• OCR中文识别快速在线体验

介绍

光学字符识别（Optical Character Recognition, OCR）是指对文本材料的图像文件进行分析识别处理，以获取文字和版本信息的过程。也就是说将图象中的文字进行识别，并返回文本形式的内容。例如（该预测效果基于PaddleHub一键OCR中文识别效果展示）：

(6)

PaddleHub现已开源OCR文字识别的预训练模型（超轻量ppocrmobile系列和通用ppocrserver系列中英文ocr模型，媲美商业效果。）

移动端的超轻量模型：超轻量ppocr_mobile移动端系列：检测（2.6M）+方向分类器（0.9M）+ 识别（4.6M）= 8.1M，仅有8.1M。chinese_ocr_db_crnn_mobile（1.1.0最新版）。

服务器端的精度更高模型：识别精度更高，chinese_ocr_db_crnn_server。

前要

OCR的应用场景

根据OCR的应用场景而言，我们可以大致分成识别特定场景下的专用OCR以及识别多种场景下的通用OCR。就前者而言，证件识别以及车牌识别就是专用OCR的典型案例。针对特定场景进行设计、优化以达到最好的特定场景下的效果展示。那通用的OCR就是使用在更多、更复杂的场景下，拥有比较好的泛性。在这个过程中由于场景的不确定性，比如：图片背景极其丰富、亮度不均衡、光照不均衡、残缺遮挡、文字扭曲、字体多样等等问题，会带来极大的挑战。现PaddleHub为大家提供的是超轻量级中文OCR模型，聚焦特定的场景，支持中英文数字组合式别、竖排文字识别、长文本识别场景。

OCR的技术路线

典型的OCR技术路线如下图所示：

其中OCR识别的关键路径在于文字检测和文本识别部分，这也是深度学习技术可以充分发挥功效的地方。PaddleHub为大家开源的预训练模型的网络结构是Differentiable Binarization+ CRNN，基于icdar2015数据集下进行的训练。

首先，DB是一种基于分割的文本检测算法。在各种文本检测算法中，基于分割的检测算法可以更好地处理弯曲等不规则形状文本，因此往往能取得更好的检测效果。但分割法后处理步骤中将分割结果转化为检测框的流程复杂，耗时严重。因此作者提出一个可微的二值化模块（Differentiable Binarization，简称DB），将二值化阈值加入训练中学习，可以获得更准确的检测边界，从而简化后处理流程。DB算法最终在5个数据集上达到了state-of-art的效果和性能。参考论文：Real-time Scene Text Detection with Differentiable Binarization

下图是DB算法的结构图：

接着，我们使用 CRNN（Convolutional Recurrent Neural Network）即卷积递归神经网络，是DCNN和RNN的组合，专门用于识别图像中的序列式对象。与CTC loss配合使用，进行文字识别，可以直接从文本词级或行级的标注中学习，不需要详细的字符级的标注。参考论文:An end-to-end trainable neural network for image-based sequence recognition and its application to scene text recognition

下图是CRNN的网络结构图：

一、定义待预测数据

以本示例中文件夹下图片为待预测图片。本教程为大家总共提供了5个具体场景下的ocr识别，分别是「身份证识别」、「火车票识别」、「快递单识别」、「广告信息识别」、「网络图片文字识别」。

注：该 Moudle 目前只支持一键预测，这五个场景是预测效果比较好的应用场景，大家也可以自己去尝试在感兴趣的场景下使用

#需要将PaddleHub和PaddlePaddle统一升级到2.0版本
!pip install paddlehub==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 
!pip install paddlepaddle==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 
#该Module依赖于第三方库shapely、pyclipper，使用该Module之前，请先安装shapely、pyclipper
!pip install shapely -i https://pypi.tuna.tsinghua.edu.cn/simple 
!pip install pyclipper -i https://pypi.tuna.tsinghua.edu.cn/simple 

import matplotlib.pyplot as plt 
import matplotlib.image as mpimg 

# 待预测图片
test_img_path = ["./advertisement.jpg", "./pics.jpg", "./identity_card.jpg", "./express.jpg", "./railway_ticket.jpg"]

# 展示其中广告信息图片
img1 = mpimg.imread(test_img_path[0]) 
plt.figure(figsize=(10,10))
plt.imshow(img1) 
plt.axis('off') 
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SdXz4fxY-1652865775526)(output_4_0.png)]

