论LEADTOOLS Forms Recognition的表单识别策略

任何表单识别应用程序中都包含这2种表单：master和filled。Master forms是定义数据提取来源的空白模板。当客户填写并提交表单后，这些表单便与Master forms进行对比，然后提取数据。而filled forms 是企业中最常见最普通的表单。因此，企业在解决表单识别问题的时候，首当其冲的是要解决好Master forms的问题。

本文接下来将讨论处理大量Master forms的一些相关策略，以及如何利用快速、准确地处理表单。

利用多线程提速
如今利用多线程提速已不言而喻。LEADTOOLS Forms Recognition SDK也提供了多线程支持，当初始化AutoFormsEngine时，只需传递IOcrEngine，LEADTOOLS便会自动完成剩下的工作。
// Create an OCR Engine for each processor on the machine. This 
// allows for optimal use of thread during recognition and processing.
ocrEngines = new List();
for (int i = 0; i < Environment.ProcessorCount; i++)
{
ocrEngines.Add(OcrEngineManager.CreateEngine(OcrEngineType.Advantage, false));
ocrEngines[i].Startup(formsCodec, null, String.Empty, String.Empty);
}
// Point repository to directory with existing master forms 
formsRepository = new DiskMasterFormsRepository(formsCodec, masterFormsFolder);
autoEngine = new AutoFormsEngine(formsRepository, ocrEngines, null, AutoFormsRecognitionManager.Default | AutoFormsRecognitionManager.Ocr, 30, 80, true);

使用条形码分类表单
条形码可能是实现表单分类最直接最快速的方法之一。条形码的最大好处就是，它可以将大量的信息打包到一个狭小的空间，例如QR码便可存储 4,296 个字母数字字符。既然简单的条形码便可识别表单，为何还要使用表单识别？乍一看，使用表单识别似乎有点小题大做了，但是 LEADTOOLS 所提供的先进的表单识别和表单处理技术有更大的好处。如果你打算通过OCR识别表单上的用户信息，你便需要进行一些特殊的步骤来准确地提取信息，如图像清理、页面对齐、校正偏差等。实现这些功能是一项复杂而艰巨的任务，需要编写数千行代码，而 LEADTOOLS SDK中提供了这些图像处理功能。
// Set up the AutoFormsEngine to use Barcodes 
autoEngine = new AutoFormsEngine(formsRepository, ocrEngines,
null, AutoFormsRecognitionManager.Barcode, 30, 70, true);
// Run the forms recognition and processing on this document
AutoFormsRunResult runResult = autoEngine.Run(document, null);
if (runResult != null)
{
// Process the recognized form and extract desired info
foreach (FormPage formPage in runResult.FormFields)
{
foreach (FormField field in formPage)
{
// Do something with the extracted field data...
}
}
}