CN111144358A - 车辆合格证的验证方法、装置、计算机设备和存储介质 - Google Patents
车辆合格证的验证方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111144358A CN111144358A CN201911405384.4A CN201911405384A CN111144358A CN 111144358 A CN111144358 A CN 111144358A CN 201911405384 A CN201911405384 A CN 201911405384A CN 111144358 A CN111144358 A CN 111144358A
- Authority
- CN
- China
- Prior art keywords
- target image
- text
- result
- vehicle
- detection result
- 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
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
- G06V30/413—Classification of content, e.g. text, photographs or tables
-
- 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
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种车辆合格证的验证方法、装置、计算机设备和存储介质,该方法包括:获取待检测的目标图像;目标图像用于展示车辆的合格证的检测结果;将目标图像输入预设的文本检测模型,得到目标图像对应的多个文本条;对各文本条中的文本信息进行校验,得到目标图像的校验结果;目标图像的校验结果用于表示文本信息是否准确;将目标图像输入预设的印章检测模型,得到目标图像的检测结果;目标图像的检测结果用于表示目标图像中是否包括印章;根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。该方法提高了得到车辆合格证的检测结果的验证结果的效率和准确度。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种车辆合格证的验证方法、装置、计算机设备和存储介质。
背景技术
机动车的年检对于机动车的安全行驶具有十分重要的意义。随着社会经济的快速发展,机动车保有量在不断的增加,使得机动车的年检工作量也随之增加。
在对机动车进行年检时需要对机动车出厂合格证检测结果进行识别,机动车出厂合格证检测结果的识别是机动车年检中尤为重要的一项检测。传统技术中,对机动车出厂合格证检测结果的识别方法主要是通过人工的方式进行。
但是,传统的对机动车出厂合格证检测结果的识别方法存在识别效率较低的问题。
发明内容
基于此,有必要针对传统的对机动车出厂合格证检测结果的识别方法存在识别效率较低的问题,提供一种车辆合格证的验证方法、装置、计算机设备和存储介质。
第一方面,本发明实施例提供一种车辆合格证的验证方法,所述方法包括:
获取待检测的目标图像;所述目标图像用于展示车辆的合格证的检测结果;
将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条;
对各所述文本条中的文本信息进行校验,得到所述目标图像的校验结果;所述目标图像的校验结果用于表示所述文本信息是否准确;
将所述目标图像输入预设的印章检测模型,得到所述目标图像的检测结果;所述目标图像的检测结果用于表示所述目标图像中是否包括印章;
根据所述目标图像的校验结果和所述目标图像的检测结果,对所述目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
在其中一个实施例中,所述将所述目标图像输入预设的印章检测模型,得到所述目标图像的检测结果,包括:
将所述目标图像输入所述印章检测模型,若检测到所述目标图像中包括圆形印章,则确定所述目标图像的检测结果包括所述印章。
在其中一个实施例中,所述对各所述文本条中的文本信息进行校验,得到所述目标图像的校验结果,包括:
将各所述文本条输入预设的文本识别模型中,识别出各所述文本条中的文本信息;
对各所述文本信息进行校验,得到所述目标图像的校验结果。
在其中一个实施例中,所述对各所述文本信息进行校验,得到所述目标图像的校验结果,包括:
分别判断各所述文本信息与对应的标准文本信息是否一致,若是,则将所述文本信息的校验结果标记为第一值;
若各所述文本信息的校验结果均为所述第一值,则确定所述目标图像的校验结果为通过。
在其中一个实施例中,所述根据所述目标图像的校验结果和所述目标图像的检测结果,对所述目标图像展示的车辆合格证的检测结果进行验证,得到验证结果,包括:
若所述目标图像的校验结果为通过,且所述目标图像的检测结果包括所述印章,则确定对所述目标图像展示的车辆合格证的检测结果的验证结果为通过。
在其中一个实施例中,所述方法还包括:
若对所述目标图像展示的车辆合格证的检测结果的验证结果为不通过,则返回验证不通过的原因;所述验证不通过的原因包括所述目标图像的校验结果为不通过和/或所述目标图像的检测结果不包括所述印章。
在其中一个实施例中,所述将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条之前,所述方法还包括:
将所述目标图像输入所述文本检测模型,得到所述目标图像对应的多个初始文本条;
获取各所述初始文本条的倾斜角度的均值,根据所述倾斜角度的均值对所述目标图像进行第一旋转处理,得到第一旋转图像;
将所述第一旋转图像输入预设的文本方向分类模型,判断所述第一旋转图像中的文本是否包括倒置的文本,若是,则确定倒置的文本的数量;若所述倒置的文本的数量大于预设的阈值,则按照预设的旋转角度对所述第一旋转图像进行第二旋转处理,得到第二旋转图像;
