HaaS轻应用(Python)：基于HaaS-AI的文字识别
1、序言
HaaS 即 Hardware as a Service,它是加速AIoT开发者创新的一个积木平台.
Python轻应用是跑在HaaS积木平台上的一套应用框架.他是基于MicroPython进行开发，继承了python优美简介的语法，同时提供了便捷的嵌入式硬件操作库。HaaS100作为阿里云IoT推出的一款 Iot 开发板，它适配了MicroPython的运行引擎,提供了各种丰富的硬件操作接口，同时提供阿里云物联网平台和云端AI相关的能力。通过这块芯片，可以轻松通过python程序实现硬件控制，云端AI以及云端互通的能力。
今天就来讲解下，怎么基于Python轻应用框架,来实现文字识别(OCR)功能.
2、方案
2.1、总体思路
方案涉及主要涉及Minicv，Alibaba Cloud SDK 等功能模块.
MiniCV 是一套轻量级视觉框架，支持数据获取，图像处理，图像编解码，视频编解码，机器学习，UI呈现。
Alibaba Cloud SDK是阿里达摩院视觉智能开放平台的端上的引覆盖人脸、人体、视频、文字等150+场景。
关于视觉视觉智能平台的详细信息可以参考官网：https://vision.aliyun.com/
数据处理流程为：通过MiniCV模块，完成数据源的封装处理，图片的解码，图片数据的格式转换和缩放等功能，最后将处理好的数据喂给ML 模块，ML 模块通过Alibaba Cloud SDK引擎和达摩院的视觉开放智能平台进行交互，得到预期结果.
由于HaaS100的板子默认没有配置LCD,所以为了方便开发者使用，我通过打印LOG 的方式将结果输出.
2.2、具备功能
文字识别技术基于阿里云深度学习技术，为您提供通用的印刷文字识别和文档结构化等能力。文字识别技术可以灵活应用于证件文字识别、发票文字识别、文档识别与整理等行业场景，满足认证、鉴权、票据流转审核等业务需求
2.3、效果呈现
测试资源图片："/data/python-apps/ml/recognize-character/res/test.jpg"
输出结果：
# -------------------Welcome HaasAI MicroPython--------------------
-----ml ucloud RecognizeCharacter demo start-----
results size:1
index:0
probability:0.441612
text:飞猪旅行
left:199
angle:-5
top:166
height:373
width:781
bytearray(b'\x00\x00\x00\x00\x00\x00\x00\x00\x00\x00')
-----ml ucloud RecognizeCharacter demo end-----
3、OCR技术介绍
3.1、概念介绍
OCR是Optical Character Recognition的缩写，意思是光学字符识别，简称文本识别。
- 光学输入： 扫描仪，摄像机等
- 算法处理，文字提取和识别
- 文本输出
简单来说就是提取图像中文本信息。
一张图片上能涵盖的文本信息是非常多的，如果我们手工录入这些文本，势必会很慢。但是通过OCR，就能一次性获取图片中所有的文本信息，效率大幅提升。
正是由于OCR是一种非常快捷、省力的文字输入方式，所以在文字量比较大的今天，很受人们欢迎。比如说银行卡识别，身份证识别，电子名片。
3.2、文本检测之DB技术分析
DB即Differentiable Binarization，从字面意思就可以知道，它的主要特点就是一个可变的二值化阈值。它可以通过训练，动态设置不同场景，不同像素点的二值化阈值，从而更加精准的定位文本的位置。
如上图所示：
蓝色箭头部分代表了传统的分割流程。
原始图-->分割图-->二值图-->目标图,在这个流程中，分割图到二值图的转换是通过一个固定的阈值来完成的，因此，当文字比较密集，并且不规则的时候，生成的二值图的文字边界就不太准确。
红色部分是DB的流程。它的主要功能就是在进行图片分割的同时，会基于文本边界生成一个动态的阈值图，也就是图中的threshold map. 通过segmentation map 和 threshold map 共同决定如何生成二值图。
segmentation map: 有文字的区域有值P
threshhold map: 文字边界才有值T
binary map: B = 1或者B=0
如果上图所示
文字区域内部:
P = 0.99 ， T= 0.2 ， P –T > 0, B = 1
文字区域边界:
P = 0 ， T= 0.99 ， P –T < 0, B = 0
非文字区域:
P = 0 ， T= 0.2 ， P –T < 0, B = 0
对于原始图中的每个像素点，都计算依据P 和T 值的不同，计算得到最终的二值图B，最后将二值图还原到原始图片中，生成精确的文本区域。
3.3、文本识别
文本识别指的是将 文本检测得到的文本框的的内容，转化为具体文字的过程。通常情况下，文本识别可以分为两大类：
定长文字识别
定长文字的识别比较简单，使用场景也比较有限，常见的有验证码识别。这种文字识别的网络结果也会比较简单，可以参考LeNet ,构建一个CNN网络，通常情况下三个卷积和一个全连接层就可以实现，本文中不做详细介绍。
不定长文字识别
在日常生活，很多场景我们是不知道需要被识别的文字长度。因此我们需要一个更加复杂的网络，通过深度学习，自主判定文字的长度，并加以分割可转换。目前不定长文字的识别通常有两种实现方式：
* CNN + Seq2Seq + Attention
- CRNN 这两种方法主要差别在输出层，他们都抛弃了softMax, 分辨采用拉Attention 和 CTC 来将序列特征信息转化为识别结果。Attention 由于机制原因，模型比较大，因此在Iot 端上我们采用的是CRNN 。
3.4、CRNN
