Робот NAO + компьютерное зрение + 4 школьника + 1,5 ч в неделю = робот-тьютор английского языка

А почему вы не смотрели в сторону использования SWT(stroke width filter) для локализации текста на изображении?
Для недавно вышедшего opencv 3.0, кстати, есть contrib модуль для детектирования и распознавания текста.