Obrazová detekce a extrakce informací z dokladů

Abstract

Práce se zabývá ziskem textových informací z fotografií osobních dokladů. Je navržen a implementován postup využívající konvoluční neuronové sítě U-Net natrénované na tvorbu segmentační masky pro zisk dokladu z reálné scény. V rámci nalezeného dokladu jsou vyříznuty oblasti s textem, v nichž je text blíže lokalizován na základě barvy a je přečten knihovnou Tesseract. Na testovací sadě 48 fotografií dokladů je dosaženo přesnosti 98,4 % správně přečtených znaků a pokrytí 92,6 %. Přínosem práce je extrakce textových informací i z fotografií dokladů vyskytujících se v obrazově komplikované scéně.

The thesis is about extraction of text information from photographs of identity documents. Proposed method uses convolutional neural network U-Net trained to create segmentation mask to find ID card in natural scene. Text is detected within known areas and is read using Tesseract library. The character recognition precision is 98,4 % and recall is 92,6 % on 48 tested photos of documents.