CN107818322A - 一种用于车辆年检的车辆vin码篡改检测系统及方法 - Google Patents

一种用于车辆年检的车辆vin码篡改检测系统及方法 Download PDF

Info

Publication number
CN107818322A
CN107818322A CN201710949544.6A CN201710949544A CN107818322A CN 107818322 A CN107818322 A CN 107818322A CN 201710949544 A CN201710949544 A CN 201710949544A CN 107818322 A CN107818322 A CN 107818322A
Authority
CN
China
Prior art keywords
character
image
characteristic point
vehicle
vin 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.)
Withdrawn
Application number
CN201710949544.6A
Other languages
English (en)
Inventor
周康明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Eye Control Technology Co Ltd
Original Assignee
Shanghai Eye Control Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Eye Control Technology Co Ltd filed Critical Shanghai Eye Control Technology Co Ltd
Priority to CN201710949544.6A priority Critical patent/CN107818322A/zh
Publication of CN107818322A publication Critical patent/CN107818322A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种用于车辆年检的车辆VIN码篡改检测系统及方法，其系统结构包括目标检测模块、特征点比对模块和判定模块；其中，目标检测模块由目标检测单元、字符分割单元和特征点检测单元构成；特征点比对模块包括图像映射单元、特征点比对单元和判断单元；判定模块根据校验标准判断车辆VIN码篡改检验是否通过，若通过则直接返回校验成功标识，若不通过则根据标志位返回校验失败的原因及图片。本发明主要应用于机动车车辆年检中车辆VIN码篡改检测，其实现了VIN码篡改的自动校验，同时可以将未通过的校验图像及原因传回服务器保存留待取证，既节约了人力，又保证了校验工作的公正、公开。

