Extrahieren von Reisepassdaten in C#35; mit IronOCR

Wie extrahiere ich Passdaten in C#?

Als Beispiel verwenden wir ein Passbild als Eingabe, um die Funktionalität von IronOCR zu demonstrieren. Nach dem Laden des Bildes mit OcrInput können Sie die ReadPassport-Methode nutzen, um Informationen aus dem Pass zu erkennen und zu extrahieren. Diese Methode gibt ein OcrPassportResult-Objekt zurück, das Eigenschaften wie GivenNames, Country, PassportNumber, Surname, DateOfBirth und DateOfExpiry enthält. Alle Mitglieder des PassportInfo-Objekts sind Zeichenfolgen.

Die Methode ReadPassport ist Teil der spezialisierten Dokumentenlesefähigkeiten von IronOCR, die auch Methoden zum Lesen von Nummernschildern, MICR-Schecks und anderen strukturierten Dokumenten umfassen. Die Methode verwendet fortschrittliche Computer-Vision-Techniken, um den MRZ-Bereich (Machine Readable Zone) automatisch zu lokalisieren und zu extrahieren.

[{i:(

• Die Methode funktioniert derzeit nur für englischsprachige Pässe.
• Die Verwendung eines erweiterten Scans auf .NET Framework erfordert, dass das Projekt auf x64-Architektur läuft.
• Für Mac-Benutzer: Bitte beachten Sie, dass die ReadPassport-Methode derzeit die Eingabe nicht automatisch dreht. Bei der Verwendung der Eingabe stellen Sie bitte sicher, dass die MRZ immer am unteren Ende der Datei ist; andernfalls schlägt der Vorgang fehl.
  @@--KLAMMER-SCHLIESSEN--@@

Welches Passbildformat sollte ich verwenden?

IronOCR unterstützt verschiedene Bildformate, darunter JPG, PNG, TIFF und BMP. Um optimale Ergebnisse zu erzielen, sollten Sie sicherstellen, dass Ihr Passbild eine angemessene Auflösung (mindestens 300 DPI) und eine gute Beleuchtung aufweist. Die DPI-Einstellungen können angepasst werden, wenn mit Scans geringerer Qualität gearbeitet wird.

:path=/static-assets/ocr/content-code-examples/how-to/read-passport-read-passport.cs

using IronOcr;
using System;

// Instantiate OCR engine
var ocr = new IronTesseract();

using var inputPassport = new OcrInput();

inputPassport.LoadImage("passport.jpg");

// Perform OCR
OcrPassportResult result = ocr.ReadPassport(inputPassport);

// Output passport information
Console.WriteLine(result.PassportInfo.GivenNames);
Console.WriteLine(result.PassportInfo.Country);
Console.WriteLine(result.PassportInfo.PassportNumber);
Console.WriteLine(result.PassportInfo.Surname);
Console.WriteLine(result.PassportInfo.DateOfBirth);
Console.WriteLine(result.PassportInfo.DateOfExpiry);

Imports IronOcr
Imports System

' Instantiate OCR engine
Private ocr = New IronTesseract()

Private inputPassport = New OcrInput()

inputPassport.LoadImage("passport.jpg")

' Perform OCR
Dim result As OcrPassportResult = ocr.ReadPassport(inputPassport)

' Output passport information
Console.WriteLine(result.PassportInfo.GivenNames)
Console.WriteLine(result.PassportInfo.Country)
Console.WriteLine(result.PassportInfo.PassportNumber)
Console.WriteLine(result.PassportInfo.Surname)
Console.WriteLine(result.PassportInfo.DateOfBirth)
Console.WriteLine(result.PassportInfo.DateOfExpiry)

Welche Ausgabe kann ich von ReadPassport erwarten?

Die extrahierten Daten werden in einem strukturierten Format zurückgegeben, das sich leicht in bestehende Systeme integrieren lässt. Die Klasse OcrResult bietet umfassenden Zugriff auf alle extrahierten Informationen.

Wir greifen dann auf das PassportInfo-Datenmitglied zu, das aus dem OcrPassportResult-Objekt abgerufen wurde. Der Extraktionsprozess verarbeitet automatisch verschiedene Passlayouts und -formate und liefert konsistente Ergebnisse für verschiedene ausstellende Länder.