所述将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条,包括:
将所述第二旋转图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条。
第二方面,本发明实施例提供一种车辆合格证检测结果的验证装置,所述装置包括:
第一获取模块,用于获取待检测的目标图像;所述目标图像用于展示车辆的合格证的检测结果;
第二获取模块,用于将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条;
校验模块,用于对各所述文本条中的文本信息进行校验,得到所述目标图像的校验结果;所述文本信息至少包括车辆识别代号、发动机号、车辆品牌、车辆型号、车身颜色、燃料种类和轮胎规格;
检测模块,用于将所述目标图像输入预设的印章检测模型,得到所述目标图像的检测结果;所述目标图像的检测结果用于表示所述目标图像中是否包括印章;
验证模块,用于根据所述目标图像的校验结果和所述目标图像的检测结果,对所述目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
第三方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待检测的目标图像;所述目标图像用于展示车辆的合格证的检测结果;
将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条;
对各所述文本条中的文本信息进行校验,得到所述目标图像的校验结果;
所述目标图像的校验结果用于表示所述文本信息是否准确;
将所述目标图像输入预设的印章检测模型,得到所述目标图像的检测结果;所述目标图像的检测结果用于表示所述目标图像中是否包括印章;
根据所述目标图像的校验结果和所述目标图像的检测结果,对所述目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待检测的目标图像;所述目标图像用于展示车辆的合格证的检测结果;
将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条;
对各所述文本条中的文本信息进行校验,得到所述目标图像的校验结果;
所述目标图像的校验结果用于表示所述文本信息是否准确;
将所述目标图像输入预设的印章检测模型,得到所述目标图像的检测结果;所述目标图像的检测结果用于表示所述目标图像中是否包括印章;
根据所述目标图像的校验结果和所述目标图像的检测结果,对所述目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
上述实施例提供的车辆合格证的验证方法、装置、计算机设备和存储介质中,可以通过计算机设备获取待检测的目标图像;目标图像用于展示车辆的合格证的检测结果;将目标图像输入预设的文本检测模型,得到目标图像对应的多个文本条;对各文本条中的文本信息进行校验,得到目标图像的校验结果;目标图像的校验结果用于表示文本信息是否准确;将目标图像输入预设的印章检测模型,得到目标图像的检测结果;目标图像的检测结果用于表示目标图像中是否包括印章;根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。在该方法中,计算机设备将用于展示车辆的合格证的检测结果的目标图像输入预设的文本检测模型,能够迅速地得到目标图像对应的多个文本条,提高了得到目标图像对应的多个文本条的效率,进而提高了对各文本条中的文本信息进行校验,得到表示文本信息是否准确的目标图像的校验结果的效率,同时,将目标图像输入预设的印章检测模型,能够快速地得到目标图像的检测结果,进而提高了根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证的效率;另外,将目标图像输入预设的文本检测模型,能够准确地得到目标图像对应的多个文本条,提高了对各文本条中的文本信息进行校验,得到目标图像的校验结果的准确度,同时,将目标图像输入预设的印章检测模型,能够准确地得到目标图像的检测结果,进而能够根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行准确地验证,提高了对目标图像展示的车辆合格证的检测结果的验证结果的准确度。
附图说明
图1为一个实施例提供的计算机设备的内部结构示意图;
图2为一个实施例提供的车辆合格证的验证方法的流程示意图;
图3为另一个实施例提供的车辆合格证的验证方法的流程示意图;
图4为另一个实施例提供的车辆合格证的验证方法的流程示意图;
图5为一个实施例提供的车辆合格证的验证方法的流程示意图;
图6为一个实施例提供的车辆合格证的验证装置结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的车辆合格证的验证方法,可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器,该存储器中存储有计算机程序,处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的,该计算机设备还可以包括网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的,该计算机设备可以是服务器,可以是个人计算机,还可以是个人数字助理,还可以是其他的终端设备,例如平板电脑、手机等等,还可以是云端或者远程服务器,本申请实施例对计算机设备的具体形式并不做限定。
需要说明的是,本申请实施例提供的车辆合格证的验证方法,其执行主体可以是车辆合格证的验证装置,该车辆合格证的验证装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
下面以具体的实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为一个实施例提供的车辆合格证的验证方法的流程示意图。本实施例涉及的是计算机设备根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果的具体实现过程。如图2所示,该方法可以包括:
S201,获取待检测的目标图像;目标图像用于展示车辆的合格证的检测结果。
具体的,计算机设备获取待检测的目标图像,其中,目标图像用于展示车辆的合格证的检测结果。可选的,计算机设备可以从存储车辆的合格证的检测结果图像的服务器中获取待检测的目标图像,也可以通过与计算机设备连接的拍摄设备实时地采集待检测的目标图像。
S202,将目标图像输入预设的文本检测模型,得到目标图像对应的多个文本条。
具体的,计算机设备将上述目标图像输入预设的文本检测模型,得到目标图像对应的多个文本条。需要说明的是,目标图像对应的多个文本条中存储的为目标图像的文本信息,文本条是指属于同一行的一段连续的文字且文字中间没有空格的一条文本。可选的,文本检测模型可以为渐进式扩展网络(Shape Robust Text Detection with ProgressiveScale Expansion Network,PSEnet)网络模型,其中,PSEnet网络的网络结构简单,运行速度块,可以满足实时使用的需求,并且PSEnet网络的文本检测精度高(例如,对过长的文字串、过短的文字串或者距离比较近的两个字符串PSEnet网络均可以进行精确地检测),另外,PSEnet网络还可以精确地检测任意形状的文本。可以理解的是,文本检测模型是预先已经训练好的模型,可选的,计算机设备可以获取在不同拍摄条件(如光照、旋转角度、文本方向)下,采集到的展示车辆的合格证的检测结果的不同大小的样本图像,比如不同大小的样本图像的数量可以为20000张,采用多边形框将样本图像中的文本按文本条标出,得到样本图像对应的标注图像即样本集,其中,标注信息是一个一维的10个长度数组点集,该点集来自文本条的外接多边形,由这些点可以绘制出该文本条的外接多边形,将样本集分为训练集与测试集,训练集占95%,测试集占5%,每个样本随机分配,将样本集转化成预设的初始文本检测模型需要的标准数据,设置好初始文本检测模型中的超参数,如基础学习速率、权重迭代速率、学习率每次变化程度值、网络最大迭代次数、模型过拟合防止策略以及权重初始化方式、每迭代多少次保存一次模型等,然后将该样本集中的样本图像输入初始文本检测模型,对初始文本检测模型进行训练,直到初始文本检测模型达到预设的迭代次数,训练停止,然后将训练过程中保存下来的所有初始文本检测模型在测试集中进行测试,根据各初始文本检测模型的测试结果和样本图像对应的标注图像选出最优的文本检测模型,将选出的最优的文本检测模型确定为上述文本检测模型。
S203,对各文本条中的文本信息进行校验,得到目标图像的校验结果;目标图像的校验结果用于表示文本信息是否准确。
具体的,计算机设备对各文本条中的文本信息进行校验,得到用于表示各文本条中的文本信息是否准确的目标图像的校验结果。可选的,计算机设备可以将各文本条中的文本信息提取出来,将提取出来的文本信息与对应的标准文本信息进行比对,得到目标图像的校验结果。
S204,将目标图像输入预设的印章检测模型,得到目标图像的检测结果;目标图像的检测结果用于表示目标图像中是否包括印章。
具体的,计算机设备将目标图像输入预设的印章检测模型,得到目标图像的检测结果,其中,目标图像的检测结果用于表示目标图像中是否包括印章。可选的,目标图像的检测结果可以为目标图像中包括印章,也可以为目标图像中不包括印章,例如,若目标图像中包括印章则得到的目标图像的检测结果可以是用矩形框标注出印章的图像;若目标图像中不包括印章则得到的目标图像的检测结果为没有用矩形框标注的图像。可以理解的是,印章检测模型是预先已经训练好的模型,可选的,计算机设备可以获取在不同拍摄条件(如光照、旋转角度、文字方向)下,采集到的展示车辆的合格证的检测结果的不同大小的样本图像,采用矩形框将样本图像中的印章区域在样本图像中标出,得到样本图像对应的印章标注图像即样本集,其中,标注信息是一个一维数组[class,x,y,width,height],数组中class代表目标类别(也就是印章的类别),x,y分别代表采用的矩形框左上角在样本图像中的横、纵坐标,width,height分别代表采用的矩形框在样本图像中的宽度、高度,将样本集分为训练集与测试集,训练集占95%,测试集占5%,每个样本随机分配,将样本集转化成预设的初始印章检测模型需要的标准数据,设置好初始印章检测模型中的超参数,如基础学习速率、权重迭代速率、学习率每次变化程度值、网络最大迭代次数、模型过拟合防止策略以及权重初始化方式、每迭代多少次保存一次模型等,然后将该样本集中的样本图像输入初始印章检测模型,得到样本检测结果,其中,样本检测结果用于表示样本图像中是否包括印章,对初始印章检测模型进行训练,直到初始印章检测模型达到预设的迭代次数,训练停止,然后将训练过程中保存下来的所有初始印章检测模型在测试集中进行测试,根据各初始印章检测模型的测试结果和样本图像对应的印章标注图像选出最优的印章检测模型,将选出的最优的印章检测模型确定为上述印章检测模型。
S205,根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
具体的,计算机设备根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。可选的,计算机设备得到的验证结果可以为验证通过,也可以为验证不通过。更进一步的,若计算机设备得到的验证结果为验证不通过,可选的,验证不通过的原因可以是对目标图像的校验结果不通过,也可以是对目标图像的检测结果不通过。
在本实施例中,计算机设备将用于展示车辆的合格证的检测结果的目标图像输入预设的文本检测模型,能够迅速地得到目标图像对应的多个文本条,提高了得到目标图像对应的多个文本条的效率,进而提高了对各文本条中的文本信息进行校验,得到表示文本信息是否准确的目标图像的校验结果的效率,同时,将目标图像输入预设的印章检测模型,能够快速地得到目标图像的检测结果,进而提高了根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证的效率;另外,将目标图像输入预设的文本检测模型,能够准确地得到目标图像对应的多个文本条,提高了对各文本条中的文本信息进行校验,得到目标图像的校验结果的准确度,同时,将目标图像输入预设的印章检测模型,能够准确地得到目标图像的检测结果,进而能够根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行准确地验证,提高了对目标图像展示的车辆合格证的检测结果的验证结果的准确度。