Description

一种用于车辆年检的车辆VIN码篡改检测系统及方法
技术领域
本发明涉及机动车车辆年检的人工智能判断技术领域，特别涉及一种用于车辆年检的车辆VIN码篡改检测系统及方法。
背景技术
随着社会经济的不断发展和人民生活水平的持续提高，城市机动车保有量迅猛增长。机动车车辆年检的工作量也随之迅速增大。传统的车辆年检中车辆VIN码篡改检测主要是通过人工检测，对于车辆VIN码个别字符篡改的情况，一般检验人员很难用肉眼去分辨，影响校验准确率。
如何准确、快速地对车辆VIN码进行校验，同时避免人工校验成本高，易疲劳，易疏忽等弊端，是急需解决的技术问题。
发明内容
本发明的目的是：提出一种用于车辆年检的车辆VIN码篡改检测系统及方法，自动审核车辆VIN码是否与服务器存档内容一致，以满足如今对车辆年检工作效率、准确率的需求。
本发明解决其技术问题所采用的技术方案是：
一种用于车辆年检的车辆VIN码篡改检测系统，包括目标检测模块、特征点比对模块和判定模块；其中，
所述目标检测模块由目标检测单元、字符分割单元和特征点检测单元构成，所述目标检测单元通过目标检测模型获取车辆VIN码区域图像，所述字符分割单元采用字符分割模型将获取的车辆VIN码区域图像分割成单个字符，并由所述特征点检测单元提取每个字符的特征点；
所述特征点比对模块包括图像映射单元、特征点比对单元和判断单元；所述图像映射单元将待检测图像和存档图像首尾两个字符的特征点构造单应矩阵，并将待检测图像映射到存档图像，所述特征点比对单元比对变换后的待检测图像字符特征点和服务器上的存档图像字符特征点，并由所述判断单元判断两者是否一致。
所述判定模块根据校验标准判断车辆VIN码篡改检验是否通过，若通过则直接返回校验成功标识，若不通过则根据标志位返回校验失败的原因及图片。
一种用于车辆年检的车辆VIN码篡改检测方法，包括如下步骤：
S1、获取待检测车辆VIN码图像和服务器中的存档VIN码图像；
S2、采用基于深度学习的目标检测模型检测VIN码图像，判断VIN码区域是否存在，若存在则记录此条标志为0，提取VIN码区域；若不存在则记录此条标志为1，并保存相关图片，进入统计分析流程；
S3、采用基于深度学习的字符分割模型检测VIN码区域，将VIN码分割成单个字符，判断字符的个数是否为17，若成立则记录此条标志为0，并提取每个字符图像；若不成立则记录此条标志为1，并保存相关图片，进入统计分析流程；
S4、采用基于深度学习的特征点检测模型提取待检测图像和存档图像每个字符的特征点，判断待检测图像字符和存档图像字符的特征点数量是否一致，若一致则记录此条标志为0；若不一致则记录此条标志为1，并保存相关图片，进入统计分析流程；
S5、采用基于单应矩阵的特征点匹配法，判断变换后的待检测图像字符的特征点是否与存档图像字符的特征点内容是否一致，若一致则记录此条标志为0；若不一致则记录此条标志为1，并保存相关图片，进入统计分析流程；
S6、对整个过程的动作结果进行统计分析，记录标志位全部为0，则VIN码篡改检测通过，若存在标志1，则VIN码篡改检测不通过；同时，根据标志1出现的位置获取校验不通过的原因及问题图片；
进一步，所述目标检测模型获取步骤如下：
S21、获取不同角度、光照和图像质量的车辆VIN码图像；
S22、采用矩形框标记VIN码区域所在位置；
S23、使用所述目标区域图像训练目标检测深度神经网络模型，获得目标检测模型。
进一步，所述字符分割模型获取步骤如下：
S31、获取不同角度、光照、种类和图像质量的车辆VIN码图像；
S32、采用矩形框标记VIN码中每个字符区域所在位置；
S33、使用所述区域图像训练字符分割深度学习网络模型，获得字符分割模型。
进一步，所述特征点检测模型获取步骤如下：
S41、获取不同角度、光照、种类和图像质量的车辆VIN码单个字符图像；
S42、用点标记VIN码中每个字符的特征点所在位置；
S43、使用所述图像训练特征点深度学习网络模型，获得特征点检测模型。
进一步，所述特征点匹配方法步骤如下：
S51、通过待检测图像和存档图像首尾两个字符的特征点构造单应矩阵；
S52、将待检测图像空间映射到存档图像空间；
S53、判断变换后的待检测图像字符的特征点是否与存档图像字符的特征点内容一致。
本发明的有益效果是：发明主要应用于机动车车辆年检中车辆VIN码篡改检测，其实现了VIN码篡改的自动校验，同时可以将未通过的校验图像及原因传回服务器保存留待取证。既节约了人力，又保证了校验工作的公正、公开。
附图说明
图1是本发明的车辆VIN码篡改检测系统结构框图。
图2是本发明的车辆VIN码篡改检测流程图。
图3是本发明目标检测单元的结构示意图。
图4是本发明图像映射单元的结构示意图。
具体实施方式
以下结合附图，对本发明做进一步说明。
本发明的车辆VIN码篡改检测系统，如图1所示，包括目标检测模块、特征点比对模块和判定模块；其中，
目标检测模块由目标检测单元、字符分割单元和特征点检测单元构成；目标检测单元通过目标检测模型获取车辆VIN码区域图像，字符分割单元采用字符分割模型将获取的车辆VIN码区域图像分割成单个字符，并由特征点检测单元提取每个字符的特征点；
特征点比对模块包括图像映射单元、特征点比对单元和判断单元；图像映射单元将待检测图像和存档图像首尾两个字符的特征点构造单应矩阵，并将待检测图像映射到存档图像，特征点比对单元比对变换后的待检测图像字符特征点和服务器上的存档图像字符特征点，并由判断单元判断两者是否一致。
判定模块根据校验标准判断车辆VIN码篡改检验是否通过，若通过则直接返回校验成功标识，若不通过则根据标志位返回校验失败的原因及图片。
本发明的车辆VIN码篡改检测流程如图2所示，
