CN110826551B - 一种机动车vin码拓印模图像的智能甄别方法 - Google Patents
一种机动车vin码拓印模图像的智能甄别方法 Download PDFInfo
- Publication number
- CN110826551B CN110826551B CN201911067658.3A CN201911067658A CN110826551B CN 110826551 B CN110826551 B CN 110826551B CN 201911067658 A CN201911067658 A CN 201911067658A CN 110826551 B CN110826551 B CN 110826551B
- Authority
- CN
- China
- Prior art keywords
- image
- character
- vin code
- 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.)
- Active
Links
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种机动车VIN码拓印模图像的智能甄别方法,根据获得字体位置信息判断字符转移膜的真伪,方法包括,定义:注册模为机动车初始的拓印模图像,转移模为机动车年检或者过户需要检测的拓印模图像,分别对注册模图像和转移模图像进行VIN码定位识别,分别得到注册模位置坐标和转移膜的位置坐标,然后通过字符模板检索、模板字符制作、匹配规则制作等完成字符转移膜的真伪的判断,本发明公开的VIN码拓印膜甄别方法智能识别文字位置,抗干扰能力强,识别精度高,在VIN码拓印膜甄别的实际工作中减少人工操作,甚至不需要人工工作量。
Description
技术领域
本发明涉及机动车VIN码甄别技术领域,尤其涉及一种机动车VIN码拓印模图像的智能甄别方法。
背景技术
机动车VIN码是机动车的身份证码,具有唯一性,公安交管部门利用该码进行盗抢伪造等行为的甄别。
目前VIN码的拓印模越来越多,对机动车的拓印模管理和使用难度日渐增加,在实物拓印模管理甄别中,是将两块拓印模重叠或折叠一张对齐的方式进行技术比对,延续多年。
当前,部分车管所进行拓印模数字化,以便管理和保存机动车的VIN码信息。数字化拓印模,方便了档案的管理,但是给技术比对增加难度。一些技术方法通过增加图像的旋转操控等措施提高比对效果,便捷性不足。
其中,完全手工比对方法采用如下步骤:查找存在档案库中原始拓印膜并展开;折叠经粘贴到信息单上的待比对拓印膜的,VIN码的17个字符需要逐一进行水平和垂直两个方向折叠;折叠后的拓印膜与原始拓印膜逐个字符进行字体形态、字符间距比对;根据经验,给出VIN码真伪结论;
计算机辅助比对技术手段采用如下步骤:将原始VIN码拓印膜经扫描存成影像文件;将待比对VIN码拓印膜经扫描成影像文件;将原始VIN码拓印膜和待比对VIN码拓印膜的影像文件,并排放到计算机屏幕中进行人工调整,需要调整17个字符整体对齐和逐个字符调整对齐;或者分别通过人工选取点对方式,对齐图像;通过视觉观察对比17个字符的间距差异,字符形态差异;根据比对情况,根据经验,给出VIN码真伪结论。
目前实施数字化的车管所,可以在计算机中手动旋转图像比对,该方法缺点是,对准难度大,甚至只是两幅图的并列排布,方法简单,效果差,比对区域不能形成明显对照,二手车市场交易量不断增加,导致拓印模甄别工作量上升,错漏现象容易产生,未数字化的车管所,苦于无较好的计算机比对方法,也在数字化趋势的进程中观望。两组点对对齐图像方法需要人工选点,不宜长时间操作。
发明内容
根据现有技术存在的问题,本发明公开了一种机动车VIN码拓印模图像的智能甄别方法,包括以下步骤,定义:注册模为机动车初始的拓印模图像,转移模为机动车年检或者过户需要检测的拓印模图像;
S1:选择注册模图像和转移模图像;
S2:分别对注册模图像和转移模图像进行VIN码初步识别,分别得到注册模位置坐标和转移膜的位置坐标;
S3:根据VIN码串排列规则判断是否正确识别出注册膜VIN码串和转移膜VIN码串的位置坐标;如果正确识别出注册膜VIN码串和转移膜VIN码串的位置坐标,进行S4;如果未正确识别出注册膜VIN码串和转移膜VIN码串的位置坐标,转入手工操作进行查验;
