CN104537367A - 一种vin码的校验方法 - Google Patents
一种vin码的校验方法 Download PDFInfo
- Publication number
- CN104537367A CN104537367A CN201410659484.0A CN201410659484A CN104537367A CN 104537367 A CN104537367 A CN 104537367A CN 201410659484 A CN201410659484 A CN 201410659484A CN 104537367 A CN104537367 A CN 104537367A
- Authority
- CN
- China
- Prior art keywords
- image
- vin code
- vin
- character
- code
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/146—Aligning or centring of the image pick-up or image-field
- G06V30/1475—Inclination or skew detection or correction of characters or of image to be recognised
- G06V30/1478—Inclination or skew detection or correction of characters or of image to be recognised of characters or characters lines
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Character Input (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种VIN码的校验方法,该方法如下:步骤1、图像比对模块对源图像中的VIN码进行定位,采用最大类间方差法确定阙值,对VIN码进行定位;步骤2、图像比对模块对源图像中的VIN码进行水平角矫正,通过图像旋转,得出VIN码的高度值;步骤3、图像比对模块对VIN码进行侧倾角矫正,得到高度一致的VIN码图像;步骤4、图像比对模块分割提取VIN码中每个字符位置,得到处理后的源图像;步骤5、调取被测图像,重复步骤1—步骤4,完成对被测图像的处理,得到处理后的被测图形;步骤6、图像比对模块对图片进行匹配比对,将处理后的源图像和处理后的被测图像进行模板位置匹配,并进行比对,判断出每个字符内容是否改变,得出比对信息。
Description
技术领域
本发明属于智能交通监控技术领域,具体涉及一种VIN码的校验方法。
背景技术
目前车管所民警主要以目视对比车辆VIN码与先前留底印模查验是否存在人为改动痕迹,由于缺少必要的技术手段和相对有效的方法,查验效果不佳:第一,人工校验VIN码费时费力效率低下;第二,人工查验极易造成纰漏;第三,印模的调用、存储等环节也不便管理。并且,还没有能够采用自对比对校验VIN码的方法。
发明内容
本发明所要解决的技术问题在于针对上述现有技术的不足,提供一种新的VIN码的校验方法。
为解决上述技术问题,本发明采用的技术方案是,一种VIN码的校验方法,该方法包括以下步骤:
步骤1、图像比对模块对源图像中的VIN码进行定位,采用最大类间方差法确定阙值,对VIN码进行水平和方向的定位,得到定位后的源图像;所述源图像为拍摄的车辆原始的VIN码图片;
步骤2、图像比对模块对步骤1中所得的定位后的源图像中的VIN码进行水平角矫正,采用图像旋转的方法,将VIN码旋转至位于水平位置时,得出此时的VIN码的高度值;
步骤3、图像比对模块对步骤2中处理后的VIN码图像中的VIN码进行侧倾角矫正,得到高度一致的VIN码图像;
步骤4、图像比对模块对步骤3中处理后的VIN码图像中的VIN码分割提取每个字符位置,通过计算,找到每个字符的X方向起点和终点,得到处理后的源图像;
步骤5、调取被测图像,重复步骤1—步骤4,完成对被测图像的处理,得到处理后的被测图形;所述被测图像为经处理的拍摄的带有待验证的车辆VIN码的图像;
步骤6、图像比对模块对处理后的图像进行缩放、匹配比对,将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像进行模板位置匹配,并进行比对,判断出每个字符内容是否改变,得出比对信息。