• GivenNames: Eine Eigenschaft von PassportInfo gibt die Vornamen der Pass-Eingabe als Zeichenfolge zurück. Dies entspricht der ersten MRZ-Datenzeile, Stelle 4 bis 44.
• Country: Eine Eigenschaft von PassportInfo gibt das Land der Pass-Eingabe als Zeichenfolge zurück. Dies entspricht der ersten MRZ-Datenzeile, Stelle 2 bis 3. Die zurückgegebene Zeichenfolge gibt den vollständigen Namen des ausstellenden Landes anstelle der Abkürzung an. In unserem Beispiel ergibt USA "Vereinigte Staaten von Amerika".
• PassportNumber: Eine Eigenschaft von PassportInfo gibt die Passnummer der Pass-Eingabe als Zeichenfolge zurück. Dies entspricht der zweiten MRZ-Datenzeile, Stelle 1 bis 9.
• Surname: Eine Eigenschaft von PassportInfo gibt den Nachnamen der Pass-Eingabe als Zeichenfolge zurück. Dies entspricht der ersten MRZ-Datenzeile, Stelle 4 bis 44.
• DateOfBirth: Eine Eigenschaft von PassportInfo gibt das Geburtsdatum der Pass-Eingabe als Zeichenfolge im Format JJJJ-MM-TT zurück. Dies entspricht der zweiten MRZ-Datenzeile, Stelle 14 bis 19.
• DateOfExpiry: Ein Mitglied der Eigenschaften von PassportInfo gibt das Ablaufdatum des Reisepasses als Zeichenfolge im Format YYYY-MM-DD zurück. Dies entspricht der zweiten MRZ-Datenzeile, Stelle 22 bis 27.

---

Welche MRZ-Informationen kann ich aus Reisepässen extrahieren?

IronOCR liest die MRZ-Informationen in den unteren beiden Zeilen jedes Reisepasses, der dem Standard der (International Civil Aviation Organization) ICAO entspricht. Die MRZ-Daten bestehen aus zwei Datenzeilen, wobei jeder Satz von Stelleen eindeutige Informationen enthält. Hier ist eine kurze Tabelle, die zeigt, welche Informationen dem Index der Zeile entsprechen.

Die MRZ-Parsing-Funktionalität in IronOCR wurde entwickelt, um Variationen in der Druckqualität und Bildausrichtung zu bewältigen. Bei anspruchsvollen Dokumenten können Sie Bildkorrekturfilter anwenden, um die Erkennungsgenauigkeit zu verbessern.

Wie sieht der MRZ-Abschnitt aus?

Die MRZ befindet sich in der Regel am unteren Rand der Reisepass-Seite und besteht aus zwei Zeilen standardisierten Textes. Das Verständnis der MRZ-Struktur hilft bei der Fehlerbehebung von Extraktionsproblemen und der Validierung von Ergebnissen.

Erste Reihe

Stelle	Feld	Beschreibung
1	Dokumenttyp	Typischerweise 'P' für Reisepass
2-3	Ausstellendes Land	Dreistelliger Ländercode (ISO 3166-1 alpha-3)
4-44	Nachname und Vornamen	Nachname gefolgt von '<<' und dann Vornamen getrennt durch '<'

Zweite Reihe

Stelle	Feld	Beschreibung
1-9	Passnummer	Eindeutige Passnummer
10	Prüfziffer (Passnummer)	Prüfziffer für die Passnummer
11-13	Nationalität	Dreistelliger Nationalitätscode (ISO 3166-1 alpha-3)
14-19	Geburtsdatum	Geburtsdatum im Format JJMMTT
20	Prüfziffer (Geburtsdatum)	Prüfziffer für das Geburtsdatum
21	Sex	Geschlecht ('M' für männlich, 'F' für weiblich, 'X' für nicht angegeben)
22-27	Ablaufdatum	Ablaufdatum im Format JJMMTT
28	Prüfziffer (Ablaufdatum)	Prüfziffer für das Ablaufdatum
29-42	Persönliche Nummer	Optionale persönliche Nummer (in der Regel die nationale Identifikationsnummer)
43	Prüfziffer (Persönliche Nummer)	Prüfziffer für die persönliche Nummer
44	Prüfziffer (zusammengesetzt)	Gesamtprüfziffer

---

Wie kann ich die Ergebnisse der Pass-Extraktion debuggen und überprüfen?