若是待预测图片存放在一个文件中，如左侧文件夹所示的test.txt。每一行是待预测图片的存放路径。

!cat test.txt

advertisement.jpg
pics.jpg
identity_card.jpg
express.jpg
railway_ticket.jpg

用户想要利用ocr模型识别图片中的文字，只需读入该文件，将文件内容存成list，list中每个元素是待预测图片的存放路径。

with open('test.txt', 'r') as f:
    test_img_path=[]
    for line in f:
        test_img_path.append(line.strip())
print(test_img_path)

['advertisement.jpg', 'pics.jpg', 'identity_card.jpg', 'express.jpg', 'railway_ticket.jpg']

二、加载预训练模型

PaddleHub提供了以下文字识别模型：

移动端的超轻量模型：仅有8.1M，chinese_ocr_db_crnn_mobile。

服务器端的精度更高模型：识别精度更高，chinese_ocr_db_crnn_server。

识别文字算法均采用CRNN（Convolutional Recurrent Neural Network）即卷积递归神经网络。其是DCNN和RNN的组合，专门用于识别图像中的序列式对象。与CTC loss配合使用，进行文字识别，可以直接从文本词级或行级的标注中学习，不需要详细的字符级的标注。该Module支持直接预测。
移动端与服务器端主要在于骨干网络的差异性，移动端采用MobileNetV3，服务器端采用ResNet50_vd。

import paddlehub as hub

# 加载移动端预训练模型
ocr = hub.Module(name="chinese_ocr_db_crnn_mobile")
# 服务端可以加载大模型，效果更好 
# ocr = hub.Module(name="chinese_ocr_db_crnn_server") 

三、预测

PaddleHub对于支持一键预测的module，可以调用module的相应预测API，完成预测功能。

import cv2

# 读取测试文件夹test.txt中的照片路径
np_images =[cv2.imread(image_path) for image_path in test_img_path] 

results = ocr.recognize_text(
                    images=np_images,         # 图片数据，ndarray.shape 为 [H, W, C]，BGR格式；
                    use_gpu=False,            # 是否使用 GPU；若使用GPU，请先设置CUDA_VISIBLE_DEVICES环境变量
                    output_dir='ocr_result',  # 图片的保存路径，默认设为 ocr_result；
                    visualization=True,       # 是否将识别结果保存为图片文件；
                    box_thresh=0.5,           # 检测文本框置信度的阈值；
                    text_thresh=0.5)          # 识别中文文本置信度的阈值；

for result in results:
    data = result['data']
    save_path = result['save_path']
    for infomation in data:
        print('text: ', infomation['text'], '\nconfidence: ', infomation['confidence'], '\ntext_box_position: ', infomation['text_box_position'])

Download https://bj.bcebos.com/paddlehub/paddlehub_dev/chinese_text_detection_db_mobile-1.0.4.tar.gz
[##################################################] 100.00%
Decompress /home/aistudio/.paddlehub/tmp/tmp19kgu3xv/chinese_text_detection_db_mobile-1.0.4.tar.gz
[##################################################] 100.00%


