OCR文字识别零基础实战(车牌识别、身份证识别、文本识别)-PaddleOCR的安装、命令介绍、代码调用

头像
liumang
     山东
    阅读 12 分钟
    2
    头图

    基本介绍

    此文档是《OCR文字识别实战教程-零基础，SpringBoot结合PaddleOCR》实现车牌识别、文本识别、身份证识别 地址：https://www.bilibili.com/video/BV1RK411b7DU/?vd_source=b4307343204f5c0271966f7fe276f0eb，教程对应的部分文档，全部文档共89页，剩余文档(Springboo服务开发、Docker镜像打包部署、手机端部分)和完整源代码 请关注B站视频

    效果演示

    image.png
    上面的图片为Android APP 的界面，从左边开始，分别为主界面、拍照界面、识别及结果界面。

    架构说明

    OCR实战项目整体架构图如下：
    ocr实战架构图.jpg

    • APP/WEB/小程序为OCR识别接口调用端，调用OCR接口，实现OCR功能。本项目我们只实现Android APP开发。
    • Nginx反向代理和负载均衡功能，通过Nginx实现对外网暴露接口，对内负载均衡SpringBoot实现的OCR服务。
    • OCR服务通过Springboot实现，主要功能是提供具体的OCR接口实现，其流程是调用内部PaddleOCR服务，解析和处理返回结果，最终返回结果给接口调用者。为了稳定性和安全性，添加了熔断限流、Token认证功能。为了方便部署，会以Docker形式部署该服务。

    • PaddleOCR是OCR识别的具体实现，会提供一个OCR识别接口，供内部调用。由于不同的部署方式（普通部署和paddleocr serving方式部署），PaddleOCR在普通部署方式下，无法利用CPU多核（Servering方式不存在该问题），因此会在同一个服务器部署多个实例，解决CPU利用率差以提升性能。为了方便PaddleOCR部署，会以Docker形式部署。后边会讲解普通方式部署和Servering方式部署，如何构建docker镜像及部署流程。

      主要技术栈

    • 开发语言：java、python（不需要python基础）
    • springboot 实现业务接口
    • python flask 实现识别接口
    • Sentinel限流熔断
    • JWT Token 认证
    • PaddlePaddle
    • PaddleOCR
    • Nginx 反向代理和负载均衡
    • Docker 镜像制作及部署服务
    • Android 原生开发

    本课程我们将借助PaddleOCR 和 PP-OPCRv4/3 实现文本识别、车牌识别、身份证识别。本课程不涉及算法、模型训练等知识，使用PaddleOCR提供的训练好的模型，没有晦涩难懂的技术，小白也能轻松入手。

    文档中的代码会和实际源代码有细微差别，以源代码为准（对实际学习不会有任何影响）

    PaddleOCR介绍

    PaddleOCR是一款由百度开发的OCR（光学字符识别）工具库。它旨在为开发者提供一套丰富、领先、且实用的OCR工具，以帮助他们训练出更好的模型并应用于实际场景。
    PaddleOCR具有以下特点：

    1. 超轻量模型：PaddleOCR采用了轻量级模型，以便在移动设备和嵌入式设备上运行。
    2. 通用识别大模型：除了轻量级模型外，PaddleOCR还提供了通用识别大模型，以适应更多的应用场景。
    3. 算法丰富且开源：PaddleOCR集成了多种与OCR相关的前沿算法，并进行了开源，以便更多的开发者可以共享和使用。
    4. 支持自定义训练：开发者可以根据自己的需求，使用PaddleOCR提供的工具和框架自定义训练模型。
    5. 支持C++预测、端侧部署、服务部署：PaddleOCR不仅支持C++预测，还支持在端侧和服务上进行部署，具有很好的灵活性和可扩展性。
    6. 行业特色模型：PaddleOCR开发了具有行业特色的模型PP-OCR和PP-Structure，并打通了数据生产、模型训练、压缩、预测部署的全流程。

    总的来说，PaddleOCR是一款功能强大、实用便捷的OCR工具库，它提供了一系列前沿的算法和自定义训练的支持，旨在帮助开发者更好地应用OCR技术于各种实际场景中。
    github:https://github.com/PaddlePaddle/PaddleOCR

