निश्चित रूप से आप इस स्थिति में आने के लिए हो गए हैं: किसी संस्था (पोस्ट ऑफिस, बैंक, अस्पताल, कैश डेस्क आदि) पर जाएं, जहां आपको अपने लक्ष्यों को प्राप्त करने के लिए अपना पासपोर्ट दिखाना होगा। और ऐसा लगता है कि कतार छोटी है, केवल 5 लोग हैं, लेकिन इसमें बहुत लंबा समय लगेगा, क्योंकि चाची माशा प्रत्येक पासपोर्ट से कंप्यूटर में डेटा दर्ज करने में कई मिनट खर्च करती हैं। आपको बस अगली कुंजी की खोज में कीबोर्ड पर धीरे-धीरे उसकी तर्जनी योजना को देखना होगा।



हम आधुनिक समाज में इस तरह की दुखद स्थिति से हैरान थे और उन्होंने पासपोर्टपोर्ट प्रोग्राम लिखा, जो विभिन्न दस्तावेजों के डेटा को पहचान सकता है और उपयोगकर्ता को सुविधाजनक रूप में परिणाम दे सकता है। यह कार्य बिल्कुल भी सरल नहीं था क्योंकि यह पहली नज़र में लग सकता है: परियोजना पर काम के दौरान, हमने घरेलू दस्तावेजों, कंप्यूटर दृष्टि और उपयोगकर्ता इंटरफेस के बारे में बहुत सी नई चीजें सीखीं। कार्यक्रम के आगे विकास के बारे में सिर पहले से ही नए विचारों से भरा है, लेकिन हमने अनुभव साझा करने और ज्ञान प्राप्त करने के लिए समय निकालने का फैसला किया।







आज के अंक में:

• पासपोर्ट को लेकर लोकप्रिय भ्रांतियां
• इस्तेमाल की जाने वाली तकनीकों के बारे में थोड़ा सा
• हमारे इंटरफ़ेस दृष्टिकोण
• उपयोगकर्ता को डेटा देने का सबसे अच्छा तरीका क्या है

पासपोर्ट को लेकर लोकप्रिय भ्रांतियां

ऐसा लगता है - पासपोर्ट से डेटा को पहचानना कितना मुश्किल है? अंत में, यार्ड में 2014, मानवता ने पहले ही छवि से पाठ को पहचानना सीख लिया है। मैंने कुछ दो फ़िल्टर लागू किए, जिन्हें recognize()



कहा जाता है recognize()



विधि - और आपका काम हो गया!



काश, सब कुछ इतना सरल नहीं होता। सबसे पहले, यह ध्यान देने योग्य है कि रूसी संघ के नागरिक का पासपोर्ट विशेष बारीकियों वाला एक दस्तावेज है। हमने यह भी नहीं सोचा था कि जब तक हम कई सौ उदाहरणों के माध्यम से नहीं देखेंगे तब तक कैसे अद्भुत पासपोर्ट हो सकते हैं। तो, यहाँ नाम और समय के बारे में श्रेष्ठ परंपराओं में गिरावट की सूची दी गई है।



