OCR 将帧的位置与信用卡中的字段匹配

Question

我正在开发 OCR 来检测信用卡。

扫描图像后，我得到一个单词列表及其位置。关于检测哪些词对应于信用卡的每个字段(号码、日期、姓名)的最佳方法，有什么提示/建议吗？

例如:

    position = 96.00 491.00
    text = CARDHOLDER

提前致谢

Answer 1

您的第一个问题是，大多数 OCR 并未针对占据空间分隔 block 中大部分“页面”(或卡片图像，在您的情况下)的少量文本进行优化。他们期望扫描的书籍或报纸中的行或文本页。因此，他们在分析图像时可能做得很好。

因为字体相当统一，他们可能会很好地识别字符，但布局会混淆页面分割算法，因此您输出的文本可能顺序不正确。例如，卡号的“1234”及其下方较小的“1234”构成一列文本，第二组四位数字和有效期也是如此。

对于您事先知道布局的特殊情况，您确实希望开发自己的页面分割算法以将图像分解为多个区域，例如卡号、持卡人姓名、开始日期和到期日期。这不应该太难，因为我认为这些组件的位置在信用卡上是标准化的。假设进行了良好的预处理和二值化，您基本上可以绘制水平直方图并在波谷处分割图像。

然后将每个区域提取为包含仅一行文本的单独图像，并将其提供给 OCR。

交替(快速而肮脏的方法)

• 指示 OCR 您想要识别的内容由单列组成(即防止它试图找出页面布局本身)。您可以使用 Tesseract 执行此操作，使用 -psm(页面分段模式)参数设置为 6(但尝试看看什么能给您最好的结果)
• 使 Tesseract 输出 hOCR 格式，您可以在配置文件中设置。 hOCR 格式包括相对于整个图像输出的线条的边界框。
• 编写一个算法，将 hOCR 中的边界框与您知道每个卡片组件应该位于的位置进行比较(寻找一定比例的重叠，由于显而易见的原因，它不会完全匹配。)