CN101449280A

CN101449280A - 验证引擎

Info

Publication number: CN101449280A
Application number: CNA2007800184658A
Authority: CN
Inventors: S·G·阿克塞莫; C·V·汉密尔顿; M·A·萨纳姆拉德; A·W·泰斯多夫
Original assignee: International Business Machines Corp
Current assignee: Qindarui Co.
Priority date: 2006-06-08
Filing date: 2007-06-06
Publication date: 2009-06-03
Anticipated expiration: 2027-06-06
Also published as: TW200807310A; JP5260504B2; ATE549694T1; EP2030153B1; JP2009540413A; US8094887B2; EP2030153A1; TWI428838B; GB0611561D0; US20080031522A1; CN101449280B; WO2007141297A1

Abstract

本发明涉及验证引擎。一种响应于由光学字符识别系统产生的冲突图像标识来确定所要执行的操作的验证引擎，该验证引擎包括：分析组件，用于从光学识别系统接收冲突图像标识，其中每一个图像标识都具有所产生的置信值；该分析组件分析所产生的置信值，以便确定接收到的每个图像标识之间的标识冲突；以及该分析组件分析所产生的冲突，以便识别是否该标识冲突落入预定工作参数范围以内，以及取决于标识冲突落入的范围来确定所要执行的操作。

Description

验证引擎

技术领域

本发明涉及光学字符识别系统领域。特别地，本发明涉及一种用于检验由光学字符识别系统产生的相同和冲突图像标识的验证引擎。

背景技术

无论是安全系统还是道路收费系统，越来越多的系统依靠拍摄照片来识别人或车辆。为了识别人或车辆，从照片中提取诸如车辆注册号码(vehicle registration number，或称车牌)或雇员编号之类的信息。通常，该照片是在人或车辆运动的时候在全天候条件下拍摄的。

如果依照这些照片来实施识别或数据提取处理，那么照片质量将会起到非常重要的作用。天气条件往往会导致照片模糊，举个例子，某一天的天气有可能是阳光灿烂的，虽然这似乎是拍照的好天气，但是阳光有可能会在车辆漆面上反射，并且将会导致产生一定数量的眩光，由此将会导致照片失真。另一天的天气有可能是正在下雪，由于雪花会附在车辆上，并且由此会使车辆注册号码模糊，因此在这种天气也无法获取清晰图像。其他的变数还有可能包括：日光质量、收费点光源是否能够提供在夜间照亮牌照(licence plate)的足够光源、车辆以多快速度行进经过收费点区域、乃至车辆的高度和大小等等。

为了了解照片中包含的数据的含义，人们部署了光学字符识别系统(OCR)，该系统会将图像内部的字符转换成标准的编码方案。由于某些照片、例如车辆牌照的照片会因为附着于该牌照的雪而模糊，因此，OCR引擎未必能够非常确信地将图像字符转换成恰当的编码方案。为了解决这个问题，OCR引擎衍生出一个置信评级(confidencerating)，其中它们将会评定其能够转换的图像字符的置信等级。但是，正如本技术领域所显示的那样，即使置信评级很高，但是OCR转换结果也还是很不准确。这样则会在基于通常并不精确的OCR结果来对车主开出账单的车辆收费环境中产生问题。

由此，在本领域中需要一种用于检验和改进OCR转换结果的手段。

发明内容

从第一个方面来看，本发明提供了一种响应于由光学字符识别系统产生的冲突图像标识来确定所要执行的操作的验证引擎，其中该验证引擎包括：用于从光学识别系统接收冲突图像标识的分析组件，其中每一个图像标识都具有所产生的置信值；该分组组件分析所产生的置信值，以便确定每一个接收到的图像标识之间的标识冲突；以及该分析组件分析所产生的冲突，以便识别该标识冲突是否落入预定工作参数范围以内，并且取决于所述标识冲突落入的范围来确定所要执行的操作。