ये सभी धारणाएं गलत हैं।

1. पासपोर्ट में पाठ हमेशा एक फ़ॉन्ट में टाइप किया जाता है
2. पासपोर्ट इकट्ठा करने के लिए केवल दो या तीन फोंट का उपयोग किया जाता है।
3. ठीक है, लेकिन फ़ॉन्ट बोल्ड या इटैलिक नहीं हो सकता
4. ठीक है, यह निश्चित रूप से एक ही समय में बोल्ड और इटैलिक नहीं होने वाला है।
5. सभी पासपोर्ट डेटा एक फ़ॉन्ट में लिखे गए हैं
6. कोई भी हाथ से पासपोर्ट नहीं भरता है
7. प्रत्येक पासपोर्ट क्षेत्र एक सख्ती से परिभाषित जगह में है।
8. प्रत्येक पासपोर्ट क्षेत्र अपनी सख्ती से परिभाषित जगह के करीब है।
9. ठीक है, कम से कम उपनाम तीन पंक्तियों को मध्य नाम के तहत जगह पर रेंगना नहीं होगा
10. और फॉर्म के शिलालेखों पर कभी भी डेटा नहीं लिखा जाता है
11. ठीक है, डेटा निश्चित रूप से एक दूसरे में नहीं चलेगा
12. पाठ हमेशा कड़ाई से क्षैतिज रूप से लिखा जाता है
13. ठीक है, लेकिन पाठ का कोण 10-15 डिग्री से अधिक नहीं है
14. सभी डेटा एक ही कोण पर हैं।
15. पाठ हमेशा काला होता है
16. खैर, कम से कम सभी शिलालेख बिल्कुल एक ही रंग हैं
17. पासपोर्ट में हमेशा मशीन पठनीय क्षेत्र होता है
18. मशीन-पठनीय क्षेत्र हमेशा 1 जुलाई 2011 के बाद जारी किए गए पासपोर्ट पर मौजूद होता है
19. मशीन पठनीय क्षेत्र हमेशा सही होता है और मानकों का अनुपालन होता है
20. पासपोर्ट के सभी अक्षर अपरकेस हैं
21. सभी पासपोर्ट डेटा एक रजिस्टर शैली में लिखे गए हैं
22. सभी तिथियां हमेशा एक ही प्रारूप में प्रस्तुत की जाती हैं।
23. नाम को एक हाइफ़न के साथ दो लाइनों में विभाजित नहीं किया जा सकता है
24. सभी पासपोर्ट एक निश्चित पृष्ठभूमि के साथ एक ही रूप में मुद्रित होते हैं।
25. जन्म की जगह और मुद्दे की जगह पर कोई संख्या नहीं हो सकती है
26. पासपोर्ट डेटा के शीर्ष पर व्यक्तिगत हस्ताक्षर नहीं हो सकते
27. सभी पासपोर्ट विवरण हमेशा मौजूद होते हैं।
28. निश्चित रूप से कोई अतिरिक्त डेटा नहीं है
29. पासपोर्ट जारी करने की जगह हमेशा तीन लाइनों में फिट होती है
30. यदि "अन्ना" "नाम" फ़ील्ड में लिखा गया है, तो लिंग आवश्यक रूप से महिला है
31. पासपोर्ट डेटा समय के साथ मिटाया नहीं जाता है
32. पासपोर्ट में कोई यांत्रिक क्षति नहीं है।
33. पासपोर्ट पर जाम नहीं लगाया जा सकता

इस्तेमाल की जाने वाली तकनीकों के बारे में थोड़ा सा

आज, वास्तव में तकनीक के बारे में बहुत कम होगा। हमारे कार्यक्रम को लिखने के दौरान, हमें बहुत सारे दिलचस्प कार्यों का सामना करना पड़ा: दोनों कंप्यूटर दृष्टि के क्षेत्र में, और वास्तुकला के निर्माण और काम के माहौल को व्यवस्थित करने के क्षेत्र में। हम इस विषय को एक अलग पोस्ट में विस्तारित करने की योजना बनाते हैं, और आज हम केवल प्रौद्योगिकी स्टैक की रूपरेखा तैयार करते हैं।



मुख्य प्रोग्रामिंग भाषा C # है। शायद, ऐसी पसंद किसी को अजीब लगेगी, लेकिन उसने खुद को पूरी तरह से सही ठहराया है। सी # एक बड़े पैमाने पर वास्तुकला बनाने के लिए एकदम सही है, और एक जटिल इंटरफ़ेस का लेआउट काफी आसान है (धन्यवाद, डब्ल्यूपीएफ के निर्माता)। लक्षित दर्शक विंडोज पर बैठे हैं, इसलिए मंच के साथ कोई समस्या नहीं थी। हम पायथन लिपियों का उपयोग करके विभिन्न आंतरिक छोटे कार्यों को हल करते हैं।



छवि प्रसंस्करण के लिए, OpenCV का उपयोग पाठ मान्यता के लिए किया जाता है - Tesseract (या बल्कि, उनके आवरण - OpenCvSharp और Tesseract )। प्रदर्शन-महत्वपूर्ण एल्गोरिदम C ++ में लिखे गए हैं, लेकिन उनमें से कुछ हैं। हमें स्कैनर के साथ बहुत काम करना है, और WIA और ट्वेन दोनों का समर्थन करना है (बाद के लिए हम ट्वेंटडॉटनेट रैपर्स का उपयोग करते हैं)।



सामान्य वर्कफ़्लो: संस्करण नियंत्रण प्रणाली - गिट, रिपॉजिटरी दर्शक - फिशई , निरंतर एकीकरण प्रणाली - बांस , बग ट्रैकर - जिरा , कोड समीक्षा प्रणाली - क्रूसिबल (हाँ, हम एटलसियन से प्यार करते हैं)।