S4:计算所述注册模VIN码串位置坐标A与水平方向的角度差X,将所述注册模位置坐标根据水平角度差X旋转至水平方向,得到图像A1,对所述转移膜VIN码串的位置坐标B进行同上述注册模VIN码串位置坐标A同样的操作,得到图像B1;
S5:分别将A1和B1再次识别,分别获得VIN码串的位置坐标A1′和B1′;
S6:根据A1′和B1′,将B1按A1归一化处理得到图像B2,并识别B2,得到位置坐标B2′;
S7:将A1′中相邻字符位置水平坐标反作差与B2′中相邻字符位置反作差,再进行一一对应作差,得到16个差值,所得差值中为零的个数大于等于五,则水平坐标差在均匀分布范围之内;将A1′和B2′中的字符的纵向坐标进行同水平坐标差同样的操作与判断,当A1′和B2′的水平坐标差、纵向坐标差均在均匀分布的范围之内,则判断转移模为真,否则为转移膜为假。
进一步地:所述识别包括以下步骤:
S1:输入VIN码,进入字符模板检索流程,获得字体模板id;
S2:获得匹配该字体模板id的图像比例,并进行相应的图像缩放得到图像T;
S3:对图像T进行拉普拉斯变换,获得图像边界图像L;
S4对图像L进行二值化处理,得到图像LB;
S5:对LB图像进行逐点扫描,获得图像LB与所述字体模板id的匹配情况,记录最大匹配的位置,即字符位置;
S6:根据获得VIN码字符的实际水平方向位置判断是否符合VIN码的排布顺序,符合则继续自动处理,否则转为手工处理。
进一步地:所述字符模板检索流程包括以下步骤:
S1:将注册膜VIN码串中的字符分别输入数据库中检索获得字体模板id;
S2:数据库中有对应的字体模板id,进行S5,数据库中无对应的字体模板id,将启动模板字符制作流程;
S3:启动匹配规则制作流程;
S4:将匹配规则入数据库并结束;
S5:查询得到结果,返回字体模板id。
所述转移膜VIN码串进行识别所用字体模板id与注册膜相同。
进一步地:所述模板字符制作流程包括以下步骤:
S1:分别截取所述注册膜VIN码拓印模图像中包含的所有字符图像,对每次截取的字符图像进行拉普拉斯变换,获得边界图像;
S2:将边界图像进行二值化处理,得到二值化处理图像;
S3:将二值化处理图像中的字符进行联通处理和分隔处理,达到完整字符;
S4:在二值化处理图像中选择封闭的字符区域,使用倾倒算法获得图像P2;
S5:将图像P2进行去掉白底转换,得到字符的笔画图像Q;
S6:将图像Q进行细化处理,并获得字符点集合Z;
S7:将Z入数据库。
进一步地:匹配规则制作流程包括以下步骤:
S1:输入注册膜VIN码串;
S2:根据VIN码分段的特性,确定基础规则特征码;
S3:检索分段规则,根据基础规则特征码,确定基础规则码;比对现有基础规则码,确定是否已有基础规则码;已有基础规则码,则进行S4,没有基础规则码,则新建基础规则码;
S4:根据注册膜VIN码字符串获得基础规则码,并检索验证其唯一性;
S5:测试字符模板确定图像缩放比例,查看已有字符是否和本字符集合相同,相同则合并同类;
S6:检验基础规则特征码的正确性,如果基础规则特征码不正确时,通过增加特征位或者改变特征位,来调整基础规则特征码,如果基础规则特征码正确,则不需要进行调整;
S7:确定基础规则码并入数据库。
由于采用了上述技术方案,本发明提供的一种机动车VIN码拓印模图像的智能甄别方法,进行快速的VIN码图像识别,达到快速对齐图像的功能,并给出坐标的位差,进行真伪的判定,一次性将两个图像的VIN码区域缩放成大小相同,旋转方向一致的图像,并得到对准点,通过两图合成一图的方法,使分隔线附近有明显区别,对甄别提供方便,提高效率,可减轻车管所的劳动强度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为机动车VIN码拓印模图像的智能甄别方法的流程图;
图2为识别流程图;
图3为字符模板检索流程图;
图4为模板字符制作流程图;
图5为匹配规则制作流程图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚完整的描述:
图1为机动车VIN码拓印模图像的智能甄别方法的流程图,一种机动车VIN码拓印模图像的智能甄别方法,其特征在于:包括以下步骤:
定义:注册模为机动车初始的拓印模图像,转移模为机动车年检或者过户需要检测的拓印模图像;
S1:选择注册模图像和转移模图像;
S2:分别对注册模图像和转移模图像进行VIN码初步识别,分别得到注册模位置坐标和转移膜的位置坐标;
