ABBYY Real-Time Recognition

Продукт
Разработчики: Abbyy Россия
Дата премьеры системы: 2017/03/29
Технологии: СЭД - Системы потокового распознавания

Содержание

ABBYY Real-Time Recognition - мобильное ПО для распознавания текста с любой поверхности. Рассчитано на создание приложений, учитывающих ограничения оперативной памяти мобильных устройств.

2017

Партнёрство с VisionLabs

В сентябре ABBYY представила два продукта для удаленной идентификации пользователей. С их помощью можно «на лету» распознать данные паспорта, подтвердить личность клиента по селфи и проверить подлинность его документов. Вместе решения обеспечивают наиболее безопасную дистанционную проверку личности пользователя. Благодаря этому можно удаленно регистрировать клиентов, открывать счета, оформлять сделки и подтверждать транзакции, не рискуя совершить такие операции по поддельному или украденному документу.

Первое решение создано ABBYY в партнерстве с компанией VisionLabs, разработчиком программного обеспечения для распознавания лиц. Для удаленной идентификации клиенту достаточно навести камеру устройства на паспорт или другое удостоверение личности и посмотреть в камеру. Технология ABBYY Real-Time Recognition извлекает фотографию и распознает текст из документа. Технология VisionLabs Photo Maker, которая является частью решения, позволяет за несколько секунд выбрать лучший снимок лица в видеопотоке. Для повышения уровня безопасности в продукт встроен также Liveness детектор. Во время проверки система предлагает пользователю моргнуть и анализирует видеопоток, предотвращая вход в мобильное приложение банка или подтверждение операции поддельным лицом – по фото или записанному видео с лицом клиента. Решение сравнивает лицо пользователя с его фотографией в документе и определяет процент схожести двух изображений. При положительном результате система отправляет уведомление об успешном прохождении проверки.

Также ABBYY представила прототип решения, которое проверяет подлинность паспорта или других удостоверений личности. Прототип разработан в партнерстве с компанией-специалистом в области технологий для цифровой безопасности бизнеса. Для прохождения проверки клиенту нужно навести камеру смартфона на страницу документа. Технология за несколько секунд извлекает изображения и текст, а затем в зависимости от типа документа отправляет его на проверку по ряду текстовых и графических параметров. Например, система может определить подделку паспорта по цветному орнаменту, напечатанному на фотографии, и узорам на страницах документа. Возможна автоматическая загрузка результатов верификации и данных о клиенте в информационные системы.

Продукты можно использовать по отдельности и в едином комплексе. Вместе решения помогут быстро и безопасно предоставлять клиентам сервисы, которые требуют предварительной проверки документов.

Смотрите также:

SDK и DDK-наборы

29 марта 2017 года компания ABBYY сообщила о выпуске набора инструментов для разработчиков, который позволит создать приложения на основе ABBYY Real-Time Recognition – технологии распознавания текста, захваченного камерой практически с любой поверхности.

Технология может конвертировать в машиночитаемый текст содержимое документов, этикетки, показания счетчиков, автомобильные номера и т.п. Возможно распознавание текста с экранов различных устройств [1].

«
Это единственный продукт в России, который «на лету» находит и распознает тексты на любых документах и поверхностях предметов.

Дмитрий Шушкин, заместитель генерального директора ABBYY Россия
»

Согласно заявлению компании, технологию используют в государственном секторе, сфере логистики и телекоме Чехии, Бразилии, Китая, Шри-Ланки и Камбоджи. В России она вызвала интерес со стороны банковских, страховых компаний и ритейла.


Как это работает

Для распознавания текста камеру устройства с ПО ABBYY RTR следует навести на объект с надписью. Технология захватит изображение и распознает символы. Делать снимок не надо - ABBYY RTR сработает при наведении камеры. Разработчики пообещали достаточно высокую точность распознавания. Захват изображения в видеопотоке исключает влияние дефектов фотосъемки на точность распознавания.

В процессе распознавания захваченный символ сличается с буквами и цифрами. Вся распознаваемая комбинация сопоставляется со словарем буквенных и числовых выражений, характерных, например, для документов. Это помогает избежать распространенных ошибок, типа «и» вместо «й», не путать похожие по очертаниям буквы и цифры, вроде «8» и «В». Для облегчения распознавания в видеопотоке отсеиваются лишние элементы. Для повышения точности полученный результат проходит проверку формата. Например, дата должна соответствовать формату 00.00.0000.

Процедура распознавания не требует подключения к интернету, поскольку реализуется на устройстве, а не внешних серверах. По мнению ABBYY это снижает риск утечки данных.

Технология распознает тексты на 63 языках, с 9 языков возможен перевод на английский и обратно. Среди этих языков:

  • индонезийский,
  • испанский,
  • китайский,
  • немецкий,
  • польский,
  • португальский (бразильский),
  • русский,
  • французский
  • японский.

ABBYY создала набор инструментов ABBYY Real-Time Recognition SDK, он позволит сторонним разработчикам создать на основе этой технологии приложения для iOS и Android. ABBYY предоставляет разработчикам лицензию на использование SDK в продукте клиента.

По мнению разработчиков, этот инструментарий будет востребован в сфере обслуживания. Помимо банков приложение может быть востребовано в страховых компаниях, торговых сетях, гостиницах и отелях, в сфере телекоммуникаций.

