CN111126285A - 机动车牌证申请表的边界检测审核方法、设备及存储介质 - Google Patents
机动车牌证申请表的边界检测审核方法、设备及存储介质 Download PDFInfo
- Publication number
- CN111126285A CN111126285A CN201911354852.XA CN201911354852A CN111126285A CN 111126285 A CN111126285 A CN 111126285A CN 201911354852 A CN201911354852 A CN 201911354852A CN 111126285 A CN111126285 A CN 111126285A
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- application form
- line segment
- license application
- pixel number
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 238000012795 verification Methods 0.000 title abstract description 9
- 230000015654 memory Effects 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 230000006403 short-term memory Effects 0.000 claims description 5
- 230000007787 long-term memory Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012550 audit Methods 0.000 description 5
- 230000005291 magnetic effect Effects 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种机动车牌证申请表的边界检测、审核方法、设备及存储介质。其中，机动车牌证申请表的边界检测方法，包括：检测机动车牌证申请表的图像中的水平线段和/或竖直线段；对水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，和/或，对竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图；根据第一像素个数统计直方图，确定机动车牌证申请表的左、右边界，和/或，根据第二像素个数统计直方图，确定机动车牌证申请表的上、下边界。还公开了一种机动车牌证申请表的审核方法、设备及存储介质；可以准确、快速的对机动车牌证申请表进行自动审核。
Description
技术领域
本申请涉及车辆检测领域，特别涉及一种机动车牌证申请表的边界检测、审核方法、设备及存储介质。
背景技术
随着社会经济的快速发展以及人们生活水平的日益提高，目前城市机动车的保有量迅速增长，这直接带来车辆交易过程中车辆查验相关工作量的显著增加。
然而，发明人发现相关技术中至少存在如下问题：传统的对机动车牌证申请表的审核工作主要是依赖于人工操作，而机动车牌证申请表的信息量较大，人工很难既快又准的完成审核。因此，如何准确、快速的对机动车牌证申请表进行审核，同时避免人工审核过程中的成本高的弊端，以及易疲劳而导致审核准确率低的弊端，是目前形势下亟需解决的技术问题。
发明内容
本申请的一个目的是提供一种机动车牌证申请表的边界检测、审核方法、设备及存储介质，可以准确、快速的对机动车牌证申请表进行自动审核。
根据本申请的一个方面，提供了一种机动车牌证申请表的边界检测方法，包括：检测所述机动车牌证申请表的图像中的水平线段和/ 或竖直线段；对所述水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，和/或，对所述竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图；根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，和/或，根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界
根据本申请另一个方面，还提供了一种机动车牌证申请表的审核方法，包括：检测所述机动车牌证申请表的图像中的水平线段和竖直线段；对所述水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，并对所述竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图；根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，并根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界；根据所述水平线段和竖直线段和所述左、右边界以及所述上、下边界，重构所述机动车牌证申请表；提取重构的所述机动车牌证申请表的待检测区域；审核所述待检测区域。
根据本申请另一个方面，还提供了一种电子设备，包括：一个或多个处理器；以及存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如上述的机动车牌证申请表的边界检测方法，或者，执行如上述的机动车牌证申请表的审核方法。
根据本申请另一个方面，还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的机动车牌证申请表的边界检测方法，或者，执行如上述的机动车牌证申请表的审核方法。
另外，所述根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，包括：获取所述第一像素个数统计直方图中，表征所述机动车牌证申请表的图像的宽度中间的位置；从所述宽度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第一像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第一预设差值，确定所述机动车牌证申请表的左、右边界；