S3:根据VIN码串排列规则判断是否正确识别出注册膜VIN码串和转移膜VIN码串的位置坐标;如果正确识别出注册膜VIN码串和转移膜VIN码串的位置坐标,进行S4;如果未正确识别出注册膜VIN码串和转移膜VIN码串的位置坐标,转入手工操作进行查验;
S4:计算所述注册模VIN码串位置坐标A与水平方向的角度差X,将所述注册模位置坐标根据水平角度差X旋转至水平方向,得到图像A1,对所述转移膜VIN码串的位置坐标B进行同上述注册模VIN码串位置坐标A同样的操作,得到图像B1;
S5:分别将A1和B1再次识别,分别获得VIN码串的位置坐标A1′和B1′;
S6:根据A1′和B1′,将B1按A1归一化处理得到图像B2,并识别B2,得到位置坐标B2′;
S7:将A1′中相邻字符位置水平坐标反作差与B2′中相邻字符位置反作差,再进行一一对应作差,得到16个差值,所得差值中为零的个数大于等于五,则水平坐标差在均匀分布范围之内;在A1′中,a1=Ax2-Ax1,a2=Ax3-Ax2,…,a16=Ax17-Ax16;以此类推,在B2′中,b1=Bx2-Bx1,b2=Bx3-Bx2,…,b16=Bx17-Bx16,判断注册模和转移模的图像水平位置差,即ba1=b1-a1,…,ba16=b16-a16.ba1理论值为0,在16个差值中有5个为0,则水平坐标差在均匀分布范围之内,将A1′和B2′中的字符的纵向坐标进行同水平坐标差同样的操作与判断,当A1′和B2′的水平坐标差、纵向坐标差均在均匀分布的范围之内,则判断转移模为真,否则为转移膜为假。
图2为VIN码串识别流程图,所述识别,包括以下步骤:
S1:输入VIN码,进入字符模板检索流程,获得字体模板id;
S2:获得匹配该字体模板id的图像比例,并进行相应的图像缩放得到图像T;
S3:对图像T进行拉普拉斯变换,获得图像边界图像L;
S4对图像L进行二值化处理,得到图像LB;
S5:对LB图像进行逐点扫描,获得图像LB与字体模板id的匹配情况,记录最大匹配的位置,即字符位置;
S6:根据获得VIN码字符的实际水平方向位置判断是否符合VIN码的排布顺序,符合则继续自动处理,否则转为手工处理。
所述VIN码串B进行同所述VIN码串A同样上述操作。
图3为字符模板检索流程图;所述字符模板检索流程包括以下步骤:
S1:将注册膜VIN码串中的字符分别输入数据库中检索字体模板id;
S2:数据库中有对应的字体模板id,进行S5,数据库中无对应的字体模板id,将启动模板字符制作流程;
S3:启动匹配规则制作流程;
S4:将匹配规则入数据库并结束;
S5:查询得到结果,返回字体模板id。
所述转移膜VIN码串进行同所述注册膜VIN码串同样上述操作。
图4为模板字符制作流程图,所述模板字符制作流程包括以下步骤:
S1:分别截取所述注册膜VIN码拓印模图像中包含的所有字符图像,对每次截取的字符图像进行拉普拉斯变换,获得边界图像;
其中:拉普拉斯边界变换的卷积核为k;当为k1时,边界图像反转,即黑色为字符颜色;拉普拉斯边界算子中,卷积核k={{-2,-4,-4,-4,-2},
{-4,0,8,0,-4},{-4,8,24,8,-4},{-4,0,8,0,-4},{-2,-4,-4,-4,-2}},卷积核k1={{2,4,4,4,2},{4,0,-8,0,4},{4,-8,-24,-8,4},{4,0,-8,0,4},{2,4,4,4,2}},利用k值进行的边界算法获得的边界图像白色匹配,k1值时黑色匹配;
S2:将边界图像进行二值化处理,得到二值化处理图像;
S3:将二值化处理图像中的字符进行联通处理和分隔处理,达到完整字符;
S4:在二值化处理图像中选择封闭的字符区域,使用倾倒算法获得图像P2;
S5:将图像P2进行去掉白底转换,得到字符的笔画图像Q;
S6:将图像Q进行细化处理,并获得字符点集合Z;
S7:将Z入数据库。
图5为匹配规则制作流程图,所述匹配规则制作流程包括以下步骤:
S1:输入注册膜VIN码串;
S2:根据VIN码分段的特性,确定基础规则特征码;比如:1FM-X----XX------,其中X为相关位,-为通配位;根据基础规则特征码(比如:2FM-X----XX------,是福特汽车的)而获得的“2FM-3----56------”,称为基础规则码。VIN码如:2FMS3123456777777(仅是举例,非真实的VIN码),与基础规则特征码2FM-X----XX------匹配,确定2FM-3----56------,分别以2FM-3----56------中的各位到数据库检索,获得对应字体模板id;