Представление Real-Time Recognition Mobile Capture SDK from ABBYY, (2016)

Системные требования

Поддерживаемые операционные системы

  • iOS 7.x и выше
  • Android 4.4 и выше для ARM v7 процессоров

Процессор

Память

Потребление памяти при распознавании текста:

  • для европейских языков — 40 МБ RAM
  • для иероглифических языков — 70 МБ RAM

Камера

  • Автофокус
  • HD-предросмотр: рекомендуемый размер 720*1080, может меняться в зависимости от сценария и скорости обработки

Примечания



СМ. ТАКЖЕ (3)


Подрядчики-лидеры по количеству проектов

За всю историю
2021 год
2022 год
2023 год
Текущий год

  ЭЛАР (Электронный архив, НПО Опыт) (241)
  Directum (Директум) (132)
  Smart Engines (Смарт Энджинс) (123)
  Cognitive Technologies (Когнитивные технологии) (91)
  Синтеллект (Syntellect) (78)
  Другие (745)

  Синтеллект (Syntellect) (52)
  Smart Engines (Смарт Энджинс) (14)
  ЭЛАР (Электронный архив, НПО Опыт) (10)
  Directum (Директум) (5)
  Abbyy Россия (4)
  Другие (32)

  ЭЛАР (Электронный архив, НПО Опыт) (10)
  Beorg (Биорг) (8)
  Smart Engines (Смарт Энджинс) (7)
  NVI Solutions (Норд Вижен Интелледженс Солюшенс) (3)
  Digital Design (Диджитал Дизайн) (2)
  Другие (19)

  Smart Engines (Смарт Энджинс) (21)
  ЭЛАР (Электронный архив, НПО Опыт) (13)
  Синтеллект (Syntellect) (5)
  Beorg (Биорг) (4)
  Digital Design (Диджитал Дизайн) (4)
  Другие (13)

  Smart Engines (Смарт Энджинс) (16)
  ЭЛАР (Электронный архив, НПО Опыт) (8)
  Beorg (Биорг) (2)
  Digital Design (Диджитал Дизайн) (2)
  Ростелеком (1)
  Другие (5)

Распределение вендоров по количеству проектов внедрений (систем, проектов) с учётом партнёров

За всю историю
2021 год
2022 год
2023 год
Текущий год

  ЭЛАР (Электронный архив, НПО Опыт) (11, 242)
  Directum (Директум) (6, 161)
  Smart Engines (Смарт Энджинс) (16, 130)
  Abbyy Россия (16, 111)
  Cognitive Technologies (Когнитивные технологии) (5, 96)
  Другие (171, 621)

  Синтеллект (Syntellect) (2, 52)
  Smart Engines (Смарт Энджинс) (2, 14)
  ЭЛАР (Электронный архив, НПО Опыт) (3, 8)
  Abbyy Россия (2, 7)
  Directum (Директум) (3, 6)
  Другие (16, 19)

  Smart Engines (Смарт Энджинс) (3, 11)
  ЭЛАР (Электронный архив, НПО Опыт) (3, 10)
  Beorg (Биорг) (1, 8)
  Directum (Директум) (3, 4)
  Digital Design (Диджитал Дизайн) (3, 2)
  Другие (10, 11)

  Smart Engines (Смарт Энджинс) (2, 22)
  ЭЛАР (Электронный архив, НПО Опыт) (4, 13)
  Синтеллект (Syntellect) (2, 5)
  Digital Design (Диджитал Дизайн) (2, 4)
  Beorg (Биорг) (1, 4)
  Другие (8, 10)

  Smart Engines (Смарт Энджинс) (3, 16)
  ЭЛАР (Электронный архив, НПО Опыт) (3, 8)
  Digital Design (Диджитал Дизайн) (2, 2)
  Beorg (Биорг) (1, 2)
  Content AI (Контент ИИ) (1, 2)
  Другие (4, 4)

Распределение базовых систем по количеству проектов, включая партнерские решения (проекты, партнерские проекты)

За всю историю
2021 год
2022 год
2023 год
Текущий год

  ЭЛАР ПланСкан - 151 (151, 0)
  Synerdocs - 130 (130, 0)
  Smart ID Engine (ранее Smart IDReader) - 116 (113, 3)
  ABBYY FlexiCapture - 93 (90, 3)
  Е1 Евфрат - 87 (87, 0)
  Другие 748

  Syntellect Tessa Мобильное согласование - 30 (30, 0)
  Syntellect Tessa Графический визуализатор процессов - 28 (28, 0)
  Smart ID Engine (ранее Smart IDReader) - 12 (12, 0)
  ABBYY FlexiCapture - 6 (6, 0)
  ЭЛАР ПланСкан - 6 (6, 0)
  Другие 27

  Smart ID Engine (ранее Smart IDReader) - 11 (10, 1)
  ЭЛАР ПланСкан - 9 (9, 0)
  Beorg Smart Vision - 8 (8, 0)
  Directum Jazz - 2 (2, 0)
  ЭЛАР ПауэрСкан - 2 (2, 0)
  Другие 12

  Smart ID Engine (ранее Smart IDReader) - 18 (18, 0)
  ЭЛАР ПланСкан - 8 (8, 0)
  Syntellect Tessa Графический визуализатор процессов - 4 (4, 0)
  Beorg Smart Vision - 4 (4, 0)
  ЭЛАР СканИмидж - 4 (4, 0)
  Другие 18

  Smart ID Engine (ранее Smart IDReader) - 12 (12, 0)
  ЭЛАР ПланСкан - 5 (5, 0)
  Smart Code Engine (ранее Smart CardReader, Smart BarcodeReader и Smart MRZReader) - 4 (4, 0)
  ЭЛАР СканИмидж - 2 (2, 0)
  ContentReader Server - 2 (2, 0)
  Другие 7