了新的應(yīng)用場(chǎng)景，比如：

• 車牌識(shí)別道閘——自動(dòng)識(shí)別車輛的號(hào)牌，匹配車輛的月卡、進(jìn)場(chǎng)時(shí)間信息，確定放行或收費(fèi)。

• 名片識(shí)別——拍照識(shí)別名片的關(guān)鍵信息，自動(dòng)填寫(xiě)通訊錄。

• 文本提取——從照片、街景、監(jiān)控圖像中提取LOGO、招牌、街道標(biāo)志、車牌等文本信息。

• 拍照搜索——這是一類應(yīng)用，包含拍照搜索，根據(jù)圖中的商標(biāo)、文字搜索相關(guān)內(nèi)容；拍照搜題目，根據(jù)圖文從題庫(kù)中搜索答案；拍照翻譯，將圖片中的外文翻譯成母語(yǔ)……

近二十多年，OCR技術(shù)開(kāi)發(fā)的重心是手寫(xiě)體識(shí)別。

手寫(xiě)識(shí)別案例

手寫(xiě)識(shí)別的用途很廣泛，例如：

• 手寫(xiě)輸入法。

• 手寫(xiě)檔案、單據(jù)的錄入。比如傳統(tǒng)的手寫(xiě)人事檔案、履歷等，想要跨地域調(diào)取查閱，往往需要耗費(fèi)當(dāng)事人好幾天的時(shí)間。醫(yī)療機(jī)構(gòu)保存的歷史病歷檔案，如果能轉(zhuǎn)換為文字?jǐn)?shù)據(jù)，對(duì)于現(xiàn)代醫(yī)療科技是一個(gè)非常大的數(shù)據(jù)源。手寫(xiě)的快遞運(yùn)單、申請(qǐng)單據(jù)等，手寫(xiě)識(shí)別會(huì)解放大量的轉(zhuǎn)錄工作量。

• 學(xué)習(xí)和辦公需要。個(gè)人手寫(xiě)的讀書(shū)筆記、會(huì)議紀(jì)要、日常記錄、思維導(dǎo)圖等，轉(zhuǎn)換成電子文檔，方便搜索和分享。

目前，手寫(xiě)輸入法、有固定格式的單據(jù)，識(shí)別效果已經(jīng)比較好，尤其是手寫(xiě)輸入法，很潦草的字都有不錯(cuò)的識(shí)別率。

技術(shù)簡(jiǎn)介

OCR分三種：

• 印刷體識(shí)別，印刷字體的識(shí)別

• 聯(lián)機(jī)手寫(xiě)識(shí)別，在電子寫(xiě)字板等輸入設(shè)備上手寫(xiě)文字的識(shí)別

• 脫機(jī)手寫(xiě)識(shí)別，在紙張上手寫(xiě)文字的識(shí)別

印刷體OCR，基本實(shí)現(xiàn)過(guò)程大概如下：

印刷體OCR的基本過(guò)程

印刷體OCR在實(shí)用中，預(yù)處理和切分是對(duì)識(shí)別效果影響最大的環(huán)節(jié)。

現(xiàn)在的印刷體OCR，使用了專業(yè)的深度學(xué)習(xí)算法，解決印刷質(zhì)量、復(fù)雜背景、文字畸變、小間距、低分辨率、光線、拍照角度、表面折痕污損等條件下的預(yù)處理、切分問(wèn)題，簡(jiǎn)化了對(duì)操作者的要求。

現(xiàn)在印刷體的OCR還追求高還原度掃描錄入。支持表格的識(shí)別；版面結(jié)構(gòu)的理解和恢復(fù)；縮進(jìn)、段落等文字格式的自動(dòng)處理；圖文混排、多語(yǔ)種混排的自適應(yīng)識(shí)別和恢復(fù)等。使得OCR自動(dòng)錄入的電子文檔，可以高度還原紙質(zhì)文檔的板式和內(nèi)容。

有些特殊的OCR任務(wù)還要解決特定的問(wèn)題，例如從街景照片中提取街道標(biāo)志和車牌。主要的難點(diǎn)是在預(yù)處理階段，識(shí)別路牌和車牌所在圖像區(qū)域的輪廓。這很多也是用專業(yè)的深度學(xué)習(xí)算法實(shí)現(xiàn)的。

聯(lián)機(jī)手寫(xiě)OCR和印刷體OCR區(qū)別比較大。不需要前面的預(yù)處理、版面處理、切分環(huán)節(jié)。

• 識(shí)別環(huán)節(jié)，輸入的信息除了文字的圖像，還包括筆跡的順序和方向、速度和停頓等。

• 至于后處理，因?yàn)槁?lián)機(jī)手寫(xiě)OCR一般用做輸入法，使用過(guò)程中，用戶可以在多個(gè)識(shí)別結(jié)果中選擇一個(gè)，如果發(fā)現(xiàn)識(shí)別錯(cuò)誤，通常會(huì)直接重寫(xiě)，因此對(duì)后處理的要求也不高。