非常有利的是，验证引擎提供从OCR引擎接收图像标识。每一个图像标识都包括一个置信等级，即OCR引擎在图像和预定句法内识别字符的容易程度。通常可能出现的情况是：虽然每一个OCR引擎分析的图像与别的OCR引擎正在分析的图像相同，但是每一个OCR引擎给出的标识有可能发生冲突并存在差异。该验证引擎使用了多个规则来验证和理解冲突标识，并且响应于所述冲突标识来确定所要执行的操作。例如指示手动代理通过分析OCR引擎获取的图像和标识等等来检验该冲突，此外该冲突也有可能是可以忽略的，并且可以清楚识别注册车主，由此产生传送到记账系统的通知。

非常有利的是，在确定注册车主的过程中，该验证引擎通过解决标识之间的冲突而提供了更高精度。

优选地，本发明提供了一种验证引擎，其中该操作包括：向手动代理传送图像标识、所产生的置信等级以及所确定的冲突中的每一项，以便进行检验。

优选地，本发明提供了一种验证引擎，其中该引擎还包括分析组件，该分析组件接收所获取的每一个图像标识的图像，以便将其传送到手动代理来进行检验。

优选地，本发明提供了一种设备，其中该操作包括：请求分析组件确定是否可以通过应用规则来解决标识冲突，如果可以通过应用规则来解决标识冲突，则向记账系统产生一通知。

优选地，本发明提供了一种验证引擎，其中分析组件确定没有冲突的图像标识，并且该分析组件向记账系统产生一通知。

优选地，本发明提供了一种验证引擎，其中图像的一个方面包括车辆前部或后部的牌照的图像。

优选地，本发明提供了一种验证引擎，其中图像的一个方面包括实体的标识标记。

优选地，本发明提供了一种如前述任一权利要求所述的验证引擎，其中预定工作参数范围包括指示OCR引擎识别图像中的每个字符难易的百分数值。

优选地，本发明提供了一种设备，其中该设备还包括：用于管理从一个或多个OCR引擎接收的图像标识和置信等级的接收组件。

优选地，本发明提供了一种根据权利要求8所述的设备，其中接收组件还包括：将图像标识保存在队列上预定量的时间，以便等待与同一实体相关联的更多图像标识来进行处理。

优选地，本发明提供了一种设备，其中分析组件还接收来自OCR引擎的经过转换的图像数据。

优选地，本发明提供了一种设备，其中分析组件对所转换的图像数据以及所产生的置信值进行分析，以便确定所转换的图像数据是否落入例外区域，并且如果是的话，则不应该执行进一步的操作。

从第二个方面来看，本发明提供了一种响应于由光学字符识别系统产生的冲突图像标识来确定所要执行的操作的方法，该方法包括以下步骤：从光学识别系统接收冲突图像标识，其中每一个图像标识都具有所产生的置信值；对所产生的置信值进行分析，以便确定接收到的每一个图像标识之间的标识冲突；以及对所产生的冲突进行分析，以便识别是否该标识冲突落入预定工作参数范围以内，以及取决于标识冲突所落入的范围，确定所要执行的操作。

从第三个方面来看，本发明提供了一种响应于由至少两个光学字符识别系统产生的冲突图像标识来确定所要执行的操作的数据处理系统，其中该数据处理系统包括：被适配成执行上述发明的中央处理器、内存设备以及存储器设备。

