[置顶] JAVA识别身份证号码,H5识别身份证号码,tesseract-ocr识别(一)(转)

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,其实很简单,就是使用java调用CMD命令。

使用java调用识别命令

import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.List;

/**
 * Created by Gavin Wang on 16-3-3.
 */
public class Tesseract {
    private final String LANG_OPTION = "-l";
    private final String EOL = System.getProperty("line.separator");
    /**
     * 文件位置我防止在,项目同一路径
     */
    private String tessPath = new File("tesseract").getAbsolutePath();

    /**
     * @param imageFile
     *            传入的图像文件
     * @param imageFormat
     *            传入的图像格式
     * @return 识别后的字符串
     */
    public String recognizeText(File imageFile) throws Exception
    {
        /**
         * 设置输出文件的保存的文件目录
         */
        File outputFile = new File(imageFile.getParentFile(), "output");

        StringBuffer strB = new StringBuffer();
        List<String> cmd = new ArrayList<String>();

        String os = System.getProperty("os.name");
        if(os.toLowerCase().startsWith("win")){
            cmd.add("tesseract");
        }else {
            cmd.add("tesseract");
        }
//        cmd.add(tessPath + "\\tesseract");
        cmd.add(imageFile.getName());
        cmd.add(outputFile.getName());
//        cmd.add(LANG_OPTION);
//      cmd.add("chi_sim");
        cmd.add("digits");
//        cmd.add("eng");
//        cmd.add("-psm 7");
        ProcessBuilder pb = new ProcessBuilder();

        /**
         *Sets this process builder‘s working directory.
         */
        pb.directory(imageFile.getParentFile());
//        cmd.set(1, imageFile.getName());
        pb.command(cmd);
        pb.redirectErrorStream(true);
        Process process = pb.start();

//        Process process = pb.command("ipconfig").start();
//        System.out.println(System.getenv().get("Path"));
//        Process process = pb.command("D:\\Program Files (x86)\\Tesseract-OCR\\tesseract.exe",imageFile.getName(),outputFile.getName(),LANG_OPTION,"eng").start();

        // tesseract.exe 1.jpg 1 -l chi_sim
        // Runtime.getRuntime().exec("tesseract.exe 1.jpg 1 -l chi_sim");
        /**
         * the exit value of the process. By convention, 0 indicates normal
         * termination.
         */
//      System.out.println(cmd.toString());
        int w = process.waitFor();
        if (w == 0)// 0代表正常退出
        {
            BufferedReader in = new BufferedReader(new InputStreamReader(
                    new FileInputStream(outputFile.getAbsolutePath() + ".txt"),
                    "UTF-8"));
            String str;

            while ((str = in.readLine()) != null)
            {
                strB.append(str).append(EOL);
            }
            in.close();
        } else
        {
            String msg;
            switch (w)
            {
                case 1:
                    msg = "Errors accessing files. There may be spaces in your image‘s filename.";
                    break;
                case 29:
                    msg = "Cannot recognize the image or its selected region.";
                    break;
                case 31:
                    msg = "Unsupported image format.";
                    break;
                default:
                    msg = "Errors occurred.";
            }
            throw new RuntimeException(msg);
        }
        new File(outputFile.getAbsolutePath() + ".txt").delete();
        return strB.toString().replaceAll("\\s*", "");
    }

}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • 64
  • 65
  • 66
  • 67
  • 68
  • 69
  • 70
  • 71
  • 72
  • 73
  • 74
  • 75
  • 76
  • 77
  • 78
  • 79
  • 80
  • 81
  • 82
  • 83
  • 84
  • 85
  • 86
  • 87
  • 88
  • 89
  • 90
  • 91
  • 92
  • 93
  • 94
  • 95
  • 96
  • 97
  • 98
  • 99
  • 100
  • 101
  • 102
  • 103
  • 104
  • 105
  • 106
  • 107
  • 108
  • 109

