你隨手寫，它即時認——AI報告解讀（二）

瀏覽：時間：2019-12-25

這次的主題是計算機文字識別（OCR）。它其實并沒有出現在人工智能相關的產業研究院、投資機構、媒體等AI報告中，因為它的應用已經延續了40多年，早已不再是熱點，但是它是現在很多AI應用的基礎功能之一。

定義

計算機視覺技術最早的應用，是計算機文字識別（OCR）。OCR的意思是“光學字符識別”——對圖像中的印刷體或手寫文字進行識別，轉化成電子文檔。

紙質、電子化文字資料在使用上各有優勢：紙質資料方便查看和標記，電子化資料便于存檔和檢索。OCR使得紙質資料能夠快速、方便地錄入到計算機中，保持紙質、電子化資料的一致性。

應用

OCR的誕生，最早是為了將現世留存的文字資料，比如書籍、報刊、文件、檔案、單據等資料輸入計算機，進行數字化管理，方便檢索和查詢。針對的是印刷體文字資料的識別。

英文的印刷體文字識別，已經成熟應用40多年。中文的印刷體文字識別，在1989年也已經進入實用，現在手機APP就可以實現印刷資料的拍照轉錄。

現在OCR的應用范圍已經超出紙質資料錄入，拓展了新的應用場景，比如：

車牌識別道閘——自動識別車輛的號牌，匹配車輛的月卡、進場時間信息，確定放行或收費。
名片識別——拍照識別名片的關鍵信息，自動填寫通訊錄。
文本提取——從照片、街景、監控圖像中提取LOGO、招牌、街道標志、車牌等文本信息。
拍照搜索——這是一類應用，包含拍照搜索，根據圖中的商標、文字搜索相關內容；拍照搜題目，根據圖文從題庫中搜索答案；拍照翻譯，將圖片中的外文翻譯成母語……

近二十多年，OCR技術開發的重心是手寫體識別。

16278989061817c55ca1c8155369c

手寫識別案例

手寫識別的用途很廣泛，例如：

手寫輸入法。
手寫檔案、單據的錄入。比如傳統的手寫人事檔案、履歷等，想要跨地域調取查閱，往往需要耗費當事人好幾天的時間。醫療機構保存的歷史病歷檔案，如果能轉換為文字數據，對于現代醫療科技是一個非常大的數據源。手寫的快遞運單、申請單據等，手寫識別會解放大量的轉錄工作量。
學習和辦公需要。個人手寫的讀書筆記、會議紀要、日常記錄、思維導圖等，轉換成電子文檔，方便搜索和分享。

目前，手寫輸入法、有固定格式的單據，識別效果已經比較好，尤其是手寫輸入法，很潦草的字都有不錯的識別率。

技術簡介

OCR分三種：

印刷體識別，印刷字體的識別
聯機手寫識別，在電子寫字板等輸入設備上手寫文字的識別
脫機手寫識別，在紙張上手寫文字的識別

印刷體OCR，基本實現過程大概如下：

022

印刷體OCR的基本過程

印刷體OCR在實用中，預處理和切分是對識別效果影響最大的環節。

現在的印刷體OCR，使用了專業的深度學習算法，解決印刷質量、復雜背景、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處理、切分問題，簡化了對操作者的要求。

現在印刷體的OCR還追求高還原度掃描錄入。支持表格的識別；版面結構的理解和恢復；縮進、段落等文字格式的自動處理；圖文混排、多語種混排的自適應識別和恢復等。使得OCR自動錄入的電子文檔，可以高度還原紙質文檔的板式和內容。

有些特殊的OCR任務還要解決特定的問題，例如從街景照片中提取街道標志和車牌。主要的難點是在預處理階段，識別路牌和車牌所在圖像區域的輪廓。這很多也是用專業的深度學習算法實現的。

聯機手寫OCR和印刷體OCR區別比較大。不需要前面的預處理、版面處理、切分環節。

識別環節，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，因為聯機手寫OCR一般用做輸入法，使用過程中，用戶可以在多個識別結果中選擇一個，如果發現識別錯誤，通常會直接重寫，因此對后處理的要求也不高。

聯機手寫OCR目前的識別率也比較高，連筆、傾斜、潦草、書寫不規范、筆順錯誤、形似字都有比較高的識別率。

脫機手寫OCR和印刷體OCR的處理過程是一樣的。但是每個人的手寫體差異太大，脫機手寫OCR在切分和識別環節的難度也更大一些。

早年的脫機手寫OCR對書寫的規范性要求比較高，只有整齊的正楷字才有比較好的識別率。近年來使用深度學習算法，脫機手寫OCR的識別效果好很多。小HUI實測的情況看，基本上人眼能夠正常辨認的兒童、成人手寫字體，即使有連筆、缺筆、傾斜等問題，識別率都能在90%以上。人眼不能確認，但能夠通過上下文辨認的內容，識別情況就不理想了。

病歷檔案錄入是脫機手寫OCR的主要目標場景之一，目前的識別率還非常低。

市面上還有一些產品，用聯機手寫OCR的技術，實現類似離線OCR的應用場景：

將寫字板做成文件板夾的形式，使用時將紙張夾在板夾上，用戶在紙張上書寫的同時，寫字板在后臺完成識別工作。這對于習慣書寫紙質檔案，但又需要保留數據的用戶——比如醫生——也是一個不錯的解決方案。