基于模板匹配的OCR盲人導(dǎo)讀儀器（STM32+OV5640）

　　摘 要

　　本論文詳細(xì)介紹了一款低成本便攜式的OCR文字識(shí)別 ，TTS語(yǔ)音播報(bào)系統(tǒng)的實(shí)現(xiàn)方案。本次研發(fā)的盲人導(dǎo)讀儀系統(tǒng)，核心的軟硬模塊子子系統(tǒng)包括：500萬(wàn)高清攝像頭JPEG圖像采集子系統(tǒng)，大功率NRF2401圖像傳輸子系統(tǒng)，MFC上位機(jī)圖像解碼子系統(tǒng)，OCR模式識(shí)別子系統(tǒng)， TTS文本語(yǔ)音子系統(tǒng)。本文將對(duì)設(shè)計(jì)的各個(gè)子系統(tǒng)詳細(xì)闡述。

　　關(guān)鍵詞：模式識(shí)別OCR; TTS語(yǔ)音播報(bào)系統(tǒng); OV5640五百萬(wàn)像素采集系統(tǒng)；

　　OCR blind reading meter based on template matching

　　This paper introduces in detail a low-cost portable OCR character recognition， the implementation scheme of TTS speech broadcasting system. The research and development of the blind reading meter system， the core of hard and soft module a subsystem including： 5 million hd camera JPEG image acquisition subsystem， high-power NRF2401 image transmission subsystem， MFC PC image decoding subsystem， OCR pattern recognition subsystem， TTS text-to-speech subsystem. This article will be to the design of each subsystem in detail

　　Key words： OCR pattern recognition; TTS speech broadcasting system; OV5640 mega pixels acquisition system。

　　1緒論

　　書(shū)籍是人類(lèi)進(jìn)步的階梯，視覺(jué)障礙的弱勢(shì)群體如果想要閱讀一些文獻(xiàn)資料，傳統(tǒng)的方法要依賴(lài)盲文，憑借手觸覺(jué)去感知文字，由于盲文的發(fā)行量相對(duì)較少，加上他笨重，體積大，致使收到很大限制。隨著計(jì)算機(jī)的領(lǐng)域的飛速發(fā)展，OCR （Optical Character Recognition，光學(xué)字符識(shí)別） ，TTS（Text To Speech，從文本到語(yǔ)音），OV5640（高清攝像頭）日益成熟，這些新興技術(shù)，將為視覺(jué)殘障人士帶來(lái)福音，將視覺(jué)文字變成聽(tīng)覺(jué)語(yǔ)音，自此弱勢(shì)的殘障人士可以打破視覺(jué)閱讀障礙，享受文本書(shū)籍的知識(shí)殿堂。

　　1.1課題的背景與意義

　　我國(guó)的印刷體漢字識(shí)別是從70年代開(kāi)始研究，大致可以分為如下3個(gè)階段：

　　第一階段：20世紀(jì)70年代末期到20時(shí)期，主要是算法和方案探索。

　　第二階段：20世紀(jì)90年代，中文OCR技術(shù)從實(shí)驗(yàn)室走向市場(chǎng)。

　　第三階段：21世紀(jì)初至今，主要是印刷體漢字識(shí)別技術(shù)和系統(tǒng)性能的提高，包括漢英混排識(shí)別率的提高和穩(wěn)健性的增強(qiáng)。

　　1.2 OCR的研究現(xiàn)狀及研究意義

　　現(xiàn)有的文字技術(shù)一般采用光學(xué)的方式將文本圖像信息采集到計(jì)算機(jī)中，因此該技術(shù)被稱(chēng)為光學(xué)字符識(shí)別（Optical Character Recognition， OCR）技術(shù)，經(jīng)過(guò)將近一個(gè)研究，OCR已經(jīng)成為現(xiàn)如今模式是被領(lǐng)域里最活躍的研究方向之一。它綜合了人工智能，計(jì)算機(jī)圖像，數(shù)字圖像處理等多方面的內(nèi)容，并在計(jì)算機(jī)領(lǐng)域及其相關(guān)領(lǐng)域得到了廣泛的應(yīng)用。近些年來(lái)，我國(guó)的中文印刷體文檔識(shí)別發(fā)展十分

　　隨著社會(huì)的發(fā)展，科學(xué)文化的進(jìn)步，越來(lái)越多的視覺(jué)障礙人式（包括先天性行殘疾人士，或者因意外事故及其傷病視力下降乃至失去視覺(jué)的殘疾人士）更加渴望閱讀這個(gè)時(shí)代最前沿的書(shū)籍期刊，鑒于盲文的厚重，不便于攜帶，印刷量小，延遲性高等缺點(diǎn)，市場(chǎng)上主流的OCR識(shí)別器售價(jià)相對(duì)較高，一種低成本，高識(shí)別率的OCR盲人導(dǎo)讀儀的研發(fā)有相當(dāng)大的現(xiàn)實(shí)意義，其核心算法也有著極其廣泛的社會(huì)應(yīng)用：

　　1.使用OCR進(jìn)行印刷體版文稿的自動(dòng)識(shí)別錄入，這類(lèi)產(chǎn)品的缺點(diǎn)是對(duì)于表格，插圖，公式需要手工進(jìn)行干預(yù)。

　　2圖形，圖像，公式，文本，中英文交疊等混版復(fù)雜版面進(jìn)行自動(dòng)切分的印刷識(shí)別系統(tǒng)的算法研究提供解決思路。

　　3郵件自動(dòng)分揀系統(tǒng)，郵件的自動(dòng)分揀系統(tǒng)東是郵政系統(tǒng)提高心寒分揀速度和質(zhì)量的極為有效手段之一國(guó)內(nèi)外已經(jīng)普遍使用，其核心算法是書(shū)寫(xiě)體的識(shí)別。