从第四个方面来看，本发明包括一种可以加载到数字计算机的内部存储器中的计算机程序产品，包括：用于在计算机上运行所述产品时实施、以便执行上述发明的软件代码。

附图说明

在下文中将会参考附图来详细描述作为例示给出的本发明的实施例，其中：

图1是详细描述了驾车经过收费点区域的车辆框图，根据本发明的优选实施例，在该收费点获取车辆前部牌照的图像；

图2是详细描述了驾车经过收费点区域的车辆框图，根据本发明的优选实施例，在该收费点获取车辆后部牌照的图像；

图3是详细描述可以实施本发明优选实施例的数据处理系统的框图；

图4是详细描述本领域中已知的OCR引擎及其子组件的框图；

图5是显示车辆注册号码和OCR引擎识别的同一车辆注册号码的框图；

图6是显示根据本发明优选实施例的验证引擎的框图；

图7是显示根据本发明优选实施例的验证引擎组件的框图；以及

图8是显示本发明优选实施例的操作步骤的流程图。

具体实施方式

图1显示了一个沿着道路125行进并且经过计费点区域100的车辆130。通常，计费点区域100包括至少一个相机105、110，以便拍摄关于车辆130的某个方面的图像。例如，第一相机110拍摄车辆前部牌照的图像。此外，该收费点区域100还可以包括用于拍摄车辆后部牌照的第二相机105。

收费点区域100还包括激光器检测器115，用于在收费点区域100中检测车辆130的存在，如果在收费点区域100中检测到车辆130，则触发第一相机105来拍摄图像。当车辆130经过收费点区域100时，激光器115触发第二相机110来拍摄图像，例如后部牌照的图像。每一个相机105、110都会将图像保存在存储器中，并且经由网络通信装置(未显示)将图像传送到中心数据存储器。

此外，在这里还提供了一个光源135，其中所述光源照亮道路125，以便在车辆130经过收费点区域100时照亮车辆的某个方面。在图1的例证中，相机105正在拍摄车辆前部牌照的照片。该照片连同诸如日期、时间以及用于识别收费点位置的标识符之类的信息一起保存在一个数据存储器(未显示)中。

图2描述的是与图1相同的收费点区域，但在本实例中，车辆130继续通过收费点区域100，直至激光器115触发第二相机来拍摄车辆后部牌照的照片。同样，相同的光源135会在向下的方向上照亮道路125，由此在车辆130持续经过收费点区域100时照亮车辆130的某个方面。后部牌照的图像连同诸如日期、时间以及用于识别收费点区域100的位置的标识符之类的信息一起保存在一个数据存储器中。作为选择，车辆130可以通过操作来与车载收费单元(未显示)协作，其中所述车载收费单元会在车辆经过收费点区域100时识别车辆130。与一个或多个发射机(未显示)相连的天线120则会检测车辆130何时通过收费点区域100。

每一个收费点区域100都与一个分布式数据处理系统对接。在图3中显示了一个这样的数据处理系统。该数据处理系统300包括多个输入设备305、310，例如相机305或是可以配置成在车辆130中工作的车载计算设备。输入设备305、310对数据进行传送，以便由服务器之类的计算设备315来进行接收。计算设备315包括CPU330、易失性存储器335以及保存并执行应用的非易失性存储器320。在某个时间、例如在应用请求访问数据存储器340以处理数据之前，从输入设备接收的数据被保存在数据存储器340中。该数据存储器既可以位于计算设备本地，也可以通过网络335、例如经由网络附着存储器或存储局域网来访问。

客户机设备350、345被配置成与计算设备315对接，以便提供数据输入装置。例如，客户机设备340、315可以对通过附着于计算设备的相机来触发图像获取的软件进行管理。

为了处理相机105、110或其他图像获取设备拍摄的图像，有必要将图像中的数据转换成某种有意义的形式。例如，在道路收费环境中必须从车辆前部或后部牌照的图像中获取车辆注册号码，以便识别注册车主并且为其开出账单。或者在安全系统中，相机拍摄的是雇员或公众成员的图像——在这里必须对照雇员数据库来识别和交叉引用雇员号码或其他识别手段，以便检测异常。

在所有情况中都部署了光学字符识别(OCR)引擎。在一个优选实施例中，其中部署了一个以上的OCR引擎。在本领域中，OCR引擎是已知的，并且该引擎会将字符图像转换成用ASCII或Unicode代表已转换字符的标准编码方案。在本发明的一个优选实施例中，使用了若干个OCR引擎来提取车辆130的注册号码，其中该注册号码是从所拍摄的车辆牌照的图像中得到的。

