JAVA识别身份证号码，H5识别身份证号码，tesseract-ocr识别（一）

背景介绍：

这段时间正在做一个流动人口管理项目，其中要求使用H5网页拍照识别身份证，当时就蒙圈了，这不是APP的功能吗？产品为了快速迭代一直把APP的功能往H5上堆砌，没办法只有想办法解决了。
查了一些资料，发现除了收费的OCR（百度、云脉等等）比较好的并支持中文的就只有tesseract了，当然我收费的OCR我也没测试。
暂时决定使用tesseract了。

思路介绍

我的思路是这样的：
由H5调用摄像头—–>拍照上传到服务端—->服务端识别身份信息—–>服务端返回身份信息。

关键点提高识别率

因为整张身份证的识别率太过让人失望，所以必须对身份证图片进行处理。
假设我们能把身份证上的关键信息截取下来，是不是可以提高OCR的识别率？

遵循这个假设开始测试。

安装tesseract-ocr

我是在windows下进行测试的，Linux安装大家可以参考这篇博客Linux安装tesseract-ocr

windows下比较简单，下载程序安装就好，其中需要语言包的可以在安装选项中选择下载中文语言包，默认只有英文的。我安装的版本是tesseract-ocr3.01-1
Tesseract下载地址
因为wall的原因，这个网址无法直接打开，你懂的，所以使用迅雷下载吧。复制链接地址到迅雷新建任务，可以的。

同意，下一步，选择语言包。我选了简体中文，但因为wall的原因没安装上！！！
中文的识别率太低了，这个大家也知道，结果跟产品扯了下皮，先做一版识别身份证号码的好了。这也是为什么我的标题是 识别身份证号码而不是识别身份信息了。

装完之后测试一下，找一个数字图片测试一下

进入图片目录 运行cmd tesseract 1.png result
tesseract 是命令
1.png 是图片
result 是需要生成结果的txt文档名，随便取

这结果令人堪忧啊。。

还好我们可以提高识别率的方法。

提高数字识别率，指定识别字符范围

找到安装目录下的tessdata\configs，打开其中的digits文件，使用文本编辑就好了。
我安装的在这个目录下
D:\Program Files (x86)\Tesseract-OCR\tessdata\configs\digits
你会看见下面这句话，我们只要识别数字那就只留下数字和X好了。
tessedit_char_whitelist 0123456789-.
改为
tessedit_char_whitelist 0123456789X
保存
这个时候再测试一下，不过命令需要变一下，后面加上digits
tesseract 1.png result digits

效果比较令人满意。
接下来就要使用java调用识别命令了&#