【校园AI Day-AI workshop】自定义区域识别重命名

该项目针对人工摘录图片指定区域信息效率低的问题，利用PaddleHUB的OCR技术，对30张交付验收单图片进行处理。通过识别文本、计算坐标最小欧式距离提取铁塔名称，实现文件重命名，正确率达93.3%，可提升实际工作效率。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

【校园ai day-ai workshop】自定义区域识别重命名 -

基于OCR的自定义区域识别文件重命名

一、项目背景

在实际的工作中，有时候需要根据图片中的指定区域进行重命名，人工摘录工作效率低。
利用飞桨的PaddleHUB可实现自主框选识别区，实现识别内容的精确提取，从而提高效率。

二、项目目标

通过PaddleHUB技术识别图片中的铁塔名称，并根据该字段完成对图片的重命名。

三、数据集

本任务提供30张交付验收单，来自 https://aistudio.baidu.com/aistudio/datasetdetail/142101

四、项目实现思路

整体思路：利用hub.Module.recognize_text获得OCR结果，在此基础上，通过计算最小距离，获得表单相关信息（铁塔实际名称），完成文件重命名。
对每张图片（每个表单）进行OCR识别，并将结果保存至ocr_result文件夹。
根据先验知识，获取所需内容（铁塔实际名称）的中心位置，记为目标坐标。
对某个图片（表单），遍历每条识别结果，计算其中心坐标，计算该坐标和目标坐标之间的欧式距离
获得最小欧式距离及其对应的文字识别结果
根据上述结果，重命名图片文件

五、项目代码实现

In [ ]

# 安装依赖包 !pip uninstall paddlehub -y
!pip install paddlehub shapely pyclipper
%env CUDA_VISIBLE_DEVICES=0%matplotlib inline

In [ ]

#  解压数据集! unzip -q /home/aistudio/data/data142101/Scan_0012_0004.zip -d /home/aistudio/images

In [ ]

# 导入需要的包import paddlehub as hub ,cv2,os,csv,globimport os

In [ ]

# 项目实现for i in range(1,31):    # 遍历数据集图片
    # image_path：图片路径
    if i < 10:
        image_path = "images/Scan_0012_000" + str(i) + ".jpg"
    else:
        image_path = "images/Scan_0012_00" + str(i) + ".jpg"
    # print(image_path)

    # 利用hub.Module.recognize_text获得OCR结果,并保存图片至ocr_result文件夹，其中，
    # [cv2.imread(image_path) for image_path in glob.glob(image_path)] 用于读取图片并存入列表
    # use_gpu=True 使用GPU加速
    # output_dir 为输出结果路径
    form = hub.Module(name="chinese_ocr_db_crnn_server").recognize_text(\
    [cv2.imread(image_path) for image_path in glob.glob(image_path)],use_gpu=True, \
    output_dir='ocr_result', visualization=True, box_thresh=0.5, text_thresh=0.5)    # 初始化最小距离及对应的文本
    min_dis = 9999
    min_text = 'none'
    
    # 对OCR后的结果，即某份表单，遍历每条数据
    # 每条数据（form_data）包括识别后的文字text，置信度confidence，坐标等，项目涉及text和坐标
    for form_data in form[0]['data']:    
        # 初始化坐标中心
        data_x = 0
        data_y = 0

        # 注意数据格式：纵坐标在前，即每对坐标第一个值为y，第二个值为x
        for j in range(4):
            data_y += form_data["text_box_position"][j][0]
            data_x += form_data["text_box_position"][j][1]        # 计算四个坐标平均值，即为对应文本框坐标中心
        data_x = data_x / 4
        data_y = data_y / 4

        # 坐标中心离目标中心最近的数据为所需数据，暂定目标中心[220,1290]
        # 计算每条数据坐标中心距离目标的欧式距离
        distance = ((data_x - 220) ** 2 + (data_y - 1290) ** 2) ** 0.5

        # 如果距离小于最小距离，更新最小距离及对应文本
        if distance <= min_dis:
            min_dis = distance
            min_text = form_data["text"]    print(i,image_path,min_text)    # 打印结果
    
    # 重命名文件
    os.rename(image_path, "images/" + min_text + '.jpg')