为减少数据库中的数据量,对VIN码的特征进行总结,采用基础规则码方式保存在数据库中,基于VIN码的字模匹配算法可以采用前13位的检索方法,也是可行方案,只是数据库中存在较多冗余数据。
S3:检索分段规则,根据基础规则特征码,确定基础规则码;比对现有基础规则码,确定是否已有基础规则码;已有基础规则码,则进行S4,没有基础规则码,则新建基础规则码;
S4:根据注册膜VIN码字符串获得基础规则码,并检索验证其唯一性;
S5:测试字符模板确定图像缩放比例,查看已有字符是否和本字符集合相同,相同则合并同类;
S6:检验基础规则特征码的正确性,如果基础规则特征码不正确时,通过增加特征位或者改变特征位,来调整基础规则特征码,如果基础规则特征码正确,则不需要进行调整;
S7:确定基础规则码并入数据库。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (1)
1.一种机动车VIN码拓印模图像的智能甄别方法,其特征在于:包括以下步骤:
定义:注册模为机动车初始的拓印模图像,转移模为机动车年检或者过户需要检测的拓印模图像;
S1:选择注册模图像和转移模图像;
S2:分别对注册模图像和转移模图像进行VIN码初步识别,分别得到注册模VIN码串位置坐标和转移模VIN码串的位置坐标;
S3:根据VIN码串排列规则判断是否正确识别出注册模VIN码串和转移模VIN码串的位置坐标;如果正确识别出注册模VIN码串和转移模VIN码串的位置坐标,进行S4;如果未正确识别出注册模VIN码串和转移模VIN码串的位置坐标,转入手工操作进行查验;
S4:计算所述注册模VIN码串位置坐标A与水平方向的角度差X,将所述注册模VIN码串的位置坐标根据水平角度差X旋转至水平方向,得到图像A1,对所述转移模VIN码串的位置坐标B进行同上述注册模VIN码串位置坐标A同样的操作,得到图像B1;
S5:分别将A1和B1再次识别,分别获得VIN码串的位置坐标A1′和B1′;
S6:根据A1′和B1′,将B1按A1归一化处理得到图像B2,并识别B2,得到位置坐标B2′;
S7:将A1′中相邻字符位置水平坐标反作差与B2′中相邻字符位置水平坐标反作差,再进行一一对应作差,得到16个差值,所得差值中为零的个数大于等于五,则水平坐标差在均匀分布范围之内;将A1′和B2′中的字符的纵向坐标进行同水平坐标差同样的操作与判断,当A1′和B2′的水平坐标差、纵向坐标差均在均匀分布的范围之内,则判断转移模为真,否则为转移模为假;
S2中的识别和S6中的识别,包括以下步骤:
S1:输入VIN码,进入字符模板检索流程,获得字体模板id;
S2:获得匹配该字体模板id的图像比例,并进行相应的图像缩放得到图像T;
S3:对图像T进行拉普拉斯变换,获得图像边界L;
S4:对图像L进行二值化处理,得到图像LB;
S5:对LB图像进行逐点扫描,获得图像LB与所述字体模板id的匹配情况,记录最大匹配的位置,即字符位置;
S6:根据获得VIN码字符的实际水平方向位置判断是否符合VIN码的排布顺序,符合则继续自动处理,否则转为手工处理;
所述字符模板检索流程包括以下步骤:
S1:将注册模VIN码串中的字符分别输入数据库中检索获得字体模板id;
S2:数据库中有对应的字体模板id,进行S5,数据库中无对应的字体模板id,将启动模板字符制作流程;
S3:启动匹配规则制作流程;
S4:将匹配规则入数据库并结束;
S5:查询得到结果,返回字体模板id;
所述模板字符制作流程包括以下步骤:
S1:分别截取注册模VIN码拓印模图像中包含的所有字符图像,对每次截取的字符图像进行拉普拉斯变换,获得边界图像;
S2:将边界图像进行二值化处理,得到二值化处理图像;
S3:将二值化处理图像中的字符进行联通处理和分隔处理,达到完整字符;
S4:在二值化处理图像中选择封闭的字符区域,使用倾倒算法获得图像P2;
S5:将图像P2进行去掉白底转换,得到字符的笔画图像Q;
S6:将图像Q进行细化处理,并获得字符点集合Z;
S7:将Z入数据库;
所述匹配规则制作流程包括以下步骤:
S1:输入注册模VIN码串;
S2:根据VIN码分段的特性,确定基础规则特征码;