在图4中显示了一个OCR引擎。OCR引擎400包括：接收组件405，用于接收包含代表车辆前部牌照和后部牌照的图像的数据包；模板组件410，用于描述句法，例如牌照中的注册号码、即HT55HNZ；标识组件415，用于根据模板内部详细描述的句法来识别构成车辆的车辆注册号码的图像内部的字符；以及置信等级组件415，用于从标识组件410识别所获取的车辆的车辆注册号码的图像内部的字符的难易程度中得出置信等级。

模板组件405详细描述了所要识别的数据的句法，例如车辆注册号码的正确句法，雇员序列号的正确句法，或是其他任何需要从图像中获取的数据的正确句法。以车辆注册号码为例，在瑞典，车辆注册号码的句法是在三个字母之后跟随三个数字，在挪威和丹麦，该句法是两个字母以及五个数字，而在英国，该句法是两个字母跟随两个数字，再跟随三个字母等等。

标识组件410解析每一个图像，并且尝试识别车辆的车辆注册号码中的每一个字符，以及识别所提取的字符是否满足所需要的句法。该标识组件410部署了一种匹配算法，以便执行识别处理，并且确定识别每一个字符的置信等级。例如，通过拍摄车辆注册号码HT55HNX，该匹配算法尝试确信地识别图像中的字符H即为字母H，字符T即为字母T，字符5即为数字5，接下来的字符5即为数字5，以及字符H、N和X是字母H、N和X等等。

标识组件415与置信组件420对接，以便评定标识组件415识别图像中的每一个字符的置信等级。在上述实例中，对HT55HNZ来说，置信组件420很容易识别每一个字符，并且由此得到的字符与相关句法相匹配，因此，该置信组件415可以评定其识别的匹配具有很高的置信值。

同样，如果匹配算法不能匹配某个字符，或者只能部分匹配字符，例如获取字符“L”，那么如果所拍摄的图像是因为牌照上的污垢或雪等等而模糊的，则字符“l”实际有可能会像字符“I”，由此匹配算法的匹配置信等级将会很低。上述处理是为发送到OCR引擎400的每一个图像执行的。

但是，即便用于OCR引擎400的匹配算法取得了技术进步，但正如所显示的那样，即使在所确定的置信等级很高的时候，仍旧存在不精确性的。

举个例子，在图5中显示了多个车辆注册号码。右手侧的注册号码500、510、520是在图像中获取的字符。左手侧的注册号码505、515、525则是从匹配算法中得到的字符串。如所示，该匹配很不精确，由此不能始终依赖于所述识别和置信等级。

根据本发明的优选实施例，在这里提供了一种验证引擎，其中该验证引擎对来自OCR引擎的相容或矛盾的置信等级进行验证。该验证引擎可以被配置成与一个或多个OCR引擎对接，并且接收来自一个或多个OCR引擎的输入，以便进行处理。该验证组件改进并且添加到当前已知的OCR算法，以便提高OCR引擎的输出数据的精度和可信度。

图6显示了关于OCR引擎400以及可以与图3的计算设备300一起工作的验证组件600的排列。OCR引擎400接收来自相机之类的输入设备的图像。该OCR引擎400依照参考图4描述的方式来处理图像。并且该OCR引擎400创建一个工作包，其中该工作包将被传送到验证引擎600，用于确定是否可以检验可能矛盾或冲突的OCR引擎400的结果。作为替换，OCR引擎管理器620被部署成接收来自多个OCR引擎的工作包，以便将其传送到验证引擎600。

验证引擎600经由工作流队列来接收来自多个OCR引擎400的工作包。每一个工作包都包括：一组图像，从匹配算法中形成的字符串，以及为每一个字符串得出的置信等级。

验证引擎600将计算结果保存在数据存储器中。如果该验证引擎600可以检验OCR引擎500的结果，并且该结果并未落入某个例外判据，那么验证引擎600向记账系统610传送一个消息，例如为注册车主开出账单。如果验证引擎600不能检验OCR引擎400的结果，那么验证引擎600会向操作者传递一个通知，以便请求重新检查OCR引擎400以及验证引擎600的结果。

