体验过百度作业帮，猜想主要技术涉及：文字识别 + 搜索
OCR按理说应该分三步：
1.文本定位 text localization
描述：找到文本在图片中的位置，坐标。
方法：经典的有基于连通域的和基于滑动窗口多尺度扫描的。这里要详细了解的话还得看论文。推荐Stroke width transform，容易理解。
输入：图片
输出：文本(单词)的坐标
2.文本分割 text segmentation
描述：根据找到位置后的文本(单词)的坐标，依次定位每个识别的最小单元(英文是字母，中文是汉字)所在的位置
方法：一般还是二值化 + 连通域搜索
输入：图片 / 文本(单词)的坐标
输出：最小单元的坐标
3.文字识别 text recognition
描述：识别最小单元，英文字母识别和汉字识别还是一个多类分类问题
方法：这里一般用分类器，SVM，CNN，还有贝叶斯等
输入：最小单元图片
输出：文字
注：图 自国际文本文档分析大会
百度作业帮APP里的OCR
首先这三步里最难的应该是定位（前几年最新的PR只有70%，最近到了90%，但是工业应用应该还不行），在自然场景的文本里定位容易受光照、模糊、倾斜等因素影响，所以百度作业帮APP里为了简化定位，会提示横屏拍照（倾斜文本定位困难），甚至直接让你手动定位。
横屏
手动定位
基于手机拍作业的分割难度比较小，因此我觉得一个OSTU二值化基本能搞定分割。
识别的话不太知道，但最近DL这么火，再加上百度有比较好的深度学习架构，人工找一些已标注的汉字图片，训练一个汉字识别分类器应该是大致思路。
那么识别之后该怎么对应到具体的题目？
我做了测试
前者是北京市中考试题，后者是我自己出的题，相同设备拍摄电脑上的题目。前者搜出了对应结果，后者没有。我猜测原因是百度的题目数据库里收集了前者，而没收集后者。
所以我觉得他的方法应该是文本搜索，即根据已获得的OCR结果，找到数据库里最匹配的题目（搜索是百度最擅长的嘛）。
另外，我在有些测试里面发现他会找到相似的用户上传的图片，应该也用到了图像检索吧。
以上纯属个人猜想~ 本人做文本检测，图像搜索
