图像识别技术分析报告

一、背景

最近,我在负责做一个图像识车的SDK,涉及到图片压缩,图片旋转,pods和静态库的结合。所以我调研了几个相关做图像识别的2个大厂做出来的SDK,借此分享一下,以及我们要借鉴他们设计产品的思路以及SDK的封装。

二、 竞品分析工程化案例

    1. 百度文字识别(OCR)

     关于Optical Character Recognition(OCR)的基础知识,大家有兴趣的可以先去了解一下,这里就不便多做介绍。与OCR相结合的app 比较好的就有 名片全能王这款app 下面两张图片如下


图像识别技术分析报告_第1张图片
图片扫描


图像识别技术分析报告_第2张图片
图片识别结果

图像识别的交互功能,可以借鉴一下如上。

1.SDK分析

接下来,让我们看一下百度OCRS,是怎么封装,怎么让这些厂家调用的。

1.1 OCR服务SDK 包含什么

首先这个百度OCR服务 ,包含了三个framework,如下:

AipBase.framework中包含了OCR服务相关基础类,必须引入。

IdcardQuality.framework包含了身份证质量控制的功能,按需引入。

AipOcrSdk工程包含了相机相关操作,如果需要相机接口,需要引入

1.2 第一步骤,SDK集成与接口调用

使用SDK时,需要将AipBase.framework和AipOcrSdk.framework嵌入工程(Embed Binary方式,可参考AipOcrDemo工程),并导入相关头文件

1.3 授权

按照自己的业务需求,引入完毕之后,接下来第一个重点就是需要授权,就是在工程里面授权

1.3.1 第一种方式,复制应用的Api Key(简称AK) 和 Secret Key(简称SK),初始化AipOcrService单例:

// 示例

[[AipOcrService shardService]authWithAK:@"Api Key"andSK:@"Secret Key"];

1.3.2第二种方式,下载对应应用的授权文件(默认名字为aip.license):

1.在官网中配置应用

2.下载对应应用的授权文件(默认名字为aip.license)

3.将授权文件添加至XCode工程(配置为资源并拷贝,Target -> Build Phases -> Copy Bundle Resource 中添加该文件)

4.读取授权文件原始字节,NSData格式,初始化AipOcrService单例:

 2.相机接口

2.1 在工程Info.plist中添加NSCameraUsageDescription,相机权限说明

2.2 调启相机

初始化ViewController,其中

通用文字识别:UIViewController* vc = [AipGeneralVC ViewControllerWithDelegate:self]

银行卡识别UIViewController * vc = [AipCaptureCardVCViewControllerWithCardType:CardTypeBankCardandDelegate:self]

身份证识别

正面:UIViewController * vc = [AipCaptureCardVCViewControllerWithCardType:CardTypeIdCardFontandDelegate:self]

背面:UIViewController * vc = [AipCaptureCardVCViewControllerWithCardType:CardTypeIdCardFontandDelegate:self]

在合适的地方启动ViewController: 如[selfpresentViewController:vcanimated:YEScompletion:nil]

2.3 该调用方法将会自动打开相机,用户拍照、确认,完成识别之后, 使用delegate直接返回识别结果。

内部使用了[AipOcrService shardService]进行数据调用。

操作步骤:

身份验证:调用[[AipOcrService shardService]authWithAK:SK或其他验证方法;

在需要回调的类中实现AipOcrDelegate的接口(按需实现即可)。可在这些方法中pop出OCR的View,具体参考Demo工程。

通用文字识别成功:- (void) ocrOnGeneralSuccessful:(id)result

银行卡识别成功:- (void) ocrOnBankCardSuccessful:(id)result

身份证识别成功:- (void) ocrOnIdCardSuccessful:(id)result

识别失败:- (void) ocrOnFail:(NSError *)error


3.数据接口

这写接口都是在AipBase.framework 中的,也就是说要想实现OCR服务,就必须引用这个AipBase.framework。

该调用方法传入需要识别的UIImage,异步识别,识别完成之后,回调返回识别结果。

主要类为AipOcrService类,使用单例[AipOcrService sharedService]来调用相关接口即可。

操作步骤:

身份验证:调用[[AipOcrService shardService]authWithAK:SK或其他验证方法;

调用以下相应接口

通用文字识别detectTextFromImage

通用文字识别(不带位置信息)detectTextBasicFromImage

通用文字识别 (含生僻字)detectTextEnhancedFromImage

网图识别detectWebImageFromImage

身份证正面detectIdCardFrontFromImage

身份证背面detectIdCardBackFromImage

银行卡detectBankCardFromImage


4:总结

基本上实现百度的OCR 服务,是必须要引入AipBase.framework,这里面包含识别一些接口实现,AipOcrSdk.framework,即AipOcr工程包含了相机相关操作代码,如开发者想直接使用,无需引用AipOcrSdk工程,直接引入AipOcrSdk.framework即可。若需要修改相机操作相关UI,可引入AipOcrSdk工程,编辑相关UI代码即可。


 ​

你可能感兴趣的:(图像识别技术分析报告)