验证引擎600包括多个相互对接和交互的组件，以便检验和验证OCR引擎400的发现结果(finding)。在图7中显示了这些组件。这些组件包括：接收组件700，用于从工作流队列中接收工作包以及从工作包中提取图像、字符串和置信评级；分析引擎720，用于从置信等级和OCR识别结果中确定来自发生冲突的置信等级的验证响应。接收组件700还包括进行队列705和保持队列710，用于管理从OCR引擎400到验证引擎600的工作包的流。

以下将会依次说明这其中的每一个组件。接收组件700接收来自工作流队列的工作包。该接收组件700检查每一个工作流包，并且确定是否每一个工作流包都包含了至少两个图像和两个置信等级评级。如果确定结果是肯定的，那么接收组件700将工作包放置在进行队列705中。如果确定结果是否定的，那么接收组件700将工作包放入保持队列710，并且不会继续处理该工作包，直至检测到另一个工作包。该工作包会在保持队列710中预定量的时间，如果在经过预定量的时间之后仍未接收到另一个工作包，并且在该工作包中只包含了一个图像，那么该工作包将被拒绝。

接收组件700监视进行队列705，在将工作包置于队列时，该接收组件700会将该工作包传送到分析组件720，以便进行处理。

分析组件720从接收组件700接收一个或多个工作包。该分析组件700开始将工作包解码成多个不同属性，即收费点名称、日期和时间、所接收的图像编号以及每一个OCR引擎得到的置信等级。该分析组件720将所提取的属性写入一个日志文件。

分析组件720解析日志文件，并且借助比较组件725来比较每一个OCR引擎400的每一个输出结果。该分组组件720使用一个规则引擎730来确定是否任何两个标识相同。举个例子，如果汇聚集合即日志文件包含了四个图像，其中每一个图像都具有所得到的注册号码和置信等级，那么分析组件720会通过将得到的第一注册号码与得到的第二注册号码相比较来开始工作，如果没有检测到相同匹配，那么分析组件720借助比较组件725来将得到的第一注册号码与第三号码相比较，以此类推，直至比较了得到的注册号码的所有组合。

例如：

注册号码	1	2	3	4
注册号码	1	2	3	4	1		比较	比较	比较
2	比较		比较	比较	1		比较	比较	比较
2	比较		比较	比较	3	比较	比较		比较
4	比较	比较	比较		3	比较	比较		比较

每一个比较结果都被写入到数据文件中，分析组件720借助逻辑组件730来分析每一个结果，以便确定验证响应，例如针对记账系统的验证响应。

分析组件720首先从日志文件中确定是否存在置信等级评级超出例如85％的标识。如果该确定结果是肯定的，则借助通信组件来发送一个响应，例如向记账系统发送响应，以便指示记账系统为该注册车主开出账单。但是，如果不存在置信等级超出例如85％的OCR引擎标识，那么在得出是否为注册车主开出账单的最终决定之前，包含图像、标识、日志文件和置信等级的工作包被发送到人工代理，以便进行识别和验证。

但是，如果所有或者至少两个标识相同，并且没有置信等级超出例如85％的其他冲突标识，那么分析组件720检验该标识是一个正确标识。如果检测到存在置信等级超出例如75％的冲突标识，那么除了特殊情况、也就是免费车辆标识之外，该工作包被发送到一个或多个人工代理。举个例子，ABC 123>85％，ABC 123>85％，BBC123>70％——将工作包发送到人工代理，以便进行检验。

举例来说，如果分析组件720检测到置信等级例如介于70％与85％之间的标识，但是至少有三个OCR标识是相同的，并且有两个标识是来自前部和后部牌照的——那么分析组件将会接受该标识。举例来说，如果，前部ACB123>85％，后部ABC123>85％，前部ABC123>85％，后部BBC23>70％，则接受该标识。

