ocr技术 OCR技术简介

随着人工智能的发展，在生活中有许多方便高效的应用，如人脸识别、证书识别与认证、名片识别、车牌识别等。，这些都方便了我们的日常生活。同样，这些技术也可以为我们的日常业务流程提供智能高效的解决方案。

日常交易和清算业务交易中有各种电子邮件、传真等文件，主要包括交易确认文件、存款协议、敲门指令、跨行收费、线下中标公告、海外券商确认单等。这些文档需要手动识别并提取到系统中。利用光学字符识别技术，可以识别和纠正文档图像内容，提取关键字段元素并与相关系统连接，减少人工输入，提高工作效率，减少人工输入错误。

典型的光学字符识别技术路线如下图所示:

在光学字符识别技术中，图像预处理通常旨在纠正图像的成像问题。输入的文字通过扫描仪进入电脑后，纸张的厚度、平滑度、打印质量等都会造成文字失真，造成断笔、粘连、污渍等干扰。因此，在进行文本识别之前，需要对有噪声的文本图像进行处理。因为这种处理工作是在字符识别之前，所以叫做预处理。预处理一般包括灰度化、二值化、几何变换(透视、畸变、旋转等)。)，畸变校正，模糊去除，图像增强和光线校正，线和字分割，平滑，归一化等。

最重要的环节，也是影响识别准确率的环节，是文本检测和文本识别。文本检测是检测文本的位置、范围和布局，包括布局分析和文本行检测。文本检测的主要问题是哪里有字符，字符的范围有多大。

文本识别是基于文本检测，识别文本的内容，主要是识别每个字符是什么。对于文本图像，提取特征并将其扔给分类器，分类器将对其进行分类，并告诉您该特征应该识别哪个文本。分类器一般通过模板匹配、判别函数、神经网络分类、基于规则的推理等方法来设计。分类器通常在实际识别之前进行训练，这是一个有监督的学习过程。有很多成熟的分类器，比如SVM，CNN。将图像中的文本信息翻译成文本信息。

识别出的文本可以通过词库中的匹配词典进行修正，比如相似词的处理:“分”和“Xi”是相似的，但如果遇到“分数”这个词，就不应该识别为“Xi数”，因为“分数”是一个正常的词。这需要语言模型来纠正，通常需要再次检查以确保其正确性。

剧终

OCR技术步骤多，算法复杂。但是随着识别算法的不断完善和成熟，字符编码库更加准确，OCR识别的准确率也大大提高。目前，OCR字符特征的主流算法识别率几乎达到95%。同时有成熟的OCR引擎，可以帮助开发者提高开发效率。

前期我们在部分业务中测试了近1000份文档，整体成功率在97%以上。通过引入OCR技术，将优化业务流程，减少人工提取操作，提高清算估价业务的自动化水平，使业务流程更加简单高效。