本文主要是介绍Python 全栈系列101 - 使用百度api识别营业执照,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
说明
百度有提供营业执照的ocr,打算先试一下看看效果。从某些角度,还是感谢百度提供的免费资源的:
- 1 当没什么时间自己做时,毕竟有一个还可以用的
- 2 如果打算自己做,也有个参考和对比
内容
1 首先要获得调用权限
我很早的时候就有百度的账号,那时候设置好了,现在不太记得,有需要的同学自己试试。
2 OCR的功能
给了一些免费的配额,对我这种测试的需求来说也够了
如果要购买的话,一次2分8(一万次),其实还是有点小贵的。我觉得接口服务,按cpu处理时间,50ms1厘钱是比较合理的。我猜证照识别先是通过目标识别找出文本框,然后对文本框进行识别,两层模型的叠加。一共也不会超过500ms,也就是最多不应该超过1分钱(所以100万次的价格是9厘)。
不过进行优化后进行批量处理,特别是使用显卡,这个时间应该可以降一个数量级。(我没打算抢生意哈,只是估算一下)
3 调用
3.1 鉴权
- 1 先要创建一个应用,然后里面有个人的信息。
- 2 通过个人的信息,向百度发起一个授权请求,获得一个令牌
- 3 使用这个令牌进行请求
3.1.1 获取令牌
文档可以参考这个,找到python的示例。
主要改这里(我觉得既然都文档了,还是写完整Application Key, Secret Key,或者在应用那边也附上缩写,小建议)
...dentials&client_id=【官网获取的AK】&client_secret=【官网获取的SK】'# 授权结果 access_token的有效期为30天,需要每30天进行定期更换
the_token = response.json().get('access_token')
总体上,百度api的文档还是可以的,比较简单。
3.1.2 请求解析
我稍微封装了一下过程,让调用简单一点。输入就两个参数,token
和图片地址。如果真的部署为服务的化,可以改为读文件流。
import requests
import base64
import pandas as pd
# 封装一下过程
def baidu_ocr_cert(the_token, the_fpath,request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/business_license"):with open(the_fpath ,'rb') as f:img = base64.b64encode(f.read())params = {"image":img}access_token = the_tokenrequest_url = request_url + "?access_token=" + access_tokenheaders = {'content-type': 'application/x-www-form-urlencoded'}response = requests.post(request_url, data=params, headers=headers)
# if response:
# print (response.json())res_dict = response.json()the_key_list = list(res_dict['words_result'].keys())the_res_list = [res_dict['words_result'][x].get('words') for x in the_key_list]res_df = pd.DataFrame()res_df['识别项'] = the_key_listres_df['识别内容'] = the_res_listreturn res_df
4 调用测试
我从百度上搜索了两个营业执照测试,为了避嫌,我就不放企业名字。
4.1 模糊的证照
感受下图片的质量
解析结果整体上还不错,当然我们看不清的解析也是乱的
4.2 清晰的证照
此时的解析结果就好多了,但是又有另外一个问题,企业名称前面多了“副太号…”
4 总结
总体上百度api的调用还是比较方便的,文档写的也清晰。我大概10分钟左右就完成了调用测试。
ps: 我估计识别过程是这样的
- 0 调整倾斜图片
- 1 通过yolo定位关键词的坐标
- 2 根据定位区块进行横向截取
- 3 识别横向截取部分的问题
大概没有做仿射变换,把图片重新拉伸/压缩回去。
这篇关于Python 全栈系列101 - 使用百度api识别营业执照的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!