在上述实施例的基础上,作为一种可选的实施方式,上述S204包括:将目标图像输入印章检测模型,若检测到目标图像中包括圆形印章,则确定目标图像的检测结果包括印章。
具体的,计算机设备将目标图像输入印章检测模型,若检测到目标图像中包括圆形印章,则确定目标图像的检测结果包括印章。示例性地,若印章检测模型没有检测到目标图像中包括圆形印章,则确定目标图像的检测结果不包括印章。
在本实施例中,计算机设备将目标图像输入印章检测模型,能够对目标图像进行准确地检测,能够准确地检测到目标图像中是否包括圆形印章,提高了确定的目标图像的检测结果的准确度。
图3为另一个实施例提供的车辆合格证的验证方法的流程示意图。本实施例涉及的是计算机设备对各文本条中的文本信息进行校验,得到目标图像的检验结果的具体实现过程。如图3所示,在上述实施例的基础上,作为一种可选的实施方式,上述S203包括:
S301,将各文本条输入预设的文本识别模型中,识别出各文本条中的文本信息。
具体的,计算机设备将目标图像对应的各文本条输入预设的文本识别模型中,识别出各文本条中的文本信息(包括文字、数字、字符等信息)。其中,各文本条中的文本信息包括车辆识别代号、发动机号、车辆品牌、车身颜色、燃料种类、轮胎规格字符串中的任一信息。可选的,预设的文本识别模型可以为长短期记忆网络(Long Short-Term Memory,LSTM)模型。可以理解的是,文本识别模型是预先已经训练好的模型,文本识别模型的训练过程可以为以下描述的过程:计算机设备可以获取多幅包括文本信息的样本图像,并预先对样本图像中的文本信息进行标注,将样本图像输入预设的初始文本识别模型中,得到对样本图像中的文本信息的识别结果,将得到的文本信息的识别结果和预先对样本图像中的文本信息的标注进行对比,得到初始文本识别模型的损失函数的值,根据初始文本识别模型的损失函数的值对初始文本识别模型进行训练,得到文本识别模型。
S302,对各文本信息进行校验,得到目标图像的校验结果。
具体的,计算机设备对目标图像各文本条中的各文本信息进行校验,得到用于表示文本信息是否准确的目标图像的校验结果。可选的,计算机设备可以分别判断各文本条中的文本信息与对应的标准文本信息是否一致,若是,则将各文本条中的文本信息的校验结果标记为第一值,若各文本条中的文本信息的校验结果均为第一值,则确定目标图像的校验结果为通过。示例性地,计算机设备可以按照从上到下,从左到右的顺序遍历各文本条,查找各文本条中的文本信息包含“车辆识别代号”几个字的文本条,选取其右侧的第一个文本信息,该文本信息即是车辆识别代号信息,将该车辆识别代号信息与从服务器中获取的标准车辆识别代号信息进行比对,若比对结果一致,则将车辆识别代号的校验结果标记为第一值,即可以将车辆识别代号的校验结果标记为1,反之,则标记为0;计算机设备可以按照从上到下,从左到右的顺序遍历各文本条,查找各文本条中的文本信息包含“发动机号”几个字的文本条,选取其右侧的第一个文本信息,该文本信息即是发动机号信息,将该发动机号信息与从服务器中获取的标准发动机号信息进行比对,若比对结果一致,则将发动机号的校验结果标记为第一值,即可以将发动机号的校验结果标记为1,反之,则标记为0;计算机设备可以按照从上到下,从左到右的顺序遍历各文本条,查找各文本条中的文本信息包含“车辆品牌”几个字的文本条,选取其右侧的第一个文本信息,该文本信息即是车辆品牌信息,将该车辆品牌信息与从服务器中获取的标准车牌品牌信息进行比对,若比对结果一致,则将车辆品牌的校验结果标记为第一值,即可以将车辆品牌的校验结果标记为1,反之,则标记为0;计算机设备可以按照从上到下,从左到右的顺序遍历各文本条,查找各文本条中的文本信息包含“车身颜色”几个字的文本条,选取其右侧的第一个文本信息,该文本信息即是车身颜色信息,将该车身颜色信息与从服务器中获取的标准车身颜色信息进行比对,若比对结果一致,则将车身颜色的校验结果标记为第一值,即可以将车身颜色的校验结果标记为1,反之,则标记为0;计算机设备可以按照从上到下,从左到右的顺序遍历各文本条,查找各文本条中的文本信息包含“燃料种类”几个字的文本条,选取其右侧的第一个文本信息,该文本信息即是燃料种类信息,将该燃料种类信息与从服务器中获取的标准燃料种类信息进行比对,若比对结果一致,则将燃料种类的校验结果标记为第一值,即可以将燃料种类的校验结果标记为1,反之,则标记为0;计算机设备可以按照从上到下,从左到右的顺序遍历各文本条,查找各文本条中的文本信息包含“轮胎规格字符串”几个字的文本条,选取其右侧的第一个文本信息,该文本信息即是轮胎规格字符串信息,将该轮胎规格字符串信息与从服务器中获取的标准轮胎规格字符串信息进行比对,若比对结果一致,则将轮胎规格字符串的校验结果标记为第一值,即可以将燃料种类的校验结果标记为1,反之,则标记为0;计算机设备遍历完各文本条后若得到车辆识别代号、发动机号、车辆品牌、车身颜色、燃料种类、轮胎规格字符串的校验结果均为第一值,即车辆识别代号、发动机号、车辆品牌、车身颜色、燃料种类、轮胎规格字符串的校验结果均标记为1,则确定目标图像的校验结果为通过,反之,则确定目标图像的校验结果为不通过。
在本实施例中,计算机设备将目标图像对应的多个文本条输入预设的文本识别模型中,能够快速地识别出各文本条中的文本信息,提高了对各文本条中文本信息的识别效率,进而提高了对各文本条中的文本信息进行校验,得到目标图像的校验结果的效率。
在上述实施例的基础上,作为一种可选的实施方式,上述S205包括:若目标图像的校验结果为通过,且目标图像的检测结果包括印章,则确定对目标图像展示的车辆合格证的检测结果的验证结果为通过。