所述根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界，包括：获取所述第二像素个数统计直方图中，表征所述机动车牌证申请表的图像的长度中间的位置；从所述长度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第二像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第二预设差值，确定所述机动车牌证申请表的上、下边界。
另外，所述从所述宽度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第一像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第一预设差值，确定所述机动车牌证申请表的左、右边界，包括：获取在向左遍历过程中，初次出现所述差值大于所述第一预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第一竖直线段；将所述第一竖直线段确定为所述左边界；获取在向右遍历过程中，初次出现所述差值大于所述第一预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第二竖直线段；将所述第二竖直线段确定为所述右边界；
所述从所述长度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第二像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第二预设差值，确定所述机动车牌证申请表的上、下边界，包括：获取在向左遍历过程中，初次出现所述差值大于所述第二预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第一水平线段；将所述第一水平线段确定为所述上边界；获取在向右遍历过程中，初次出现所述差值大于所述第二预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第二水平线段；将所述第二水平线段确定为所述下边界。
另外，在所述将所述第一水平线段确定为所述上边界之前，还包括：获取所述机动车牌证申请表的图像中的所述第一水平线段所在的行；根据所述第一水平线段所在的行的高度，和/或，所述第一水平线段所在的行包括的矩形框，判断该行是否与预存的申请表第一行的信息相符；若是，则执行所述将所述第一水平线段确定为所述上边界的步骤；否则，根据所述申请表第一行的信息，对所述第一水平线段进行校正，并将校正后的第一水平线段确定为所述上边界；
在所述将所述第二水平线段确定为所述下边界之前，还包括：获取所述机动车牌证申请表的图像中的所述第二水平线段所在的行；根据所述第二水平线段所在的行的高度，和/或，所述第二水平线所在的行包括的矩形框，判断该行是否与预存的申请表最后一行的信息相符；若是，则执行所述将所述第二水平线段确定为所述下边界的步骤；否则，根据所述申请表最后一行的信息，对所述第二水平线段进行校正，并将校正后的第二水平线段确定为所述下边界。
另外，当所述待检测区域具体为：号牌号码区域时，所述提取重构的所述机动车牌证申请表的待检测区域，包括：获取所述号牌号码所在的矩形框图像；对所述矩形框图像在竖直方向进行像素点投影，得到第三像素个数统计直方图；根据所述第三像素个数统计直方图的波谷位置，确定所述号牌号码的左、右边界；对所述矩形框图像在水平方向进行像素点投影，得到第四像素个数统计直方图；根据所述第四像素个数统计直方图的波谷位置，确定所述号牌号码的上、下边界；根据所述号牌号码的左、右和所述号牌号码的上、下边界，提取重构的所述机动车牌证申请表的号牌号码区域
另外，当所述待检测区域具体为：签名栏区域时，所述提取重构的所述机动车牌证申请表的待检测区域，包括：获取所述签名栏所在的矩形框图像的高度；根据所述高度，将所述签名栏所在的矩形框图像划分为若干等高区域；所述审核所述待检测区域，包括：审核所述若干等高区域中的任一等高区域是否存在签名，并且，审核所述若干等高区域中的任一等高区域是否存在日期.
另外，所述审核所述待检测区域，具体为：通过根据长短期记忆网络训练得到的基于深度学习的字符分割识别模型，审核所述待检测区域；其中，在所述根据长短期记忆网络训练得到的基于深度学习的字符分割识别模型之前，对所述长短期记忆网络执行以下操作：对字符训练集进行白平衡处理；将所述训练集的像素值的均值调整为0、方差调整为1；将所述长短期记忆网络的批处理样本数量设置为32；将所述长短期记忆网络的基本学习速率调整为0.0005；权重衰减值调整为0.001；显示器参数值调整为0.01，动量值调整为0.9。
本申请至少具有以下有益效果：
1、通过精准获取机动车牌证申请表的各边界并重构申请表，便于自动提取机动车牌证申请表中的关键信息，并将关键信息与存档内容进行比对，完成对机动车牌证申请表的审核。全程自动审核，不仅可以提升审核准确率和审核效率，还可以节约人力成本，保证审核工作的公正、公开。
2、可以应用于车辆年检中的机动车牌证申请表的审核工作，以缩短审核时间，不仅可以满足如今对车辆年检工作效率和准确率的需求，还可以减少机动车车主的等待时间。
附图说明：
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是根据本申请的一个方面提供的一种机动车牌证申请表的边界检测方法的流程图；
图2是根据本申请的一个方面提供的一种机动车牌证申请表的边界检测方法中，检测所述机动车牌证申请表的图像中的水平线段的示意图；
图3是根据本申请的一个方面提供的一种机动车牌证申请表的边界检测方法中，第一像素个数统计直方图的示意图；
图4是根据本申请的一个方面提供的一种机动车牌证申请表的边界检测方法中，第二像素个数统计直方图的示意图
图5是根据本申请的一个方面提供的一种机动车牌证申请表的审核方法的流程图。
具体实施方式：
为使本申请实施例的目的、技术方案和优点更加清楚，下面将基于附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要保护的技术方案。
图1示出根据本申请的一个方面提供的一种机动车牌证申请表的边界检测方法，该方法包括步骤101至步骤103：