हमारे इंटरफ़ेस दृष्टिकोण

सब कुछ ठीक होगा अगर हम किसी भी पासपोर्ट से पूर्ण निश्चितता के साथ डेटा को पहचान सकते हैं। लेकिन अफसोस, ऐसा नहीं है। यदि आप कार्यक्रम को 300 डीपीआई पर एक अच्छे पासपोर्ट का इनपुट स्कैन देते हैं, तो सबसे अधिक संभावना है कि यह त्रुटियों के बिना इसे पहचान लेगा। लेकिन यदि प्रोग्राम उदास गुणवत्ता के पासपोर्ट की तस्वीर का सामना करता है (और इसके अलावा, फ़ॉन्ट बहुत पीला और एक कोण पर निकल जाएगा, और शिलालेख जगह से बाहर हो जाएगा), तो हमें समस्या होगी। इसलिए, उपयोगकर्ता को मान्यता प्राप्त डेटा की जांच करने के लिए कहने के अलावा और कोई चारा नहीं है। और यहां एक बहुत अच्छे और सुविधाजनक इंटरफ़ेस को डिज़ाइन करना बहुत महत्वपूर्ण है जो आपको सभी डेटा को सही ढंग से जांचने और त्रुटियों को ठीक करने की अनुमति देगा। आखिरकार, यदि पासपोर्ट की जांच करने के लिए खर्च किया गया समय मैन्युअल डेटा प्रविष्टि के लिए तुलनीय है, तो पूरा विचार अपना अर्थ खो देता है। हम यह ढोंग नहीं करते हैं कि हम इस तरह के कार्य के लिए दुनिया में सबसे अच्छा इंटरफ़ेस बनाने में कामयाब रहे, लेकिन हम सभी जिम्मेदारी के साथ घोषणा कर सकते हैं कि यह अच्छा है। अंत में, हम खुद अपने कुत्ते का खाना खाते हैं , हम एक साल से अधिक समय तक हर दिन अपने डेटा चेकर का उपयोग करते हैं। इसलिए, सभी जाम और असुविधाओं ने बहुत जल्दी मेरी आंख को पकड़ लिया और खुद को सही करने के लिए कहा। इसलिए, हमने जीवन को आसान बनाने के लिए क्या विशेष ध्यान दिया:

• फील्ड नेविगेशन। मुख्य विंडो में, बाईं ओर, पासपोर्ट की पाया छवि स्थित है, और दाईं ओर मान्यता प्राप्त फ़ील्ड हैं। पासपोर्ट की छवि पर प्रत्येक फ़ील्ड के लिए, एक फ़्रेम पर पेंट किया जाता है, जब क्लिक किया जाता है, तो हम उस फ़ील्ड पर जाते हैं जिसकी हमें ज़रूरत होती है। यदि हमारे पास चित्र में एक ही फ़ील्ड कई स्थानों पर है (उदाहरण के लिए, श्रृंखला और पासपोर्ट संख्या तीन गुना तक हो सकती है), और मान्यता परिणाम अलग-अलग हैं, तो हम टेक्स्टबॉक्स को एक कॉम्बो बॉक्स में बदल देते हैं ताकि आप आसानी से उस विकल्प का चयन कर सकें, जिसकी आपको आवश्यकता है।
• संदिग्ध पात्र। मान्यता प्रक्रिया में, हम कुछ पात्रों को संदिग्ध के रूप में चिह्नित करते हैं - ये ऐसे चरित्र हैं जिनकी मान्यता में हम बहुत निश्चित नहीं हैं। यदि कोई त्रुटि है, तो वे लगभग निश्चित रूप से संदिग्ध पात्रों में से हैं। इसलिए, हम उन्हें लाल रंग देते हैं और सुविधाजनक नेविगेशन प्रदान करते हैं: हॉटकी द्वारा आप संदिग्ध पात्रों के अगले या पिछले समूह पर जा सकते हैं। इसके अलावा, नेविगेशन काफी बुद्धिमान है: यदि लगभग सभी वर्ण फ़ील्ड में संदिग्ध हैं, तो जब हम त्रुटि पर स्विच करते हैं, तो हम न केवल लाल अक्षरों का चयन करते हैं, बल्कि सामान्य रूप से पूरे क्षेत्र में।
• टूलटिप्स। प्रारंभ में, किसी फ़ील्ड को जांचने के लिए, आपको पहले फ़ील्ड को देखना था, फिर पासपोर्ट के साथ चित्र को देखें, उस फ़ील्ड को ढूंढें। फिर वापस टेक्स्टबॉक्स में, फिर पासपोर्ट पर वापस। फिर पाठ को सोचें और संबंधित करें। यह लंबा और असुविधाजनक है। इसलिए, TextBox के ठीक बगल में हम संबंधित पासपोर्ट टुकड़े के साथ एक टूलटिप बनाते हैं। और आवश्यक पात्रों की खोज करने के लिए यह और भी सुविधाजनक था, हम चित्र में उपयोगकर्ता द्वारा चयनित पाठ को सर्कल करते हैं। यदि उपयोगकर्ता पहले से ही क्षेत्र में अपने स्वयं के पात्रों को लिखने में कामयाब रहा है, तो कार्यक्रम जानता है कि कैसे सोचना है कि उन्हें छवि में कहां होना चाहिए और वैसे भी आकर्षित करना चाहिए।
• फॉर्म ऑटो जनरेशन। लेकिन क्या होगा अगर उपयोगकर्ता को सभी क्षेत्रों की आवश्यकता नहीं है? कहते हैं, केवल एक पूर्ण नाम की आवश्यकता है। उपयोगकर्ता को सभी परिणामों की जांच करने के लिए मजबूर क्यों करें? सौभाग्य से, फ़ील्ड की सूची को केवल उन लोगों को प्रदर्शित करने के लिए कॉन्फ़िगर किया जा सकता है जिनकी आपको वास्तव में आवश्यकता है।

