粟晨洪 李昕昕

摘要：目前大多數(shù)圖書館的圖書管理系統(tǒng)仍以人工處理方式為主，為方便普通圖書用戶的使用、簡(jiǎn)化工作流程、提高圖書管理效率，提出一種基于中文OCR模型的智能圖書識(shí)別系統(tǒng)，以PaddlePaddle中的OCR模型為基礎(chǔ)，加以網(wǎng)絡(luò)爬蟲技術(shù)進(jìn)行智能化的圖書管理，通過理論和實(shí)踐發(fā)現(xiàn)，該智能化系統(tǒng)能滿足要求。

關(guān)鍵詞：圖像識(shí)別;OCR模型;爬蟲技術(shù)

中圖分類號(hào)：TP18? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）28-0020-03

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

隨著科技的進(jìn)步，社會(huì)一步步地走向繁榮，在物質(zhì)生活得到滿足的今天，文化建設(shè)越來越受到重視[1]。圖書館作為人類探索知識(shí)的補(bǔ)給站，肩負(fù)著知識(shí)傳承的重要責(zé)任，在城市文化建設(shè)中擔(dān)任著不可或缺的角色[2]。

大多數(shù)的圖書館的圖書管理主要以人工為主，過程冗余繁雜[3]，融入一些智能化的技術(shù)既能在很大的程度上方便普通用戶進(jìn)行圖書的查詢、減少查詢時(shí)間，又能實(shí)現(xiàn)圖書的智能識(shí)別以及圖書的即拍即查和即傳即查[4]?；谥形腛CR模型的智能圖書識(shí)別系統(tǒng)在一定程度上能夠?qū)崿F(xiàn)這樣的功能。

1系統(tǒng)簡(jiǎn)介

1.1 系統(tǒng)框架

本文提出的圖書管理系統(tǒng)是基于中文OCR模型的智能圖書識(shí)別系統(tǒng)。該系統(tǒng)包含圖像識(shí)別和圖書信息爬取兩大功能，具體功能結(jié)構(gòu)圖如圖1系統(tǒng)功能圖所示。

1.2 系統(tǒng)功能介紹

圖片的上傳：采取即時(shí)拍攝和直接輸入圖片[5]。考慮到當(dāng)今信息科技的技術(shù)實(shí)力，直接輸入圖片不僅操作方便而且效果優(yōu)于即時(shí)拍攝，因?yàn)榘殡S著時(shí)代與技術(shù)的飛躍發(fā)展，市面上用來掃描圖片或視頻以及處理圖片效果和視頻效果的App愈漸普及且技術(shù)越來越成熟，從而讓圖片和視頻的質(zhì)量得到了更大的保障，也因此提高了本次實(shí)驗(yàn)識(shí)別結(jié)果的準(zhǔn)確度。

圖片文字的識(shí)別：直接使用PaddlePaddle高度完善的中文OCR模型進(jìn)行識(shí)別。

封面信息的分類：將使用模型后識(shí)別出的結(jié)果進(jìn)行歸類存放，比如作者名、書籍名、出版社等書籍封面信息。

讀取分類的信息：讀取已經(jīng)經(jīng)過分類后的完整的模型識(shí)別結(jié)果信息。

爬取對(duì)應(yīng)的圖書的信息：將讀取到的結(jié)果信息作為使用爬蟲技術(shù)爬取信息的依據(jù)，以此爬取對(duì)應(yīng)的書籍在線上圖書館或線上書城以及其他購(gòu)物網(wǎng)站中的更多詳細(xì)信息，比如書籍的簡(jiǎn)介、書籍的線上價(jià)格等。

返回圖書的信息：將爬取到的相關(guān)圖書的所有結(jié)果信息返回客戶端，并將全部的結(jié)果輸出顯示在客戶端上。

1.3核心技術(shù)簡(jiǎn)介

1.3.1 圖像識(shí)別模型

本文提到的基于中文OCR模型的智能圖書識(shí)別系統(tǒng)所用到的圖像識(shí)別模型為PaddlePaddle上已經(jīng)高度完善的中文OCR模型，具體使用了模型中的“chinese_ocr_db_crnn_mobile”，該模型用于識(shí)別圖片中的漢字，其基于[chinese_text_detection_db_mobile Module]檢測(cè)得到的文本框，繼續(xù)識(shí)別文本框中的中文文字，之后對(duì)檢測(cè)文本框進(jìn)行角度分類。最終識(shí)別文字算法采用CRNN（Convolutional Recurrent Neural Network）及卷積遞歸神經(jīng)網(wǎng)絡(luò)。其是DCNN和RNN的組合，專門用于識(shí)別圖像中的序列式對(duì)象。與CTC loss配合使用，進(jìn)行文字識(shí)別，可以直接從文本詞級(jí)或行級(jí)的標(biāo)注中學(xué)習(xí)，不需要詳細(xì)的字符級(jí)的標(biāo)注。該模型是一個(gè)超輕量級(jí)的中文OCR模型，可以支持直接預(yù)測(cè)。