    PaddleOCR应用场景

    表单识别、票据识别、电表识别、车牌识别、身份证&银行卡、手写体识别、化验单识别 等等

    PP-OCRv4模型

    PP-OCRv4提供一套通用的OCR识别模型，可以识别多语言的文字，在速度和精度上都达到了比较好的效果。不指定模型版本，会默认下载最新的模型（PP-OCRv4）。
    image.png
    image.png
    具体参考https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.7/doc/doc_ch/models_list.md
    image.png
    使用时，我们只需要下载推理模型即可。
    下载模型后，解压放到对应目录即可，windows为C:\Users\用户.paddleocr\whl ，
    linux为用户目录下.paddleocr\whl

    PaddleOCR环境搭建

    windows下环境搭建

    安装python

    下载安装包：https://www.python.org/ftp/python/3.8.10/python-3.8.10-amd64.exe
    1.双击安装包进行安装
    image.png
    2.勾上Install launcher for all users 和 Add Python 3.8 to PATH
    image.png
    3. 可以选择默认安装，也可以选择自定义安装。选择自定义安装如下：
    image.png
    保持默认，点击next
    image.png
    如上图，选择Install for all users. 最后 点击 Install 安装。
    4.验证
    在命令行中输入如下：
    python -V
    输出 Python 3.8.10 安装成功

    安装PaddlePaddle

    打开：https://www.paddlepaddle.org.cn/ ，选择 pip方式，安装比较简单方便。 选择如下（CPU版本），复制安装命令，安装：
    image.png

    python -m pip install paddlepaddle==2.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

    验证安装
    安装完成后，打开命令行，您可以使用输入 python 或 python3 进入 python 解释器，输入import paddle ，再输入paddle.utils.run_check()
    如果出现PaddlePaddle is installed successfully!，说明您已成功安装。
    image.png

    安装PaddleOCR

    参考https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/quickstart.md
    执行如下命令：

    pip install "paddleocr>=2.6.0" -i https://mirror.baidu.com/pypi/simple

    如果安装时提示如下：
    提示截屏.jpg
    根据提示我们需要把下面的路径加入到环境变量，否则可能paddocr命令无法执行
    C:\Users\用户\AppData\Local\Programs\Python\Python38\Scripts

    验证
    1.输入 pip list ，看是否有paddleocr模块
    2.使用paddocr命令，进行ocr识别。./imgs/11.jpg 替换成某个图片路径，windows下替换成windos风格的路径，例如”C:\文档资料\ocr\1.png“

    #--use_angle_cls true设置使用方向分类器识别180度旋转文字，--use_gpu false设置不使用GPU 
paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false

    例如输出如下：

    image.png

    Linux环境搭建（centos7）

    centos下安装相对windows来说，会复杂一些，会遇到一些问题，不过大家不用担心，本文档后面会提供基于docker的环境构建和部署，会简单很多。这里只是让大家从0开始体验一centos下搭建paddleocr环境。

    python安装

    1.安装依赖包

    yum install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc make mysql-devel gcc-devel python-devel -y

    2.再执行安装libffi-devel，不安装会导致pip安装失败

    yum install libffi-devel wget -y

    缺少这一步，会出现 ModuleNotFound：No module named ‘_ctypes’
    3.下载python3.8包，并解压

    wget https://www.python.org/ftp/python/3.8.1/Python-3.8.1.tgz

    4.安装python3.8

    tar -zxvf Python-3.8.1.tgz
cd Python-3.8.1/
./configure ; make && make install

    5.配置环境变量
    输入"python3.8 -V", 打印3.8.1 说明3.8.1安装成功
    输入"python3 -V",看python3对应的版本；
    例如阿里云服务器会默认按照 python2.7 (对应python -V) 和 python3.6.x (对应python3 -V)

    mv /usr/bin/python /usr/bin/python.bak
ln -s /usr/local/bin/python3.8 /usr/bin/python
mv /usr/bin/pip /usr/bin/pip.bak
ln -s /usr/local/bin/pip3.8 /usr/bin/pip

    6.验证
    输入 "python -V" , 输出 3.8.1 环境变量配置成功
    输入 "pip -V", 输出19.2.3 ，配置成功
    7.配置yum
    上面操作完成后，输入yum会报错如下，是因为yum依赖python2.7，现在版本改成3.8.1了，因此会出错

    yum update File “/usr/bin/yum”, line 30 except KeyboardInterrupt, e: ^ SyntaxError: invalid syntax

    编辑文件/usr/libexec/urlgrabber-ext-down

    vim /usr/libexec/urlgrabber-ext-down

    改成和下图一样：
    3117216567-64f6dfe1adc1f.webp
    编辑 /usr/bin/yum ,和上一步同一样的修改
    8.安装依赖

    sudo yum install libxml2-devel libxslt-devel -y
sudo pip install lxml
sudo pip install requests
    安装PaddlePaddle