如果分析组件720检测到每一个标识都具有高置信等级，但是至少某些标识是冲突的，那么分析组件会将工作包标记成冲突标识，并且将工作包传送到人工代理，以便进行检验。举例来说，如果前部ABC123>85％，前部ABC123>85％，后部ABC123>85％，后部BCD123>85％，后部BCD123>85％，后部BCD123>85％，则将其标记成冲突标记，并且将工作包发送到人工代理。

举例来说，如果分析组件720仅仅识别出一个OCR引擎400的标识具有大于85％的置信等级，那么分析组件720会将工作包传送到通信组件，以便将其传送到手动代理来进行识别。

如果分析组件720识别出任何一个标识大于85％，并且将车辆识别成例如出租车或是排除在收费之外的其他车辆，那么它会在注册数据库中执行查找，以便确认该车辆确实是出租车，并且将会丢弃该工作包。如果在数据库中没有发现这个标识，则借助通信组件将该标识发送到人工代理，以便进行检验。

如果分析组件720识别出某个标识具有超出85％的置信等级，另一个标识具有超出85％的置信等级，以及第一标识是出租车并且第二标识是国外车辆，那么用于出租车的规则将会占据优先地位。

如果分析组件720识别出置信等级很高的第一标识，并且该车辆是国外车辆，则将工作包传送到人工代理，以便进行检验。

对验证引擎接收的每一个工作包重复执行上述处理。但是，本领域技术人员应该了解，在不脱离发明范围的情况下，还可以引入其他类型的规则或逻辑。

转到图8，该图显示的是详细描述验证引擎的处理步骤细节的流程图。在步骤800，验证引擎600的接收组件600接收来自一个或多个OCR引擎的工作包，并且将每一个工作包放置在“进行队列”中。该接收组件等待预定时间量，直至确定没有从任何OCR引擎400接收到与在图像中识别的车辆相关联的任何工作包。一旦接收组件700收集了每一个工作包，那么在步骤805，该接收组件700提取OCR引擎400产生的图像、标识和置信等级数据中的每一项。接收组件700将所提取的数据发送到分析组件720，其中在步骤810，该分析组件720会为每一对图像确定OCR引擎400产生的置信等级与另一个OCR引擎400产生的置信等级符合还是矛盾。在步骤815，该分析组件720使用多个规则来确定识别出的冲突置信等级是否落入预定工作参数范围以内——其中这些工作参数是由规则确定的。在步骤820，根据标识冲突所在的范围，分析组件720确定将要执行的恰当操作，也就是应用进一步的规则来解决冲突，向记账系统产生通知，或者请求手动代理重新查看图像、图像标识以及置信等级，以便解决冲突标识。

Claims

1.一种响应于由光学字符识别系统产生的冲突图像标识来确定所要执行的操作的验证引擎，该验证引擎包括：

分析组件，用于从光学识别系统接收冲突图像标识，其中每一个图像标识都具有所产生的置信值；

该分析组件分析所产生的置信值，以便确定接收到的图像标识的标识冲突；以及

该分析组件分析所产生的冲突，以便识别该标识冲突是否落入预定工作参数范围以内，以及取决于标识冲突落入的范围来确定所要执行的操作。

2.根据权利要求1所述的验证引擎，其中该操作包括：向手动代理传送图像标识、所产生的置信等级以及所确定的冲突中的每一项，以便进行检验。

3.根据权利要求1或权利要求2所述的验证引擎，还包括：该分析组件接收所获取的每一个图像标识的图像，以便将其传送到手动代理来进行检验。

4.根据权利要求1所述的验证引擎，其中该操作包括请求分析组件来确定是否可以通过应用规则来解决标识冲突，并且如果可以通过应用规则来解决冲突，则向记账系统产生一通知。

5.根据权利要求1所述的验证引擎，其中分析组件确定没有冲突图像标识，并且该分析组件向记账系统产生一通知。

6.根据前述任一权利要求所述的验证引擎，其中图像的一个方面包括车辆前部或后部牌照的图像。

7.根据前述任一权利要求所述的验证引擎，其中图像的一个方面包括实体的标识标记。

8.根据前述任一权利要求所述的验证引擎，其中预定工作参数范围是由一组规则定义的，每一个规则都详细描述了置信值可能落入的最小阈值，并且取决于落入特定的最小和最大阈值的所产生的置信等级来确定所要执行的操作。