进一步地,该步骤5中的被测图像由以下方法获得,数据处理系统接收传输过来的VIN码图像,根据钢架号码的排列规律,对VIN码中的每个字分割为单个的字符,并对分割后的每个字符进行OCR字符识别;对VIN码中排列为第九的数字进行OCR验证,查验其是否符合VIN码字符的表达规律,确定出符合表达规律的VIN码的图像,即被测图像。
进一步地,该方法还包括,将步骤6中所得的比对信息传输给终端。
进一步地,该步骤1中对VIN码进行对位的过程为,通过方向边缘检测,记录x方向上的边缘点,再进行x方向投影,对一维数据高低阈值进行分割,进行连通判断,找到y方向VIN的上边起点和高度;同理通过y方向边缘检测,找到x方向VIN的左边起点和宽度,完成VIN定位。
进一步地,该步骤2采用双线性插值的方法或者最邻近插值方法旋转图像,图像旋转步长为0.1度—0.8度。
进一步地,该图像旋转步长为0.5度。
进一步地,该步骤3中采用最小二乘法拟合出一条关于字符高度的直线,对于中心字符保护不变,两侧字符按该直线进行线性矫正。
进一步地,该步骤四中采用索贝尔边缘提取算法、坎尼算法或拉普拉斯算法,找到字符边缘,再进行垂直投影,对垂直直方图进行波峰波谷分析。
大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。
对于VIN图像I(x,y),前景(即VIN字符)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比例记为ω0,其平均灰度μ0;背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均灰度记为μ,类间方差记为g。
假设图像的背景较暗,并且图像的大小为M×N,图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:
ω0=N0/M×N (1)
ω1=N1/M×N (2)
N0+N1=M×N (3)
ω0+ω1=1 (4)
μ=ω0×μ0+ω1×μ1 (5)
g=ω0×(μ0-μ)^2+ω1×(μ1-μ)2 (6)
将式(5)代入式(6),得到等价公式:
g=ω0×ω1×(μ0-μ1)2 (7)
采用遍历的方法得到使类间方差最大的阈值T,即为所求。
双线性插值,又称为双线性内插,即两个变量的插值函数的线性插值扩展,其核心思想是在两个方向分别进行一次线性插值。
设VIN高度符合函数f,f在点P的坐标为(x,y),假设我们
已知f在Q11=(x1,y1),Q12=(x1,y2),Q21=(x2,y1),Q22=(x2,y2)四个点的值。
首先在x方向进行线性插值,得到
然后在y方向进行线性插值,得到
这样就得到所要的结果,
如果选择一个坐标系统使得f的四个已知点坐标分别为(0,0)、(0,1)、(1,0)和(1,1),那么插值公式就可以化简为:
f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy,
或者用矩阵运算表示为:
与这种插值方法名称不同的是,这种插值方法的结果通常不是线性的,它的形式是:
b1+b2x+b3y+b4xy,
常数的数目都对应于给定的f的数据点数目,
b1=f(0,0)
b2=f(1,0)-f(0,0)
b3=f(0,1)-f(0,0)
b4=f(1,1)-f(1,0)-f(0,1)+f(0,0)
线性插值的结果与插值的顺序无关。首先进行y方向的插值,然后进行x方向的插值,所得到的结果是一样的。
当我们得到VIN每个字符高度的点的坐标(x,y),将这一系列坐标(x1,y1)(x2,y2)...(xm,ym)描绘在x-y直角坐标系中,我们拟合这些点在一条直线附近,可令这条直线方程如下:
yj=a0+a1x (1)
其中:a0、a1是任意实数,
为建立这直线方程就要确定a0和a1,应用最小二乘法原理,将实测值Yi与利用(1)计算,以其值最小为“优化判据”。
令:Φ=Σ(Yi-Yj)2 (2)
把(1)代入(2)中得:
Φ=Σ(Yi-a0-a1Xi)2 (3)
当最小时,可用函数对Xi、Yi求偏导数,令这两个偏导数等于零。
Σ2(a0+a1Xi-Yi) (4)
亦即:
na0+a1ΣXi=ΣYi (5)
a0ΣXi+a1ΣXi 2=ΣXiYi (6)
得到的两个关于a0、a1为未知数的两个方程组,解这两个方程组得出:
这时把a0、a1代入(1)中,此时的(1)就是我们回归的元线性方程。