具体的,若计算机设备得到目标图像的校验结果为通过,且目标图像的检测结果包括印章,则确定对目标图像展示的车辆合格证的检测结果的验证结果为通过。可选的,若对目标图像展示的车辆合格证的检测结果的验证结果为不通过,则计算机设备将返回验证不通过的原因,可选的,计算机设备对目标图像展示的车辆合格证得检测结果的验证结果为不通过的原因可以为目标图像的校验结果为不通过,例如,车辆识别代号被篡改、车身颜色改变等,也可以为目标图像的检测结果不包括印章,也可以为目标图像的校验结果为不通过且目标图像的检测结果不包括印章。
在本实施例中,若目标图像的校验结果为通过,且目标图像的检测结果包括印章,则计算机设备确定对目标图像展示的车辆合格证的检测结果的验证结果为通过,这样计算机设备能够准确地得到对目标图像展示的车辆合格证的检测结果的验证结果,提高了得到的对目标图像展示的车辆合格证的检测结果的验证结果的准确度。
在一些场景中,得到的目标图像会由于拍摄角度、拍摄光照条件等的影响,使得到的样本图像中的文字方向发生偏转,因此,在对目标图像展示的车辆的合格证的检测结果进行验证前需要对目标图像进行预处理。图4为另一个实施例提供的车辆合格证的验证方法的流程示意图。本实施例涉及的是计算机设备对目标图像进行预处理的具体实现过程。如图4所示,在上述实施例的基础上,作为一种可选的实施方式,S202之前,上述方法还包括:
S401,将目标图像输入文本检测模型,得到目标图像对应的多个初始文本条。
具体的,计算机设备将目标图像输入上述文本检测模型,得到目标图像对应的多个初始文本条。需要说明的是,本实施例中得到的初始文本条是倾斜的文本条。本实施例中的文本检测模型与上述S202中描述的文本检测模型的作用和训练过程相同,本实施例在此不再赘述。
S402,获取各初始文本条的倾斜角度的均值,根据倾斜角度的均值对目标图像进行第一旋转处理,得到第一旋转图像。
具体的,计算机设备获取各初始文本条的倾斜角度的均值,根据各初始文本条倾斜角度的均值对目标图像进行第一旋转处理,得到第一旋转图像。可以理解的是,得到的第一旋转图像对应的文本条的方向将是水平方向的,不会再有倾斜。
S403,将第一旋转图像输入预设的文本方向分类模型,判断第一旋转图像中的文本(包括文字、数字、字符等)是否包括倒置的文本,若是,则确定倒置的文本的数量;若倒置的文本的数量大于预设的阈值,则按照预设的旋转角度对第一旋转图像进行第二旋转处理,得到第二旋转图像。
具体的,计算机设备将第一旋转图像输入预设的文本方向分类模型,判断第一旋转图像中的文本是否包括倒置的文本,若是,则确定倒置的文本的数量;若倒置的文本的数量大于预设的阈值,则按照预设的旋转角度对第一旋转图像进行第二旋转处理,得到第二旋转图像。可选的,预设的阈值可以为60%,预设的旋转角度可以为180度。可以理解的是,文本方向分类模型是预先已经训练好的模型,可选的,计算机设备可以从S202中获取的20000张样本图像中,获取10000张文本是正的样本图像,10000张文本是倒的样本图像,得到样本集,并将样本图像中文本是正的样本图像标记为1,文本是倒的样本图像标记为0,得到样本图像对应的标注图像,将样本集分为训练集与测试集,训练集占95%,测试集占5%,每个样本随机分配,将样本集转化成预设的初始文本方向分类模型需要的标准数据,设置好初始文本方向分类模型中的超参数,如基础学习速率、权重迭代速率、学习率每次变化程度值、网络最大迭代次数、模型过拟合防止策略以及权重初始化方式、每迭代多少次保存一次模型等,然后将该样本集中的样本图像输入初始文本方向分类模型,对初始文本方向分类模型进行训练,直到初始文本方向分类模型达到预设的迭代次数,训练停止,然后将训练过程中保存下来的所有初始文本方向分类模型在测试集中进行测试,根据各初始文本方向分类模型的测试结果和样本图像对应的标注图像选出最优的文本方向分类模型,将选出的最优的文本方向分类模型确定为上述文本方向分类模型。
则上述S202包括:将第二旋转图像输入预设的文本检测模型,得到目标图像对应的多个文本条。
具体的,计算机设备将得到的第二旋转图像输入预设的文本检测模型,得到目标图像对应的多个文本条。可以理解的是,第二旋转图像是经过了预处理的图像,第二旋转图像对应的文本条的方向均是水平方向的,不会再有倾斜,且第二旋转图像中的文本方向均为正的文本方向,也就是目标图像对应的多个文本条的方向均为水平方向,多个文本条中的文本方向均为正的文本方向。
在本实施例中,计算机设备得到的第二旋转图像对应的文本条的方向均为水平方向,且第二旋转图像中的文本方向均为正的文本方向,通过该处理过程将得到的第二旋转图像输入预设的文本检测模型,提高了得到的目标图像对应的多个文本条的准确度,进而能够对目标图像对应的多个文本条进行准确地校验,提高了得到的表示目标图像的文本信息是否准确的目标图像的校验结果的准确度。
图5为一个实施例提供的车辆合格证的验证方法的流程示意图。如图5所示,本申请提供的车辆合格证的验证方法可以包括:获取待检测的目标图像和标准的待比对数据的答案;所述目标图像用于展示车辆的合格证的检测结果;根据目标图像中文本的方向,转正目标图像,然后对目标图像中的文本进行检测与识别(包括车辆识别代号比对、发动机号比对、车辆品牌比对、车身颜色比对、燃料种类比对、轮胎规格字符串比对等),并对目标图像中的印章进行检测,得到目标图像中印章的检测结果以及目标图像中文本的比对结果,根据目标图像中印章的检测结果以及目标图像中文本的比对结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
需要说明的是,本实施例中的车辆合格证的验证方法的描述可以参见上述实施例中相关的描述,且其效果类似,本实施例在此不再赘述。
应该理解的是,虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图6为一个实施例提供的车辆合格证的验证装置结构示意图。如图6所示,该装置可以包括:第一获取模块10、第二获取模块11、校验模块12、检测模块13和验证模块14。
具体的,第一获取模块10,用于获取待检测的目标图像;目标图像用于展示车辆的合格证的检测结果;
