python中使用OAK-D PRO相机实现OCR功能

九仞山

已于 2023-07-05 17:10:35 修改

阅读量1.2k

点赞数 1

分类专栏：人工智能文章标签： python ocr 嵌入式硬件 ai OAK opencv

于 2023-06-27 01:24:05 首次发布

本文链接：https://blog.csdn.net/w137160164/article/details/131408046

版权

OAK简介

OAK（OpenCV AI Kit）是一个开源的智能视觉平台，它集成了硬件和软件组件，旨在提供高性能的实时目标检测、识别和跟踪等视觉AI功能。OAK由Luxonis公司开发，目的是为了降低视觉AI开发的门槛，使其更加普及和易于实现。

OAK平台的核心是OAK相机，它是一款集成了RGB相机、深度相机以及专门的神经网络处理器的智能视觉相机。OAK相机使用MIPI CSI-2接口连接到主设备，可以提供高质量的图像和深度数据输入。

OAK相机通过内置的NPU（神经网络处理器）实现了实时的神经网络推理，可以在设备端进行高效的人工智能处理。支持的神经网络模型包括TensorFlow Lite、ONNX等格式，用户可以根据需要选择合适的模型进行部署。

OAK相机的软件支持是基于OpenCV（开源计算机视觉库）和OpenVINO（Open Visual Inference & Neural Network Optimization Toolkit）构建的。用户可以使用Python等常见的编程语言进行开发，并使用OpenCV和OpenVINO提供的丰富功能和工具进行图像处理、模型部署和性能优化。

除了OAK相机，OAK平台还提供了一系列的附件和拓展模块，如深度伪彩色模块、双相机模块等，以满足不同的应用需求。

OAK平台和OAK相机可以应用于各种领域，例如机器人导航、智能监控、人脸识别、智能交通系统、物体跟踪等。通过使用OAK平台，开发者可以在嵌入式设备上实现高性能的视觉人工智能应用，极大地扩展了视觉AI的应用范围和可能性。

Tesseract简介

Tesseract是一款开源的OCR（Optical Character Recognition，光学字符识别）引擎，最初由HP实验室开发，在2005年后由Google接手并进一步开发和完善。Tesseract支持多种语言文字的检测和识别，包括中文、英语、德语、法语、意大利语等多种主要语言，同时也支持针对特定场景或应用的领域OCR开发。

Tesseract基于机器学习技术，使用了多层神经网络以及支持向量机（SVM）等算法进行文字特征提取和识别。同时，Tesseract通过图像预处理、二值化、斑点去除和边框检测等多个环节优化页面处理流程，并且提供了多种字体、大小、旋转角度和噪声等挑战场景下的训练数据集，使得识别精度可以获得不错的性能表现。

除了提供C++ API之外，Tesseract还为多种编程语言提供了API的封装，如Python、Java、C#等，方便用户快速上手开发应用，可以广泛应用于扫描文档、电子书库入库、自动化办公、图片文字识别搜索等各个领域。

Tesseract OCR安装包

下载tesseract-ocr.exe。可以从github上下载最新版本： Tesseract OCR。

安装 Tesseract OCR

下载完成后，双击下载的.exe文件进行安装，在弹出的语言选择对话框中选择默认，点击OK。
在欢迎界面，直接点击Next。
在License页面点击 " I Agree "
Choose Users页面选择默认，直接点击Next
在Choose Components页面需要注意，由于默认的识别语言是英语，这里我们要在Additional language data中勾选中文包，才可以OCR识别中文。(注：这里的vertical指的是识别竖向文本)
在选择安装位置页面选择需要将软件安装到那个位置
选择好安装路径后，点击Next