mocr 0.2.1

MOCR

通过深入学习从身份证中识别有意义的光学字符。

简介

mocr是一个库，可用于从身份证中检测有意义的光学字符。代码基是纯的Python和 适用于2.7和大多数3.x版本。它有一些低级依赖项，如Tesseract。mocr使用预先训练过的east 利用opencv开发检测器并应用其深度学习技术。

它在模块内部有一个预先训练好的east检测器，并且可以提供一个自定义的训练模型作为参数。

先决条件

• Tessaract在使用ocr之前必须安装在计算机上。请查看installation link了解详细信息。
• 其他依赖项列在requirements.txt中，将在使用pip安装时安装。

安装

来自源

使用pip安装模块

$ pip install mocr

从https://github.com/verifid/mocr

使用pip安装模块

$ pip install -e .

提取源分发并运行：

$ python setup.py build
$ python setup.py install

运行测试

测试套件可以针对需要pip install pytest和可选的pip install pytest-cov的单个python版本运行（如果您安装了requirements.testing.txt中的依赖项，则会包含这些内容）

要使用单个python版本运行单元测试，请执行以下操作：

$ py.test -v

还要运行代码覆盖率：

$ py.test -v --cov-report html --cov=mocr

对一组python版本运行单元测试：

$ tox

示例用法

• text_recognition初始化带有标识图像的TextRecognizer，然后查找带有框架的文本：

importosfrommocrimportTextRecognizerimage_path=os.path.join('tests','data/sample_uk_identity_card.png')east_path=os.path.join('mocr','model/frozen_east_text_detection.pb')text_recognizer=TextRecognizer(image_path,east_path)(image,_,_)=text_recognizer.load_image()(resized_image,ratio_height,ratio_width,_,_)=text_recognizer.resize_image(image,320,320)(scores,geometry)=text_recognizer.geometry_score(east_path,resized_image)boxes=text_recognizer.boxes(scores,geometry)results=text_recognizer.get_results(boxes,image,ratio_height,ratio_width)# results: Meaningful texts with bounding boxes

• face_detection：

frommocrimportface_detectionimage_path='YOUR_IDENTITY_IMAGE_PATH'face_image=face_detection.detect_face(image_path)# face_image is the byte array detected and cropped image from original image

cli

命令行用法示例

• 光学字符识别

python -m mocr --image tests/data/sample_uk_identity_card.png --east tests/model/frozen_east_text_detection.pb

• 人脸检测

python -m mocr --image-face 'tests/data/sample_de_identity_card.jpg'