聯(lián)機(jī)手寫(xiě)OCR目前的識(shí)別率也比較高，連筆、傾斜、潦草、書(shū)寫(xiě)不規(guī)范、筆順錯(cuò)誤、形似字都有比較高的識(shí)別率。

脫機(jī)手寫(xiě)OCR和印刷體OCR的處理過(guò)程是一樣的。但是每個(gè)人的手寫(xiě)體差異太大，脫機(jī)手寫(xiě)OCR在切分和識(shí)別環(huán)節(jié)的難度也更大一些。

早年的脫機(jī)手寫(xiě)OCR對(duì)書(shū)寫(xiě)的規(guī)范性要求比較高，只有整齊的正楷字才有比較好的識(shí)別率。近年來(lái)使用深度學(xué)習(xí)算法，脫機(jī)手寫(xiě)OCR的識(shí)別效果好很多。小HUI實(shí)測(cè)的情況看，基本上人眼能夠正常辨認(rèn)的兒童、成人手寫(xiě)字體，即使有連筆、缺筆、傾斜等問(wèn)題，識(shí)別率都能在90%以上。人眼不能確認(rèn)，但能夠通過(guò)上下文辨認(rèn)的內(nèi)容，識(shí)別情況就不理想了。

病歷檔案錄入是脫機(jī)手寫(xiě)OCR的主要目標(biāo)場(chǎng)景之一，目前的識(shí)別率還非常低。

市面上還有一些產(chǎn)品，用聯(lián)機(jī)手寫(xiě)OCR的技術(shù)，實(shí)現(xiàn)類似離線OCR的應(yīng)用場(chǎng)景：

將寫(xiě)字板做成文件板夾的形式，使用時(shí)將紙張夾在板夾上，用戶在紙張上書(shū)寫(xiě)的同時(shí)，寫(xiě)字板在后臺(tái)完成識(shí)別工作。這對(duì)于習(xí)慣書(shū)寫(xiě)紙質(zhì)檔案，但又需要保留數(shù)據(jù)的用戶——比如醫(yī)生——也是一個(gè)不錯(cuò)的解決方案。

機(jī)會(huì)

經(jīng)過(guò)30來(lái)年的發(fā)展，OCR的應(yīng)用早已不限于紙質(zhì)文字資料的數(shù)字化，自然環(huán)境中的印刷體識(shí)別“OCR in the wild”有非常廣泛的用途：

• 在安防攝像頭拍攝的監(jiān)控視頻中，識(shí)別車牌，實(shí)現(xiàn)車輛的自動(dòng)標(biāo)記，和軌跡繪制。

• 自動(dòng)駕駛中，識(shí)別拍攝的路況等圖像中的文字，實(shí)現(xiàn)高精地圖+路牌識(shí)別的導(dǎo)航。

• 在生產(chǎn)線上識(shí)別產(chǎn)品上的文字或代碼，進(jìn)行質(zhì)量檢測(cè)。

• ……

圖片來(lái)源：AI研習(xí)社

在教育用途中，機(jī)器人 +印刷體識(shí)別，創(chuàng)造的繪本閱讀機(jī)器人，幫助家長(zhǎng)培養(yǎng)孩子的早期閱讀習(xí)慣。

在辦公用途中，聯(lián)機(jī)手寫(xiě)OCR和語(yǔ)音識(shí)別甚至機(jī)器翻譯結(jié)合，能夠很好的滿足會(huì)議實(shí)錄的需求。

AI+醫(yī)療，也是OCR的重要落地方向，但是病歷的數(shù)字化，除了需要推進(jìn)人工智能技術(shù)的落地，還要結(jié)合醫(yī)療術(shù)語(yǔ)規(guī)范化本身的推進(jìn)。

小結(jié)

文字識(shí)別是計(jì)算機(jī)視覺(jué)最早的應(yīng)用之一，現(xiàn)在OCR已經(jīng)從印刷體文字的識(shí)別，發(fā)展到了手寫(xiě)輸入和手寫(xiě)識(shí)別，應(yīng)用范圍也已經(jīng)從印刷品的掃描錄入，拓展到安防、自動(dòng)駕駛、制造業(yè)、醫(yī)療等領(lǐng)域。未來(lái)，OCR應(yīng)該還會(huì)在更多領(lǐng)域，滿足掃描錄入、人機(jī)交互等方面的需求。

就技術(shù)而言，中文OCR做的比較專業(yè)的，國(guó)內(nèi)有文通和漢王，臺(tái)灣有丹青和蒙恬，國(guó)外是ABBYY和IRIS。離線手寫(xiě)OCR目前漢王的識(shí)別率最高。