OCR（光学字符识别）

OCR 的发展历程

最早的 OCR 设备是 1955 年 Farrington Manufacturing 为美国银行支票分拣开发的专用机器，只能识别特定字体（E-13B 磁性墨水字体至今仍在用）。商用 OCR 软件由 Kurzweil Computer Products 在 1974 年推向市场，创始人 Ray Kurzweil 随后将公司卖给施乐。

Tesseract 是目前最知名的开源 OCR 引擎，最初由 HP 开发，1985 年起，2005 年开源，谷歌接手后持续维护至今。2016 年加入 LSTM 神经网络后，准确率大幅提升，支持 100 多种语言。商业方案中，ABBYY FineReader 以高精度著称，百度 OCR 和腾讯云 OCR 在中文场景下表现突出。[1]

现代 OCR 的技术架构

当代 OCR 通常分四步：版面分析（区分文字区域、图表、表格）→ 文本行检测（找到每行文字的边界框，常用 EAST、DB-Net 等检测网络）→ 字符识别（用 CRNN + CTC 或 Transformer 序列模型把文字行图像转为文字）→ 后处理（语言模型纠错）。

手写汉字识别难度远高于印刷体，当前最佳系统在 CASIA-HWDB 数据集上字符错误率已低于 2%，但多变的连笔和个人书写习惯依然是瓶颈。