CRNN（Convolutional Recurrent Neural Network，卷积循环神经网络）是目前比较流行的文字识别模型，不需要对样本数据进行字符分割，可识别任意长度的文本序列，模型速度快、性能好。
CRNN的主要特点是：
* 可训练
* 序列化识别任意长度字符，无需分割
* 速度快，性能好，模型小
CRNN模型主要由以下三部分组成：
* 卷积层：从输入图像中提取出特征序列
* 循环层：预测从卷积层获取的特征序列的标签分布；
* 转录层：把从循环层获取的标签分布通过去重、整合等操作转换成最终的识别结果。
3.4.1、卷积层
- 预处理 对输入图像先做了缩放处理，把所有输入图像缩放到相同高度
- 卷积运算 7个卷积 加上 4 pooling , 引入 2 个bn(BatchNormalization) 加速模型收敛，缩短训练过程
- 特征提取 从左到右，按列生成特征向量，作为循环层的输入
3.4.2、循环层
循环层由一个双向的 LSTM 组成。
LSTM（Long Short Term Memory，长短期记忆网络）是一种特殊结构的RNN（循环神经网络），用于解决RNN的长期依赖问题，也即随着输入RNN网络的信息的时间间隔不断增大，普通RNN就会出现“梯度消失”或“梯度爆炸”的现象
从上图可以看出，LSTM跟RNN最大的区别就是增加一个保存长期状态的单元，并且通过三个门开关，控制这个单元的状态
- 输入门：决定当前时刻的网络状态，保存多少到这个长期状态
- 遗忘门：决定上一个时刻的长期状态，保留多少到当前时刻的长期状态
- 输出门：当前的长期状态，有多少作为当前网络的结果输出
3.4.3、转录层
转录层是将LSTM网络预测的特征序列的结果通过CTC进行整合，转换为最终输出的结果。
CTC模型（Connectionist Temporal Classification，联接时间分类），主要用于解决训练时字符无法对齐问题。
如上图所示：输入字符CTC ，由于字符间隔，图像变形等原因，导致经过CNN+RNN 处理后的结果变成--CC----TT--CC
其中-代表空白区域，它是在CTC在训练阶段加上去的，目的就是为了避免解码的去重方便。
在解码阶段，先去掉连贯的重复字符，然后去掉插入的空白字符，最后得到识别结果CTC。
4、Demo体验
4.1、代码下载和编译
参考《HaaS100快速开始》下载，编译，烧录，AliOS Things代码.(解决方案选择：py_engine_demo)
烧录完成，启动设备，通过串口输入:
（命令中的 ssid password 是开发者自己工作环境的wifi 用户名和密码）
python /data/python-apps/wifi/main.py ssid password
python /data/python-apps/ml/recognize-character/main.py
4.2、示例代码
from minicv import ML
print("-------------------Welcome HaasAI MicroPython--------------------")
print("-----ml ucloud RecognizeCharacter demo start-----")
OSS_ACCESS_KEY = "xxxx"
OSS_ACCESS_SECRET = "xxxx"
OSS_ENDPOINT = "xxxx"
OSS_BUCKET = "xxxx"
ml = ML()
ml.open(ml.ML_ENGINE_CLOUD)
ml.config(OSS_ACCESS_KEY, OSS_ACCESS_SECRET, OSS_ENDPOINT, OSS_BUCKET, "NULL")
ml.setInputData("/data/python-apps/ml/recognize-character/res/test.jpg")
ml.loadNet("RecognizeCharacter")
ml.predict()
responses_value = bytearray(10)
ml.getPredictResponses(responses_value)
print(responses_value)
ml.unLoadNet()
ml.close()
print("-----ml ucloud RecognizeCharacter demo end-----")
4.3、设备端配置
4.3.1、账号注册
注册链接：https://www.aliyun.com/
点击红色框圈中的“立即注册”按钮进行注册.
4.3.2、OSS参数获取
使用OSS功能的时候涉及到四个配置参数：AccessKeyId，AccessKeySecret，Endpoint，BucketName.
AccessKey 获取:
登录https://ram.console.aliyun.com/账号管理平台查看AccessKeyId，AccessKeySecret(账号为上一节中注册的账号)
点击账号头像框中的"AccessKey管理"按钮.
点击按钮"查看Select",获取AccessKeyId，AccessKeySecret
Bucket账号获取:
登陆OSS控制台https://oss.console.aliyun.com/创建Bucket，创建时地域一定要选择上海
在Bucket创建好后，从上图我们可以看到：
Endpoint：oss-cn-shanghai.aliyuncs.com
BucketName就是我们创建Bucket取的名字oss-ai-dev。
4.3.3、Bucket文件夹创建
4.4.4、Bucket文件夹权限
创建好文件夹后，记住一定要修改文件夹权限，否则访问失败.
开发者技术支持
Python轻应用继承了Python易学易用的特点，同时提供了基于嵌入式硬件的基础库封装，让开发者可以很方便的通过交互式的环境，实时进行嵌入式开发，让嵌入式开发也变得简单方便。
如需更多技术支持，可加入钉钉开发者群,获取一对一的技术支持！
更多技术与解决方案介绍，请访问HaaS官方网站 https://haas.iot.aliyun.com/