首先，将图像传入目标检测单元，在图像上应用目标检测模型，获取车辆VIN码区域图像。再采用字符分割模型，将VIN码分割成单个字符。最后，提取每个字符的特征点。目标检测模块首先检测车辆VIN码区域，然后在车辆VIN码区域中进行字符分割，这种分步检测手段可以有效地避免因车辆VIN码区域情况复杂带来的误检影响，提高车辆VIN码区域定位和字符分割的准确率，进一步提高了车辆VIN码检测与比对的准确性。
目标检测单元的具体检测方法包括：如图3所示，检测模块首先将车辆VIN码区域图像输入区域检测模型，首先得到N个一维数组[class，x，y，width，height]，数组第一个元素代表对象类别，是车辆VIN码则为1，不是则为0，数组后四个元素表征目标对象所在矩形区域，x,y代表矩形左上角点坐标，width代表矩形宽度，height代表矩形高度。每个数组均对应一个区域，利用区域矩形框面积大小构建区域远近信息，以矩形框面积最大的数组作为检测模块输出，然后通过矩形框位置信息从图像中提取车辆VIN码区域。此方法可有效地剔出背景中其它干扰区域。
目标检测模型获取方法如下：
S1、训练数据准备：获取不同拍摄条件(如光照、角度)的车辆VIN码图像；
S2、数据标注：采用矩形框将车辆VIN码区域在图像中标出，矩形框区域内需完整包含车辆VIN码；
S3、模型训练：采用标注好的训练数据，训练基于深度学习的目标检测模型(公知常识,兹不赘述)；
字符分割单元的具体检测方法包括：如图3所示，检测模块首先将车辆VIN码图像输入字符分割模型，得到N个一维数组[class，x，y，width，height]，数组第一个元素代表对象类别，车辆VIN码中的字符有“0～9”、“A～N”、“P”和“R～Z”和共34种，分别用0～33来表示class，数组后四个元素表征目标对象所在矩形区域，x,y代表矩形左上角点坐标，width代表矩形宽度，height代表矩形高度。每个数组均对应一个区域，通过矩形框位置信息从图像中提取车辆VIN码单个字符位置。此方法可有效地剔出背景中其它干扰区域。
字符分割模型获取方法如下：
S1、训练数据准备：获取不同拍摄条件(如光照、角度)的车辆VIN码字符图像；
S2、数据标注：采用矩形框将车辆VIN码单个字符在图像中标出，矩形框区域内需完整包含车辆VIN码单个字符区域；
S3、模型训练：采用标注好的训练数据，训练基于深度学习的字符分割模型(公知常识,兹不赘述)；
特征点比对模块包括图像映射单元、特征点比对单元和判断单元。图像映射单元如图4所示，根据待检测图像和存档图像首尾两个字符的特征点构造单应矩阵，将待检测图像映射到存档图像。然后使用特征点比对单元，比对变换后的待检测图像字符的特征点与服务器存档图像的字符的特征点，判断内容是否一致。
本发明的车辆VIN码篡改检测标准如下：待检测图像内车辆VIN码区域是否存在；VIN码字符个数是否为17；待检测图像的字符的特征点的个数与存档图像的字符的特征点的个数是否一致；变换后待检测图像的字符的特征点与服务器存档图像的字符的特征点内容是否一致；本发明采用一个一维数组[x1，x2，x3，x4]表示校验状态，初始值为[0，0，0，0]，标志位x1代表车辆VIN码区域是否存在，若存在则x1为0，若不存在则x1为1；标志位x2代表VIN码字符个数是否为17，若是则x2为0，若不是在则x2为1；标志位x3代表待检测图像的字符的特征点的个数与存档图像的字符的特征点的个数是否一致，若一致则x3为0，若不一致则x3为1；标志位x4代表变换后待检测图像的字符的特征点与服务器存档图像的字符的特征点内容是否一致，若一致则x4为0，若不一致则x4为1。最后，统计标志位状态，若标志为均为0，则校验通过，若存在1，则校验不通过。根据状态1出现的位置可以得到校验未通过的原因。若x1为1，则图像中可能不存在车辆VIN码区域，或拍摄角度不符合规定；若x2为1，则可能的原因为图像拍摄不完整；若x3为1，则待检测图像的字符与存档照片的字符不对应，可能存在篡改的情况；若x4为1，则待检测图像的字符与存档照片的字符不对应，可能存在篡改的情况；
判定模块根据校验标准判断车辆VIN码篡改检测是否通过，若通过则直接返回校验成功标识，若不通过则根据标志位为1的位置返回校验失败原因及相应图片，留待后期审核查证。
本发明的车辆VIN码篡改检测方法，具体包括如下步骤：
S1、获取待检测车辆VIN码图像和服务器中的存档VIN码图像；
S2、采用基于深度学习的目标检测模型检测VIN码图像，判断VIN码区域是否存在，若存在则记录此条标志为0，提取VIN码区域；若不存在则记录此条标志为1，并保存相关图片，进入统计分析流程；
S3、采用基于深度学习的字符分割模型检测VIN码区域，将VIN码分割成单个字符，判断字符的个数是否为17，若成立则记录此条标志为0，并提取每个字符图像；若不成立则记录此条标志为1，并保存相关图片，进入统计分析流程；
S4、采用基于深度学习的特征点检测模型提取待检测图像和存档图像每个字符的特征点。判断待检测图像字符和存档图像字符的特征点数量是否一致，若一致则记录此条标志为0；若不一致则记录此条标志为1，并保存相关图片，进入统计分析流程；
S5、通过待检测图像和存档图像首尾两个字符的特征点构造单应矩阵，将待检测图像空间映射到存档图像空间。判断变换后的待检测图像字符的特征点是否与存档图像字符的特征点内容一致，若一致则记录此条标志为0；若不一致则记录此条标志为1，并保存相关图片，进入统计分析流程；
S6、对整个过程的动作结果进行统计分析，记录标志位全部为0，则VIN码篡改检测通过，若存在标志1，则VIN码篡改检测不通过；同时，根据标志1出现的位置获取校验不通过的原因及问题图片。
以上显示和描述了本方案的基本原理和主要特征和本方案的优点。本行业的技术人员应该了解，本方案不受上述实施例的限制，上述实施例和说明书中描述的只是说明本方案的原理，在不脱离本方案精神和范围的前提下，本方案还会有各种变化和改进，这些变化和改进都落入要求保护的本方案范围内。本方案要求保护范围由所附的权利要求书及其等效物界定。

