有没有办法完成类似于 iTunes 和 App Store 应用程序在使用设备摄像头兑换礼品卡时所做的事情，在实时摄像头馈送之上实时识别短字符串？
我知道在 iOS 7 中现在有 AVMetadataMachineReadableCodeObject 类，AFAIK 仅代表条形码。我对检测和读取短字符串的内容更感兴趣。是否可以使用公开可用的 API 方法或您可能知道的其他第三方 SDK？
还有一个过程的视频：
https://www.youtube.com/watch?v=c7swRRLlYEo
最好的，
【问题讨论】：
我正在做一个类似于你提到的用相机兑换苹果应用商店的项目。
处理实时视频的一个很好的起点是a project I found on GitHub。这是使用 AVFoundation 框架，并且您实现了 AVCaptureVideoDataOutputSampleBufferDelegate 方法。
获得图像流（视频）后，您可以使用 OpenCV 处理视频。在通过 Tesseract 运行之前，您需要确定图像中要进行 OCR 的区域。您必须使用过滤，但您使用 OpenCV 采取的主要步骤是：
其他一些提示：
【讨论】：
这个问答主题似乎一直是 iOS 上 OCR 主题的热门搜索之一，但已经过时了，所以我想我会发布一些我发现的可能有用的额外资源截至撰写本文时：
视觉框架
https://developer.apple.com/documentation/vision
从 iOS 11 开始，您现在可以使用包含的基于 CoreML 的 Vision 框架进行矩形或文本检测等工作。我发现我不再需要将 OpenCV 与操作系统中包含的这些功能一起使用。但是，请注意，文本 detection 与文本 recognition 或 OCR 不同，因此您仍然需要另一个库，如 Tesseract（或您自己的 CoreML 模型）来翻译检测到的将图像的一部分转换为实际文本。
SwiftOCR
https://github.com/garnele007/SwiftOCR
如果您只是对识别字母数字代码感兴趣，那么这个 OCR 库声称与 Tesseract 相比，在速度、内存消耗和准确性方面都有显着提高（我自己没有尝试过）。
机器学习套件
https://firebase.google.com/products/ml-kit/
Google 已发布 ML Kit 作为其 Firebase 开发人员工具套件的一部分，在撰写本文时处于测试阶段。与 Apple 的 CoreML 类似，它是一个机器学习框架，可以使用您自己训练的模型，但也有预训练的模型，可用于 Vision Framework 等常见图像处理任务。 与视觉框架不同，这个还包括一个用于拉丁字符的设备上文本识别的模型。目前，该库免费用于设备上的功能，使用 Google 提供的云/SAAS API 产品需要付费。我选择在我的项目中使用它，因为识别的速度和准确性似乎相当不错，而且我还将创建一个具有相同功能的 Android 应用程序，因此拥有一个单一的跨平台解决方案对我来说是理想的。
ABBYY 实时识别 SDK
https://rtrsdk.com/
这个适用于 iOS 和 Android 的商业 SDK 可免费下载用于评估和有限的商业用途（截至撰写本文时最多 5000 个单位）。进一步的商业用途需要扩展许可。由于定价不透明，我没有评估此产品。
【讨论】：
“实时”只是一组图像。您甚至不需要考虑处理所有这些，只要足以广泛地表示设备的运动（或相机位置的变化）即可。 iOS SDK 中没有内置任何东西来做你想做的事，但你可以使用第 3 方 OCR 库（如 Tesseract）来处理你从相机抓取的图像。
【讨论】：
github上有一个类似的项目：https://github.com/Devxhkl/RealtimeOCR
【讨论】：