1.3.2 爬蟲技術(shù)

本文提到的基于中文OCR模型的智能圖書識(shí)別系統(tǒng)所用到的爬蟲技術(shù)的核心部分主要利用了requests庫(kù)、xpath庫(kù)、re庫(kù)等數(shù)據(jù)挖掘中爬蟲相關(guān)的技術(shù)模塊，其中的requests庫(kù)用于模擬瀏覽器的發(fā)送請(qǐng)求從而獲取到服務(wù)器返回的數(shù)據(jù)，re庫(kù)主要應(yīng)用在字符串的匹配中，配合xpath庫(kù)可用來查找和解析通過requests請(qǐng)求后所得到的返回值并提取出其中需要被使用的數(shù)據(jù)，完成前面的兩步操作后再將最終的數(shù)據(jù)結(jié)果保存到csv或txt等固定格式的文件中。

2 設(shè)計(jì)思路及實(shí)現(xiàn)

2.1 系統(tǒng)流程

本文所提到的基于中文OCR模型的智能圖書識(shí)別系統(tǒng)主要是利用圖像的文字識(shí)別技術(shù)將上傳的圖片中的文字進(jìn)行較為精準(zhǔn)的識(shí)別，然后通過數(shù)據(jù)處理的方式對(duì)獲取到的文字?jǐn)?shù)據(jù)以“書名”“作者”“出版社”等固定格式進(jìn)行分類與統(tǒng)計(jì)，最后以分類并統(tǒng)計(jì)好的結(jié)果作為數(shù)據(jù)基礎(chǔ)，利用大數(shù)據(jù)的信息爬取技術(shù)獲取到參與了文字識(shí)別過程后的圖書的相關(guān)簡(jiǎn)介與價(jià)格等信息，最后以csv格式或txt格式等固定格式進(jìn)行數(shù)據(jù)的存儲(chǔ)。其總體流程如圖2系統(tǒng)流程圖所示。

2.2 實(shí)現(xiàn)步驟

2.2.1定義待預(yù)測(cè)數(shù)據(jù)

本文所提出的基于中文OCR模型的智能圖書識(shí)別系統(tǒng)所需要的預(yù)測(cè)數(shù)據(jù)predict_data的內(nèi)容主要為待預(yù)測(cè)的書籍的封面的圖片、背面的圖片、封面與背面的連接處的圖片，以此方式制作的預(yù)測(cè)數(shù)據(jù)集能夠在一定程度上提高識(shí)別結(jié)果信息的準(zhǔn)確度與準(zhǔn)確性。

2.2.2圖書信息識(shí)別

本文所提到的基于中文OCR模型的智能圖書識(shí)別系統(tǒng)進(jìn)行圖書信息識(shí)別的主要流程為：利用im_rec對(duì)定義完成的預(yù)測(cè)數(shù)據(jù)進(jìn)行圖像的文字識(shí)別，利用recognize_text（）函數(shù)進(jìn)行模型調(diào)參，利用本文所提到的中文OCR模型chinese_ocr_db_crnn_mobile提取圖片中的文字并形成字典，對(duì)存放文字信息結(jié)果的字典進(jìn)行篩選處理，提取得到分別包含書籍名字、作者等信息的列表，對(duì)列表再做處理得到最終的更為準(zhǔn)確的圖片信息。經(jīng)過多次模擬實(shí)驗(yàn)訓(xùn)練，取得recognize_text（）函數(shù)最終最優(yōu)參數(shù)，設(shè)置為：box_thresh=0.5，text_thresh=0.2.在上述參數(shù)設(shè)置下的模型預(yù)測(cè)準(zhǔn)確率可高達(dá)0.99877。部分源碼如下所示：

#處理圖片識(shí)別結(jié)果

positionX = []#存放識(shí)別到的每個(gè)紅框的橫坐標(biāo)

res = [] #存放處理好的結(jié)果

infos = 0

count = 0

count_list = []#存放內(nèi)容為字典類型，key為圖片序號(hào)，value為識(shí)別到的紅框數(shù)

dict_list = []#存放臨時(shí)字典

n = 1

for result in results：#results為中文OCR模型識(shí)別后的結(jié)果

data = result['data']

save_path = result['save_path']

for info in data：

count += 1

print（info['text_box_position']）

print（info['text']）

#根據(jù)檢測(cè)到的紅框的大小判斷書名

#大小的判斷基于紅框左右定點(diǎn)之間的距離

for i in info['text_box_position']：

positionX.append（i[0]）

max = positionX[0]#最大橫坐標(biāo)

min = positionX[0]#最小橫坐標(biāo)

for i in range（len（positionX））：

if（positionX[i]>=max）：

max = positionX[i]