在回归过程中,回归的关联式不可能全部通过每个位置点(x1,y1)(x2,y2)...(xm,ym),为了判断关联式的好坏,可借助相关系数“R”,统计量“F”,剩余标准偏差“S”进行判断;“R”越趋近于1越好;“F”的绝对值越大越好;“S”越趋近于0越好。
在(9)中,m为VIN字符个数;Xi、Yi分别为任意一个VIN的高度点位置X、Y的数值。
Sobel卷积因子为:
该算子包含两组3x3的矩阵,分别为横向及纵向,将之与图像作平面卷积,即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像,Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值,其公式如下:
具体计算如下:
其中f(a,b),表示图像(a,b)点的灰度值;
图像的每一个像素的横向及纵向灰度值通过以下公式结合,来计算该点灰度的大小:
通常,为了提高效率使用不开平方的近似值:
|G|=|Gx|+|Gy|,
如果梯度G大于某一阀值则认为该点(x,y)为边缘点。
然后可用以下公式计算梯度方向:
两幅图进行模板匹配找到整体最佳匹配位置,然后对每个字符匹配找到最佳位置,根据字符匹配位置,判断是否有x、y方向平移缺陷;对于位置匹配合理的字符进行内容判断,首先对两幅图像进行形态学开运算,把小空洞进行填充,然后两幅图进行异或运算,把重叠的内容去掉,既把重叠的背景和字符去掉,然后进行闭运算,把不连续的边界点去掉,剩下的是一些连通的区域,通过总区域和连通大区域判断,判断字符内容是否改变,包括角度改变,大小改变,字体改变等,最后把结果显示出来。
开运算:先腐蚀再膨胀,可以去掉目标外的孤立点
闭运算:先膨胀再腐蚀,可以去掉目标内的孔。
用B(x)代表结构元素,对工作空间E中的每一点x,腐蚀和膨胀定义为:
腐蚀:
膨胀:
本发明一种VIN码的校验方法,VIN码从从第一位开始,码数字的对应值×该位的加权值,计算全部17位的乘积值相加除以11,所得的余数,即为第九位校验值。
如:
车辆识别码:UU6JA69691D713820第九位为9为校验码,我们可以验证下是否正确。
4×8+4×7+6×6+1×5+1×4+6×3+9×2+6×10+1×9+4×8+7×7+1×6+3×5+8×4+2×3+0×0=350
350除以11,得31,余9,该余数9即为校验码,和识别码的校验位相同。
本发明一种VIN码的校验方法,具有如下优点:1.采用了一种新的图像处理流程,包含:VIN源图像定位,VIN水平角及侧倾角校正,单个字符分割提取,图片匹配等关键环节,校验准确率高。2.实现了VIN码图像的自动识别,能将VIN图片自动识别为VIN码字符。3.实现了VIN码图像的自对比对,替代了传统的人工比对的方式,提高了工作效率。
具体实施方式
实施例1
一种VIN码的校验方法,该方法包括以下步骤:
步骤1、图像比对模块对源图像中的VIN码进行定位,采用最大类间方差法确定阙值,通过方向边缘检测,记录x方向上的边缘点,再进行x方向投影,对一维数据高低阈值进行分割,进行连通判断,找到y方向VIN的上边起点和高度;同理通过y方向边缘检测,找到x方向VIN的左边起点和宽度,完成VIN定位。
步骤2、图像比对模块对源图像中的VIN码进行水平角矫正,通过双线性插值的方法旋转图像,图像旋转步长为0.5度,得出VIN码的高度值;
步骤3、图像比对模块对VIN码进行侧倾角矫正,用最小二乘法拟合出一条关于字符高度的直线,对于中心字符保护不变,两侧字符按该直线进行线性矫正,得到高度一致的VIN码图像;
步骤4、图像比对模块分割提取VIN码中每个字符位置,采用索贝尔边缘提取算法,通过计算,找到字符边缘,再进行垂直投影,对垂直直方图进行波峰波谷分析,找到每个字符的X方向起点和终点,得到处理后的源图像;
步骤5、调取被测图像,重复步骤1—步骤4,完成对被测图像的处理,得到处理后的被测图形;
步骤6、图像比对模块对图片进行缩放、匹配比对,将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像对被测图VIN图像大小归一,即进行水平、垂直两个方向进行缩放,使得处理后的被测图VIN图像与处理后的源图像VIN大小一致,然后进行模板位置匹配,并进行比对,判断出每个字符内容是否改变,得出比对信息。将步骤6中所得的比对信息传输给终端。