在步骤101中，检测所述机动车牌证申请表的图像中的水平线段和/或竖直线段；在此，可以采用数学形态学的方法检测所述机动车牌证申请表的图像中的水平线段和/或竖直线段。具体的，在一些实施例中，可以先构造水平结构元素和竖直结构元素，然后运用水平结构元素对预处理后的机动车牌证申请表的图像进行形态学开运算，从而得到水平线段(如图2所示)。同样地，可以运用竖直结构元素对预处理后的机动车牌证申请表的图像进行形态学开运算，从而得到竖直线段。其中，这里所说的预处理后的机动车牌证申请表的图像为：在初始获得的机动车牌证申请表的图像中的申请表是变形的情况下，对初始获得的机动车牌证申请表的图像采用旋转、仿射变换等方式校正该初始获得的机动车牌证申请表的图像，所得到的校正后的机动车牌证申请表的图像。
在一些实施例中，可以选取所述机动车牌证申请表的图像的预设宽度的图像，比如所述机动车牌证申请表的图像的宽度的四分之一到二分之一得到的第一子图像(该第一子图像的高度和所述机动车牌证申请表的图像的高度相同)，并检测该第一子图像中的所有水平线段，将这些水平线段作为所述机动车牌证申请表的图像中的水平线段。同理，可以选取所述机动车牌证申请表的图像的预设高度的图像，比如所述机动车牌证申请表的图像的高度的四分之一到二分之一得到第二子图像(该第二子图像的宽度和所述机动车牌证申请表的图像的宽度相同)，并检测该第二子图像中的所有竖直线段，将这些竖直线段作为所述机动车牌证申请表的图像中的竖直线段。本领域技术人员应当理解，由于所述机动车牌证申请表的图像的宽度的四分之一到二分之一，一般可以包括所述机动车牌证申请表的图像中的所有水平线段，所述机动车牌证申请表的图像的高度的四分之一到二分之一，一般可以包括所述机动车牌证申请表的图像中的所有竖直线段，因此，这样做，可以在一定程度上避免对水平线段和/或竖直线段的漏检，同时，由于第一子图像、第二子图像的数据量均比整个所述机动车牌证申请表的图像的数据量小，因此，这样做，还可以降低检测的复杂度，提升检测效率。
在步骤102中，对所述水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，和/或，对所述竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图；在此，这里所说的水平线段可以为在所述机动车牌证申请表的图像中检测到的所有的水平线段；这里所说的竖直线段可以为在所述机动车牌证申请表的图像中检测到的所有的竖直线段。其中，第一像素个数统计直方图可以如图3所示，包括像素值为0(表示该像素点为黑色)时的个数和像素值为255时(表示该像素点为白色)时的个数；第二像素个数统计直方图可以如图4所示，包括像素值为0(表示该像素点为黑色)时的个数和像素值为255时(表示该像素点为白色)时的个数。所述第一像素个数统计直方图主要用于体现所述机动车牌证申请表的每列数据中非零像素值的个数；所述第二像素个数统计直方图主要用于体现所述机动车牌证申请表的每行数据中非零像素值的个数。
在一些实施例中，在执行步骤102之前，可以根据所述机动车牌证申请表的图像中的水平线段和/或竖直线段，删除伪表格线段。也就是说，在删除伪表格线段后，再执行步骤102。具体的，若所述机动车牌证申请表的图像中的申请表边界和申请表所在的背景交汇之处为灰色线段，则删除该灰色线段。在一个例子中，可以计算水平线段的第一平均亮度值和竖直线段的第二平均亮度值，当上述的第一平均亮度值和第二平均亮度值均低于预设阈值时，可以判定该水平线段和竖直线段均为灰色线段。当上述的第一平均亮度值和第二平均亮度值均高于预设阈值时，可以判定该水平线段和竖直线段均为黑色线段。
可以理解，若该水平线段和竖直线段均为黑色线段，则可能有两种情况：1、该水平线段和竖直线段均为申请表中表格的线段；2、申请表所在的背景为黑色。在此，在一些实施例中，在删除该灰色线段后，还可以计算水平线段的上、下两边的亮度值的差值，以及竖直线段的左、右两边的亮度的差值，当上述差值分别大于预设差值时，可以判定该水平线段和竖直线段为伪表格线段。由于申请表中表格中，水平线段的上、下两边、竖直线段的左、右两边都为白色，在此种情况下，水平线段的上、下两边的亮度值的差值会比较小；当水平线段的上、下两边中一边是黑色、一边是白色时，水平线段的上、下两边的亮度值的差值会比较大，基于此，可以根据水平线段的上、下两边的亮度值的差值、竖直线段的左、右两边的亮度的差值可以进一步删除伪表格线段。
本实施例中，通过在执行步骤102之前，根据所述机动车牌证申请表的图像中的水平线段和/或竖直线段，删除伪表格线段，可以提升后续地确定所述机动车牌证申请表的各边界的准确性。如果不删除伪表格线段，则在步骤102中，有可能将伪表格线段确定为确定所述机动车牌证申请表的某一边界，从而容易导致后续重构的所述机动车牌证申请表与原始申请表不一致的问题，进而导致无法准确提取机动车牌证申请表的待检测区域，降低审核结果的准确性。
在步骤103中，根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，和/或，根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界。在此，可以获取所述第一像素个数统计直方图中，表征所述机动车牌证申请表的图像的左、右边界的位置(而非所述机动车牌证申请表的左、右边界)，从左边界的位置开始向右遍历，并且从右边界的位置开始向左遍历，直到满足所述第一像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值分别大于预设的差值的条件时，则可以据此确定所述机动车牌证申请表的左、右边界。
在本申请一实施例中，在步骤103中，所述根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，可以包括：获取所述第一像素个数统计直方图中，表征所述机动车牌证申请表的图像的宽度中间的位置；从所述宽度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第一像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第一预设差值，确定所述机动车牌证申请表的左、右边界。
在本申请一实施例中，在步骤103中，所述根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界，可以包括：获取所述第二像素个数统计直方图中，表征所述机动车牌证申请表的图像的长度中间的位置；从所述长度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第二像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第二预设差值，确定所述机动车牌证申请表的上、下边界。