9.根据权利要求1所述的验证引擎，还包括：接收组件，用于管理从一个或多个OCR引擎接收的图像标识和置信等级。

10.根据权利要求8所述的验证引擎，其中接收组件还包括：将图像标识保存在队列上预定量的时间，以便等待与同一实体相关联的更多图像标识来进行处理。

11.根据权利要求1所述的验证引擎，其中分析组件还从OCR引擎接收经过转换的图像数据。

12.根据权利要求10所述的验证引擎，其中分析组件对所转换的图像数据以及所产生的置信值进行分析，以便确定所转换的图像数据是否落入例外区域，并且如果是的话，则不应该执行进一步的操作。

13.根据前述任一权利要求所述的验证引擎，其中该验证引擎被适配成在车辆拥堵环境中使用。

14.根据前述任一权利要求所述的验证引擎，其中验证引擎可以通过操作来从多个OCR引擎接收图像标识、图像以及置信值。

15.一种响应于由光学字符识别系统产生的冲突图像标识来确定所要执行的操作的方法，该方法包括以下步骤：

从光学字符识别系统接收冲突图像标识，其中每一个标识都具有所产生的置信值；

对所产生的置信值进行分析，以便确定每一个接收到的图像标识之间的标识冲突；以及

对所产生的冲突进行分析，以便识别该标识冲突是否落入预定工作参数范围以内，以及取决于标识冲突落入的范围来确定所要执行的操作。

16.根据权利要求15所述的方法，其中该操作包括将图像、所产生的置信等级以及所确定的冲突中的每一项传送到手动代理，以便进行检验。

17.根据权利要求15或权利要求16所述的方法，还包括接收所获取的每一个图像标识的图像，以便传送到手动代理进行检验。

18.根据权利要求17所述的方法，其中该操作包括请求分析组件确定是否可以通过应用规则来解决标识冲突，并且如果可以通过应用规则来解决冲突，则向记账系统产生一通知。

19.根据权利要求15所述的方法，其中比较步骤还包括确定没有冲突图像标识，并且分析组件向记账系统产生一通知。

20.根据前述任一权利要求所述的方法，其中图像的一个方面包括车辆前部或后部牌照的图像。

21.根据前述任一权利要求所述的方法，其中图像的一个方面包括实体的标识标记。

22.根据前述任一权利要求所述的方法，其中预定工作参数范围是由一组规则定义的，每一个规则都详细描述了置信值可能落入的最小阈值，并且取决于落入特定的最小和最大阈值的所产生的置信等级来确定所要执行的操作。

23.根据权利要求16所述的方法，还包括：管理从一个或多个OCR引擎接收的图像标识和置信等级的步骤。

24.根据权利要求23所述的方法，其中管理步骤还包括：将图像标识保存在队列上预定量的时间，以便等待与同一实体相关联的更多图像标识来进行处理。

25.根据权利要求15所述的方法，还包括从OCR引擎接收经过转换的图像数据。

26.根据权利要求25所述的方法，其中接收步骤还包括对所转换的图像数据以及所产生的置信值进行分析，以便确定所转换的图像数据是否落入例外区域，并且如果是的话，则不应该执行进一步的操作。

27.根据前述任一权利要求所述的方法，其中该方法被适配成在车辆拥堵环境中使用。

28.根据前述任一权利要求所述的方法，其中验证引擎可以通过操作来从多个OCR引擎接收图像标识、图像以及置信值。

29.一种响应于由光学字符识别系统产生的冲突图像标识来确定所要执行的操作的数据处理系统，其中该数据处理系统包括：被适配成执行如权利要求15～29所述的方法的中央处理器、内存设备和存储器设备。

30.一种可以加载到数字计算机的内部存储器中的计算机程序产品，其中该产品包括用于在计算机上运行所述产品时执行如权利要求15～29所述的方法的软件代码部分。