第二获取模块11,用于将目标图像输入预设的文本检测模型,得到目标图像对应的多个文本条;
校验模块12,用于对各文本条中的文本信息进行校验,得到目标图像的校验结果;文本信息至少包括车辆识别代号、发动机号、车辆品牌、车辆型号、车身颜色、燃料种类和轮胎规格;
检测模块13,用于将目标图像输入预设的印章检测模型,得到目标图像的检测结果;目标图像的检测结果用于表示目标图像中是否包括印章;
验证模块14,用于根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
本实施例提供的车辆合格证的验证装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述检测模块13包括:检测单元。
具体的,检测单元,用于将目标图像输入印章检测模型,若检测到目标图像中包括圆形印章,则确定目标图像的检测结果包括印章。
本实施例提供的车辆合格证的验证装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述校验模块12包括:识别单元和校验单元。
具体的,识别单元,用于将各文本条输入预设的文本识别模型中,识别出各文本条中的文本信息;
校验单元,用于对各文本信息进行校验,得到目标图像的校验结果。
本实施例提供的车辆合格证的验证装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述校验单元具体用于分别判断各文本信息与对应的标准文本信息是否一致,若是,则将文本信息的校验结果标记为第一值;若各文本信息的校验结果均为第一值,则确定目标图像的校验结果为通过。
本实施例提供的车辆合格证的验证装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述验证模块14包括:验证单元。
具体的,验证单元,用于若目标图像的校验结果为通过,且目标图像的检测结果包括印章,则确定对目标图像展示的车辆合格证的检测结果的验证结果为通过。
本实施例提供的车辆合格证的验证装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述装置还包括:返回模块。
具体的,返回模块,用于若对目标图像展示的车辆合格证的检测结果的验证结果为不通过,则返回验证不通过的原因;验证不通过的原因包括目标图像的校验结果为不通过和/或目标图像的检测结果不包括印章。
本实施例提供的车辆合格证的验证装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在上述实施例的基础上,可选的,上述装置还包括:第三获取模块、第四获取模块和处理模块。
具体的,第三获取模块,用于将目标图像输入文本检测模型,得到目标图像对应的多个初始文本条;
第四获取模块,用于获取各初始文本条的倾斜角度的均值,根据倾斜角度的均值对目标图像进行第一旋转处理,得到第一旋转图像;
处理模块,用于将第一旋转图像输入预设的文本方向分类模型,判断第一旋转图像中的文本是否包括倒置的文本,若是,则确定倒置的文本的数量;若倒置的文本的数量大于预设的阈值,则按照预设的旋转角度对第一旋转图像进行第二旋转处理,得到第二旋转图像;
在上述实施例的基础上,上述第二获取模块11,具体用于将第二旋转图像输入预设的文本检测模型,得到目标图像对应的多个文本条。
本实施例提供的车辆合格证的验证装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于车辆合格证的验证装置的具体限定可以参见上文中对于车辆合格证的验证方法的限定,在此不再赘述。上述车辆合格证的验证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取待检测的目标图像;目标图像用于展示车辆的合格证的检测结果;
将目标图像输入预设的文本检测模型,得到目标图像对应的多个文本条;
对各文本条中的文本信息进行校验,得到目标图像的校验结果;目标图像的校验结果用于表示文本信息是否准确;
将目标图像输入预设的印章检测模型,得到目标图像的检测结果;目标图像的检测结果用于表示目标图像中是否包括印章;
根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取待检测的目标图像;目标图像用于展示车辆的合格证的检测结果;
将目标图像输入预设的文本检测模型,得到目标图像对应的多个文本条;
对各文本条中的文本信息进行校验,得到目标图像的校验结果;目标图像的校验结果用于表示文本信息是否准确;
将目标图像输入预设的印章检测模型,得到目标图像的检测结果;目标图像的检测结果用于表示目标图像中是否包括印章;
根据目标图像的校验结果和目标图像的检测结果,对目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种车辆合格证的验证方法,其特征在于,所述方法包括:
获取待检测的目标图像;所述目标图像用于展示车辆的合格证的检测结果;
将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条;
对各所述文本条中的文本信息进行校验,得到所述目标图像的校验结果;所述目标图像的校验结果用于表示所述文本信息是否准确;
将所述目标图像输入预设的印章检测模型,得到所述目标图像的检测结果;所述目标图像的检测结果用于表示所述目标图像中是否包括印章;
根据所述目标图像的校验结果和所述目标图像的检测结果,对所述目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
2.根据权利要求1所述的方法,其特征在于,所述将所述目标图像输入预设的印章检测模型,得到所述目标图像的检测结果,包括:
将所述目标图像输入所述印章检测模型,若检测到所述目标图像中包括圆形印章,则确定所述目标图像的检测结果包括所述印章。
3.根据权利要求2所述的方法,其特征在于,所述对各所述文本条中的文本信息进行校验,得到所述目标图像的校验结果,包括:
将各所述文本条输入预设的文本识别模型中,识别出各所述文本条中的文本信息;