继续接上述实施例，所述从所述宽度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第一像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第一预设差值，确定所述机动车牌证申请表的左、右边界，可以包括：获取在向左遍历过程中，初次出现所述差值大于所述第一预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第一竖直线段；将所述第一竖直线段确定为所述左边界；获取在向右遍历过程中，初次出现所述差值大于所述第一预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第二竖直线段；将所述第二竖直线段确定为所述右边界。在此，在向左、右两个方向遍历过程中，分别检测初次出现所述差值大于所述第一预设差值，主要用于反映第一竖直线段的两边的像素点个数、第二竖直线段两边的像素点个数急剧变小。
所述从所述长度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第二像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第二预设差值，确定所述机动车牌证申请表的上、下边界，可以包括：获取在向左遍历过程中，初次出现所述差值大于所述第二预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第一水平线段；将所述第一水平线段确定为所述上边界；获取在向右遍历过程中，初次出现所述差值大于所述第二预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第二水平线段；将所述第二水平线段确定为所述下边界。在此，在向左、右两个方向遍历过程中，分别检测初次出现所述差值大于所述第二预设差值，主要用于反映第一水平线段的两边的像素点个数、第二水平线段两边的像素点个数急剧变小。
继续接上述实施例，在所述将所述第一水平线段确定为所述上边界之前，还可以包括：获取所述机动车牌证申请表的图像中的所述第一水平线段所在的行；根据所述第一水平线段所在的行的高度，和/ 或，所述第一水平线段所在的行包括的矩形框，判断该行是否与预存的申请表第一行的信息相符；若是，则执行所述将所述第一水平线段确定为所述上边界的步骤；否则，根据所述申请表第一行的信息，对所述第一水平线段进行校正，并将校正后的第一水平线段确定为所述上边界。
在所述将所述第二水平线段确定为所述下边界之前，还可以包括：获取所述机动车牌证申请表的图像中的所述第二水平线段所在的行；根据所述第二水平线段所在的行的高度，和/或，所述第二水平线所在的行包括的矩形框，判断该行是否与预存的申请表最后一行的信息相符；若是，则执行所述将所述第二水平线段确定为所述下边界的步骤；否则，根据所述申请表最后一行的信息，对所述第二水平线段进行校正，并将校正后的第二水平线段确定为所述下边界。
图5示出根据本申请的一个方面提供的一种机动车牌证申请表的审核方法，该方法包括步骤201至步骤206：
在步骤201中，检测所述机动车牌证申请表的图像中的水平线段和竖直线段。
在步骤202中，对所述水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，并对所述竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图。
在步骤203中，根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，并根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界。在此，本领域技术人员应当理解确定所述机动车牌证申请表的左、右边界和上、下边界的重要性：所述机动车牌证申请表的左侧或者右侧通常会存在行驶证副页，该行驶证副页存在的水平线段极容易在执行步骤201时被检测到，即检测所述机动车牌证申请表的图像中的水平线段和竖直线段时被检测到，从而被误认为该行驶证副页存在的水平线段是申请表中的表格线的一部分，因此，若不确定所述机动车牌证申请表的左、右边界和上、下边界，很有可能把行驶证副页在的水平线段或竖直线段也包括进来，这样会后续在步骤204中重构的机动车牌证申请表与原始表格不一致，从而影响审核结果的准确性。该步骤中，通过根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，并根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界，可以有效的解决申请表所在的背景中存在其他表格类物体时所造成的干扰，从而可以提升审核结果的准确性。
在步骤204中，根据所述水平线段和竖直线段和所述左、右边界以及所述上、下边界，重构所述机动车牌证申请表；在此，由于拍摄角度的影响，得到的所述机动车牌证申请表的图像可能会存在旋转、有的图像中的表格可能会存在严重变形的情况，因此，本实施例中，在根据所述水平线段和竖直线段和所述左、右边界以及所述上、下边界，重构所述机动车牌证申请表后，可以对重构的所述机动车牌证申请表进行仿射变换等处理，使得重构后的所述机动车牌证申请表中包括的矩形均为正向的矩形，这样做，可以提升审核结果的准确性。
在步骤205中，提取重构的所述机动车牌证申请表的待检测区域；在此，这里所说的待检测区域可以包括但不限于：号牌号码区域、号牌种类区域、签名栏区域。本实施例中的号牌种类，主要是指诸如 c1代表大车，c2代表小车等代表车辆种类的号牌字符。
在步骤206中，审核所述待检测区域；