text:  小度在家1S 
confidence:  0.9992504715919495 
text_box_position:  [[35, 25], [325, 25], [325, 76], [35, 76]]
text:  多功能专属儿童空间一高IQ流畅语音交互 
confidence:  0.9422831535339355 
text_box_position:  [[31, 90], [455, 90], [455, 110], [31, 110]]
text:  2614:53 
confidence:  0.9164754748344421 
text_box_position:  [[362, 173], [423, 170], [423, 189], [362, 192]]
text:  到手价 
confidence:  0.9977054595947266 
text_box_position:  [[65, 226], [153, 226], [153, 258], [65, 258]]
text:  最热音乐专辑，春风十里不如你 
confidence:  0.99140465259552 
text_box_position:  [[232, 226], [418, 226], [418, 246], [232, 246]]
text:  ￥329 
confidence:  0.9104053974151611 
text_box_position:  [[31, 247], [163, 258], [158, 326], [27, 315]]
text:  小小这个 
confidence:  0.8271657228469849 
text_box_position:  [[236, 249], [316, 249], [316, 261], [236, 261]]
text:  你好啊夏天 
confidence:  0.9979197382926941 
text_box_position:  [[1081, 150], [1550, 321], [1520, 418], [1051, 246]]
text:  喝一杯压压惊 
confidence:  0.9926337599754333
text:  EXPRESS 
confidence:  0.9935702681541443 
text_box_position:  [[256, 26], [575, 6], [582, 84], [263, 104]]
text:  S 
confidence:  0.9705745577812195 
text_box_position:  [[113, 80], [190, 80], [190, 134], [113, 134]]
text:  顺丰速运 
confidence:  0.9733323454856873 
text_box_position:  [[256, 90], [685, 90], [685, 168], [256, 168]]
text:  第1次打印打印时间01月03日23:43 
confidence:  0.9773504137992859 
text_box_position:  [[641, 90], [1846, 74], [1846, 151], [641, 168]]
text:  运单号：SF101569720 
confidence:  0.9985542297363281 
text_box_position:  [[435, 569], [1479, 545], [1479, 633], [435, 656]]
text:  010WB-01 
confidence:  0.9167248010635376 
text_box_position:  [[102, 788], [1710, 764], [1714, 987], [106, 1010]]
text:  218/250 
confidence:  0.9959296584129333 
text_box_position:  [[2095, 781], [2432, 781], [2432, 862], [2095, 862]]
text:  8个人 
confidence:  0.8153955936431885 
text_box_position:  [[1131, 1047], [1384, 1047], [1384, 1128], [1131, 1128]]
text:  张翔宇157****8458 
confidence:  0.9611821174621582 
text_box_position:  [[326, 1057], [1175, 1047], [1175, 1135], [326, 1145]]
text:  北京市北京市 
confidence:  0.9994738101959229 
text_box_position:  [[322, 1253], [868, 1246], [868, 1347], [322, 1354]]
text:  西里小区6号楼4单元 
confidence:  0.9987850189208984 
text_box_position:  [[1425, 1249], [2282, 1226], [2285, 1313], [1428, 1337]]
text:  寄付月结 
confidence:  0.9827804565429688 
text_box_position:  [[223, 1539], [597, 1539], [597, 1643], [223, 1643]]
text:  I1B 
confidence:  0.956909716129303 
text_box_position:  [[223, 1667], [754, 1667], [754, 1926], [223, 1926]]
text:  任艳蕊税务********9529自如 
confidence:  0.9822853207588196 
text_box_position:  [[300, 2344], [1512, 2337], [1512, 2418], [300, 2425]]
text:  北京市朝阳区酒仙桥将台路5号院****** 
confidence:  0.9899845719337463 
text_box_position:  [[300, 2445], [1813, 2438], [1813, 2519], [300, 2526]]
text:  增值服务： 
confidence:  0.9856716394424438 
text_box_position:  [[25, 2637], [355, 2637], [355, 2708], [25, 2708]]
text:  件数：1 
confidence:  0.9932925701141357 
text_box_position:  [[25, 2732], [311, 2732], [311, 2812], [25, 2812]]
text:  月结卡号：01******92 
confidence:  0.9528482556343079 
text_box_position:  [[886, 2735], [1615, 2738], [1615, 2809], [886, 2806]]
text:  实际重量：1kg 
confidence:  0.975562334060669 
text_box_position:  [[1740, 2732], [2219, 2738], [2219, 2819], [1740, 2812]]
text:  运费：13（不作结算依据） 
confidence:  0.9940875172615051 
text_box_position:  [[21, 2823], [805, 2816], [805, 2897], [21, 2903]]
text:  费用合计： 
confidence:  0.9783260226249695 
text_box_position:  [[882, 2829], [1216, 2829], [1216, 2900], [882, 2900]]
text:  托寄物：发票数量：1 
confidence:  0.9290561676025391 
text_box_position:  [[10, 2910], [736, 2913], [736, 2991], [10, 2988]]
text:  备注：25254657 
confidence:  0.9962103366851807 
text_box_position:  [[25, 3011], [509, 3011], [509, 3079], [25, 3079]]
text:  F067846 
confidence:  0.9714171290397644 
text_box_position:  [[1111, 513], [1760, 524], [1760, 666], [1111, 655]]
text:  检票：22 
confidence:  0.995017409324646 
text_box_position:  [[3189, 540], [3680, 540], [3680, 688], [3189, 688]]
text:  北京南站 
confidence:  0.9998739361763 
text_box_position:  [[1274, 704], [1989, 704], [1989, 873], [1274, 873]]
text:  天津站 
confidence:  0.9992415308952332 
text_box_position:  [[2837, 715], [3566, 715], [3566, 879], [2837, 879]]
text:  C2565 
confidence:  0.9960814714431763 
text_box_position:  [[2162, 748], [2673, 737], [2673, 884], [2162, 895]]
text:  Beijingnan 
confidence:  0.990975558757782 
text_box_position:  [[1329, 890], [1875, 912], [1870, 1026], [1324, 1004]]
text:  Tianjin 
confidence:  0.9906495809555054 
text_box_position:  [[2976, 901], [3363, 912], [3363, 1026], [2976, 1015]]
text:  2019年04月03日09:36开 
confidence:  0.9782440066337585 
text_box_position:  [[1165, 1026], [2509, 1043], [2509, 1157], [1165, 1141]]
text:  02车03C号 
confidence:  0.993168830871582 
text_box_position:  [[2777, 1043], [3343, 1043], [3343, 1168], [2777, 1168]]
text:  ￥54.5元 
confidence:  0.9769668579101562 
text_box_position:  [[1185, 1190], [1617, 1190], [1617, 1305], [1185, 1305]]
text:  网 
confidence:  0.9998763799667358 
text_box_position:  [[2197, 1190], [2321, 1190], [2321, 1310], [2197, 1310]]
text:  二等座 
confidence:  0.9954232573509216 
text_box_position:  [[2961, 1190], [3323, 1190], [3323, 1327], [2961, 1327]]
text:  限乘当日当次车 
confidence:  0.9984740018844604 
text_box_position:  [[1155, 1321], [1959, 1338], [1959, 1469], [1155, 1452]]
text:  始发改签 
confidence:  0.9992954730987549 
text_box_position:  [[1165, 1480], [1612, 1480], [1612, 1594], [1165, 1594]]
text:  2302051998****156X装瑜丽 
confidence:  0.9665354490280151 
text_box_position:  [[1140, 1622], [2777, 1638], [2777, 1780], [1140, 1764]]
text:  买票请到12306发货请到95306 
confidence:  0.9786145091056824 
text_box_position:  [[1448, 1813], [2797, 1824], [2797, 1933], [1448, 1922]]
text:  中国铁路祝您旅途愉快 
confidence:  0.9993003606796265 
text_box_position:  [[1612, 1944], [2609, 1955], [2609, 2064], [1612, 2053]]
text:  10010301110403F067846北京南售 
confidence:  0.9994041323661804 
text_box_position:  [[1160, 2113], [2777, 2129], [2777, 2239], [1160, 2222]]