Claims (6)

1.一种用于车辆年检的车辆VIN码篡改检测系统，其特征在于，包括目标检测模块、特征点比对模块和判定模块；其中，
所述目标检测模块由目标检测单元、字符分割单元和特征点检测单元构成，所述目标检测单元通过目标检测模型获取车辆VIN码区域图像，所述字符分割单元采用字符分割模型将获取的车辆VIN码区域图像分割成单个字符，并由所述特征点检测单元提取每个字符的特征点；
所述特征点比对模块包括图像映射单元、特征点比对单元和判断单元；所述图像映射单元将待检测图像和存档图像首尾两个字符的特征点构造单应矩阵，并将待检测图像映射到存档图像，所述特征点比对单元比对变换后的待检测图像字符特征点和服务器上的存档图像字符特征点，并由所述判断单元判断两者是否一致；
所述判定模块根据校验标准判断车辆VIN码篡改检验是否通过，若通过则直接返回校验成功标识，若不通过则根据标志位返回校验失败的原因及图片。
2.一种用于车辆年检的车辆VIN码篡改检测方法，其特征在于，包括如下步骤：
S1、获取待检测车辆VIN码图像和服务器中的存档VIN码图像；
S2、采用基于深度学习的目标检测模型检测VIN码图像，判断VIN码区域是否存在，若存在则记录此条标志为0，提取VIN码区域；若不存在则记录此条标志为1，并保存相关图片，进入统计分析流程；
S3、采用基于深度学习的字符分割模型检测VIN码区域，将VIN码分割成单个字符，判断字符的个数是否为17，若成立则记录此条标志为0，并提取每个字符图像；若不成立则记录此条标志为1，并保存相关图片，进入统计分析流程；
S4、采用基于深度学习的特征点检测模型提取待检测图像和存档图像每个字符的特征点，判断待检测图像字符和存档图像字符的特征点数量是否一致，若一致则记录此条标志为0；若不一致则记录此条标志为1，并保存相关图片，进入统计分析流程；
S5、采用基于单应矩阵的特征点匹配法，判断变换后的待检测图像字符的特征点是否与存档图像字符的特征点内容是否一致，若一致则记录此条标志为0；若不一致则记录此条标志为1，并保存相关图片，进入统计分析流程；
S6、对整个过程的动作结果进行统计分析，记录标志位全部为0，则VIN码篡改检测通过，若存在标志1，则VIN码篡改检测不通过；同时，根据标志1出现的位置获取校验不通过的原因及问题图片。
3.如权利要求2所述的车辆VIN码篡改检测方法，其特征在于，所述目标检测模型获取步骤如下：
S21、获取不同角度、光照和图像质量的车辆VIN码图像；
S22、采用矩形框标记VIN码区域所在位置；
S23、使用所述目标区域图像训练目标检测深度神经网络模型，获得目标检测模型。
4.如权利要求2所述的车辆VIN码篡改检测方法，其特征在于，所述字符分割模型获取步骤如下：
S31、获取不同角度、光照、种类和图像质量的车辆VIN码图像；
S32、采用矩形框标记VIN码中每个字符区域所在位置；
S33、使用所述区域图像训练字符分割深度学习网络模型，获得字符分割模型。
5.如权利要求2所述的车辆VIN码篡改检测方法，其特征在于，所述特征点检测模型获取步骤如下：
S41、获取不同角度、光照、种类和图像质量的车辆VIN码单个字符图像；
S42、用点标记VIN码中每个字符的特征点所在位置；
S43、使用所述图像训练特征点深度学习网络模型，获得特征点检测模型。
6.如权利要求2所述的车辆VIN码篡改检测方法，其特征在于，所述特征点匹配方法步骤如下：
S51、通过待检测图像和存档图像首尾两个字符的特征点构造单应矩阵；
S52、将待检测图像空间映射到存档图像空间；
S53、判断变换后的待检测图像字符的特征点是否与存档图像字符的特征点内容一致。
CN201710949544.6A 2017-10-13 2017-10-13 一种用于车辆年检的车辆vin码篡改检测系统及方法 Withdrawn CN107818322A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710949544.6A CN107818322A (zh) 2017-10-13 2017-10-13 一种用于车辆年检的车辆vin码篡改检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710949544.6A CN107818322A (zh) 2017-10-13 2017-10-13 一种用于车辆年检的车辆vin码篡改检测系统及方法