在本申请一实施例中，当所述待检测区域具体为：号牌号码区域时，在步骤205中，所述提取重构的所述机动车牌证申请表的待检测区域，可以包括：获取所述号牌号码所在的矩形框图像；对所述矩形框图像在竖直方向进行像素点投影，得到第三像素个数统计直方图；根据所述第三像素个数统计直方图的波谷位置，确定所述号牌号码的左、右边界；对所述矩形框图像在水平方向进行像素点投影，得到第四像素个数统计直方图；根据所述第四像素个数统计直方图的波谷位置，确定所述号牌号码的上、下边界；根据所述号牌号码的左、右和所述号牌号码的上、下边界，提取重构的所述机动车牌证申请表的号牌号码区域；在此，由于号牌号码的宽度和高度一般都比矩形框的宽度和高度小一些，因此，号牌号码的四周一般会出现空白的区域，这些区域没有黑色像素点，以第三像素个数统计直方图为例来说，在第三像素个数统计直方图的体现就是像素个数较少，因此会形成波谷，而号牌号码所在的行的位置会形成波峰，分别从形成的两个波谷处进行切割，就可以得到所述号牌号码的左、右边界。同理，可以得到述号牌号码的上、下边界，此处不再赘述。
需要说明的是，号牌号码一般是在当前的申请表的表格上，后被打印上去的，而工作人员在打印号牌号码的过程中，有时会因操作不规范、打印设备出现问题等原因，容易造成打印后的号牌号码不清晰、打印后的号牌号码在号牌号码区域中的靠上位置或靠下位置，甚至压在表征号牌号码区域的线上的情况。因此，如果基于整个号牌号码区域识别号牌号码，则准确性欠佳。在此，本实施例中，通过根据所述第三像素个数统计直方图的波谷位置，确定所述号牌号码的左、右边界，而非整个号牌号码区域的左、右边界，并通过所述第四像素个数统计直方图的波谷位置，确定所述号牌号码的上、下边界，而非整个号牌号码区域的左、右边界，可以实现对号牌号码的精细化定位，解决在号牌号码区域中号牌号码的打印字号较小、号牌号码被打印后压在表格线上等情况而导致的无法有效检测号牌号码区域中的号牌号码的技术问题。
在本申请一实施例中，当所述待检测区域具体为：签名栏区域时，在步骤205中，所述提取重构的所述机动车牌证申请表的待检测区域，可以包括：获取所述签名栏所在的矩形框图像的高度；根据所述高度，将所述签名栏所在的矩形框图像划分为若干等高区域；所述审核所述待检测区域，可以包括：审核所述若干等高区域中的任一等高区域是否存在签名，并且，审核所述若干等高区域中的任一等高区域是否存在日期。在此，在一些实施例中，可以将根据所述高度，将所述签名栏所在的矩形框图像划分为3个等高区域，从上至下分别成为：第一区域、第二区域和第三区域。具体的，可以审核第一区域中是否存在签字、审核第二区域中是否存在签字、审核第三区域中的日期是否被填写，若在第一区域和/或第二区域中检测到签字，并且在第三区域中检测到日期被填写，则可以认定对该签名栏区域的审核合格，否则不合格。
一般来说，机动车牌证申请表的签名栏中，第一行是机打字“机动车所有人(代理人签字)”，最后一行是机打字“年月日”。由于各个城市的机动车牌证申请表的签名栏大小不一致，而且签名栏的宽度和高度均比较大，从而会导致签名的具体位置并不是固定的，加之签名的字号大小也因人而异，导致签名栏中的签名可能在签名栏中的任意位置，因此现有技术的方案中往往无法准确自动审核签名栏中的内容是否合格。本实施例中，通过采用将所述签名栏所在的矩形框图像划分为若干等高区域的思想，对该若干等高区域分别进行检测，可以有效提升审核结果的准确性。
在本申请一实施例中，在步骤206中，所述审核所述待检测区域，具体可以为：通过根据长短期记忆网络(Long Short-Term Memory，简称“LSTM”)训练得到的基于深度学习的字符分割识别模型，审核所述待检测区域；其中，在所述根据长短期记忆网络训练得到的基于深度学习的字符分割识别模型之前，对所述长短期记忆网络执行以下操作：对字符训练集进行白平衡处理；将所述训练集的像素值的均值调整为0、方差调整为1；将所述长短期记忆网络的批处理样本数量设置为32；将所述长短期记忆网络的基本学习速率调整为0.0005；权重衰减Weight_Decay的值调整为0.001；显示器参数Gamma的值调整为0.01，动量Momentum的值调整为0.9。在此，通过对字符训练集进行白平衡处理，可以去除由于不同光源造成的机动车牌证申请表的图像偏色的技术问题；此外，还可以使用Dropout策略，以防止网络出现过拟合现象。
在一些实施例中，可以先获取不同拍摄条件下(比如光照、角度、背景)得到的机动车牌证申请表的图像；然后，根据这些机动车牌证申请表的图像，获取各种形状的车辆的号牌号码字符，包括机器打印的字符和手写的字符，并根据号牌号码的不同种类设置相应的类别标签，得到字符训练集；再将字符训练集送入长短时记忆网络中，训练出既能识别机器打印的字符又能识别手写的字符的字符分割识别模型。
由于本实施例中的待检测区域可以具体为：签名栏区域，考虑到各个城市的车辆管理所的机动车牌证申请表并不一致，所以可以根据先验知识，获取待检测区域在申请表中的相对位置，再根据此位置提取字符信息。可以理解，由于手写字符存在粘连的可能性非常大，本实施例中通过具体采用分割算法，可以将手写字符分割成单个字符，以解决上述的粘连问题导致的审核准确性不高的情况。在分割成单个字符后，可以对分割出的字符进行逐个识别，然后将识别结果和服务器存档的内容进行比对，并输出审核结果。可选的，在输出审核结果后，还可以保存该签名栏区域的图像，以供人工进行后期查验。
在本申请一实际场景应用中，一种机动车牌证申请表的审核方法，可以包括：
S1、获取机动车牌证申请表的图像，并根据存档内容，获取与机动车牌证申请表的图像对应的号牌号码、号牌类型等数据；
S2、若机动车牌证申请表的图像存在变形则，采用比如旋转、仿射变换等方式进行矫正，通过使用数学形态学的方法构造水平结构元素和竖直结构元素，检测机动车牌证申请表的图像中的水平线段和竖直线段；
S3、删除机动车牌证申请表的图像中的伪表格线段，并确定机动车牌证申请表的上边界、下边界、左边界和右边界；
S4、根据检测出的水平和竖直线段，以及上边界、下边界、左边界和右边界重构机动车牌证申请表；可以根据此重构的机动车牌证申请表，提取所需的待检测区域，该待检测区域可以是矩形表格框；
S5、提取号牌号码区域，并对号牌号码进行精细定位；该号牌号码区域为包括号牌号码的表格框；
S6、采用基于深度学习的字符分割识别模型，对精细定位出的号牌号码进行识别；
S7、将识别结果与根据存档内容获取的号牌号码进行比对，以判断识别结果与根据存档内容获取的号牌号码是否一致；若一致，则记录标志位为1，否则，记录标志位为0；
S8、提取号牌种类区域，该号牌种类区域为包括号牌种类的表格框；
S9、采用基于深度学习的字符分割识别模型，对号牌种类区域内的字符进行识别；
S10、将识别结果与获取的号牌种类进行比对，以判断识别结果与根据存档内容获取的号牌种类是否一致；若一致，则记录标志位为1，否则，记录标志位为0；
S11、提取签名栏区域，该签名栏区域为表征签名栏的表格框；