注释掉的内容大家都可删掉,是我测试的时候遗留的 
下面是main方法

import java.io.File;
import java.io.IOException;

/**
 * Created by Gavin Wang on 16-3-3.
 */
public class Start {
    public static void main(String[] args) throws Exception {
        Tesseract("/1.png");
        Tesseract("/2.png");
        Tesseract("/3.png");
        Tesseract("/4.png");
        Tesseract("/5.png");
        Tesseract("/6.png");
    }

    private static void Tesseract(String fileString) throws Exception {
        String filePath = Start.class.getResource(fileString).getFile().toString();
//        processImg(filePath);
        File file = new File(filePath);
        String recognizeText = new Tesseract().recognizeText(file);
        System.out.println(recognizeText);
    }
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24

有可能你执行出错,无法在XX目录执行 tesseract….. 
这个时候重启一下电脑就好了,原因是环境变量没有在idea中生效。 
测试结果如下,目前还是比较满意的 

后记

识别就先到这告一段落吧,下一篇日志我们继续如何使用H5识别身份证号码。 
对识别率提高的其他思考 
其实对号码的识别我也想过做一些处理,比如把身份证的背景纹路去掉,只留下身份证的数字。变成下面这样的 
 
但是我发现,处理之后时候有的识别率反而降低了,没研究过tesseract-orc的原理,不知为何这样识别率反而降低。希望大家能研究一下如何提高识别率在下面留言告诉我,多谢了。 
第二篇如何使用H5识别身份证号码可以在我的博客地址找到http://blog.csdn.net/hiredme

(转自http://blog.csdn.net/hiredme/article/details/50894814)

时间: 2024-10-29 02:38:17

[置顶] JAVA识别身份证号码,H5识别身份证号码,tesseract-ocr识别(一)(转)的相关文章

汽车Vin码识别——可以嵌入到手机里的新OCR识别技术

汽车Vin码识别(车架号识别),顾名思义,就是识别汽车的Vin码(车架号),汽车Vin码识别(车架号识别)利用的是OCR识别技术,支持视频流获取图像,自动触发识别,另外汽车Vin码识别(车架号识别)sdk支持安卓和ios主流操作平台.便于集成.以汽车维修店为例,以前车相对少,都是人为的抄录下汽车Vin码(车架号)来做记录,不仅慢,还容易出错,比如弄错一位数字,有可能导致解析的发动机型号不正确,那么就会直接影响到维修的正确性和维修进度.因此,北京易泊时代科技有限公司结合汽车Vin码(车架号)主机厂

[置顶] Java集群优化——dubbo+zookeeper构建高可用分布式集群 【转】

不久前,我们讨论过Nginx+tomcat组成的集群,这已经是非常灵活的集群技术,但是当我们的系统遇到更大的瓶颈,全部应用的单点服务器已经不能满足我们的需求,这时,我们要考虑另外一种,我们熟悉的内容,就是分布式,而当下流行的Dubbo框架,不容我们忽视,这里,咱们一起来探讨一下这个框架的使用. 一,背景 以前我们需要远程调用他人的接口,我们是这么做的: 我们遇到的问题: (1) 当服务越来越多时,服务URL配置管理变得非常困难,F5硬件负载均衡器的单点压力也越来越大.此时需要一个服务注册中心,动

[置顶] Java集群优化——dubbo+zookeeper构建高可用分布式集群 [转]

不久前,我们讨论过Nginx+tomcat组成的集群,这已经是非常灵活的集群技术,但是当我们的系统遇到更大的瓶颈,全部应用的单点服务器已经不能满足我们的需求,这时,我们要考虑另外一种,我们熟悉的内容,就是分布式,而当下流行的Dubbo框架,不容我们忽视,这里,咱们一起来探讨一下这个框架的使用. 一,背景 以前我们需要远程调用他人的接口,我们是这么做的: 我们遇到的问题: (1) 当服务越来越多时,服务URL配置管理变得非常困难,F5硬件负载均衡器的单点压力也越来越大.此时需要一个服务注册中心,动