其中步骤5中的被测图像由以下方法获得,数据处理系统接收传输过来的VIN码图像,根据钢架号码的排列规律,对VIN码中的每个字分割为单个的字符,并对分割后的每个字符进行OCR字符识别;对VIN码中排列为第九的数字进行OCR验证,查验其是否符合VIN码字符的表达规律,确定出符合表达规律的VIN码的图像,即被测图像。
实施例2
一种VIN码的校验方法,该方法包括以下步骤:
步骤1、图像比对模块对源图像中的VIN码进行定位,采用最大类间方差法确定阙值,通过方向边缘检测,记录x方向上的边缘点,再进行x方向投影,对一维数据高低阈值进行分割,进行连通判断,找到y方向VIN的上边起点和高度;同理通过y方向边缘检测,找到x方向VIN的左边起点和宽度,完成VIN定位。
步骤2、图像比对模块对源图像中的VIN码进行水平角矫正,通过邻近插值方法旋转图像,图像旋转步长为0.8度,得出VIN码的高度值;
步骤3、图像比对模块对VIN码进行侧倾角矫正,用最小二乘法拟合出一条关于字符高度的直线,对于中心字符保护不变,两侧字符按该直线进行线性矫正,得到高度一致的VIN码图像;
步骤4、图像比对模块分割提取VIN码中每个字符位置,采用坎尼算法,通过计算,找到字符边缘,再进行垂直投影,对垂直直方图进行波峰波谷分析,找到每个字符的X方向起点和终点,得到处理后的源图像;
步骤5、调取被测图像,重复步骤1—步骤4,完成对被测图像的处理,得到处理后的被测图形;
步骤6、图像比对模块对图片进行缩放、匹配比对,将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像对被测图VIN图像大小归一,即进行水平、垂直两个方向进行缩放,使得处理后的被测图VIN图像与处理后的源图像VIN大小一致,然后进行模板位置匹配,并进行比对,判断出每个字符内容是否改变,得出比对信息。将步骤6中所得的比对信息传输给终端。
其中,步骤5中的被测图像由以下方法获得,数据处理系统接收传输过来的VIN码图像,根据钢架号码的排列规律,对VIN码中的每个字分割为单个的字符,并对分割后的每个字符进行OCR字符识别;对VIN码中排列为第九的数字进行OCR验证,查验其是否符合VIN码字符的表达规律,确定出符合表达规律的VIN码的图像,即被测图像。
实施例3
一种VIN码的校验方法,该方法包括以下步骤:
步骤1、图像比对模块对源图像中的VIN码进行定位,采用最大类间方差法确定阙值,通过方向边缘检测,记录x方向上的边缘点,再进行x方向投影,对一维数据高低阈值进行分割,进行连通判断,找到y方向VIN的上边起点和高度;同理通过y方向边缘检测,找到x方向VIN的左边起点和宽度,完成VIN定位。
步骤2、图像比对模块对源图像中的VIN码进行水平角矫正,通过邻近插值方法旋转图像,图像旋转步长为0.1度,得出VIN码的高度值;
步骤3、图像比对模块对VIN码进行侧倾角矫正,用最小二乘法拟合出一条关于字符高度的直线,对于中心字符保护不变,两侧字符按该直线进行线性矫正,得到高度一致的VIN码图像;
步骤4、图像比对模块分割提取VIN码中每个字符位置,采用拉普拉斯算法,通过计算,找到字符边缘,再进行垂直投影,对垂直直方图进行波峰波谷分析,找到每个字符的X方向起点和终点,得到处理后的源图像;
步骤5、调取被测图像,重复步骤1—步骤4,完成对被测图像的处理,得到处理后的被测图形;
步骤6、图像比对模块对图片进行缩放、匹配比对,将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像对被测图VIN图像大小归一,即进行水平、垂直两个方向进行缩放,使得处理后的被测图VIN图像与处理后的源图像VIN大小一致,然后进行模板位置匹配,并进行比对,判断出每个字符内容是否改变,得出比对信息。将步骤6中所得的比对信息传输给终端。
其中,步骤5中的被测图像由以下方法获得,数据处理系统接收传输过来的VIN码图像,根据钢架号码规律,确定出符合表的排列规律,对VIN码中的每个字分割为单个的字符,并对分割后的每个字符进行OCR字符识别;对VIN码中排列为第九的数字进行OCR验证,查验其是否符合VIN码字符的表达规律的VIN码的图像,即被测图像。源图像为拍摄的车辆原始的VIN码图片。
当采用不同的处理方法时,比对识别准确度会有差别,VIN码的长度是17位,当位数不正确时,会在显示装置上显示长度错误,如果位数正确,则继续对VIN码中的校验位进行验证,当出现非法的字符时,会有提示信息。
Claims (8)
1.一种VIN码的校验方法,其特征在于,该方法包括以下步骤:
步骤1、图像比对模块对源图像中的VIN码进行定位,采用最大类间方差法确定阙值,对VIN码进行水平和方向的定位,得到定位后的源图像;所述源图像为拍摄的车辆原始的VIN码图片;
步骤2、图像比对模块对步骤1中所得的定位后的源图像中的VIN码进行水平角矫正,采用图像旋转的方法,将VIN码旋转至位于水平位置时,得出此时的VIN码的高度值;
步骤3、图像比对模块对步骤2中处理后的VIN码图像中的VIN码进行侧倾角矫正,得到高度一致的VIN码图像;
步骤4、图像比对模块对步骤3中处理后的VIN码图像中的VIN码分割提取每个字符位置,通过计算,找到每个字符的X方向起点和终点,得到处理后的源图像;
步骤5、调取被测图像,重复步骤1—步骤4,完成对被测图像的处理,得到处理后的被测图形;所述被测图像为经处理的拍摄的带有待验证的车辆VIN码的图像;
步骤6、图像比对模块对处理后的图像进行缩放、匹配比对,将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像进行模板位置匹配,并进行比对,判断出每个字符内容是否改变,得出比对信息。
2.按照权利要求1所述的一种VIN码的校验方法,其特征在于,所述步骤5中的被测图像由以下方法获得,数据处理系统接收传输过来的VIN码图像,根据钢架号码的排列规律,对VIN码中的每个字分割为单个的字符,并对分割后的每个字符进行OCR字符识别;对VIN码中排列为第九的数字进行OCR验证,查验其是否符合VIN码字符的表达规律,确定出符合表达规律的VIN码的图像,即被测图像。
3.按照权利要求1或2所述的一种VIN码的校验方法,其特征在于,该方法还包括,将步骤6中所得的比对信息传输给终端。
4.按照权利要求1或2所述的一种VIN码的校验方法,其特征在于,所述步骤1中对VIN码进行对位的过程为,通过方向边缘检测,记录x方向上的边缘点,再进行x方向投影,对一维数据高低阈值进行分割,进行连通判断,找到y方向VIN的上边起点和高度;同理通过y方向边缘检测,找到x方向VIN的左边起点和宽度,完成VIN定位。
5.按照权利要求1或2所述的一种VIN码的校验方法,其特征在于,所述步骤2采用双线性插值的方法或者最邻近插值方法旋转图像,图像旋转步长为0.1度—0.8度。
6.按照权利要求5所述的一种VIN码的校验方法,其特征在于,所述图像旋转步长为0.5度。
7.按照权利要求1或2所述的一种VIN码的校验方法,其特征在于,所述步骤3中采用最小二乘法拟合出一条关于字符高度的直线,对于中心字符保护不变,两侧字符按该直线进行线性矫正。
8.按照权利要求1或2所述的一种VIN码的校验方法,其特征在于,所述步骤四中采用索贝尔边缘提取算法、坎尼算法或拉普拉斯算法,找到字符边缘,再进行垂直投影,对垂直直方图进行波峰波谷分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410659484.0A CN104537367B (zh) | 2014-11-18 | 2014-11-18 | 一种vin码的校验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410659484.0A CN104537367B (zh) | 2014-11-18 | 2014-11-18 | 一种vin码的校验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104537367A true CN104537367A (zh) | 2015-04-22 |
CN104537367B CN104537367B (zh) | 2018-06-12 |
Family
ID=52852887
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410659484.0A Expired - Fee Related CN104537367B (zh) | 2014-11-18 | 2014-11-18 | 一种vin码的校验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537367B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423732A (zh) * | 2017-07-26 | 2017-12-01 | 大连交通大学 | 基于Android平台的车辆VIN识别方法 |
