Reconocimiento de texto OCR — OcrBlock¶

OcrBlock reconoce texto en cualquier fuente de video o imagen. Internamente ejecuta el pipeline multietapa PP-OCR — detección de texto (DBNet) → clasificación opcional de ángulo 0°/180° → reconocimiento de línea de texto (CRNN/SVTR + decodificación CTC) — en cada fotograma procesado, notifica las regiones reconocidas y opcionalmente las dibuja en el video. El bloque reside en VisioForge.Core.AI (VisioForge.DotNet.Core.AI), implementa IVideoProcessingBlock y tiene una entrada Input de video y una salida Output de video.

graph LR;
    Source-->OcrBlock;
    OcrBlock-->VideoRendererBlock;
    OcrBlock-. OnTextDetected .->App[Su aplicación];

Uso¶

using VisioForge.Core.MediaBlocks;
using VisioForge.Core.MediaBlocks.AI;
using VisioForge.Core.Types.X.AI;

var ocrSettings = new OcrSettings(
    detectionModelPath: "ch_PP-OCRv5_mobile_det.onnx",
    recognitionModelPath: "latin_PP-OCRv5_rec_mobile_infer.onnx",
    characterDictionaryPath: "ppocrv5_latin_dict.txt",
    classificationModelPath: "ch_ppocr_mobile_v2.0_cls_infer.onnx")
{
    Provider = OnnxExecutionProvider.Auto, // CPU / CUDA / DirectML / CoreML
    FramesToSkip = 3,                      // ejecuta OCR cada 4 fotogramas en video en vivo
    DrawResults = true,                    // graba los cuadros y el texto en el fotograma
};

var ocr = new OcrBlock(ocrSettings);
ocr.OnTextDetected += (sender, e) =>
{
    foreach (var region in e.Regions)
    {
        Console.WriteLine($"{region.Text} ({region.Confidence:P0}) at {region.BoundingBox}");
    }
};

pipeline.Connect(source.Output, ocr.Input);
pipeline.Connect(ocr.Output, videoRenderer.Input);

await pipeline.StartAsync();

Cada OcrTextRegion incluye el Text reconocido, una Confidence promedio (0..1), un BoundingBox (Rect) alineado a los ejes y el Polygon de detección — los cuatro vértices OcrPoint del detector (superior izquierdo, superior derecho, inferior derecho, inferior izquierdo, en píxeles del fotograma fuente), que pueden estar rotados en el caso de texto inclinado.

Configuración clave¶

OcrSettings(detectionModelPath, recognitionModelPath, characterDictionaryPath, classificationModelPath = null) define UseAngleClassifier según si se proporcionó una ruta de modelo de clasificación.

Modelos y licencias¶

OcrBlock ejecuta modelos ONNX de terceros; el SDK no distribuye los pesos en el paquete NuGet. Las demos incluyen los modelos PP-OCRv5 mobile con licencia Apache-2.0 (detección, clasificación de ángulo, reconocimiento en latín) y un diccionario latino junto a los ejecutables de ejemplo. PP-OCR admite más de 100 idiomas — descargue el modelo de reconocimiento y el diccionario correspondientes para otros idiomas.

Uso con VideoCaptureCoreX y MediaPlayerCoreX¶

OcrBlock implementa IVideoProcessingBlock, por lo que puede registrarse directamente en VideoCaptureCoreX o MediaPlayerCoreX en lugar de construir manualmente un pipeline de Media Blocks:

var ocr = new OcrBlock(ocrSettings);
ocr.OnTextDetected += Ocr_OnTextDetected;

core.Video_Processing_AddBlock(ocr); // antes de StartAsync (VideoCaptureCoreX)
// player.Video_Processing_AddBlock(ocr); // antes de OpenAsync/PlayAsync (MediaPlayerCoreX)

await core.StartAsync();

Consulte Uso de bloques de IA con VideoCaptureCoreX y MediaPlayerCoreX para conocer la API completa de bloques de procesamiento, el orden de inserción y las reglas de ciclo de vida compartidas por todos los bloques de IA de video.

Casos de uso¶

• Captura de documentos y pantalla — reconoce texto de documentos escaneados, tarjetas de identificación, formularios o pantallas compartidas en un pipeline de videoconferencia.
• Automatización de retail y almacén — lee etiquetas de productos, el texto impreso de códigos de barras o etiquetas de estantería desde una cámara fija cenital o portátil.
• Inspección industrial — lee números de serie, códigos de lote o etiquetas impresas en una línea de producción.
• Monitorización de señalización y difusión — verifica que el texto en pantalla (rótulos inferiores, tickers, señalización digital) coincide con el contenido esperado.
• Herramientas de accesibilidad — extrae texto en pantalla para pipelines de texto a voz o traducción.

Para un caso específico y más acotado — leer matrículas de vehículos — use el bloque especializado Reconocimiento de matrículas (ANPR) en lugar del OCR general; es más preciso y más rápido porque ejecuta un detector y una cabeza de OCR específicos para matrículas en lugar de analizar todo el fotograma en busca de cualquier texto.

Solución de problemas¶

Preguntas frecuentes¶

¿Cuál es la diferencia entre OcrBlock y LicensePlateRecognizerBlock?¶

OcrBlock lee texto arbitrario en cualquier parte del fotograma. LicensePlateRecognizerBlock es un pipeline dedicado de dos etapas (un detector de matrículas más una cabeza de OCR específica para matrículas) ajustado únicamente para matrículas de vehículos — úselo en lugar de OcrBlock para escenarios ANPR/LPR.

¿OcrBlock admite otros idiomas además del inglés?¶

Sí. PP-OCR admite más de 100 idiomas. Apunte RecognitionModelPath y CharacterDictionaryPath al modelo de reconocimiento y al diccionario de su idioma objetivo; ambos deben coincidir.

¿Puedo ejecutar OCR en una imagen fija en lugar de un flujo de video en vivo?¶

Sí — conecte una fuente de archivo/imagen a OcrBlock.Input en un MediaBlocksPipeline, o pase un único fotograma a través del pipeline; el bloque procesa cualquier fotograma que llegue a su pad de entrada, ya sea en vivo o desde un archivo.

¿OcrBlock necesita una GPU para ejecutarse en tiempo real?¶

No, pero un proveedor de ejecución con GPU (CUDA, DirectML o CoreML) reduce la latencia por fotograma en comparación con la CPU. Para video en vivo, combinar FramesToSkip con inferencia en CPU también es una forma común, sin GPU, de evitar que el OCR se convierta en el cuello de botella del pipeline.

Demos¶

• OCR Text Recognition Demo — demo de pipeline de Media Blocks en WPF.
• OCR Text Recognition MB — la misma demo de Media Blocks para MAUI.

Las demos dedicadas de OCR para VideoCaptureCoreX/MediaPlayerCoreX (Capture OCR X, Capture OCR X WPF, Player OCR X, Player OCR X WPF) están en el conjunto de demos del SDK y se enlazarán aquí una vez publicadas en el repositorio público de muestras.