我正在尝试检测以下类型的国民身份证并获取其详细信息，例如签名的位置应位于人物图像的右上角，在本例中为“BC”。
我需要在 iphone 中执行此应用程序。我想过使用 Opencv，但我怎样才能实现标记的细节？我需要用类似的卡片或 OCR 来训练应用程序吗？
移动应用程序有什么具体的实现吗？
我还通过了检测信用卡详细信息的 card-io，Card-io 是否也检测其他卡详细信息？
更新：
我使用tesseract进行文本检测。如果图像只有文本，则 Tesseract 效果很好。所以我裁剪了红色标记的区域并作为 Tesseract 的输入，它适用于 MRZ 部分。
Tesseract有一个IOS 实现，我已经用它进行了测试。
我需要做什么？
现在我正在尝试自动化文本检测部分。现在我计划自动化以下项目，
1）裁剪面部（我已经使用 Viola-jones 面部检测器完成了）。
2）需要从照片中获取此示例中的首字母“BC”。
3) 从身份证中提取/检测机读区区域。
我正在尝试做 2 和 3，任何想法或代码片段都会很棒。
假设这些 ID 是根据具有特定宽度、高度、偏移量、间距等的标准模板准备的，您可以尝试基于模板的方法。
机读区很容易被发现。在图像中检测到它后，找到将模板中的 MRZ 映射到它的转换。当您知道此转换后，您可以将模板上的任何区域（例如个人照片）映射到图像并提取该区域。
下面是一个非常简单的程序，它遵循一条快乐的道路。一般来说，您必须进行更多处理才能定位机读区（例如，如果存在透视变形或旋转）。我只是通过测量图像来准备模板，它不适用于您的情况。我只是想传达这个想法。图片取自维基
Mat rgb = imread(INPUT_FILE);
Mat gray;
cvtColor(rgb, gray, CV_BGR2GRAY);
Mat grad;
Mat morphKernel = getStructuringElement(MORPH_ELLIPSE, Size(3, 3));
morphologyEx(gray, grad, MORPH_GRADIENT, morphKernel);
Mat bw;
threshold(grad, bw, 0.0, 255.0, THRESH_BINARY | THRESH_OTSU);
// connect horizontally oriented regions
Mat connected;
morphKernel = getStructuringElement(MORPH_RECT, Size(9, 1));
morphologyEx(bw, connected, MORPH_CLOSE, morphKernel);
// find contours
Mat mask = Mat::zeros(bw.size(), CV_8UC1);
vector<vector<Point>> contours;
vector<Vec4i> hierarchy;
findContours(connected, contours, hierarchy, CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
vector<Rect> mrz;
double r = 0;
// filter contours
for(int idx = 0; idx >= 0; idx = hierarchy[idx][0])
{
Rect rect = boundingRect(contours[idx]);
r = rect.height ? (double)(rect.width/rect.height) : 0;
if ((rect.width > connected.cols * .7) && /* filter from rect width */
(r > 25) && /* filter from width:hight ratio */
(r < 36) /* filter from width:hight ratio */
)
{
mrz.push_back(rect);
rectangle(rgb, rect, Scalar(0, 255, 0), 1);
}
else
{
rectangle(rgb, rect, Scalar(0, 0, 255), 1);
}
}
if (2 == mrz.size())
{
// just assume we have found the two data strips in MRZ and combine them
CvRect max = cvMaxRect(&(CvRect)mrz[0], &(CvRect)mrz[1]);
rectangle(rgb, max, Scalar(255, 0, 0), 2); // draw the MRZ
vector<Point2f> mrzSrc;
vector<Point2f> mrzDst;
// MRZ region in our image
mrzDst.push_back(Point2f((float)max.x, (float)max.y));
mrzDst.push_back(Point2f((float)(max.x+max.width), (float)max.y));
mrzDst.push_back(Point2f((float)(max.x+max.width), (float)(max.y+max.height)));
mrzDst.push_back(Point2f((float)max.x, (float)(max.y+max.height)));
// MRZ in our template
mrzSrc.push_back(Point2f(0.23f, 9.3f));
mrzSrc.push_back(Point2f(18.0f, 9.3f));
mrzSrc.push_back(Point2f(18.0f, 10.9f));
mrzSrc.push_back(Point2f(0.23f, 10.9f));
// find the transformation
Mat t = getPerspectiveTransform(mrzSrc, mrzDst);
// photo region in our template
vector<Point2f> photoSrc;
photoSrc.push_back(Point2f(0.0f, 0.0f));
photoSrc.push_back(Point2f(5.66f, 0.0f));
photoSrc.push_back(Point2f(5.66f, 7.16f));
photoSrc.push_back(Point2f(0.0f, 7.16f));
// surname region in our template
vector<Point2f> surnameSrc;
surnameSrc.push_back(Point2f(6.4f, 0.7f));
surnameSrc.push_back(Point2f(8.96f, 0.7f));
surnameSrc.push_back(Point2f(8.96f, 1.2f));
surnameSrc.push_back(Point2f(6.4f, 1.2f));
vector<Point2f> photoDst(4);
vector<Point2f> surnameDst(4);
// map the regions from our template to image
perspectiveTransform(photoSrc, photoDst, t);
perspectiveTransform(surnameSrc, surnameDst, t);
// draw the mapped regions
for (int i = 0; i < 4; i++)
{
line(rgb, photoDst[i], photoDst[(i+1)%4], Scalar(0,128,255), 2);
}
for (int i = 0; i < 4; i++)
{
line(rgb, surnameDst[i], surnameDst[(i+1)%4], Scalar(0,128,255), 2);
}
}
结果：橙色的照片和姓氏区域。机读区为蓝色。
Card.io 专为浮雕信用卡而设计。它不适用于此用例。
现在有可用于此目的的 PassportEye 库。它并不完美，但在我的经验中效果很好：https ://pypi.python.org/pypi/PassportEye/