什么是OCR？OCR的技术特点、发展历程及应用场景介绍

什么是OCR

OCR是Optical Character Recognition的缩写，中文译为光学字符识别，它主要用来提取文本图像文件上的文字内容，通常在获取文字内容之前先对图像文件进行一系列分析操作。它的应用领域十分广泛，如教育、交通、医疗，是工业界和学术界的重点研究目标之一。

随着近几年智能手机市场的繁荣发展，很多厂商将智能手机的高像素摄像头和OCR联合，衍生出基于智能手机平台的相关OCR软件的发展。开发手机OCR应用的厂商主要分为两种形式：一种是专业的OCR技术提供商，诸如ABBYYFinReader、汉王、尚书七号等;另一种是专业的技术服务提供商，它们会选择购买OCR技术提供商提供的技术或者采用开源的OCR引擎，如Tesseract。

OCR技术的特点

提高效率：OCR技术相比传统的人工方式，能够更快实现信息录入。

降低成本：以机器代替人工，能够节省人力成本的开销。

适用性强：OCR技术能够实现多场景和多语言的识别，还能通过提取图像中的文本分析其所包含的语义信息，为机器理解图像提供高层语义线索。

OCR技术的特点

OCR技术发展历程

20世纪30年代末，德国籍研究员Taushek首次将字符模板匹配运用到字符识别过程中，并因此获得了一项OCR相关专利，自此迈进了自动获取图片文字的时代。此后不久，美国籍研究员Handel提出了借助OCR技术对文本资料进行文字提取的设想。

20世纪六十年代OCR技术发展进入到应用阶段，学者开始将OCR技术理论运用到实际应用中，诞生了第一批OCR系统，最典型的代表系统是Farrington3010和Farrington3010，它们仅仅能识别一些简单的字符。在1966年，美国IBM公司的两个研究员完成了对1000个印刷体中文字符的识别过程。

20世纪七十年代初，日本籍研究人员将汉字的识别想法提上日程，于1977年由东芝综合研究所研发的能识别2000个印刷体汉字识别系统就是其代表性作品。当时，另一个最典型的代表是一个邮政编码自动分拣系统，即IBM1287，它对书写整齐规整的手写体字符识别结果偏好。

20世纪八九十年代，随着个人电脑的发展和广泛应用和平台式扫描设备的性能逐渐提升和日渐成熟，OCR应用的第一个高潮出现。此时著名的应用事件是谷歌图书馆借助OCR技术实现了批量化的高速扫描。

21世纪开始将自然场景中的文字识别作为新课题来研究。2014年8月，微软亚洲研究院在ICPR(国际模式识别大会)上公布了在自然场景下基于标准数据集(ICDAR-2013测试集)的识别，最终识别结果表明其达到了92.1%的准确率和92.3%的召回率。伴随着云计算、大数据的迅猛发展，通过手机摄像头进行文字资料采集，将采集后形成的图像传递给后端实时处理，前端和后台的完美结合充分体现了OCR的应用价值。

我国OCR技术发展历程：

第一阶段是从20世纪70年代末期到20世纪80年代末期，重在完成字符识别相关算法和方案的摸索。

第二阶段是从20世纪90年代初期开始，OCR由实验室走向市场，初步实用，此时出现以清华大学为代表的高校单位研发的印刷体文字识别系统。

第三阶段即现在，主要针对识别系统的性能提升问题进行研究，其中包括准确率和兼容性的提高。

‍

OCR技术的应用场景举例

丰巢快递柜的实名验证：丰巢快递通过使用腾讯云身份证的OCR技术，对身份证的识别准确率达99%，能够实现用户的自助实名认证，提高用户寄取快递的效率。

顺丰快递单信息自主识别：快递单文字转写一直是快递行业的重要需求。顺丰使用了手写体识别技术后，快递的收寄件人信息将被快速纪录，能够大大提高效率并且节省人力。数据显示，顺丰使用OCR产品后，每年节约的相关人力成本约有50%。

宁波银行票据录入：银行业有大量金融票据的分类和录入需求;宁波银行使用的OCR识别系统能够支持十余种票据的检测分类、结构化识别及信息录入，且字迹模糊、印章干扰等问题也在不断优化，目前识别字段的准确率在90%以上。

宁波银行票据录入

搜狗广告图片文本审核：许多不法分子会在图片、视频中镶嵌一些非法信息和广告，传统方法是以肉眼进行审查，但是随着网络技术发展，信息也开始海量化增加;OCR能够帮助搜狗自动识别海量图片的文字内容，降低客户业务的违规风险。

本文由@AG 发布于三个皮匠报告网站，未经授权禁止转载

更多行业知识，敬请关注三个皮匠报告行业知识栏目。

参考资料

《腾讯云：2020智能文字识别OCR能力评测与应用白皮书(35页).pdf》

推荐阅读

《智慧芽：2021人脸识别行业白皮书(69页).pdf》