对各所述文本信息进行校验,得到所述目标图像的校验结果。
4.根据权利要求3所述的方法,其特征在于,所述对各所述文本信息进行校验,得到所述目标图像的校验结果,包括:
分别判断各所述文本信息与对应的标准文本信息是否一致,若是,则将所述文本信息的校验结果标记为第一值;
若各所述文本信息的校验结果均为所述第一值,则确定所述目标图像的校验结果为通过。
5.根据权利要求1所述的方法,其特征在于,所述根据所述目标图像的校验结果和所述目标图像的检测结果,对所述目标图像展示的车辆合格证的检测结果进行验证,得到验证结果,包括:
若所述目标图像的校验结果为通过,且所述目标图像的检测结果包括所述印章,则确定对所述目标图像展示的车辆合格证的检测结果的验证结果为通过。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若对所述目标图像展示的车辆合格证的检测结果的验证结果为不通过,则返回验证不通过的原因;所述验证不通过的原因包括所述目标图像的校验结果为不通过和/或所述目标图像的检测结果不包括所述印章。
7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条之前,所述方法还包括:
将所述目标图像输入所述文本检测模型,得到所述目标图像对应的多个初始文本条;
获取各所述初始文本条的倾斜角度的均值,根据所述倾斜角度的均值对所述目标图像进行第一旋转处理,得到第一旋转图像;
将所述第一旋转图像输入预设的文本方向分类模型,判断所述第一旋转图像中的文本是否包括倒置的文本,若是,则确定倒置的文本的数量;若所述倒置的文本的数量大于预设的阈值,则按照预设的旋转角度对所述第一旋转图像进行第二旋转处理,得到第二旋转图像;
所述将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条,包括:
将所述第二旋转图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条。
8.一种车辆合格证检测结果的验证装置,其特征在于,所述装置包括:
第一获取模块,用于获取待检测的目标图像;所述目标图像用于展示车辆的合格证的检测结果;
第二获取模块,用于将所述目标图像输入预设的文本检测模型,得到所述目标图像对应的多个文本条;
校验模块,用于对各所述文本条中的文本信息进行校验,得到所述目标图像的校验结果;所述文本信息至少包括车辆识别代号、发动机号、车辆品牌、车辆型号、车身颜色、燃料种类和轮胎规格;
检测模块,用于将所述目标图像输入预设的印章检测模型,得到所述目标图像的检测结果;所述目标图像的检测结果用于表示所述目标图像中是否包括印章;
验证模块,用于根据所述目标图像的校验结果和所述目标图像的检测结果,对所述目标图像展示的车辆合格证的检测结果进行验证,得到验证结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,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1-7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911405384.4A CN111144358A (zh) | 2019-12-30 | 2019-12-30 | 车辆合格证的验证方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911405384.4A CN111144358A (zh) | 2019-12-30 | 2019-12-30 | 车辆合格证的验证方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144358A true CN111144358A (zh) | 2020-05-12 |
Family
ID=70522322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911405384.4A Pending CN111144358A (zh) | 2019-12-30 | 2019-12-30 | 车辆合格证的验证方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144358A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950555A (zh) * | 2020-08-17 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 文本识别方法、装置、可读介质及电子设备 |
CN112580108A (zh) * | 2020-12-10 | 2021-03-30 | 深圳证券信息有限公司 | 签名和印章完整性验证方法及计算机设备 |
CN112991609A (zh) * | 2021-02-23 | 2021-06-18 | 长久金孚企业管理咨询(深圳)有限公司 | 汽车合格证的真伪识别方法、装置及设备 |
CN115965955A (zh) * | 2021-10-12 | 2023-04-14 | 北京九章云极科技有限公司 | 一种公章图像的旋转方法、装置、电子设备和介质 |
CN115965955B (zh) * | 2021-10-12 | 2024-05-31 | 北京九章云极科技有限公司 | 一种公章图像的旋转方法、装置、电子设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019174130A1 (zh) * | 2018-03-14 | 2019-09-19 | 平安科技(深圳)有限公司 | 票据识别方法、服务器及计算机可读存储介质 |
CN110348360A (zh) * | 2019-07-04 | 2019-10-18 | 上海眼控科技股份有限公司 | 一种检测报告识别方法及设备 |