CN108197626A (zh) * | 2017-12-28 | 2018-06-22 | 深圳开思时代科技有限公司 | 信息识别方法、系统及计算机可读存储介质 |
CN108596177A (zh) * | 2018-05-09 | 2018-09-28 | 大连方盛科技有限公司 | 一种机动车vin码拓印膜的计算机辅助甄别方法及系统 |
CN110059705A (zh) * | 2019-04-22 | 2019-07-26 | 厦门商集网络科技有限责任公司 | 一种基于建模的ocr识别结果判决方法和设备 |
CN110110162A (zh) * | 2018-01-30 | 2019-08-09 | 江苏迪纳数字科技股份有限公司 | 一种由vin码校验位标准加权算法验证vin码的方法 |
CN110826551A (zh) * | 2019-11-04 | 2020-02-21 | 大连交通大学 | 一种机动车vin码拓印模图像的智能甄别方法 |
CN111950550A (zh) * | 2020-08-13 | 2020-11-17 | 王宗尧 | 基于深度卷积神经网络的车架号识别系统 |
CN112241739A (zh) * | 2020-12-17 | 2021-01-19 | 北京沃东天骏信息技术有限公司 | 识别文本错误的方法、装置、设备和计算机可读介质 |
CN112556586A (zh) * | 2020-11-23 | 2021-03-26 | 武汉理工大学 | 一种vin码涂改检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5541396A (en) * | 1991-07-19 | 1996-07-30 | Rentsch; Frederic | Method of representing binary data |
CN101221625A (zh) * | 2008-01-24 | 2008-07-16 | 天津市阿波罗信息技术有限公司 | 可在条形码上埋入信息的处理方法 |
CN101604388A (zh) * | 2008-11-25 | 2009-12-16 | 无锡虹业自动化工程有限公司 | 条码扫描式直读抄表方法 |
-
2014
- 2014-11-18 CN CN201410659484.0A patent/CN104537367B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5541396A (en) * | 1991-07-19 | 1996-07-30 | Rentsch; Frederic | Method of representing binary data |
CN101221625A (zh) * | 2008-01-24 | 2008-07-16 | 天津市阿波罗信息技术有限公司 | 可在条形码上埋入信息的处理方法 |
CN101221625B (zh) * | 2008-01-24 | 2011-06-22 | 天津市阿波罗信息技术有限公司 | 可在条形码上埋入信息的处理方法 |
CN101604388A (zh) * | 2008-11-25 | 2009-12-16 | 无锡虹业自动化工程有限公司 | 条码扫描式直读抄表方法 |
Non-Patent Citations (1)
Title |
---|
戚永军等: "机动车VIN 码信息管理系统的设计与实现", 《北华航天工业学院学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107423732A (zh) * | 2017-07-26 | 2017-12-01 | 大连交通大学 | 基于Android平台的车辆VIN识别方法 |
CN108197626A (zh) * | 2017-12-28 | 2018-06-22 | 深圳开思时代科技有限公司 | 信息识别方法、系统及计算机可读存储介质 |
CN110110162A (zh) * | 2018-01-30 | 2019-08-09 | 江苏迪纳数字科技股份有限公司 | 一种由vin码校验位标准加权算法验证vin码的方法 |
CN108596177A (zh) * | 2018-05-09 | 2018-09-28 | 大连方盛科技有限公司 | 一种机动车vin码拓印膜的计算机辅助甄别方法及系统 |