आप जानते हैं, सामान्य तौर पर, हमने बहुत लंबे समय तक यूआई को देखा था, बहुत सारी चीजें की गई थीं, आप संक्षेप में नहीं बता सकते। बेहतर तब हम एक अलग पोस्ट करेंगे जिसमें हम कार्यक्रम में सभी प्रयोज्य समाधानों के बारे में विस्तार से बात करेंगे। यदि आप इंटरफेस डिजाइन कर रहे हैं, तो आपके लिए न केवल अंतिम परिणाम के बारे में पढ़ना दिलचस्प होगा, बल्कि इस प्रक्रिया के बारे में भी - हम इस इंटरफेस में कैसे आए, हमने इसे इस तरह क्यों किया, और अन्यथा नहीं।

उपयोगकर्ता को डेटा देने का सबसे अच्छा तरीका क्या है

खैर, ऐसा लगता है कि सब कुछ तैयार है: छवि को संसाधित किया गया है, पाठ को मान्यता दी गई है, उपयोगकर्ता ने सब कुछ जांच लिया है। आनंद के लिए और क्या याद आ रहा है? आइए सोचते हैं: एक बार डेटा को पहचान लिया जाता है, तो किसी को इसकी आवश्यकता होती है। और, शायद, यह कोई उन्हें बाद में उपयोग करने की योजना बना रहा है। और, संभवतः, वह उन्हें अपने कार्यक्रम के किसी प्रकार में उपयोग करेगा। इसलिए, मान्यता प्राप्त डेटा को किसी तरह इस कार्यक्रम में स्थानांतरित किया जाना चाहिए। तार्किक सवाल उठता है: हम यह कैसे करने जा रहे हैं?



पासपोर्टविभाग कार्यालय। काश, कई कार्यक्रम होते हैं, और प्रत्येक के लिए आपको अपने दृष्टिकोण की आवश्यकता होती है। एक समाजशास्त्रीय सर्वेक्षण से पता चला है कि अधिकांश लक्षित दर्शक एमएस वर्ड में तैयार किए गए दस्तावेजों में पासपोर्ट डेटा दर्ज करते हैं। इसलिए, हमने Word के साथ काम करने के लिए PassportVision का एक अलग संस्करण बनाया:







विचार यह है: रिबन में एक विशेष टैब जोड़ा जाता है, जिसके साथ आप विशेष लेबल के साथ एक टेम्पलेट बना सकते हैं। इसलिए, डेटा को मान्यता दी गई थी, उपयोगकर्ता ने इसे चेक किया, ठीक क्लिक किया। और, जैसे कि जादू द्वारा, डेटा को पूर्व-तैयार लेबल के बजाय टेम्पलेट में डाला जाता है। अक्सर, एक दस्तावेज़ कई अभिनेताओं की भागीदारी के साथ तैयार किया जाता है, इसलिए प्रत्येक लेबल के लिए आप यह संकेत कर सकते हैं कि यह पासपोर्ट किस व्यक्ति का है। हमने पहले पासपोर्ट को स्कैनर में रखा, फिर दूसरा - और हमारा दस्तावेज तैयार है! मार्कर काफी बौद्धिक व्यवहार करते हैं। उदाहरण के लिए, आप किसी दिनांक के लिए एक प्रस्तुति प्रारूप निर्दिष्ट कर सकते हैं, और अलग-अलग शब्दों की समाप्ति व्यक्ति के लिंग पर निर्भर हो सकती है।