S12、采用基于深度学习的字符分割识别模型，对号签名栏区域内的字符进行识别；
S13、检测签名栏是否存在签名，若存在，则记录此条标志为1，否则，记录标志位为0；
S14、对整个过程的记录的标志位进行统计分析，若标志位全部为1，则可以判定机动车牌证申请表合格，若存在标志位为0的数据，则可以判定机动车牌证申请表不合格。可选的，相关工作人员还可以根据标志位为0时出现的位置，进一步获取不合格的原因。
此外，在本申请一实施例中，还提供了一种电子设备，包括：一个或多个处理器；以及存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如上述任一所述的机动车牌证申请表的边界检测方法，或者，执行如上述任一所述的机动车牌证申请表的审核方法。
本申请实施例还提供了一种计算机可读介质，所述计算机程序被处理器执行时实现上述任一所述的机动车牌证申请表的边界检测方法，或者，执行时实现上述任一所述的机动车牌证申请表的审核方法。
例如，计算机可读指令在被执行时使所述一个或多个处理器：
检测所述机动车牌证申请表的图像中的水平线段和/或竖直线段；
对所述水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，和/或，对所述竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图；
根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，和/或，根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界。
例如，计算机可读指令在被执行时使所述一个或多个处理器：
检测所述机动车牌证申请表的图像中的水平线段和竖直线段；
对所述水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，并对所述竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图；
根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，并根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界；
根据所述水平线段和竖直线段和所述左、右边界以及所述上、下边界，重构所述机动车牌证申请表；
提取重构的所述机动车牌证申请表的待检测区域；
审核所述待检测区域。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如中央处理器(Central Processing Unit，CPU))、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccess Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read Only Memory，ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(Phase-Change RAM，PRAM)、静态随机存取存储器(Static Random Access Memory，SRAM)、动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能光盘(Digital Versatile Disk，DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
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 (10)
1.一种机动车牌证申请表的边界检测方法，其特征在于，包括：
检测所述机动车牌证申请表的图像中的水平线段和/或竖直线段；
对所述水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，和/或，对所述竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图；
根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，和/或，根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界。
2.根据权利要求1所述的机动车牌证申请表的边界检测方法，其特征在于，所述根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，包括：
获取所述第一像素个数统计直方图中，表征所述机动车牌证申请表的图像的宽度中间的位置；
从所述宽度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第一像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第一预设差值，确定所述机动车牌证申请表的左、右边界；
所述根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界，包括：
获取所述第二像素个数统计直方图中，表征所述机动车牌证申请表的图像的长度中间的位置；
从所述长度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第二像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第二预设差值，确定所述机动车牌证申请表的上、下边界。
3.根据权利要求2所述的机动车牌证申请表的边界检测方法，其特征在于，所述从所述宽度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第一像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第一预设差值，确定所述机动车牌证申请表的左、右边界，包括：
获取在向左遍历过程中，初次出现所述差值大于所述第一预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第一竖直线段；
将所述第一竖直线段确定为所述左边界；