Publications (1)

Publication Number Publication Date
CN107818322A true CN107818322A (zh) 2018-03-20

Family

ID=61608379

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710949544.6A Withdrawn CN107818322A (zh) 2017-10-13 2017-10-13 一种用于车辆年检的车辆vin码篡改检测系统及方法

Country Status (1)

Country Link
CN (1) CN107818322A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109344835A (zh) * 2018-09-20 2019-02-15 上海眼控科技股份有限公司 基于车辆vin码字符位置的篡改检测方法
CN109376738A (zh) * 2018-09-20 2019-02-22 上海眼控科技股份有限公司 基于车辆vin码起止符类型的篡改检测方法
CN109447076A (zh) * 2018-09-20 2019-03-08 上海眼控科技股份有限公司 一种用于车辆年检的车辆vin码识别检测方法
CN109829453A (zh) * 2018-12-29 2019-05-31 天津车之家数据信息技术有限公司 一种卡证中文字的识别方法、装置以及计算设备
CN110245583A (zh) * 2019-05-27 2019-09-17 上海眼控科技股份有限公司 一种车辆尾气检验报告的智能识别方法
CN110276295A (zh) * 2019-06-20 2019-09-24 上海眼控科技股份有限公司 车辆识别号码检测识别方法及设备
WO2019178769A1 (zh) * 2018-03-21 2019-09-26 深圳市元征软件开发有限公司 车辆评估方法、装置及设备
CN110378258A (zh) * 2019-07-04 2019-10-25 上海眼控科技股份有限公司 一种基于图像的车辆座椅信息检测方法及设备
CN110503102A (zh) * 2019-08-27 2019-11-26 上海眼控科技股份有限公司 车辆识别码检测方法、装置、计算机设备和存储介质
CN110807396A (zh) * 2019-10-28 2020-02-18 华南理工大学 基于光照方向一致性的换脸视频篡改检测方法及系统
CN111507332A (zh) * 2020-04-17 2020-08-07 上海眼控科技股份有限公司 车辆vin码检测方法与设备
CN112231522A (zh) * 2020-09-24 2021-01-15 北京奥鹏远程教育中心有限公司 一种在线课程知识树的生成关联方法
CN112926617A (zh) * 2019-12-06 2021-06-08 顺丰科技有限公司 包装变更检测方法、装置、云端计算机设备和存储介质
CN116052185A (zh) * 2023-01-09 2023-05-02 四川轻化工大学 模板匹配的车辆vin码的识别和打刻深度检测系统及方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11295561B2 (en) 2018-03-21 2022-04-05 Shenzhen Launch Software Co., Ltd Vehicle evaluation method, vehicle evaluation equipment and computer readable storage medium
WO2019178769A1 (zh) * 2018-03-21 2019-09-26 深圳市元征软件开发有限公司 车辆评估方法、装置及设备
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
CN109344835A (zh) * 2018-09-20 2019-02-15 上海眼控科技股份有限公司 基于车辆vin码字符位置的篡改检测方法
CN109376738A (zh) * 2018-09-20 2019-02-22 上海眼控科技股份有限公司 基于车辆vin码起止符类型的篡改检测方法
CN109447076A (zh) * 2018-09-20 2019-03-08 上海眼控科技股份有限公司 一种用于车辆年检的车辆vin码识别检测方法
CN109829453A (zh) * 2018-12-29 2019-05-31 天津车之家数据信息技术有限公司 一种卡证中文字的识别方法、装置以及计算设备
CN110245583A (zh) * 2019-05-27 2019-09-17 上海眼控科技股份有限公司 一种车辆尾气检验报告的智能识别方法
CN110276295A (zh) * 2019-06-20 2019-09-24 上海眼控科技股份有限公司 车辆识别号码检测识别方法及设备
CN110378258A (zh) * 2019-07-04 2019-10-25 上海眼控科技股份有限公司 一种基于图像的车辆座椅信息检测方法及设备
CN110503102A (zh) * 2019-08-27 2019-11-26 上海眼控科技股份有限公司 车辆识别码检测方法、装置、计算机设备和存储介质
CN110807396A (zh) * 2019-10-28 2020-02-18 华南理工大学 基于光照方向一致性的换脸视频篡改检测方法及系统
CN110807396B (zh) * 2019-10-28 2022-04-22 华南理工大学 基于光照方向一致性的换脸视频篡改检测方法及系统
CN112926617A (zh) * 2019-12-06 2021-06-08 顺丰科技有限公司 包装变更检测方法、装置、云端计算机设备和存储介质
CN111507332A (zh) * 2020-04-17 2020-08-07 上海眼控科技股份有限公司 车辆vin码检测方法与设备
CN112231522A (zh) * 2020-09-24 2021-01-15 北京奥鹏远程教育中心有限公司 一种在线课程知识树的生成关联方法
CN116052185A (zh) * 2023-01-09 2023-05-02 四川轻化工大学 模板匹配的车辆vin码的识别和打刻深度检测系统及方法
CN116052185B (zh) * 2023-01-09 2023-10-31 四川轻化工大学 模板匹配的车辆vin码的识别和打刻深度检测系统及方法

