最近遇到一个项目需求，需要进行拍照，并且识别图片中的文字，其实该项目也可以改成其他图像识别，比如人脸识别、图像分类等。
完整项目代码：
关注微信公众号 datayx 然后回复“ 摄像头”即可获取。
打开摄像头拍照，并识别图片中的文字（java）
1、打开摄像头
关于打开摄像头这个功能，我们知道HTML5出现以后可以
navigator.getUserMedia
打开我们的摄像头，其核心代码如下：
2、拍照
进行拍照我们可以通过HTML中提供的video标签和canvas实现，通过获取到canvas上下文和video的DOM，然后通过drawImage方法，就可以实现拍照功能
context.drawImage(oVideo, 0, 0, 640, 480);
3、图片上传
关于图片上传这一块，主要思路是先想办法把canvas绘制的图形转化为图片，但是canvas只提供了toDataURL()方法，通过该方法可以获取到图形的base64。然后根据base64转化为图片并保存在本地。
3.1、获取canvas图像的base64（核心代码）
代码语言：javascript复制// base64的长度在8000以上
var base64 = oCanvas.toDataURL();3.2、后台获取base64字符串
需要注意的是，我们在获取base64的时候，通过ajax方法请求，会把base64中的 换为空格，因此我们在后台获取到base64以后需要替换回来。
3.3、根据base64转化为图片（核心代码）
4、图片中的文字识别
文字的识别技术，翻译过来以后就是（Optical Character Recognition）光学字符识别，即电子设备通过检测暗、亮的模式确定其形状，然后用字符识别的方法把形状翻译成计算机文字的过程。OCR可以自己搭建神经网络训练出模型，也可直接调用第三方借口，看效果选择吧。
4.1、百度AI开发平台
百度这一块做的比较好了。这里要安利一波（http://ai.baidu.com/） 这是部分功能，登录以后创建应用，然后下载响应的SDK，看着api就可以实现需求啦。
4.2、文字识别
下面是最自己封装的一个文字识别的方法，在创建应用成功以后，会为你提供APP_ID 、API_KEY 、SECRET_KEY 。
识别效果：
通过摄像头捕获图像用tensorflow做手写数字识别（python）
先在mnist数据集上训练好网络，并保存模型。
预测时使用opencv来打开摄像头捕获图像，设置ROI区域，将ROI区域图像输入加载好参数的cnn网络来识别。
https://blog.csdn.net/gzydominating40/article/details/70171774
识别结果：
Tensorflow 摄像头实时目标检测
官方源码提供了图片的检测，但是实用性不高，所以对源码进行了修改，使用笔记本自带摄像头或者usb摄像头进行实时检测。
检测效果：
参考源
视频：https://www.youtube.com/watch?v=COlbP62-B-U&list=PLQVvvaa0QuDcNK5GeCQnxYnSSaar2tpku
源码：https://github.com/tensorflow/models/tree/master/research/object_detection
其他包：https://github.com/google/protobuf/releases
I:AnacondaStudyTensorflowmodelsresearch>I:/Anaconda/librl/protoc-3.4.0-win32/bin/protoc object_detection/protos/*.proto --python_out=.
环境变量设置：
（https://blog.csdn.net/RobinTomps/article/details/78115628?locationNum=5&fps=1）
在指定的环境中的目录下
（D:ProgramDataAnaconda3envstensorflowLibsite-packages
），添加tensorflow_model.pth文件，内容如下：
I:AnacondaStudyTensorflowmodelsresearchslim
I:AnacondaStudyTensorflowmodelsresearch
Opencv对应的python 3.5版本下载地址
https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
文件名：opencv_python-3.4.1-cp35-cp35m-win_amd64.whl
安装：pip install opencv_python-3.4.1-cp35-cp35m-win_amd64.whl
视频监控识别的替换和更改：
180度旋转：
image_np = cv2.flip(image_np, 0)
添加判断：
第一部分为旧版，比较流畅
第二部分为新版，有些卡顿
下面的代码可以放到目标文档直接运行(此代码名object_detection_converted.py)
文件路径：./models/research/object_detection/object_detection_converted.py
https://blog.csdn.net/qq_27297393/article/details/80556833