PassportVision अनुकूली। काश, हर कोई Word का उपयोग नहीं करता, दुनिया में कई और कार्यक्रम हैं जिनमें आप डेटा दर्ज कर सकते हैं। सभी के लिए अलग-अलग संस्करण लिखना उचित नहीं है, इसलिए हमने एक सार्वभौमिक संस्करण लिखा है जिसे किसी भी एप्लिकेशन के लिए अनुकूलित किया जा सकता है। PassportVision Adaptive उपयोगकर्ता के काम का अनुकरण करता है: जहां कुंजी को दबाया जाना है, जहां माउस के साथ क्लिक करना है। आपको बस एक विशेष मैक्रो बनाने की आवश्यकता है जिसमें आप कार्यक्रम को समझाते हैं कि यदि आपको मान्यता परिणामों का उपयोग करने की आवश्यकता है तो आप क्या करेंगे। हां, शायद जटिल सॉफ़्टवेयर के लिए मैक्रो बनाना इतना आसान नहीं है, लेकिन यह एक बार का ऑपरेशन है। एक बार जब सब कुछ सेट हो जाता है, और डेटा विशेष कुंजी दबाकर आपके लक्ष्य कार्यक्रम में सही स्थानों पर पहुंच जाएगा। और अगर आपको अभी भी मैक्रो लिखने में समस्या है, तो हम सभी ग्राहकों को उनसे निपटने में मदद करते हैं।



PassportVision एसडीके। और कुछ उपयोगकर्ता अपने स्वयं के सॉफ़्टवेयर में मान्यता परिणामों का उपयोग करना चाहते हैं। यदि आप एक डेवलपर हैं, तो आप सभी डेटा को सही प्रारूप में प्राप्त करने के लिए एक विशेष एपीआई का उपयोग कर सकते हैं। यदि आपका एप्लिकेशन .NET के तहत विकसित नहीं किया गया है, तो चिंता न करें: हमने एपीआई को COM रैपर में लपेटा है, इसलिए एसडीके का उपयोग C ++ और डेल्फी के तहत किया जा सकता है।



पासपोर्टविज़न के अन्य संस्करण। विकास पूरे जोरों पर है, हम कार्यक्रम के कई अलग-अलग संस्करण बनाने की कोशिश कर रहे हैं ताकि हर कोई ऐसा समाधान चुन सके जो खुद के लिए सुविधाजनक हो। उदाहरण के लिए, जल्द ही 1 सी के तहत एक संस्करण स्क्रीन पर दिखाई देगा (पासपोर्ट डेटा में भी अक्सर प्रवेश करने की आवश्यकता होती है), और वेब रूपों के लिए विशेष मैक्रोज़ के साथ अनुकूली संस्करण को फिर से भरना होगा (आपको सिर्फ यह निर्दिष्ट करने की आवश्यकता है कि कौन से फ़ील्ड भरने के लिए और जादू जावास्क्रिप्ट बाकी काम करेगा। )।

एक निष्कर्ष के बजाय

यदि आप लोगों को मैन्युअल रूप से पासपोर्ट डेटा दर्ज करने और दुनिया को एक बेहतर जगह बनाने से बचाने के लिए हमारे कार्यक्रम का उपयोग करना चाहते हैं, तो आप हमसे संपर्क कर सकते हैं और हम आपको पासपोर्टविज़न के बारे में और बताएंगे। और यदि आप वर्कफ़्लो स्वचालन में रुचि नहीं रखते हैं, लेकिन विभिन्न कंपनियों में सॉफ़्टवेयर विकास कैसे चल रहा है, में रुचि रखते हैं, तो विशेष रूप से आपके लिए जल्द ही काम के संगठन, कंप्यूटर दृष्टि और उपयोगिता के दृष्टिकोण के बारे में विस्तृत जानकारी के साथ पोस्ट होंगे। विकास सक्रिय रूप से जारी है, अब हम विभिन्न प्रकार के दस्तावेजों (पासपोर्ट, जन्म प्रमाण पत्र, आदि के लिए समर्थन जोड़ रहे हैं - वे पहले से ही अल्फा मोड में काम करते हैं), नए उत्पाद संस्करण और शांत विशेषताएं। रास्ते में, बहुत दिलचस्प तकनीकी समस्याएं हैं जिनके लिए आपको आकर्षक समाधानों के साथ आना होगा। यदि आप रुचि रखते हैं, तो हम सबसे दिलचस्प समस्याओं को हल करने पर भी पोस्ट प्रकाशित करेंगे - हमें उम्मीद है कि यह अनुभव किसी के लिए उपयोगी होगा।