RV1126 开发OCR文字识别算法组件

1. OCR文字识别简介

文字识别也是图像领域一个常见问题。然而，对于自然场景图像，首先要定位图像中的文字位置，然后才能进行文字的识别。所以一般包含两个步骤：

文字检测：解决的问题是哪里有文字，文字的范围有多少。

文字识别：对定位好的文字区域进行识别，主要解决的问题是每个文字是什么，将图像中的文字区域进转化为字符信息。

我们的OCR算法是基于CTPN+CRNN设计的。CTPN是一种文字检测算法，能有效的检测出复杂场景的横向分布的文字，是目前比较好的文字检测算法。CRNN算法主要用于端到端地对不定长的文本序列进行识别，不用先对单个文字进行切割，而是将文本识别转化为时序依赖的序列学习问题，就是基于图像的序列识别。

基于EASY-EAI-Nano硬件主板的运行效率：

 

算法种类	模型大小	运行效率
文字检测算法	2.79MB	227ms
文字识别算法	4.56MB	89ms

 

2. 快速上手

2.1 开发环境准备

如果您初次阅读此文档，请阅读《入门指南/开发环境准备/Easy-Eai编译环境准备与更新》，并按照其相关的操作，进行编译环境的部署。

在PC端Ubuntu系统中执行run脚本，进入EASY-EAI编译环境，具体如下所示。

 

cd ~/develop_environment ./run.sh

 

2.2 源码下载以及例程编译

在EASY-EAI编译环境下创建存放源码仓库的管理目录：

 

cd /opt mkdir EASY-EAI-Toolkit cd EASY-EAI-Toolkit

 

通过git工具，在管理目录内克隆远程仓库

 

git clone https://github.com/EASY-EAI/EASY-EAI-Toolkit-C-Demo.git

 

注：

* 此处可能会因网络原因造成卡顿，请耐心等待。

* 如果实在要在gitHub网页上下载，也要把整个仓库下载下来，不能单独下载本实例对应的目录。

进入到对应的例程目录执行编译操作，具体命令如下所示：

 

cd EASY-EAI-Toolkit-C-Demo/algorithm-ocr/ ./build.sh

 

注：

* 若build.sh脚本带有cpres参数，则会把Release/目录下的所有资源都拷贝到开发板上。

* 若build.sh脚本不带任何参数，则仅会拷贝demo编译出来的可执行文件。

* 由于依赖库部署在板卡上，因此交叉编译过程中必须保持adb连接。

2.3 模型部署

要完成算法Demo的执行，需要先下载算法模型。

百度网盘链接为：https://pan.baidu.com/s/1w4tf1YolUCpcAFtyP3aJZQ （提取码：6666 ）。

同时需要把下载的OCR识别算法模型复制粘贴到Release/目录：

再通过下方命令将模型署到板卡中，如下所示。

 

cp Release/ /mnt/userdata/ -rf

 

2.4 例程运行

通过按键Ctrl+Shift+T创建一个新窗口，执行adb shell命令，进入板卡运行环境。

 

adb shell

 

进入板卡后，定位到例程上传的位置，如下所示：

 

cd /userdata/Release/

 

运行例程命令如下所示：

 

./test-ocr test.jpg

 

2.5 运行效果

test-ocr的Demo执行效果如下所示:

再开一个窗口，在PC端Ubuntu环境通过以下命令可以把图片拉回来:

 

adb pull /userdata/Demo/result.jpg .

 

结果图片如下所示：

API的详细说明，以及API的调用（本例程源码），详细信息见下方说明。

3. OCR文字识别API说明

3.1 引用方式

为方便客户在本地工程中直接调用我们的EASY EAI api库，此处列出工程中需要链接的库以及头文件等，方便用户直接添加。

 

选项	描述
头文件目录	easyeai-api/algorithm_api/ocr
库文件目录	easyeai-api/algorithm_api/ocr
库链接参数	-lpthread -locr -lrknn_api

 

3.2 OCR检测初始化函数

设置OCR检测初始化函数原型如下所示。

 

int ocr_det_init(const char* model_path, rknn_app_context_t* app_ctx);

 

具体介绍如下所示。

 

函数名： ocr_det_init
头文件	ocr.h
输入参数	model_path：算法模型名字/路径
app_ctx：算法模型句柄
返回值	成功返回：0
失败返回：-1
注意事项	无

 

3.3 OCR检测运行函数

设置OCR检测运行原型如下所示。

 

int ocr_det_run(rknn_app_context_t* app_ctx, cv::Mat input_image, ocr_det_postprocess_params* params, ocr_det_result* out_result);

 

具体介绍如下所示。

 

函数名： ocr_det_run
头文件	ocr.h
输入参数	app_ctx：算法模型句柄
input_image：Cv::Mat输入图像
Params：ocr检测算法参数
out_result：返回结果
返回值	成功返回：0
失败返回：-1
注意事项	无

 

3.4 OCR检测释放函数

设置OCR检测释放原型如下所示。

 

int ocr_det_release(rknn_app_context_t* app_ctx);

 

具体介绍如下所示。

 

函数名： ocr_det_release
头文件	ocr.h
输入参数	app_ctx：算法模型句柄
返回值	成功返回：0
失败返回：-1
注意事项	无

 