    参考：https://www.paddlepaddle.org.cn/documentation/docs/zh/install/pip/linux-pip.html
    1.确认pip版本，要求 pip 版本为 20.2.2 或更高版本，如果版本低那么更新

    pip -V

    如果pip版本低于20.2.2

    pip install --upgrade pip

    2.需要确认 Python 和 pip 是 64bit，并且处理器架构是 x86_64（或称作 x64、Intel 64、AMD64）架构。
    下面的第一行输出的是”64bit”，第二行输出的是”x86_64”、”x64”或”AMD64”即可：

    python -c "import platform;print(platform.architecture()[0]);print(platform.machine())"

    3.安装paddlepaddle

    python -m pip install paddlepaddle==2.5.1 -i https://mirror.baidu.com/pypi/simple

    4.验证paddlepaddle安装
    安装完成后您可以使用命令 python 进入 python 解释器，输入import paddle ，再输入 paddle.utils.run_check()
    如果出现PaddlePaddle is installed successfully!，说明您已成功安装。
    问题处理
    验证是否成功安装时可能会出现如下错误：
    316742536-64f6e72c35101_fix732.webp
    说明缺少 GLIBCXX_3.4.20依赖。
    解决方法参考：https://www.jianshu.com/p/050b2b777b9d ，具体执行步骤如下：

    1. 查看系统版本
strings /usr/lib64/libstdc++.so.6 | grep  ，输出如下：
GLIBCXX
GLIBCXX_3.4
GLIBCXX_3.4.1
GLIBCXX_3.4.2
GLIBCXX_3.4.3
GLIBCXX_3.4.4
GLIBCXX_3.4.5
GLIBCXX_3.4.6
GLIBCXX_3.4.7
GLIBCXX_3.4.8
GLIBCXX_3.4.9
GLIBCXX_3.4.10
GLIBCXX_3.4.11
GLIBCXX_3.4.12
GLIBCXX_3.4.13
GLIBCXX_3.4.14
GLIBCXX_3.4.15
GLIBCXX_3.4.16
GLIBCXX_3.4.17
GLIBCXX_3.4.18
GLIBCXX_3.4.19
GLIBCXX_DEBUG_MESSAGE_LENGTH

发现少了GLIBCXX_3.4.20，解决方法是升级libstdc++.

2. sudo yum provides libstdc++.so.6 ，输出如下：
Loaded plugins: fastestmirror, langpacks
Determining fastest mirrors
libstdc++-4.8.5-39.el7.i686 : GNU Standard C++ Library
Repo        : base
Matched from:
Provides    : libstdc++.so.6

3. cd /usr/local/lib64
# 下载最新版本的libstdc.so_.6.0.26
sudo wget http://www.vuln.cn/wp-content/uploads/2019/08/libstdc.so_.6.0.26.zip
unzip libstdc.so_.6.0.26.zip
# 将下载的最新版本拷贝到 /usr/lib64
cp libstdc++.so.6.0.26 /usr/lib64
cd  /usr/lib64
# 查看 /usr/lib64下libstdc++.so.6链接的版本
ls -l | grep libstdc++ ，输出如下：
libstdc++.so.6 ->libstdc++.so.6.0.19
# 删除/usr/lib64原来的软连接libstdc++.so.6，删除之前先备份一份
sudo rm libstdc++.so.6
# 链接新的版本
sudo ln -s libstdc++.so.6.0.26 libstdc++.so.6
# 查看新版本，成功
strings /usr/lib64/libstdc++.so.6 | grep GLIBCXX ，输出如下：
...
GLIBCXX_3.4.18
GLIBCXX_3.4.19
GLIBCXX_3.4.20
GLIBCXX_3.4.21
GLIBCXX_3.4.22
GLIBCXX_3.4.23
GLIBCXX_3.4.24
GLIBCXX_3.4.25
GLIBCXX_3.4.26
GLIBCXX_DEBUG_MESSAGE_LENGTH
...
    安装PaddleOCR

