评估助听技术下 OCR 性能：行走速度、摄像机位置与摄像机类型的影响
计算机视觉与模式识别
2026-03-24 v2
摘要
光学字符识别（OCR）是将打印或手写文本转换为机器可读格式的过程，在为视力受损者提供辅助技术时广泛应用。然而大多数评估依赖不反映移动使用挑战的静态数据集。本研究系统评估了 OCR 在静态和动态条件下的性能。静态测试测量了在 1-7 米距离和水平 0-75 度视角下的检测范围。动态测试检验了通过改变行走速度从慢速（0.8 米/秒）到非常快（1.8 米/秒）的运动影响，并比较了三种摄像机安装位置：头戴式、肩部式和手持式。我们评估了智能手机和智能眼镜，分别使用手机的主摄像头和超广角摄像头。对四个 OCR 引擎进行基准测试，以评估在不同距离和视角下的准确性：Google Vision、PaddleOCR 3.0、EasyOCR 和 Tesseract。随后使用 PaddleOCR 3.0 评估动态行走条件下的 OCR 性能。以字符级计算准确率，采用 Levenshtein 比率与手动定义的 ground truth 进行比较。结果显示，随着行走速度增加和视角扩大，识别准确率下降。Google Vision 实现了最高的总体准确率，PaddleOCR 紧随其后作为最强的开源替代方案。在各种设备中，手机的主摄像头实现了最高的准确率，肩部安装位置在身体位置中平均表现最佳；然而，肩部、头部和手持位置之间的差异并不显著。
引用
@article{arxiv.2602.02223,
title = {Evaluating OCR Performance for Assistive Technology: Effects of Walking Speed, Camera Placement, and Camera Type},
author = {Junchi Feng and Nikhil Ballem and Mahya Beheshti and Giles Hamilton-Fletcher and Todd Hudson and Maurizio Porfiri and William H. Seiple and John-Ross Rizzo},
journal= {arXiv preprint arXiv:2602.02223},
year = {2026}
}