recognize_text()接口返回结果results说明：

• results (list[dict]): 识别结果的列表，列表中每一个元素为 dict，各字段为：
  • data (list[dict]): 识别文本结果，列表中每一个元素为 dict，各字段为：
    • text(str): 识别得到的文本
    • confidence(float): 识别文本结果置信度
    • text_box_position(list): 文本框在原图中的像素坐标，4*2的矩阵，依次表示文本框左下、右下、右上、左上顶点的坐标 如果无识别结果则data为[]
  • save_path (str, optional): 识别结果的保存路径，如不保存图片则save_path为’’

四、效果展示

PaddleHub对于支持一键预测的module，可以调用module的相应预测API，完成预测功能。在完成第三部分的一键OCR预测之后，由于我们设置了visualization=True，所以我们会自动将识别结果保存为图片文件，并默认保存在ocr_result文件夹中。刷新即可获取到新生成的ocr_result文件夹。

「身份证识别」、「火车票识别」、「快递单识别」、「广告信息识别」、「网络图片文字识别」五个场景下的效果展示

同时，作为一项完善的开源工作，除了本地推断以外，PaddleHub还支持将该预训练模型部署到服务器或移动设备中。

由于AIStudio不支持ip访问，以下代码仅做示例，如有需要，请在本地机器运行。

五、部署服务器

借助 PaddleHub，服务器端的部署也非常简单，直接用一条命令行在服务器启动文字识别OCR模型：

$ hub serving start -m chinese_ocr_db_crnn_mobile -p 8866

是的，在服务器端这就完全没问题了。相比手动配置各种参数或者调用各种框架，PaddleHub 部署服务器实在是太好用了。

只要在服务器端完成部署，剩下在客户端调用就不会有多大问题了。如下百度展示了调用服务器做推断的示例：制定要预测的图像列表、发出推断请求、返回并保存推断结果。

# coding: utf8
import requests
import json
import cv2
import base64

def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')

# 发送HTTP请求
data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]}
headers = {"Content-type": "application/json"}
url = "http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_mobile"
r = requests.post(url=url, headers=headers, data=json.dumps(data))

# 打印预测结果
print(r.json()["results"])

相信只要有一些 Python 基础，在本地预测、以及部署到服务器端都是没问题的，飞桨的 PaddleHub 已经帮我们做好了各种处理过程。