基于Tesseract_OCR的驾驶证识别系统设计与实现

摘要

当今社会交通越发发达，车辆相关证件快速、准确识别成为智能交通领域的重要课题之一。在不增加现有设备情况下，使用机器代替人工进行识别，可以迅速核对车辆信息，及时处理各类突发情况，具有良好的管理和经济效益。依托不断发展的电子信息技术，对和车辆信息密切相关的驾驶证进行OCR(光学字符识别)成为实现智能交通的重要步骤。 实际拍摄图像中，由于拍摄环境差别明显，光照不均匀和倾斜现象等情况普遍存在，识别时需要根据图像进行差异化处理，处理过程中很容易丢失文字结构信息，导致字符识别错误，降低系统识别率。 本课题的主要研究内容针对驾驶证的识别，系统设计采用的整体思路为“提取+识别”。围绕以上两方面，在分析驾驶证识别系统需求后，结合相关技术和方法实现了一个驾驶证件识别系统，本文的主要工作如下: 1. 借助OpenCV库完成文字信息提取。文字信息提取主要包括图像预处理、红章定位、文字区域截取、文字区域修正以及字符分割几个模块。针对红章定位模块，本文根据红章颜色和轮廓特性设计了较高准确率的定位算法；针对文字区域修正模块，本文结合拍摄图像在处理过程中所遇到的异常情况，提出完整的修正思路；针对字符分割，本文针对常见的字符重合问题提出准确分割算法。 2. 使用Tesseract-OCR引擎和TensorFlow框架进行文字信息识别。首先分析字库或模型的训练步骤，探讨优化思路，然后结合证件文字类型，针对文字区域训练字库或模型，实现16*32像素的证件字符图像识别。 3. 设计通用的系统架构。结合需求分析，将系统划分为四个模块，即I/O、信息提取、信息识别、显示编辑。本文虽然以驾驶证作为主要研究对象，但是系统具有很强的通用性。比如当使用系统识别行驶证时，需要修改的仅仅是红章和文字信息区域的位置关系，其他模块皆可复用。 最后使用项目提供的样本图片库进行系统测试。测试结果表明：本文提出的证件识别思路正确并且可行，不仅提高字符识别效率而且提升用户体验，达到预期目标，对后续基于光学字符识别的应用研究具有借鉴意义。

目录

第一个书签之前