获取在向右遍历过程中，初次出现所述差值大于所述第一预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第二竖直线段；
将所述第二竖直线段确定为所述右边界；
所述从所述长度中间的位置开始，分别向左、右两个方向遍历，并分别根据所述第二像素个数统计直方图中的一纵向条纹表征的像素个数和与之相邻的另一纵向条纹表征的像素个数的差值是否大于第二预设差值，确定所述机动车牌证申请表的上、下边界，包括：
获取在向左遍历过程中，初次出现所述差值大于所述第二预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第一水平线段；
将所述第一水平线段确定为所述上边界；
获取在向右遍历过程中，初次出现所述差值大于所述第二预设差值时，所述一纵向条纹对应于所述机动车牌证申请表的图像中的第二水平线段；
将所述第二水平线段确定为所述下边界。
4.根据权利要求3所述的机动车牌证申请表的边界检测方法，其特征在于，在所述将所述第一水平线段确定为所述上边界之前，还包括：
获取所述机动车牌证申请表的图像中的所述第一水平线段所在的行；
根据所述第一水平线段所在的行的高度，和/或，所述第一水平线段所在的行包括的矩形框，判断该行是否与预存的申请表第一行的信息相符；
若是，则执行所述将所述第一水平线段确定为所述上边界的步骤；否则，根据所述申请表第一行的信息，对所述第一水平线段进行校正，并将校正后的第一水平线段确定为所述上边界；
在所述将所述第二水平线段确定为所述下边界之前，还包括：
获取所述机动车牌证申请表的图像中的所述第二水平线段所在的行；
根据所述第二水平线段所在的行的高度，和/或，所述第二水平线所在的行包括的矩形框，判断该行是否与预存的申请表最后一行的信息相符；
若是，则执行所述将所述第二水平线段确定为所述下边界的步骤；否则，根据所述申请表最后一行的信息，对所述第二水平线段进行校正，并将校正后的第二水平线段确定为所述下边界。
5.一种机动车牌证申请表的审核方法，其特征在于，包括：
检测所述机动车牌证申请表的图像中的水平线段和竖直线段；
对所述水平线段在竖直方向进行像素点投影，得到第一像素个数统计直方图，并对所述竖直线段进行水平方向的像素点投影，得到第二像素个数统计直方图；
根据所述第一像素个数统计直方图，确定所述机动车牌证申请表的左、右边界，并根据所述第二像素个数统计直方图，确定所述机动车牌证申请表的上、下边界；
根据所述水平线段和竖直线段和所述左、右边界以及所述上、下边界，重构所述机动车牌证申请表；
提取重构的所述机动车牌证申请表的待检测区域；
审核所述待检测区域。
6.根据权利要求5所述的机动车牌证申请表的审核方法，其特征在于，当所述待检测区域具体为：号牌号码区域时，所述提取重构的所述机动车牌证申请表的待检测区域，包括：
获取所述号牌号码所在的矩形框图像；
对所述矩形框图像在竖直方向进行像素点投影，得到第三像素个数统计直方图；
根据所述第三像素个数统计直方图的波谷位置，确定所述号牌号码的左、右边界；
对所述矩形框图像在水平方向进行像素点投影，得到第四像素个数统计直方图；
根据所述第四像素个数统计直方图的波谷位置，确定所述号牌号码的上、下边界；
根据所述号牌号码的左、右和所述号牌号码的上、下边界，提取重构的所述机动车牌证申请表的号牌号码区域。
7.根据权利要求5中所述的机动车牌证申请表的审核方法，其特征在于，当所述待检测区域具体为签名栏区域时，所述提取重构的所述机动车牌证申请表的待检测区域，包括：
获取所述签名栏所在的矩形框图像的高度；
根据所述高度，将所述签名栏所在的矩形框图像划分为若干等高区域；
所述审核所述待检测区域，包括：
审核所述若干等高区域中的任一等高区域是否存在签名，并且，审核所述若干等高区域中的任一等高区域是否存在日期。
8.根据权利要求5至7中任意一项所述的机动车牌证申请表的审核方法，其特征在于，所述审核所述待检测区域，具体为：通过根据长短期记忆网络训练得到的基于深度学习的字符分割识别模型，审核所述待检测区域；其中，
在所述根据长短期记忆网络训练得到的基于深度学习的字符分割识别模型之前，对所述长短期记忆网络执行以下操作：
对字符训练集进行白平衡处理；
将所述训练集的像素值的均值调整为0、方差调整为1；
将所述长短期记忆网络的批处理样本数量设置为32；
将所述长短期记忆网络的基本学习速率调整为0.0005；权重衰减值调整为0.001；显示器参数值调整为0.01，动量值调整为0.9。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；以及
存储有计算机可读指令的存储器，所述计算机可读指令在被执行时使所述处理器执行如权利要求1至4中任一项所述的机动车牌证申请表的边界检测方法，或者，执行如权利要求5至8中任一项所述的机动车牌证申请表的审核方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的机动车牌证申请表的边界检测方法，或者，执行如权利要求5至8中任一项所述的机动车牌证申请表的审核方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911354852.XA CN111126285A (zh) | 2019-12-22 | 2019-12-22 | 机动车牌证申请表的边界检测审核方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911354852.XA CN111126285A (zh) | 2019-12-22 | 2019-12-22 | 机动车牌证申请表的边界检测审核方法、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111126285A true CN111126285A (zh) | 2020-05-08 |
Family
ID=70503263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911354852.XA Pending CN111126285A (zh) | 2019-12-22 | 2019-12-22 | 机动车牌证申请表的边界检测审核方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111126285A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093181A (zh) * | 2011-11-01 | 2013-05-08 | 青岛海信网络科技股份有限公司 | 一种车牌图像定位的方法和装置 |