CN110458168A (zh) * | 2019-08-29 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆检测报告的处理方法、装置、计算机设备和存储介质 |
-
2019
- 2019-12-30 CN CN201911405384.4A patent/CN111144358A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019174130A1 (zh) * | 2018-03-14 | 2019-09-19 | 平安科技(深圳)有限公司 | 票据识别方法、服务器及计算机可读存储介质 |
CN110348360A (zh) * | 2019-07-04 | 2019-10-18 | 上海眼控科技股份有限公司 | 一种检测报告识别方法及设备 |
CN110458168A (zh) * | 2019-08-29 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆检测报告的处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
张倩;郝红光;王长亮;吕晨;韩星周;: "同源激光雕刻塑胶印章印文的计算机辅助检验方法" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111950555A (zh) * | 2020-08-17 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 文本识别方法、装置、可读介质及电子设备 |
CN111950555B (zh) * | 2020-08-17 | 2024-02-09 | 北京字节跳动网络技术有限公司 | 文本识别方法、装置、可读介质及电子设备 |
CN112580108A (zh) * | 2020-12-10 | 2021-03-30 | 深圳证券信息有限公司 | 签名和印章完整性验证方法及计算机设备 |
CN112580108B (zh) * | 2020-12-10 | 2024-04-19 | 深圳证券信息有限公司 | 签名和印章完整性验证方法及计算机设备 |
CN112991609A (zh) * | 2021-02-23 | 2021-06-18 | 长久金孚企业管理咨询(深圳)有限公司 | 汽车合格证的真伪识别方法、装置及设备 |
CN115965955A (zh) * | 2021-10-12 | 2023-04-14 | 北京九章云极科技有限公司 | 一种公章图像的旋转方法、装置、电子设备和介质 |
CN115965955B (zh) * | 2021-10-12 | 2024-05-31 | 北京九章云极科技有限公司 | 一种公章图像的旋转方法、装置、电子设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110390666B (zh) | 道路损伤检测方法、装置、计算机设备及存储介质 | |
CN111144358A (zh) | 车辆合格证的验证方法、装置、计算机设备和存储介质 | |
US10489643B2 (en) | Identity document validation using biometric image data | |
CN110796082B (zh) | 铭牌文本检测方法、装置、计算机设备和存储介质 | |
CN107958201A (zh) | 一种车辆年检保险单表格的智能检测系统及方法 | |
CN110807491A (zh) | 车牌图像清晰度模型训练方法、清晰度检测方法及装置 | |
CN110288755B (zh) | 基于文本识别的发票检验方法、服务器及存储介质 | |
CN110276295B (zh) | 车辆识别号码检测识别方法及设备 | |
CN111242126A (zh) | 不规则文本校正方法、装置、计算机设备和存储介质 | |
WO2021143088A1 (zh) | 多证件类型同步检测方法、装置、计算机设备及存储介质 | |
CN107886047A (zh) | 一种车辆年检检验报告的检测系统及方法 | |
CN111192392B (zh) | 身份验证方法、装置、计算机设备和计算机可读存储介质 | |
CN111144372A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
CN109685180A (zh) | 产品物料的校验方法、装置、计算机设备和可读存储介质 | |
CN111401472B (zh) | 基于深度卷积神经网络的红外目标分类方法和装置 | |
CN112712703A (zh) | 车辆视频的处理方法、装置、计算机设备和存储介质 | |
CN111372042B (zh) | 故障检测方法、装置、计算机设备和存储介质 | |
CN111553431A (zh) | 图片清晰度检测方法、装置、计算机设备及存储介质 | |
CN111753592A (zh) | 交通标志识别方法、装置、计算机设备和存储介质 | |
CN112232336A (zh) | 一种证件识别方法、装置、设备及存储介质 | |
CN110728680A (zh) | 行车记录仪检测方法、装置、计算机设备和存储介质 | |
CN112085721A (zh) | 基于人工智能的水淹车定损方法、装置、设备及存储介质 | |
CN110781887A (zh) | 车牌螺丝检测方法、装置和计算机设备 | |
CN110751139A (zh) | 发票印章识别的方法、装置、计算机设备和存储介质 | |
EP3493157A1 (en) | Method and system for visual change detection using multi-scale analysis |
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 |