S3:检索分段规则,根据基础规则特征码,确定基础规则码;比对现有基础规则码,确定是否已有基础规则码;已有基础规则码,则进行S4,没有基础规则码,则新建基础规则码;
S4:根据注册模VIN码字符串获得基础规则码,并检索验证其唯一性;
S5:测试字符模板确定图像缩放比例,查看已有字符是否和本字符集合相同,相同则合并同类;
S6:检验基础规则特征码的正确性,如果基础规则特征码不正确时,通过增加特征位或者改变特征位,来调整基础规则特征码,如果基础规则特征码正确,则不需要进行调整;
S7:确定基础规则码并入数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911067658.3A CN110826551B (zh) | 2019-11-04 | 2019-11-04 | 一种机动车vin码拓印模图像的智能甄别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911067658.3A CN110826551B (zh) | 2019-11-04 | 2019-11-04 | 一种机动车vin码拓印模图像的智能甄别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826551A CN110826551A (zh) | 2020-02-21 |
CN110826551B true CN110826551B (zh) | 2023-04-28 |
Family
ID=69552314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911067658.3A Active CN110826551B (zh) | 2019-11-04 | 2019-11-04 | 一种机动车vin码拓印模图像的智能甄别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826551B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111401362A (zh) * | 2020-03-06 | 2020-07-10 | 上海眼控科技股份有限公司 | 车辆vin码的篡改检测方法、装置、设备和存储介质 |
CN111611459B (zh) * | 2020-06-01 | 2022-04-22 | 浙江广厦建设职业技术学院 | 一种基于区块链的档案数据保护方法 |
CN115984989B (zh) * | 2022-12-23 | 2024-08-16 | 广州众时信息科技有限公司 | 汽车生产线上的自动化vin码采集与溯源系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537367A (zh) * | 2014-11-18 | 2015-04-22 | 西安铂锐智能科技有限公司 | 一种vin码的校验方法 |
CN105825218A (zh) * | 2016-04-01 | 2016-08-03 | 深圳市元征科技股份有限公司 | 汽车车辆识别码的识别方法及装置 |
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 |
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 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9773186B2 (en) * | 2013-03-15 | 2017-09-26 | Mitek Systems, Inc. | Methods for mobile image capture of vehicle identification numbers in a non-document |
-
2019
- 2019-11-04 CN CN201911067658.3A patent/CN110826551B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537367A (zh) * | 2014-11-18 | 2015-04-22 | 西安铂锐智能科技有限公司 | 一种vin码的校验方法 |