| CN105160691A (zh) * | 2015-08-29 | 2015-12-16 | 电子科技大学 | 基于颜色直方图的车身颜色识别方法 |
| CN105303188A (zh) * | 2015-12-03 | 2016-02-03 | 深圳市捷顺科技实业股份有限公司 | 一种车牌左右边界的定位方法及装置 |
| CN106384113A (zh) * | 2016-11-07 | 2017-02-08 | 湖南源信光电科技有限公司 | 基于投影和模板匹配的单双行车牌字符分割方法 |
| CN106529471A (zh) * | 2016-11-08 | 2017-03-22 | 广东安居宝数码科技股份有限公司 | 车脸定位方法和系统 |
| CN107609546A (zh) * | 2017-08-29 | 2018-01-19 | 北京奇艺世纪科技有限公司 | 一种文字标题识别方法及装置 |
-
2019
- 2019-12-22 CN CN201911354852.XA patent/CN111126285A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103093181A (zh) * | 2011-11-01 | 2013-05-08 | 青岛海信网络科技股份有限公司 | 一种车牌图像定位的方法和装置 |
| CN105160691A (zh) * | 2015-08-29 | 2015-12-16 | 电子科技大学 | 基于颜色直方图的车身颜色识别方法 |
| CN105303188A (zh) * | 2015-12-03 | 2016-02-03 | 深圳市捷顺科技实业股份有限公司 | 一种车牌左右边界的定位方法及装置 |
| CN106384113A (zh) * | 2016-11-07 | 2017-02-08 | 湖南源信光电科技有限公司 | 基于投影和模板匹配的单双行车牌字符分割方法 |
| CN106529471A (zh) * | 2016-11-08 | 2017-03-22 | 广东安居宝数码科技股份有限公司 | 车脸定位方法和系统 |
| CN107609546A (zh) * | 2017-08-29 | 2018-01-19 | 北京奇艺世纪科技有限公司 | 一种文字标题识别方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| P. CHOORAT等: "License Plate Detection and Integral Intensity Projection for Automatic Finding the Vacant of Car Parking Space" * |
| 关明山等: "汽车牌照字符分割的自适应算法" * |
| 胡焯源: "车辆信息识别系统设计与实现" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110348360B (zh) | 一种检测报告识别方法及设备 | |
| CN110738602B (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
| US11790499B2 (en) | Certificate image extraction method and terminal device | |
| CN110827247A (zh) | 一种识别标签的方法及设备 | |
| WO2020151340A1 (zh) | 一种目标细胞标记方法、装置、存储介质及终端设备 | |
| CN110276295B (zh) | 车辆识别号码检测识别方法及设备 | |
| CN107818322A (zh) | 一种用于车辆年检的车辆vin码篡改检测系统及方法 | |
| CN110378258B (zh) | 一种基于图像的车辆座椅信息检测方法及设备 | |
| CN110490181B (zh) | 一种基于ocr识别技术的表单填写审核方法、装置、设备以及计算机存储介质 | |
| CN110796078A (zh) | 车辆的灯光检测方法、装置、电子设备及可读存储介质 | |
| CN112668640B (zh) | 一种文本图像质量评估方法、装置、设备及介质 | |
| CN110135225B (zh) | 样本标注方法及计算机存储介质 | |
| CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
| CN115063618B (zh) | 一种基于模板匹配的缺陷定位方法、系统、设备及介质 | |
| CN111507332A (zh) | 车辆vin码检测方法与设备 | |
| CN113591746B (zh) | 一种文档表格结构检测方法及装置 | |
| CN111178282A (zh) | 一种道路交通限速标志定位识别方法及装置 | |
| CN110991437A (zh) | 字符识别方法及其装置、字符识别模型的训练方法及其装置 | |
| CN110765963A (zh) | 车辆制动检测方法、装置、设备及计算机可读存储介质 | |
| CN110728193B (zh) | 一种脸部图像丰富度特征的检测方法及设备 | |
| CN111488846A (zh) | 一种识别水位的方法及设备 | |
| CN110276347B (zh) | 文本类信息检测识别方法及设备 | |
| CN112434585A (zh) | 一种车道线的虚实识别方法、系统、电子设备及存储介质 | |
| CN111914706A (zh) | 一种文字检测输出结果质量检测和控制的方法与装置 | |
| CN111126286A (zh) | 车辆动态检测方法、装置、计算机设备及存储介质 |
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 | ||
| AD01 | Patent right deemed abandoned | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240524 |