tesseract训练中文备忘录

        最新用OCR识别身份证，用的tesseract引擎。但是google自带的中文库是在太慢了，尤其是对于性别、民族这样结果可以穷举的特征信息而言，完全可以自己训练字库。自己训练字库不仅可以提高识别速度，而且可以提高识别精度！

在训练过程中，常见的error有以下几种：

1）index >= 0 && index<size_used_:Error:Assert failed in genericvector.h, line 512

原因：

检查一下训练后type 13的数值。如果为0，说明shapetable没有配置进去。

2）empty page

原因：版面分析没有做好，没有找到字符。最好手动设置以下版面格式。如：

-psm 7 单行模式

-psm 10 单字符模式