    同windows下步骤一样，这里不再赘述
    错误处理，执行paddleocr命令时可能会有以下错误：
    错误1：缺少libGL ，“ImportError: libGL.so.1: cannot open shared object file: No such file or directory”，执行如下指令解决：

    yum install mesa-libGL.x86_64

    错误2：urllib3版本高，依赖的openssl版本低，
    ImportError: urllib3 v2.0 only supports OpenSSL 1.1.1+, currently the 'ssl' module is compiled with 'OpenSSL 1.0.2k-fips 26 Jan 2017'. See: https://github.com/urllib3/urllib3/issues/2168
    解决：降低urllibs3的版本，执行如下指令：

    pip install urllib3==1.26.16 -i https://pypi.tuna.tsinghua.edu.cn/simple

    PaddleOCR命令讲解

    前面在验证PaddleOCR安装是否成功时已经简单使用过命令了，下面我们详细的讲解一下paddleocr指令。查看具体使用方法：

    paddleocr --help

    1.检测+方向分类器+识别全流程（一般都是用这个）：

    paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false --ocr_version PP-OCRv3

    --image_dir 识别图片的路径
    --use_angle_cls true 设置使用方向分类器识别180度旋转文字
    --use_gpu false 设置不使用GPU
    --ocr_version PP-OCRv3 制定模型 ， PaddleOCR默认会下载使用最新的模型，当前是PP-OCRv3, 这里只是告诉大家这个参数怎么用
    输出结果是结果是一个list，每个item包含了文本框（坐标），文字和识别置信度：

    [[[28.0, 37.0], [302.0, 39.0], [302.0, 72.0], [27.0, 70.0]], ('纯臻营养护发素', 0.9658738374710083)]
......

    文本框分别表示 左上、右上、右下、左下 顺时针方向矩形框的四个角像素坐标

    2.单独使用检测：设置 --rec为false

    paddleocr --image_dir ./imgs/11.jpg --rec false

    结果是一个list，每个item只包含文本框：

    [[27.0, 459.0], [136.0, 459.0], [136.0, 479.0], [27.0, 479.0]]
[[28.0, 429.0], [372.0, 429.0], [372.0, 445.0], [28.0, 445.0]]
......

    3.单独使用识别：设置--det为false

    paddleocr --image_dir ./imgs_words/ch/word_1.jpg --det false

    结果是一个list，每个item只包含识别结果和识别置信度

    ['韩国小馆', 0.994467]

    4.指定语言 --lang（默认也能识别英文，制定语言效果会更好）

    paddleocr --image_dir ./imgs_en/254.jpg --lang=en

    5.paddleocr也支持输入pdf文件，并且可以通过指定参数page_num来控制推理前面几页，默认为0，表示推理所有页

    paddleocr --image_dir ./xxx.pdf --use_angle_cls true --use_gpu false --page_num 2

    Python脚本中使用PaddleOCR

    • 检测+方向分类器+识别全流程，只需要下面三行代码

      #导入依赖
from paddleocr import PaddleOCR
#创建PaddleOCR对象，只需要在初始化时执行一次该语句
ocr = PaddleOCR(use_angle_cls=True, det=False, use_gpu=False)
#识别图片返回结果，cls=True 表示识别旋转180度的文字，如果没有文字旋转180度，那么
#可以cls=False，这样会提升性能，旋转90度和270度也能够识别
result = ocr.ocr(imgPath, cls=True)

      识别服务开发

      ocr实战架构图.jpg

      PaddleOCR内部接口开发

      开发工具

      开发工具为PyCharm 社区版

      代码开发

      新建一个项目，将下面的代码，拷贝到main.py(PyCharm默认会新建一个)
      image.png
      下面这段paddle_ocr_web.py python代码主要是实现：通过flask创建web容器，并通过 /ocr 接口调用 paddleocr进行图片识别，并通过json格式返回识别结果。

      import json
import logging
from paddleocr import PaddleOCR
from flask import Flask, request, jsonify

# 设置日志输出等级
logging.basicConfig(level=logging.DEBUG)

# 只需要初始化加载一次
ocr = PaddleOCR(use_angle_cls=True)

# 所有的Flask都必须创建程序实例，程序实例是Flask的对象，一般情况下用如下方法实例化
app = Flask(__name__)

# https://cloud.tencent.com/developer/article/1539199 flask request常用方法
# @app.route('/ocr', methods=["GET"])
# def paddleOcr():
#     params = request.args
#     # 获取参数
#     imgPath = params.get("imgPath", 0)
#     logging.info("paddle ocr img %s", imgPath)
#     result = ocr.ocr(imgPath, cls=True)
#     return jsonify(data=result), 200