　　4 手寫(xiě)體表格數(shù)據(jù)自動(dòng)錄入系統(tǒng)，應(yīng)用于政府，保險(xiǎn)，醫(yī)療等個(gè)行業(yè)的申報(bào)表，調(diào)查表等表格數(shù)據(jù)的處理與錄入【1】。 。

　　1.3研究的主要內(nèi)容和預(yù)期目標(biāo)

　　該系統(tǒng)致力于實(shí)現(xiàn)一種低成本，便攜式，易操作，高識(shí)別率的簡(jiǎn)易OCR中文識(shí)別系統(tǒng)。根據(jù)基于模板匹配的OCR的自身特點(diǎn)，以及現(xiàn)階段研究水平，調(diào)研了中文OCR在各個(gè)行業(yè)的應(yīng)用市場(chǎng)，如下對(duì)基于模板匹配的盲人導(dǎo)讀儀的各個(gè)系統(tǒng)和實(shí)現(xiàn)原理及算法進(jìn)行簡(jiǎn)要講解。

　　1.3.1 核心子系統(tǒng)解決方案概述

　　1. 基于OV5640 500萬(wàn)像素的自動(dòng)對(duì)焦的高清攝像頭模組，實(shí)現(xiàn)JPEG，BMP高清圖像采集存儲(chǔ)。

　　2. 基于大功率NRF2401的無(wú)線傳圖子系統(tǒng)，可以實(shí)現(xiàn)一點(diǎn)對(duì)多點(diǎn)，單點(diǎn)對(duì)單點(diǎn)實(shí)時(shí)圖像采集傳輸。

　　3基于VS2010 MFC上位機(jī)算法處理子系統(tǒng)，SerialPort串口接收模塊，Cimage類(lèi)進(jìn)行數(shù)據(jù)流圖像解碼編碼，微軟公司開(kāi)源MicroSoft Image documentOCR控件作為核心算法將采集解碼得到圖片文字解碼出來(lái)，顯示到Edit文本框，將文字編碼串口發(fā)送科科大訊飛模塊。

　　4基于科大訊飛模組XFS5512CE文字語(yǔ)音轉(zhuǎn)碼解碼芯片將OCR識(shí)別的文字進(jìn)行語(yǔ)音播報(bào)，實(shí)現(xiàn)文本到語(yǔ)音的轉(zhuǎn)換。

　　1.3.2 預(yù)期目標(biāo)

　　1. STM32F103RBT6能正常驅(qū)動(dòng)500萬(wàn)OV5640高清模組，實(shí)現(xiàn)圖形采集

　　2. NRF2401能實(shí)現(xiàn)無(wú)線傳圖，文字解碼信息發(fā)送

　　3.MFC數(shù)據(jù)流解碼JPEG，OCR文字識(shí)別，OCR解碼發(fā)送

　　4.下位機(jī)驅(qū)動(dòng)科大訊飛模塊，實(shí)現(xiàn)文字解碼發(fā)送。

　　2基于模板匹配中文OCR語(yǔ)音導(dǎo)讀儀工作原理

　　2.1 OCR工作原理

　　與普通印刷體文檔是被相比，中文印刷體文檔識(shí)別在對(duì)文檔所包含的文字字符識(shí)別過(guò)程中。一個(gè)完整的中文印刷體文檔識(shí)別系統(tǒng)應(yīng)包括如下諸多模塊：

　　文檔圖像預(yù)處理。該部分完成對(duì)原始文檔圖像預(yù)處理，使得原始文檔圖像能夠達(dá)到識(shí)別的要求。

　　文檔圖像版面分析，該部分實(shí)現(xiàn)文檔圖像中文本，表格和圖像等不同區(qū)域的分離，并在識(shí)別出每個(gè)區(qū)域的類(lèi)別后交由不同的處理模塊進(jìn)行進(jìn)一步的分析和處理。

　　文檔圖像中的多字符識(shí)別，該部分處理通過(guò)文檔版面分析得到的文本區(qū)域，包括漢字識(shí)別和公式識(shí)別的模塊。漢字識(shí)別模塊負(fù)責(zé)包括中文字符在內(nèi)的所有字符的識(shí)別。

　　文檔圖像中圖形圖像暫存模塊。該部分負(fù)責(zé)處理通過(guò)文檔版面分析得帶的圖像圖像區(qū)域。

　　版面分析過(guò)程中，分析得到的文字區(qū)域，圖像區(qū)域和表格區(qū)域?qū)⒈环謩e切割成單獨(dú)的圖像，其中文字圖像區(qū)域?qū)⑺椭劣∷Ⅲw漢字識(shí)別模塊進(jìn)行處理。與其他的數(shù)字圖像模式識(shí)別應(yīng)用類(lèi)似，印刷體的漢字識(shí)別的基本過(guò)程包括圖像預(yù)處理。圖像分割，圖像分割，特征提取，圖像分類(lèi)等過(guò)程。圖像的預(yù)處理通過(guò)圖像增強(qiáng)，文字字符切割等步驟形成單個(gè)漢字字符圖像，圖像分割則在單個(gè)漢字圖像中提起漢字輪廓，特征提取則是是依據(jù)漢字輪廓提取代表的各個(gè)漢字模式的本質(zhì)的表達(dá)形式，即各種特性，形成漢字模板庫(kù)（可以理解為字典）并存儲(chǔ)在計(jì)算機(jī)中。識(shí)別時(shí)，圖像分類(lèi)過(guò)程將漢字的模式特性和漢字的模板庫(kù)元素逐一匹配，在用一定的匹配準(zhǔn)則進(jìn)行判別。最后在模板庫(kù)中找出最接近的位置漢字的模板元素，該模版元素的漢字就是識(shí)別的結(jié)果。