if（positionX[i]<=min）：

min = positionX[i]

result = max – min

#創(chuàng)建臨時(shí)字典用于存放處理過的數(shù)據(jù)

dict_res = {}.fromkeys（["info"，"result"，"text"]）

dict_res["info"] = infos

dict_res["result"] = result

dict_res["text"] = info['text']

dict_list.append（dict_res）

infos += 1

positionX = []

res.append（dict_list）

infos = 0

dict_list = []

print（n，count，sep='：'）

count_dic = {}.fromkeys（['圖片序號(hào)'，'識(shí)別到的框']）

count_dic['圖片序號(hào)'] = n

count_dic['識(shí)別到的文字'] = count

count = 0

print（'-'*100）

n += 1

count_list.append（count_dic）

2.2.3圖書信息智能匹配

本文所提到的基于中文OCR模型的智能圖書識(shí)別系統(tǒng)所用到的智能匹配技術(shù)是根據(jù)2.1.2中識(shí)別得到的書籍的名稱、作者等圖書的封面信息，然后對(duì)相關(guān)書籍的詳細(xì)信息進(jìn)行更深層次的爬?。?/p>

第一步：利用request庫(kù)發(fā)送服務(wù)器HTTP請(qǐng)求，其請(qǐng)求頭的內(nèi)容包括URL、User-Agent、Headers等。

第二步：response獲取請(qǐng)求成功后服務(wù)器返回的數(shù)據(jù)。

第三步：先利用xpath語言對(duì)通過服務(wù)器請(qǐng)求成功后返回的數(shù)據(jù)結(jié)果進(jìn)行查找并獲取，然后利用數(shù)據(jù)挖掘中的re庫(kù)對(duì)查找并獲取到的數(shù)據(jù)結(jié)果進(jìn)行解析和處理。

第四步：將獲取并解析后的數(shù)據(jù)進(jìn)行一定的分類和格式處理后得到后續(xù)實(shí)驗(yàn)所需要處理和利用的信息。

第五步：將最終處理好的信息存儲(chǔ)并保存為csv或txt等固定格式的文件。

2.3 實(shí)驗(yàn)結(jié)果

本文實(shí)驗(yàn)用到的圖片數(shù)據(jù)集大小一共為265張，其中訓(xùn)練集為204張，驗(yàn)證集為10張，預(yù)測(cè)集為51張。在實(shí)驗(yàn)的數(shù)據(jù)集下，本文的實(shí)驗(yàn)結(jié)果如以下表1所示。

從表1可以得出的結(jié)果為：在圖片處于較高畫質(zhì)的情況下時(shí)，當(dāng)box_thresh=0.5，text_thresh不斷減小時(shí)，識(shí)別準(zhǔn)確率與爬取準(zhǔn)確率逐漸趨于穩(wěn)定并在box_thresh= 0.5，text_thresh=0.2時(shí)達(dá)到最高。

3結(jié)束語

本文所提出的基于中文OCR模型的智能圖書識(shí)別系統(tǒng)采用了PaddlePaddle深度學(xué)習(xí)框架中的中文OCR文字識(shí)別模型，結(jié)合了部分網(wǎng)絡(luò)爬蟲技術(shù)，實(shí)現(xiàn)了對(duì)圖書的即拍即查、即傳即查的智能化功能，在一定程度上降低了工作人員的工作負(fù)擔(dān)，更大程度地方便了普通用戶的使用，節(jié)約了讀者用戶在書籍尋訪過程中的時(shí)間開支。但本智能系統(tǒng)在識(shí)別準(zhǔn)確率和爬蟲準(zhǔn)確率上仍然存在一定的優(yōu)化空間，在后期還可以通過圖像增強(qiáng)、關(guān)鍵點(diǎn)捕捉以及優(yōu)化被爬網(wǎng)站等方式來進(jìn)行技術(shù)上的改進(jìn)。

參考文獻(xiàn)：

[1] 王海波.圖書管理助手機(jī)器人檢測(cè)系統(tǒng)設(shè)計(jì)[J].現(xiàn)代鹽化工，2020，47（6）：173-174.

[2] 劉秀峰.基于物聯(lián)網(wǎng)技術(shù)的圖書管理系統(tǒng)[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2015（5）：53-56.

[3] 黃敏杰，于國(guó)龍，黃榮翠，等.基于opencv圖像識(shí)別的圖書管理系統(tǒng)[J].電腦知識(shí)與技術(shù)，2019，15（17）：194-195，198.

[4] 胡俊瑋.基于數(shù)據(jù)挖掘的圖書管理系統(tǒng)研究與設(shè)計(jì)[D].廣州：中山大學(xué)，2014.

[5] 黃佳.基于OPENCV的計(jì)算機(jī)視覺技術(shù)研究[D].上海：華東理工大學(xué)，2013.

【通聯(lián)編輯：唐一東】