Wir können die Ergebnisse von IronOCR auch überprüfen, indem wir den aus dem Passbild extrahierten Rohtext und das Konfidenzniveau erhalten, um zu bestätigen, ob die extrahierten Informationen korrekt sind. Mit dem obigen Beispiel können wir auf die Eigenschaften Confidence und Text des OcrPassportResult-Objekts zugreifen.

Zu Debugging-Zwecken können Sie Textbereiche hervorheben, um visuell zu überprüfen, welche Bereiche erkannt wurden. Diese Funktion ist besonders nützlich bei der Fehlerbehebung von Extraktionsproblemen oder der Optimierung von Scanbereichen.

:path=/static-assets/ocr/content-code-examples/how-to/read-passport-debug.cs

using IronOcr;
using System;

// Instantiate OCR engine
var ocr = new IronTesseract();

using var inputPassport = new OcrInput();

inputPassport.LoadImage("passport.jpg");

// Perform OCR
OcrPassportResult result = ocr.ReadPassport(inputPassport);

// Output Confidence level and raw extracted text
Console.WriteLine(result.Confidence);
Console.WriteLine(result.Text);

Imports IronOcr
Imports System

' Instantiate OCR engine
Private ocr = New IronTesseract()

Private inputPassport = New OcrInput()

inputPassport.LoadImage("passport.jpg")

' Perform OCR
Dim result As OcrPassportResult = ocr.ReadPassport(inputPassport)

' Output Confidence level and raw extracted text
Console.WriteLine(result.Confidence)
Console.WriteLine(result.Text)

• Confidence: Die Confidence-Eigenschaft von OcrPassportResult ist ein Gleitkommawert, der die OCR statistische Genauigkeitszuversicht als Durchschnitt jedes Zeichens anzeigt. Dieser Schwellenwert ist niedriger, wenn das Passbild unscharf ist oder andere Informationen enthält. Eine Eins ist die höchste und sicherste, und eine Null ist die niedrigste und unsicherste. Für Produktionsanwendungen sollten Sie Ergebniszuverlässigkeit Schwellenwerte einführen, um die Datenqualität zu gewährleisten.
• Text: Die Text-Eigenschaft von OcrPassportResult enthält den rohen, ungeparsten Text, der aus dem Passbild extrahiert wurde. Die Entwickler können dies in Unit-Tests verwenden, um den extrahierten Text des Passbildes zu überprüfen. Für fortgeschrittene Szenarien können Sie die Ergebnisse im hOCR-Format zur weiteren Analyse exportieren.

Best Practices für Anwendungen zum Scannen von Reisepässen

Bei der Implementierung von Pass-Scans in Produktionsumgebungen sollten Sie diese zusätzlichen Faktoren berücksichtigen:

1. Bildqualität: Sicherstellen, dass die eingegebenen Bilder den Mindestqualitätsstandards entsprechen. Der Filter-Assistent kann helfen, Bilder für eine bessere Erkennung zu optimieren.

2. Leistungsfähigkeit: Für die Verarbeitung großer Mengen sollten Sie async-Unterstützung implementieren und die Stapelverarbeitung mehrerer Pässe in Betracht ziehen.

3. Sicherheit: Da es sich bei den Passdaten um sensible Daten handelt, sollten Sie für eine ordnungsgemäße Datenverarbeitung sorgen und die Integration mit sicheren Dokumentenverwaltungssystemen in Betracht ziehen.

4. Validierung: Implementierung einer Prüfziffernvalidierung für die extrahierten MRZ-Daten zur Gewährleistung der Genauigkeit. Das MRZ-Format enthält mehrere Prüfziffern, mit denen die Integrität der extrahierten Informationen überprüft werden kann.

5. Fehlerbehandlung: Implementieren Sie eine robuste Fehlerbehandlung für Fälle, in denen Passbilder beschädigt oder schlecht beleuchtet sind oder nicht standardisierte Formate enthalten.