@app.route('/ocr', methods=["POST"])
def paddleOcr():
  # 获取传入参数
  data = json.loads(request.data)
  # 获取传入的图片路径
  imgPath = data["imgPath"]
  logging.info("paddle ocr2 imgPath %s", imgPath)
  #进行ocr识别
  # 如果不需要检测坐标，那么可以设置 det=False,result = ocr.ocr(imgPath, cls=True, det=False)
  result = ocr.ocr(imgPath, cls=True)
  #识别结果通过json格式返回
  return jsonify(data=result), 200


#  程序实例用run方法启动flask集成的web服务器
if __name__ == '__main__':
  # 可以返回中文字符,否则汉字会以Unicode编码形式返回
  app.config['JSON_AS_ASCII'] = False
  # 接收所有IP的请求,debug=True 代码修改，web容器会重启
  app.run(host='0.0.0.0', debug=True, port=8888)
    • import 表示导入整个module(模块)，一个.py文件就是一个module
    • from A import B 表示导入A模块中的B（可以为方法、类）

    • flask是python实现的web框架，类似Tomcat

             ![](https://cdn.nlark.com/yuque/0/2023/png/13011155/1696664523936-11347d46-d464-4f1d-8c04-7b49f64fc454.png#averageHue=%23f6eacf&clientId=u88108e0d-ebc3-4&from=paste&height=324&id=u59905347&originHeight=357&originWidth=693&originalType=url&ratio=1.25&rotation=0&showTitle=false&status=done&style=stroke&taskId=uf2d39be9-7b2a-41d0-a6b7-da5877bd086&title=&width=629)
 1.如果是json格式的请求数据，则是采用request.data来获取请求体的字符串。
 2.如果是form表单的请求体，那么则可以使用request.form来获取参数。
 3.如果是url参数，例如：url?param1=xx&param2=xx，那么则可以使用request.args来获取参数。
 4.如果需要区分GET\POST请求方法，则可以使用request.method来进行判断区分
 5.参考：[https://cloud.tencent.com/developer/article/1539199](https://cloud.tencent.com/developer/article/1539199)，解释的很清楚
 6.@app.route 声明一个接口，指定请求方法和U请求路径

    • 作为 Python 的内置变量，name它是每个 Python 模块必备的属性，但它的值取决于你是如何执行这段代码。通过name 变量，可以判断出这时代码是被直接运行，还是被导入到其他程序中去了。当直接执行一段脚本的时候，这段脚本的 name变量等于 '__main__'，当这段脚本被导入其他程序的时候，name 变量等于脚本本身的名字。

      测试

      运行main.py,在项目下创建test文件夹，并拷贝一张图片到该文件下
      image.png
      使用postman请求，如下图：
      image.png
      返回结果：

      {
"data": [
  [
    [
      [
        [
          20.0,
          35.0
        ],
        [
          190.0,
          35.0
        ],
        [
          190.0,
          61.0
        ],
        [
          20.0,
          61.0
        ]
      ],
      [
        "Docker部署",
        0.9223976731300354
      ]
    ]
  ]
]
}

      此文档是《OCR文字识别实战教程-零基础，SpringBoot结合PaddleOCR》 地址：https://www.bilibili.com/video/BV1RK411b7DU/?vd_source=b4307343204f5c0271966f7fe276f0eb，教程对应的部分文档，全部文档共89页，剩余文档和完整源代码 请关注B站视频

    源码获取

    微信扫码，加入星球。可以获取资料，包括OCR文本识别、AI自动生成证件照等等。也可以通过星球问问题，加我微信。

    springbootpaddlepaddleocr
    liumang
    343 声望36 粉丝

    一直在思考怎么结合自己擅长的知识做些什么。现在有了好主意坚持一年，看看会有什么改变，有什么美好的事情发生。

    « 上一篇
    PaddleOCR和SpringBoot实现OCR文字识别、车牌识别、身份证识别
    下一篇 »
    人工智能实现自动抠图证件照-老照片修复-模糊图片处理

    引用和评论

    推荐阅读
    头像
    若依添加手机验证码登录

    liumang阅读 57

    头像
    AES 加密和解密demo

    zZ_jie赞 3阅读 782评论 1

    头像
    Spring Boot起步，CRUD、错误处理与宝塔部署

    微芒不朽赞 3阅读 617

    头像
    Thymeleaf的使用

    zZ_jie赞 3阅读 368

    头像
    实现 Angular 程序处理进度条

    kexb赞 3阅读 227

    头像
    Spring boot连接Minio实现文件的上传以及下载

    zZ_jie赞 2阅读 518

    头像
    记录下解决自定义 Feign 调用，响应content-type 格式不正确导致的解析错误

    kexb赞 2阅读 464

    0 条评论
    得票最新