引言

手寫數(shù)字識別是一個很基礎(chǔ)的模式識別問題，從傳統(tǒng)特征提取加機器學(xué)習訓(xùn)練方法到深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練的識別方法識別都會達到比較高的精度，同時手寫數(shù)字識別也是一個特別不穩(wěn)定，很難具備普適性的模型，需要針對性的數(shù)據(jù)集與訓(xùn)練，然后才得到比較好的識別精度。

OpenVINO 在2021.4 版本中已經(jīng)加入了手寫數(shù)字識別的預(yù)訓(xùn)練模型，開始支持手寫數(shù)字識別，下面讓我們一起探索與嘗試下它的使用方法與效果如何！

模型介紹

在OpenVINO 2021.4版本中支持的手寫數(shù)字識別模型為handwritten-score-recognition-0003

，支持《digit》 or 《digit》。《digit》 格式的數(shù)字識別與小數(shù)點識別。該模型的結(jié)構(gòu)有兩個部分組成，前面是一個典型的CNN骨干網(wǎng)絡(luò)，采用的是VGG-16類似的架構(gòu)，實現(xiàn)特征提??；后面是一個雙向的LSTM網(wǎng)絡(luò)，實現(xiàn)序列預(yù)測；最終的預(yù)測結(jié)果基于CTC解析即可。其輸入與輸出格式如下：

輸入格式為：［NCHW］= ［1x1x32x64］

輸出格式為：［WxBxL］=［16x1x13］

其中13表示“0123456789._#”，#表示空白、_表示非數(shù)字的字符

對輸出格式的解碼方式支持CTC貪心與Beam搜索，演示程序使用CTC貪心解碼，這種方式相對簡單，前面一篇文章中我們已經(jīng)詳細介紹過了，后面就直接套用即可！

模型使用與演示

使用該模型必須是基于常見文字檢測得到的ROI區(qū)域，然后轉(zhuǎn)化為灰度圖象，使用該模型完成預(yù)測，關(guān)于場景文字檢測，在前面一篇文章中我已經(jīng)詳細交代過了，這里就不再贅述。這里小可腦洞大開，針對常見的文本圖象，采用OpenCV二值圖象輪廓分析來完成數(shù)字ROI區(qū)域得截取，同樣取得了不錯得效果。基本的流程是這樣：

Step 1： 讀取圖象并二值化

代碼如下

Mat src = imread（“D:/images/zsxq/ocr.png”）;

imshow（“input”， src）;

Mat gray， binary;

cvtColor（src， gray， COLOR_BGR2GRAY）;

adaptiveThreshold（gray， binary， 255， ADAPTIVE_THRESH_GAUSSIAN_C， THRESH_BINARY_INV， 25， 10）;

其中adaptiveThreshold函數(shù)實現(xiàn)對灰度圖象自適應(yīng)二值化，參數(shù)blockSize=25表示高斯窗口大小，constants=10表示自適應(yīng)常量值。需要注意的是參數(shù)blockSize值必須為奇數(shù)。

Step 2： 使用輪廓分析過填充過濾小噪點

代碼如下

std：：vector《vector《Point》》 contours;

std：：vector《Vec4i》 hireachy;

findContours（binary， contours， hireachy， RETR_EXTERNAL， CHAIN_APPROX_SIMPLE）;

int image_height = src.rows;

int image_width = src.cols;

for （size_t t = 0; t 《 contours.size（）; t++） {

double area = contourArea（contours［t］）;

if （area 《 10） {

drawContours（binary， contours， t， Scalar（0）， -1， 8）;

}

}

上面的代碼findContours表示輪廓發(fā)現(xiàn)，RETR_EXTERNAL表示采用發(fā)現(xiàn)最外層輪廓，CHAIN_APPROX_SIMPLE表示采用簡單的鏈式編碼收集輪廓上的像素點集。contourArea表示計算一個輪廓的面積，計算方式基于格林積分公式。drawContours表示繪制輪廓，其中thickness參數(shù)為-1表示填充，大于零表示繪制邊緣。這里通過對白色噪點填充為黑色，完成噪聲去除，