移动端车牌识别——可以嵌入智能手机系统里的新OCR识别技术

移动端车牌识别技术,是在OCR光学字符识别技术的基础上研发的用来识别汽车号牌特征信息的图像识别技术.在国内,该项技术由北京易泊时代携手清华大学成功地将"国家863计划"项目成果--"文字图像识别技术TH-OCR"产业化,真正实现了TH-OCR技术与市场应用的完美结合. 一.移动端车牌识应用背景 随着我国警务通.停车场手持收费机等移动终端的使用越来越普及,车辆越来越多,对车的管理要高效也是必然的,如果在这些终端上能够集成车牌识别功能,必然省时省力,对于维护交通安全和城

[置顶] Android开发笔记(成长轨迹)

分类: 开发学习笔记2013-06-21 09:44 26043人阅读 评论(5) 收藏 Android开发笔记 1.控制台输出:called unimplemented OpenGL ES API 调用了未实现的OpenGL ES API函数,一般由于导入的第三方库如地图库,里面有用到OpenGL,但是模拟器的硬件默认是没有这个的,所以需要我们编辑模拟器Emulation Options选项勾选 Use Host GPU 然后重启模拟器再尝试,如果还是这个错误,那么我们只好用真机测试了. 2.

OCR识别技术划分了七大类

很多人在了解OCR识别技术的时候,都会这样问"OCR识别怎么样?能识别什么?OCR价格怎么样?"等.其实,在很多人了解的时候只是了解很肤浅的一面,并不知道OCR识别技术到底可以做些什么.目前,问世的OCR识别技术划分了7种类型,主要是以下几种: 1.证件OCR识别:此类最开始是基于PC的,近几年开始向移动端发展,主要有android,ios平台的SDK,目前成熟的有身份证识别,行驶证识别,驾驶证识别,护照识别等. 2.银行卡OCR识别:此类应用是2014年以后开始兴起的,主要用于移动支

APP、微信h5可以调用的服务器端车牌识别sdk

关键词 服务器端车牌识别sdk.云端车牌识别sdk.车牌识别sdk.私有化部署车牌识别sdk.云端部署车牌识别sdk.服务器端车牌识别sdk. 车牌识别技术,是对获得的车牌图像的颜色和车牌号码进行分析和处理,最终得知它是新能源汽车.普通黄卡.蓝卡等类型的汽车,并获得其车牌号码. 服务器端车牌识别事通过把OCR服务器端车牌识别部署在客户自有服务器中或者共有服务器中.服务器端车牌识别在部署完成后,APP端.web端.微信H5端.PC客户端均可发送识别请求,可通过API.Web Service接口调用

[置顶] 深入探析Java线程锁机制

今天在iteye上提了一个关于++操作和线程安全的问题,一位朋友的回答一言点醒梦中人,至此我对Java线程锁有了更加深刻的认识.在这里也做个总结供大家参考. 先看几段代码吧! 代码一: [java] view plaincopy public class TestMultiThread2 implements Runnable{ private static Object o = new Object(); private static Integer si = 0; private stati

身份证扫描识别/身份证OCR识别的正确姿势,你get到了吗?

自从国家规定电信实名制之后,实名制已经推广到各个领域:办理通信业务需要实名制.银行开户需要实名制.移动支付需要实名制,就连注册个自媒体账户都需要实名制. 而实名制的背后,就是身份证信息的采集和录入验证. 传统的手工录入身份证信息费时费力,易出错. 身份证OCR识别/身份证扫描识别技术的出现,使以上问题迎刃而解. 目前市场上做身份证OCR识别/身份证扫描识别的厂商大概有四五家左右.在选择身份证OCR识别/身份证扫描识别时,需要从以下几个方面考虑: 1.识别率 2.识别时间 3.开发包大小 4.识别