3.5 OCR识别初始化函数

OCR识别初始化函数原型如下所示。

 

int ocr_rec_init(const char* model_path, rknn_app_context_t* app_ctx);

 

具体介绍如下所示。

 

函数名： ocr_rec_init
头文件	ocr.h
输入参数	model_path：算法模型名字/路径
app_ctx：算法模型句柄
返回值	成功返回：0
失败返回：-1
注意事项	无

 

3.6 OCR识别运行函数

OCR识别运行函数原型如下所示。

 

int ocr_rec_run(rknn_app_context_t* app_ctx, cv::Mat input_image, ocr_rec_result* out_result);

 

具体介绍如下所示。

 

函数名： ocr_rec_run
头文件	ocr.h
输入参数	app_ctx：算法模型句柄
input_image:输入图像
out_result：返回结果
返回值	成功返回：0
失败返回：-1
注意事项	无

 

3.7 OCR识别释放函数

OCR识别释放函数原型如下所示。

 

int ocr_rec_release(rknn_app_context_t* app_ctx);

 

具体介绍如下所示。

 

函数名： ocr_rec_release
头文件	ocr.h
输入参数	app_ctx：算法模型句柄
返回值	成功返回：0
失败返回：-1
注意事项	无

 

4. OCR识别算法例程

例程目录为Toolkit-C-Demo/ocr/test-ocr.cpp，操作流程如下。

参考例程如下所示。

 

#include < opencv2/opencv.hpp > #include < stdio.h > #include < sys/time.h > #include"ocr.h" using namespace cv; using namespace std; #define INDENT " " #define THRESHOLD 0.3 // pixel score threshold #define BOX_THRESHOLD 0.9 // box score threshold #define USE_DILATION false // whether to do dilation, true or false #define DB_UNCLIP_RATIO 1.5 // unclip ratio for poly type int main(int argc, char **argv) { if (argc != 2) { printf("%s < image_path >n", argv[0]); return -1; } /* 参数初始化 */ const char *img_path = argv[1]; Mat input_image, rgb_img; input_image = imread(img_path); if (input_image.empty()) { cout < < "Error: Could not load image" < < endl; return -1; } cv::cvtColor(input_image, rgb_img, COLOR_BGR2RGB); rknn_app_context_t ocr_det_ctx, ocr_rec_ctx; memset(&ocr_det_ctx, 0, sizeof(rknn_app_context_t)); memset(&ocr_rec_ctx, 0, sizeof(rknn_app_context_t)); /* OCR算法检测模型&识别模型初始化 */ ocr_det_init("ocr_det.model", &ocr_det_ctx); ocr_rec_init("ocr_ret.model", &ocr_rec_ctx); struct timeval start; struct timeval end; float time_use=0; /* OCR算法检测模型运行 */ ocr_det_result results; ocr_det_postprocess_params params; params.threshold = THRESHOLD; params.box_threshold = BOX_THRESHOLD; params.use_dilate = USE_DILATION; params.db_score_mode = (char*)"slow"; params.db_box_type = (char*)"poly"; params.db_unclip_ratio = DB_UNCLIP_RATIO; gettimeofday(&start,NULL); int ret; ret = ocr_det_run(&ocr_det_ctx, rgb_img, ¶ms, &results); if (ret != 0) { printf("inference_ppocr_rec_model fail! ret=%dn", ret); } gettimeofday(&end,NULL); time_use=(end.tv_sec-start.tv_sec)*1000000+(end.tv_usec-start.tv_usec);//微秒 printf("time_use is %fn",time_use/1000); /* 截取文字信息和画框 */ printf("DRAWING OBJECTn"); for (int i = 0; i < results.count; i++) { printf("[%d]: [(%d, %d), (%d, %d), (%d, %d), (%d, %d)] %fn", i, results.box[i].left_top.x, results.box[i].left_top.y, results.box[i].right_top.x, results.box[i].right_top.y, results.box[i].right_bottom.x, results.box[i].right_bottom.y, results.box[i].left_bottom.x, results.box[i].left_bottom.y, results.box[i].score); line(input_image, Point(results.box[i].left_top.x, results.box[i].left_top.y), Point(results.box[i].right_top.x, results.box[i].right_top.y), Scalar(0, 255, 0), 1, LINE_AA); line(input_image, Point(results.box[i].right_top.x, results.box[i].right_top.y), Point(results.box[i].right_bottom.x, results.box[i].right_bottom.y), Scalar(0, 255, 0), 1, LINE_AA); line(input_image, Point(results.box[i].right_bottom.x, results.box[i].right_bottom.y), Point(results.box[i].left_bottom.x, results.box[i].left_bottom.y), Scalar(0, 255, 0), 1, LINE_AA); line(input_image, Point(results.box[i].left_bottom.x, results.box[i].left_bottom.y), Point(results.box[i].left_top.x, results.box[i].left_top.y), Scalar(0, 255, 0), 1, LINE_AA); cv::Mat rgb_crop_image = GetRotateCropImage(rgb_img, results.box[i]); /* OCR算法识别模型运行 */ ocr_rec_result rec_results; ocr_rec_run(&ocr_rec_ctx, rgb_crop_image, &rec_results); // print text result printf("regconize result: %s, score=%fn", rec_results.str, rec_results.score); } cv::imwrite("result.jpg", input_image); return 0; } 审核编辑 黄宇