Step 3：膨脹預(yù)處理

對第二步輸出的圖象我們不能直接通過輪廓發(fā)現(xiàn)截取ROI，然后交給數(shù)字識別網(wǎng)絡(luò)去識別，原因是這樣會導(dǎo)致ROI區(qū)域的寬高比失衡，導(dǎo)致輸入的數(shù)字resize之后發(fā)現(xiàn)畸變，識別精度會降低，所以通過膨脹操作，把數(shù)字適度的加寬與加高，主要是加寬，這樣保持輸入ROI區(qū)域resize之后不變性，就很容易識別了。這部分預(yù)處理的代碼如下：

Mat se = getStructuringElement（MORPH_RECT， Size（45， 5））;

Mat temp;

dilate（binary， temp， se）;

其中dilate表示膨脹操作、然后對得到temp圖象。

Step 4：數(shù)字識別推理與解析

對圖-4進行輪廓發(fā)現(xiàn)，截取ROI，遍歷每個輪廓，調(diào)用識別推理即可輸出。其中加載模型與獲取推理請求，這里就不再贅述了，截取ROI與推理解析部分的代碼如下：

// 處理輸出結(jié)果

findContours（temp， contours， hireachy， RETR_EXTERNAL， CHAIN_APPROX_SIMPLE）;

for （size_t t = 0; t 《 contours.size（）; t++） {

Rect box = boundingRect（contours［t］）;

Mat roi = gray（box）;

size_t image_size = h*w;

Mat blob_image;

resize（roi， blob_image， Size（w， h））;

// NCHW

unsigned char* data = static_cast《unsigned char*》（input-》buffer（））;

for （size_t row = 0; row 《 h; row++） {

for （size_t col = 0; col 《 w; col++） {

data［row*w + col］ = blob_image.at《uchar》（row， col）;

}

}

// 執(zhí)行預(yù)測

infer_request.Infer（）;

auto output = infer_request.GetBlob（output_name）;

const float* blob_out = static_cast《PrecisionTrait《Precision：：FP32》：：value_type*》（output-》buffer（））;

const SizeVector reco_dims = output-》getTensorDesc（）.getDims（）;

const int RW = reco_dims［0］;

const int RB = reco_dims［1］;

const int RL = reco_dims［2］;

std：：string ocr_txt = ctc_decode（blob_out， RW， RL）;

std：：cout 《《 ocr_txt 《《 std：：endl;

cv：：putText（src， ocr_txt， box.tl（）， cv：：FONT_HERSHEY_PLAIN， 1.0， cv：：Scalar（255， 0， 0）， 1）;

cv：：rectangle（src， box， Scalar（0， 0， 255）， 2， 8， 0）;

}

首先進行輪廓發(fā)現(xiàn)，然后根據(jù)每個輪廓截取ROI區(qū)域，設(shè)置輸入數(shù)據(jù)，推理，解析輸出采用CTC方式。

擴展探索

這里我沒有采用場景文字檢測來獲取ROI，而是采用傳統(tǒng)的二值圖象分析來完成，主要是避免跟前面的文字內(nèi)容重疊，同時啟發(fā)更多的思路。另外采用膨脹擴展。

有時候并非是上上之選，還可以直接修改ROI大小來擴展，這部分其實可以參考上一篇場景文字識別的代碼，輪廓發(fā)現(xiàn)獲取外接矩形，直接修改ROI大小的方式，同時根據(jù)橫縱比過濾非數(shù)字符號。改動部分就是去掉第三步膨脹，然后直接在第四步循環(huán)中添加下面的代碼；

Rect box = boundingRect（contours［t］）;

float rate = box.width / box.height;

if （rate 》 1.5） {

continue;

}

box.x = box.x - 15;

box.width = box.width + 30;

box.y = box.y - 5;

box.height = box.height + 10;

編輯：jq