Détection et reconnaissance de texte

La détection et la reconnaissance de texte dans les images sont des tâches courantes dans les applications de Computer Vision. Il peut s’agir par exemple de capturer la vidéo d’une scène de route depuis un véhicule en mouvement, de reconnaître les panneaux de signalisation dans la scène capturée et d’alerter le conducteur à leur sujet.

Il est possible d’associer la détection et la reconnaissance dans un processus à deux étapes : la première étape consiste à trouver les régions qui contiennent du texte et la seconde à reconnaître le texte dans ces régions.

Les algorithmes de détection de texte utilisent les caractéristiques d’image locales et le Machine Learning ou le Deep Learning pour localiser ou segmenter le texte dans une image. Les exemples de Computer Vision Toolbox™ montrent comment utiliser l’analyse de blob, le détecteur de caractéristiques MSER (Maximally Stable Extremal Regions) et le modèle de Deep Learning CRAFT (Character Region Awareness For Text Detection) pour la détection de texte.

Une fois le texte détecté, les modèles de reconnaissance de texte basés sur le Machine Learning ou le Deep Learning traitent les régions de texte pour renvoyer le texte prédit. La fonction ocr utilise des modèles de langage préentraînés pour reconnaître le texte dans différentes langues. Il est également possible d’entraîner un modèle de langage personnalisé avec la fonction trainOCR. Pour plus d’informations, veuillez consulter Getting Started with OCR.