CN110059705A (zh) * | 2019-04-22 | 2019-07-26 | 厦门商集网络科技有限责任公司 | 一种基于建模的ocr识别结果判决方法和设备 |
CN110826551A (zh) * | 2019-11-04 | 2020-02-21 | 大连交通大学 | 一种机动车vin码拓印模图像的智能甄别方法 |
CN110826551B (zh) * | 2019-11-04 | 2023-04-28 | 大连交通大学 | 一种机动车vin码拓印模图像的智能甄别方法 |
CN111950550A (zh) * | 2020-08-13 | 2020-11-17 | 王宗尧 | 基于深度卷积神经网络的车架号识别系统 |
CN112556586A (zh) * | 2020-11-23 | 2021-03-26 | 武汉理工大学 | 一种vin码涂改检测方法及系统 |
CN112241739A (zh) * | 2020-12-17 | 2021-01-19 | 北京沃东天骏信息技术有限公司 | 识别文本错误的方法、装置、设备和计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104537367B (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537367A (zh) | 一种vin码的校验方法 | |
CN113160192B (zh) | 复杂背景下基于视觉的压雪车外观缺陷检测方法及装置 | |
CN107808133B (zh) | 基于无人机巡线的油气管道安全监测方法、系统及软件存储器 | |
CN103049763B (zh) | 一种基于上下文约束的目标识别方法 | |
CN107784661A (zh) | 基于区域生长法的变电站设备红外图像分类识别方法 | |
CN108961235A (zh) | 一种基于YOLOv3网络和粒子滤波算法的缺陷绝缘子识别方法 | |
CN103020605B (zh) | 基于决策层融合的桥梁识别方法 | |
CN107492094A (zh) | 一种高压电线绝缘子的无人机视觉检测方法 | |
CN104899609B (zh) | 一种基于图像配准的机械式表计识别方法 | |
CN110992349A (zh) | 一种基于深度学习的地下管道异常自动化定位与识别方法 | |
CN106340044A (zh) | 摄像机外参自动标定方法及标定装置 | |
CN105447512A (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
CN105675626A (zh) | 一种轮胎模具的字符缺陷检测方法 | |
CN111539330B (zh) | 一种基于双svm多分类器的变电站数显仪表识别方法 | |
CN106936964A (zh) | 一种基于霍夫变换模板匹配的手机屏幕角点检测方法 | |
CN104899892A (zh) | 一种快速的星图图像星点提取方法 | |
CN109583493A (zh) | 一种基于深度学习的信用卡检测和数字识别方法 | |
CN110400278A (zh) | 一种图像颜色和几何畸变的全自动校正方法、装置及设备 | |
CN108229524A (zh) | 一种基于遥感图像的烟囱和冷凝塔检测方法 | |
CN112258490A (zh) | 基于光学和红外图像融合的低发射率涂层智能探损方法 | |
CN116228670A (zh) | 基于Yolov5的光伏缺陷检测方法、装置、计算机设备及介质 | |
CN116740758A (zh) | 一种防止误判的鸟类图像识别方法及系统 | |
CN107944453A (zh) | 基于Hu不变矩和支持向量机SVM的高压套管检测方法 | |
CN115239646A (zh) | 输电线路的缺陷检测方法、装置、电子设备及存储介质 | |
CN114494373A (zh) | 基于目标检测与图像配准的轨道高精度对齐方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180612 Termination date: 20181118 |
|
CF01 | Termination of patent right due to non-payment of annual fee |