Implementación de un prototipo para extraer información de documentos por medio de plantillas a través de técnicas de reconocimiento de patrones y OCR

Abstract

El ser humano siempre ha tenido la necesidad de registrar la información que han aprendido a lo largo de toda su existencia, desde las talladuras en la roca hasta los registros en papel. Gracias a la tecnología que tenemos actualmente, hemos podido almacenar grandes cantidades de información en un espacio muy reducido, incluso pudiendo subir archivos a la nube sin la obligación de tener un documento físico que acredite la información. En este punto surgió la necesidad de traspasar los datos en papel a digital en una forma más rápida y eficiente que tener que realizarlo manualmente uno por uno. Los OCR son una tecnología que, a pesar de haber nacido con el objetivo de facilitar la vida a personas discapacitadas, terminó por convertirse en una herramienta capaz de ayudar en un futuro a la digitalización de la información, pudiendo facilitar enormemente esta tarea. Las técnicas utilizadas en este sistema presentan limitaciones, tal como es la concentración de errores causados por imperfecciones en el documento, que pueden ser omitidas o limitadas por medio de plantillas. Por esto es que en el presente trabajo se investigó el funcionamiento de los OCR y la creación de plantillas para la delimitación del contenido innecesario en los documentos, de esta forma acelerando el procesamiento del programa.