Similar Documents

Publication Publication Date Title
CN107818322A (zh) 一种用于车辆年检的车辆vin码篡改检测系统及方法
CN109447076A (zh) 一种用于车辆年检的车辆vin码识别检测方法
CN109784326A (zh) 一种基于深度学习的车辆底盘检测方法
CN105184778B (zh) 一种检测方法及装置
CN109344835A (zh) 基于车辆vin码字符位置的篡改检测方法
CN108091141B (zh) 车牌识别系统
CN105574550A (zh) 一种车辆识别方法及装置
CN109034155A (zh) 一种文字检测及识别的方法及系统
CN107798301A (zh) 一种用于车辆年检的签名检测系统及方法
CN110245583A (zh) 一种车辆尾气检验报告的智能识别方法
CN107886047A (zh) 一种车辆年检检验报告的检测系统及方法
CN107958200A (zh) 一种轿车改装排气扇的智能检测系统及方法
CN107220638A (zh) 一种基于深度学习卷积神经网络的车牌检测识别方法
CN104680545B (zh) 光学图像中存在显著目标的检测方法
CN110288006A (zh) 一种车牌号自动校验方法及系统
CN104408475A (zh) 一种车牌识别方法及车牌识别设备
CN110503099B (zh) 基于深度学习的信息识别方法及相关设备
CN107315993A (zh) 一种基于人脸识别的门镜系统及其人脸识别方法
CN107818321A (zh) 一种用于车辆年检的水印日期识别方法
Pinthong et al. License plate tracking based on template matching technique
CN115810134B (zh) 一种车险反欺诈的图像采集质检方法、系统和装置
CN111522951A (zh) 一种基于图像识别的敏感数据识别与分类的技术方法
CN107004110A (zh) 用于验证标记的真实性的方法和系统
CN107967445A (zh) 一种轿车加装天窗的智能检测系统及方法
CN105989600A (zh) 基于特征点分布统计的配电网设备外观检测方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180320