OCR自动识别技术包括以下几种：

1. 文本检测和定位技术：用于检测图像中的文本区域，并确定文本的位置和方向，以便后续的识别。
2. 字符分割技术：将检测到的文本区域进行字符分割，将每个字符分离出来，以便单独进行识别。
3. 字符识别技术：利用机器学习、深度学习等技术对字符进行识别，包括中文、英文、数字、符号等字符。
4. 版面分析和处理技术：对文本区域进行版面分析，识别文本的排版格式、字体、字号等信息，以便进行后续处理。
5. 图像处理技术：对图像进行预处理，包括去噪、增强、二值化等操作，以提高图像质量，提高识别精度。
6. 深度学习技术：利用深度学习模型对图像中的文本进行识别，常用的模型包括CNN、RNN等神经网络模型。
7. 多语言和多字体支持技术：支持多种语言和字体的识别和处理，包括中文、英文、日文、韩文等，以及多种字体、字号、排版格式的支持。
8. 应用场景技术：OCR技术可以应用于多种场景，如车牌识别、名片识别、证件识别、票据识别、自然场景文字识别等，针对不同场景有不同的技术方案和处理方法。

总之，OCR自动识别技术是一种将图像中的文本转换为可编辑文本的技术，其应用场景广泛，未来发展趋势是向着更高的识别精度、更快的处理速度和更广泛的应用场景方向发展。