CN105825218A (zh) * | 2016-04-01 | 2016-08-03 | 深圳市元征科技股份有限公司 | 汽车车辆识别码的识别方法及装置 |
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 |
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 |
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 |
Non-Patent Citations (1)
Title |
---|
王雷 ; .交互式计算机机动车VIN码辅助比对模型研究.警察技术.2012,(03),第66-69页. * |
Also Published As
Publication number | Publication date |
---|---|
CN110826551A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826551B (zh) | 一种机动车vin码拓印模图像的智能甄别方法 | |
Gonzalez et al. | Text detection and recognition on traffic panels from street-level imagery using visual appearance | |
CN109658584B (zh) | 一种票据信息识别方法及装置 | |
Ohya et al. | Recognizing characters in scene images | |
CN101925905B (zh) | 根据特征图像流程识别和验证未知文档 | |
Xie et al. | A robust license plate detection and character recognition algorithm based on a combined feature extraction model and BPNN | |
JP4928310B2 (ja) | ナンバープレート認識装置、その制御方法、コンピュータプログラム | |
CN111783757A (zh) | 一种基于ocr技术的复杂场景下身份证识别方法 | |
CN105184225B (zh) | 一种多国纸币图像识别方法和装置 | |
CN103870803A (zh) | 一种基于粗定位与精定位融合的车牌识别方法和系统 | |
JP2012008791A (ja) | 帳票認識装置及び帳票認識方法 | |
CN108073926B (zh) | 一种车牌识别方法及装置 | |
CN110738216A (zh) | 基于改进surf算法的药品识别方法 | |
CN106874901B (zh) | 一种行驶证识别方法及装置 | |
CN108288012A (zh) | 一种基于手机实现的艺术品备案验证方法及其系统 | |
CN110443159A (zh) | 数字识别方法、装置、电子设备及存储介质 | |
CN111340035A (zh) | 一种火车票识别方法、系统、设备以及介质 | |
CN110909598A (zh) | 一种基于深度学习的非机动车道交通违法行驶识别方法 | |
CN113158895A (zh) | 票据识别方法、装置、电子设备及存储介质 | |
CN113486715A (zh) | 图像翻拍识别方法、智能终端以及计算机存储介质 | |
CN114120309A (zh) | 一种仪表读数识别方法、装置及计算机设备 | |
CN102184412A (zh) | 基于最小错误率贝叶斯分类器的车牌数字及字母识别方法 | |
Rodríguez et al. | HD-MR: A new algorithm for number recognition in electrical meters | |
GB2556328A (en) | Street asset mapping | |
CN113657162A (zh) | 一种基于深度学习的票据ocr识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |