CN111507284A - 应用于车辆检测站的审核方法、审核系统和存储介质 - Google Patents
应用于车辆检测站的审核方法、审核系统和存储介质 Download PDFInfo
- Publication number
- CN111507284A CN111507284A CN202010317472.5A CN202010317472A CN111507284A CN 111507284 A CN111507284 A CN 111507284A CN 202010317472 A CN202010317472 A CN 202010317472A CN 111507284 A CN111507284 A CN 111507284A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- photo
- station
- detected
- auditing
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 85
- 238000007726 management method Methods 0.000 claims description 29
- 238000012550 audit Methods 0.000 claims description 23
- 230000015654 memory Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000012795 verification Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011022 operating instruction Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供的一种应用于车辆检测站的审核方法、审核系统和存储介质,通过获取待检车辆的车辆信息;获取用于检测所述待检车辆对应的照片集;对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果;基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果。由于在获取待检车辆的车辆信息和用于检测所述待检车辆对应的照片集后,可以自动将获取待检车辆的车辆信息和用于检测所述待检车辆对应的照片集进行智能比对,从而只需要花费较少的时间就可以得到对应待检车辆的审核结果,这不仅降低了检测站的人力成本,而且可以提高审核的准确度,并且可以提高审核效率,保证了检测工作的公开、公正。
Description
技术领域
本发明涉及的人工智能图像识别技术领域,特别是涉及一种应用于车辆检测站的审核方法、审核系统和存储介质。
背景技术
车辆年检时,一般需要车主将车辆开到检测站,配合检测站的工作人员对车辆进行各项检测。在以前的流程中,检测站只负责将车辆检测照片提交至车管所,由车管所审核人员对车辆检测照片进行审核,在车管所审核人员确定上述车辆检测照片没有问题后,通知检测站,检测站才能给对应车辆发放车辆合格标志。
然而,随着车辆的日益增多,车辆审核的压力越来越大,车主在检测站所需要等待的时间越来越长。为了解决上述问题,现在多地车管所都在提倡并推行“先发后审”制度,以减少车主在检测站的等待时间。具体的,在车主配合检测站的工作人员对车辆进行各项检测后,需要检测站的工作人员对车辆检测照片进行旨在初步检测的预审核,只要预审核通过,即可以给对应车辆发放车辆合格标志。后续再由车管所审核人员对车辆检测照片进行进一步审核,如果车管所审核人员发现该车辆的车辆检测照片有问题,再联系对应车主回来,以对该车辆进行重新检测。
发明人发现相关技术中至少存在如下问题:车管所审核人员均在经过专业的培训并拿到相关的资格证书后,才能对车辆检测照片进行审核;而检测站的工作人员一般并不具备审核车辆检测照片的专业技术能力;因此,这不仅增加了检测站的人力成本,而且审核的准确度较低、审核效率低下。
发明内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种应用于车辆检测站的审核方法、审核系统和存储介质,以解决现有技术中的至少一个问题。
为实现上述目的及其他相关目的,本申请提供一种应用于车辆检测站的审核方法,所述方法包括:获取待检车辆的车辆信息;获取用于检测所述待检车辆对应的照片集;对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果;基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果。
于本申请的一实施例中,所述方法包括:所述待检车辆对应的照片集,至少包括外观类照片;所述对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果,包括:基于目标识别模型识别所述外观类照片中,所述待检车辆的至少一个零部件区域;将所述零部件区域对应的零部件图像,与所述车辆信息中,所述零部件区域的标准外观图像进行比对,以判断所述零部件区域的外观是否正常;若正常,则生成用于表征所述零部件区域的外观正常的对比结果。
于本申请的一实施例中,所述方法包括:所述待检车辆对应的照片集,至少包括证件表单类照片;所述对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果,包括:基于文本识别模型识别所述证件表单类照片中的至少一个文本区域;将所述文本区域包括的字符,与所述车辆信息中,所述文本区域的标准字符进行比对,以判断所述文本区域是否正常;若正常,则生成用于表征所述文本区域的文本为正常的对比结果。
于本申请的一实施例中,所述方法包括:所述待检车辆所需的照片集,至少包括工位类照片;所述对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果,包括:基于目标识别模型识别所述工位类照片中,所述待检车辆的至少一个零部件区域;将所述零部件区域对应的零部件图像,与所述车辆信息中,所述零部件区域在工位检测状态下的标准工位图像进行比对,以判断所述零部件区域在工位检测状态下是否正常;若正常,则生成用于表征所述零部件区域的工位检测为正常的对比结果。
于本申请的一实施例中,所述照片集,具体为:按照预设要求由人工进行采集得到的照片集;或者,由设置在指定位置的摄像头进行自动采集得到的照片集。
于本申请的一实施例中,当所述人工具体为所述待检车辆的车主时,所述获取用于检测所述待检车辆对应的照片集,包括:在距离当前待检车辆审核完毕之前的预设时间内,发出用于指示下一待检车辆的车主发送对应其待检车辆的照片集的指令信息;其中所述指令信息的发出方式包括:广播、短信、屏幕显示、公众号、及小程序中任意一种或多种组合。
于本申请的一实施例中,在所述基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果后,所述方法还包括:接收车管所发送的标准审核结果;根据所述标准审核结果,对所述待检车辆的安全等级进行划分;其中,不同的安全等级对应不同的紧急程度;根据所述紧急程度,向所述待检车辆的车主发送召唤信息;所述召唤信息用于指示所述车主在预设时限内返回所述车辆检测站;所述紧急程度越高,所述预设时限表征的时长越短。
为实现上述目的及其他相关目的,本申请提供一种应用于车辆检测站的审核系统,所述系统包括:存储器、处理器、及通信器;所述存储器用于存储计算机指令;所述处理器运行计算机指令实现如上所述的方法;所述通信器用于外部设备通信连接,以供所述外部设备发送与待检车辆检测所需的照片集或接收审核结果。
为实现上述目的及其他相关目的,本申请提供一种计算机可读存储介质,存储有计算机指令,所述计算机指令被运行时执行如上所述的方法。
综上所述,本申请的一种应用于车辆检测站的审核方法、审核系统和存储介质,所述方法包括:获取待检车辆的车辆信息;获取用于检测所述待检车辆对应的照片集;对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果;基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果。
具有以下有益效果:
在获取待检车辆的车辆信息和用于检测所述待检车辆对应的照片集后,可以自动将获取待检车辆的车辆信息和用于检测所述待检车辆对应的照片集进行智能比对,从而只需要花费较少的时间就可以得到对应待检车辆的审核结果,这不仅降低了检测站的人力成本,而且可以提高审核的准确度,并且可以提高审核效率,保证了检测工作的公开、公正。
附图说明
图1显示为本申请于一实施例中的应用于车辆检测站的审核方法的流程示意图。
图2显示为本申请于一实施例中的应用于车辆检测站的审核系统的结构示意图。
图3显示为本申请于一实施例中的应用于车辆检测站的审核系统的场景示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本申请的基本构想,遂图式中仅显示与本申请中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
为方便对本申请的理解,此处首先对检测站和车管所的职责进行的说明:
检测站:对在用运输车辆的技术状况进行检测诊断。对汽车维修行业的维修车辆进行质量检测。接受委托,对车辆改装、改造、报废及其有关新工艺、新技术、新产品、科研成果等项目进行检测,提供检测结果。接受公安、环保、商检、计量和保险等部门的委托,为其进行有关项目的检测,提供检测结果。
车管所:即车辆管理所,是全辖区车辆管理工作的具体实施部门,具体负责全辖区各项车管业务的开展,行使各项车辆管理职权,接受省公安厅交警总队车辆管理处的业务监督和指导,并负责对全辖区各大队车管业务的监督指导,及对全辖区驾驶员培训学校监督指导和考试,负责对全辖区机动车辆进行技术安全检测。
由于“先发后审”制度的提倡和推行,导致检测站的工作人员的工作量增加,人力成本增加,而且由于检测站的工作人员一般并不具备审核车辆检测照片的专业技术能力,因此,导致审核的准确度较低、审核效率低下。实际上,如果检测站的工作人员对车辆检测照片的预审核通过,而车辆检测照片又实际存在问题,那么,在这种误判的次数较多的情况下,可能会被车管所通报批评,甚至勒令停业整改,从而影响检测站的营业收入。从这一角度来说,对检测站的车辆检测照片进行预审核的问题也亟待解决。
本申请提出一种应用于车辆检测站的审核方法、审核系统和存储介质,在获取待检车辆的车辆信息和用于检测所述待检车辆对应的照片集后,可以自动将获取待检车辆的车辆信息和用于检测所述待检车辆对应的照片集进行智能比对,从而只需要花费较少的时间就可以得到对应待检车辆的审核结果,这不仅降低了检测站的人力成本,而且可以提高审核的准确度,并且可以提高审核效率,保证了检测工作的公开、公正。
如图1所示,展示为本申请一实施例中的应用于车辆检测站的审核方法的流程示意图。
所述方法包括:
步骤S1:获取待检车辆的车辆信息。
在一个例子中,具体可以通过互联网获取已注册或登记的待检车辆的车辆信息。
具体地,当检测站的一待检车辆需要进行检测时,首先可以根据待检车辆的车牌或行驶证件等,通过车辆管理系统查找到该待检车辆的相关车辆信息。其中,所述待检车辆的车辆信息可以包括但不限于:文本信息、图像信息,比如:证件表单类等文本信息、待检车辆的外观图像的图像信息。
步骤S2:获取用于检测所述待检车辆对应的照片集。
在一个例子中,该照片集可以为:按照预设要求由人工进行采集得到的照片集,和/或,由设置在指定位置的摄像头进行自动采集得到的照片集。其中,上述所说的人工既可以包括检测站的工作人员,又可以包括所述待检车辆的车主;另外,上述所说的预设要求可以为特定的照片格式、特定的采集地点、特定的采集角度等待,此处均不作具体限定。
可以理解,当检测站的待检车辆的数量较多的情况下,针对某一检测项目可能有4、5辆车甚至更多的车辆需要排队接受检测。在一些实施例中,检测站的工作人员在对待检车辆进行拍摄后,可将拍摄得到的车辆检测照片直接上传至应用于车辆检测站的审核系统,以供该审核系统对车辆检测照片进行智能识别,在得到识别结果后,将识别结果发送给所述车辆检测站的工作人员。在另外一些实施例中,可以由对应车辆的车主对其待检车辆进行拍摄,并将拍摄得到的车辆检测照片发送给检测站的工作人员,这样做,由于将拍摄工作均摊给每一位车主,因此,可以进一步提高检测站的工作人员对待检车辆的检测效率。
在一些实施例中,当所述人工具体为所述待检车辆的车主时,所述获取用于检测所述待检车辆对应的照片集,所述方法包括:在距离当前待检车辆审核完毕之前的预设时间内,发出用于指示下一待检车辆的车主发送对应其待检车辆的照片集的指令信息;其中,所述指令信息的发出方式可以包括但不限于:广播、短信、屏幕显示、公众号、及小程序中任意一种或多种组合。举例来说,可以在检测站的工作人员对某一车辆快要检测完毕后,发出指令信息,该指示信息用于指示下一待检车辆的车主将拍摄得到的对应自己的待检车辆的照片集发送给车辆检测站的审核系统。
在一些实施例中,在发出用于指示下一待检车辆的车主发送对应其待检车辆的照片集的指令信息时,还可以发出非所述下一待检车辆的车主无法上传照片集提醒信息;并且,在接收到该下一待检车辆的车主发送对应其待检车辆的照片集后,监测该照片集的有效性和真实性。为了进一步防止车主作弊,譬如车主将之前很久的照片作为所述照片集等问题的发生,可以要求用于指示下一待检车辆的车主可以开始现场拍摄车辆的照片的开始时间,还可以伴随有监控设施或者监控人员,以保证上传的照片的有效性。
可选的,若发现车主上传的照片集有问题,核实确为作弊后,可以采取相应的惩罚措施,比如通报批评等。
可选的,为了保证车主拍摄得到的照片集符合审核规范,检测站的工作人员可以给予车主相应的拍摄指导。比如,可以在拍摄之前对车主进行统一的指导说明;在拍摄过程中对车主进行一对一的指导说明。
另外,检测站还可专门设置用于拍摄照片的拍摄区域,设置多个相机以进行自动采集和上传。
在一些实施例中,待检车辆对应的照片集可以包括以下类型中的至少之一:外观类、证件表单类、及工位类。这三类的照片集基本涵盖了检测站所要检测的项目,具体的:
外观类:主要检查该车辆是否有明显的非法改装,例如车牌是否有遮挡或污损等等。其主要拍摄待检车辆在静态下的外观照片,例如,由检测站工作人员或车主在待检车辆前方、后方、侧方、俯视等角度对全车进行拍摄以得到外观类照片。例如,这类照片可以检测车灯位置是否正常,车牌是否遮挡或正确,车辆是否改造、改装、破损、故障等情况。
证件表单类:主要检查跟车辆、车主相关的信息是否准确,车辆本身的指标是否正常,例如尾气排放的检测结果等等。其主要拍摄与待检车辆相关的证件、表单等文件。例如,行驶证、年检,以用于检测行驶证上所记载的车辆车牌号、车架号、行驶证证芯编号发生日期等,以及副业上的车辆检验记录盖章等、一些车辆检测表单等等。
工位类:主要是确认照片中的车辆是否正在进行制动和灯光的检测,即主要为待检车辆在工位检测状态下的照片,例如,当灯光工位检测左右灯光亮起时,通过拍摄工位类照片可以在需要车灯亮起时检测待检车辆的灯光是否亮起。
需说明的是,检测待检车辆所需要的照片集的分类,可以人工进行分类。例如,将三类照片的拍摄分为是三个步骤,在每个检测步骤下所拍摄的照片便为哪一类的照片。如第一步先进行外观类拍摄,通过让待检车辆处于静止状态进行多角度的拍摄;或,在车辆进行工位检测的步骤时,拍摄的照片便属于工位类照片。或者,将工作人员或车主上传的拍摄的照片的接口设置三类选项,以便工作人员或车主根据照片所属的不同类别手动分类上传。
步骤S3:对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果。
本申请中,针对外观类、证件表单类、及工位类三类的照片集的文本或图像特点,分别对应有具体的实施例。
针对外观类照片:
1)所述待检车辆所需的照片集,至少包括外观类照片;所述对所述照片集中各照片进行自动识别,并与所述待检车辆信息进行对比,得到对比结果,包括:
A、基于目标识别模型识别所述外观类照片中,所述待检车辆的至少一个零部件区域;
B、将所述零部件区域对应的零部件图像,与所述车辆信息中,所述零部件区域的标准外观图像进行比对,以判断所述零部件区域的外观是否正常;
C、若正常,则生成用于表征所述零部件区域的外观正常的对比结果;若不正常,则生成用于表征所述零部件区域的外观异常的对比结果。可选的,还可以输出外观异常的零部件区域的图像。
举例来说,对属于外观类照片的行驶证照片进行图像识别时,通过照片中所述待检车辆上的一或多个零部件区域与所述目标车辆信息中的图像信息进行比对,如行驶证背面的车辆照片,或者与静态下的标准车辆两零部件图像进行。例如,若拍摄的照片中车牌号被遮挡,则无法定位出照片中车牌号的位置,对比结果中会显示车牌号不正确。或者,若照片中车牌号与行驶证背面的车辆照片中车牌号的不一致,则也会在审核结果中显示车牌号不正确。再如,通常车辆包含后视镜、车灯等,若拍摄的照片中缺少后视镜、车灯,或者而出现破损、改装等情况,则会输出后视镜、车灯的图像,并生成后视镜、车灯为异常的对比结果。
针对证件表单类照片:
2)所述待检车辆所需的照片集,至少包括证件表单类照片;所述对所述照片集中各照片进行自动识别,并与所述待检车辆信息进行对比,得到对比结果,包括:
A、基于文本识别模型识别所述证件表单类照片中的至少一个文本区域;
B、将所述文本区域包括的字符,与所述车辆信息中,所述文本区域的标准字符进行比对,以判断所述文本区域是否正常;
C、若正常,则生成用于表征所述文本区域的文本为正常的对比结果;若不正常,则生成用于表征所述文本区域的文本为异常的对比结果。可选的,还可以输出文本异常的文本区域的图像。
举例来说,对属于证件表单类照片的行驶证照片进行文本信息识别时,通过对照片中行驶证的文本识别,读取出相关信息,如包括行驶证上所记载的车辆车牌号、车架号、行驶证证芯编号发证日期等、副页上的车辆检验记录盖章,将识别出的内容与所述目标车辆信息中的文本信息进行对比,另外,例如行政单位的盖章或表单格式,还可以设置对应的标准字符作为对比参考,从而可以自动识别出行驶证照片是否正常。例如行驶证上记录的车牌号及车架号等需与车辆信息一致而照片中相关信息与车辆基本信息不一致,则可以输出车牌号及车架号,并生成对应车牌号及车架号为异常的对比结果。
针对工位类照片:
3)所述待检车辆所需的照片集,至少包括车辆工位类照片;所述对所述照片集中各照片进行自动识别,并与所述待检车辆信息进行对比,得到对比结果,包括:
A、基于目标识别模型识别所述工位类照片中,所述待检车辆的至少一个零部件区域;
B、将所述零部件区域对应的零部件图像,与所述车辆信息中,所述零部件区域在工位检测状态下的标准工位图像进行比对,以判断所述零部件区域在工位检测状态下是否正常;
C、若正常,则生成用于表征所述零部件区域的工位检测为正常的对比结果;若不正常,则生成用于表征所述零部件区域的工位检测为异常的对比结果。可选的,还可以输出工位检测结果异常所对应的零部件区域的图像。
举例来说,对车辆工位照片中左灯光工位进行识别时,首先会定位出照片中车灯的位置,再根据车灯图像的属性判定车灯是否亮起,如未亮起,则会输出车灯位置的图像,并生成车灯工位检测为异常的对比结果。
需要强调的是,本申请中可以通过配置参数来自由调整每种类型照片的审核要求,从而便于满足检测站可以根据当地车管所的要求,使得本申请中的系统可以应用于任意检测站,具有较强的灵活性。
于本实施例中,所述目标识别模型构建过程可以包括:首先,采用矩形框标记外观类照片中所述待检车辆上不同的零部件区域,并标记为相应零部件名称,以构建于语义标签,然后根据已标记的图像训练识别模型,以得到目标识别模式。
于本实施例中,本申请中可采用现有基于深度学习常见的目标检测模型进行检测。如所述检测模型可以包括:Fast R-CNN、Faster R-CNN和FPN等基于候选区域的目标检测器,或者还可以包括YOLO、SSD和RetinaNet等在内的单次检测器。其中,如Fast R-CNN目标检测器,其使用特征提取器(CNN)先提取整个图像的特征之后,并使用ROI池化将其转化为固定大小的特征图块,将特征图作为输入层进行卷积,包含特征提取器、分类器和边界框回归器在内的整个网络能通过多任务损失函数进行端到端的训练,这种多任务损失即结合了分类损失和定位损失的方法,大大提升了模型准确度。
目前,文本识别模型检测的应用已较为普遍,其能对图像中的字符进行智能识别,并可转换为可读取文本格式。例如,对文字或数字、符号等字符已可实现文本抓取。
S4:基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果。
具体地说,若所述照片集中各照片对应的全部对比结果均为正常,则生成表示所述待检车辆符合审核要求的审核结果;若所述照片集中存在任意一照片的至少一对比结果为异常,则生成表示所述待检车辆不符合审核要求的审核结果。
即需要各照片的全部对比结果均为正常才能符合审核要求,若出现至少一个对比结果为异常,就属于不符合审核要求。其中,所述审核结果可直接发送给检测站工作人员或相应车辆的车主。
在一些实施例中,在比对完成后,将审核结果以及得到该审核结果的原因发送至车检站工作人员的电子设备比如手机上,供工作人员决定下一步的动作。若是因为照片质量问题导致检测不合格则应该重新上传照片进行审核(重拍原因说明:车辆照片审核不通过的原因可能是由于车辆照片不符合相关审核要求,例如行驶证上记录的车牌号及车架号等需与车辆信息一致而图片中相关信息与车辆基本信息不一致、灯光工位的检测需要左右灯光亮起而图片中灯光并未亮起等等情况,也有可能会因为车牌号被遮挡导致程序判定车牌号不正确、图片像素太低导致程序无法识别、图片不能满足审核要求的全部内容等因素,所以工作人员需要根据结果进行下一步的决策),若是车辆的确不合格则应该作出相应的处理。待所有照片按照这个流程处理完毕后,检测站可以根据国家规定发放相关的合格证明,且将照片等信息上传给车管所。
在一些实施例中,在所述基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果后,所述方法还可以包括:
A、接收车管所发送的标准审核结果;
B、根据所述标准审核结果,对所述待检车辆的安全等级进行划分;其中,不同的安全等级对应不同的紧急程度;
C、根据所述紧急程度,向所述待检车辆的车主发送召唤信息;所述召唤信息用于指示所述车主在预设时限内返回所述车辆检测站;所述紧急程度越高,所述预设时限表征的时长越短。
本领域技术人员可以理解,车管所推行的“先发后审”制度虽然减少车主在检测站的等待时间。但是这个举措也带来了一些问题,比如:车主回去之后,车管所才发现车辆制动有问题,此时再通知检测站,但是检测站联系不到车主,那么,这种情况下很可能会引起严重的安全事故。针对该问题,在本实施例中,通过接收车管所发送的标准审核结果,再根据标准审核结果,对待检车辆的安全等级进行划分,由于不同的安全等级对应不同的紧急程度,因此,再根据其对应的紧急程度,向对应的待检车辆的车主发送召唤信息,以指示车主在预设时限内返回该车辆检测站,其中,紧急程度越高,预设时限表征的时长越短,这样,可以在一定程度上避免安全事故的发生。
例如,根据实际情况可将紧急程度分为:非常紧急、紧急、正常、不紧急。举例而言,若不合格的等级评定结果中指示车辆制动有问题,则对应的紧急程度为非常紧急,在此,本申请中的应用于车辆检测站的审核系统可自动获取该车辆的车主的联系方式,发送至相关工作人员或直接发送至车主,以便提醒到该车主;若在预设时长内,系统未接收到相关工作人员或车主的反馈,则系统可自动判定无法通过该联系方式联系到该车主,或者,直接接收到相关工作人员发送的联系不到车主的反馈。此时,系统可将该车辆信息(比如车型、车牌号、颜色)自动发送至交通公共管理平台,各路段的交通管理人员可以根据接收到的车辆信息留意该车辆,当发现该车辆时可以进行及时提醒等处理。这样,可以进一步起到避免安全事故发生的作用。
可选的,不同的紧急程度可对应有不同的时限要求,比如“不紧急”程度对应的时限要求可以为1个月,即要求车主在一个月内返回检测站再次接受检测;同理,“正常”程度对应的时限要求可以为15天,“紧急”程度对应的时限要求可以为7天,“非常紧急”程度对应的时限要求可以为3天。当然,以上仅为举例说明,具体时限要求可根据实际情况调整。本申请所述的应用于车辆检测站的审核系统可对应不同的紧急程度,自动获取到车主的联系方式,并根据该联系方式发送短信提醒,提醒内容包括但不限于:标准审核结果、时限要求等。
综上所述,本申请中,通过在获取待检车辆的车辆信息和用于检测所述待检车辆对应的照片集后,可以自动将获取待检车辆的车辆信息和用于检测所述待检车辆对应的照片集进行智能比对,从而只需要花费较少的时间就可以得到对应待检车辆的审核结果,这不仅降低了检测站的人力成本,而且可以提高审核的准确度,并且可以提高审核效率,保证了检测工作的公开、公正。
如图2所示,展示为本申请于一实施例中的应用于车辆检测站的审核系统的结构示意图。如图所示,所述应用于车辆检测站的审核系统200包括:存储器201、处理器202、及通信器203;所述存储器201用于存储计算机指令;所述处理器202运行计算机指令实现如图1所述的方法;
所述通信器203用于外部设备通信连接,例如智能手机、平板电脑等。以供所述外部设备发送与待检车辆检测所需的照片集或接收审核结果。可参考如后续图3所示的于本申请一实施例中的照片智能比系统的场景示意图。其通过工作人员的手机拍摄待检车辆的照片,其中工作人员还可替换为车主。然后将拍摄的照片上传至应用于车辆检测站的审核系统200进行识别审核,其中可加入检测站的车辆数据系统以进行管理和记录,最后应用于车辆检测站的审核系统200将审核结果发回工作人员的手机。
本系统内部的架构可参考如下:
本系统会建立一个HTTP server,用HTTP协议构建的网络服务,可以对收到的请求作出对应的回复,HTTP server位于检测站的局域网中,这个server只会响应已经提前注册登记过的IP发出的信息。检测站局域网内已经注册登记过的终端设备(手机等)或者电脑,都可以把需要识别比对的照片数据和车辆信息组成一条XML信息,其用于标记电子文件使其具有结构性的标记语言,发到server的地址。server收到信息后,提取出车辆信息和照片数据。
收到的照片数据可以是经过Base64编码过的,所以要进行解码。解码后的数据,传递给算法进行处理。算法处理完成后,将结果写入数据库。同时,把这个结果作为HTTP协议的响应,发出去。整个处理过程可以以照片为单位,每个发给本系统的照片,都会收到比对结果响应。
本系统通过合理的内部设计,可以用较短的时间完成照片的审核。本系统采用多线程设计,分为多个子模块,这将一张照片的处理分割成了几个子任务。每个子模块可以独立的运行而不对其他模块产生影响,这使得程序各个子模块可以以流水线的方式运行起来,一个子模块完成后将任务传递到下一个模块后又可以进行本模块任务的处理,这加速了照片审核的处理。经内部测试,一张照片平均只需要不到一秒时间。
于一些实施例中,本系统可以只是一个后台系统,没有任何界面。只通过网络接口接入检测站的局域网,系统只给出照片比对的结果。不影响检测站原有的网络系统结构,不改变检测站的工作流程。智能比对的结果,检测站自行选择展示的方式。因此,本系统非常灵活,可以应用在任何一个检测站。
在一些实施例中,所述应用于车辆检测站的审核系统200中的所述存储器201的数量均可以是一或多个,所述处理器302的数量均可以是一或多个,所述通信器203的数量均可以是一或多个,而图2中均以一个为例。
于本申请一实施例中,所述应用于车辆检测站的审核系统200中的处理器202会按照如图1所述的步骤,将一个或多个以应用程序的进程对应的指令加载到存储器201中,并由处理器202来运行存储在存储器202中的应用程序,从而实现如图1所述的方法。
所述存储器201可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。所述存储器201存储有操作系统和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。操作系统可包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
所述处理器202可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
所述通信器203用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信连接。所述通信器203可包含一组或多组不同通信方式的模块,例如,与CAN总线通信连接的CAN通信模块。所述通信连接可以是一个或多个有线/无线通讯方式及其组合。通信方式包括:互联网、CAN、内联网、广域网(WAN)、局域网(LAN)、无线网络、数字用户线(DSL)网络、帧中继网络、异步传输模式(ATM)网络、虚拟专用网络(VPN)和/或任何其它合适的通信网络中的任何一个或多个。例如:WIFI、蓝牙、NFC、GPRS、GSM、及以太网中任意一种及多种组合。
在一些具体的应用中,所述应用于车辆检测站的审核系统200的各个组件通过总线系统耦合在一起,其中总线系统除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清除说明起见,在图2中将各种总线都成为总线系统。
于本申请的一实施例中,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如图1所述的方法。
所述计算机可读存储介质,本领域普通技术人员可以理解:实现上述系统及各单元功能的实施例可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述系统及各单元功能的实施例;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本申请提供的一种应用于车辆检测站的审核方法、审核系统和存储介质,通过获取待检车辆的车辆信息;获取用于检测所述待检车辆对应的照片集;对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果;基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果。
本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中包含通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (10)
1.一种应用于车辆检测站的审核方法,其特征在于,所述方法包括:
获取待检车辆的车辆信息;
获取用于检测所述待检车辆对应的照片集;
对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果;
基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果。
2.根据权利要求1所述的方法,其特征在于,所述方法包括:
所述待检车辆对应的照片集,至少包括外观类照片;
所述对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果,包括:
基于目标识别模型识别所述外观类照片中,所述待检车辆的至少一个零部件区域;
将所述零部件区域对应的零部件图像,与所述车辆信息中,所述零部件区域的标准外观图像进行比对,以判断所述零部件区域的外观是否正常;
若正常,则生成用于表征所述零部件区域的外观正常的对比结果。
3.根据权利要求1所述的方法,其特征在于,所述方法包括:
所述待检车辆对应的照片集,至少包括证件表单类照片;
所述对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果,包括:
基于文本识别模型识别所述证件表单类照片中的至少一个文本区域;
将所述文本区域包括的字符,与所述车辆信息中,所述文本区域的标准字符进行比对,以判断所述文本区域是否正常;
若正常,则生成用于表征所述文本区域的文本为正常的对比结果。
4.根据权利要求1所述的方法,其特征在于,所述方法包括:
所述待检车辆所需的照片集,至少包括工位类照片;
所述对所述照片集中各照片进行自动识别,并将识别结果与所述车辆信息进行对比,得到对比结果,包括:
基于目标识别模型识别所述工位类照片中,所述待检车辆的至少一个零部件区域;
将所述零部件区域对应的零部件图像,与所述车辆信息中,所述零部件区域在工位检测状态下的标准工位图像进行比对,以判断所述零部件区域在工位检测状态下是否正常;
若正常,则生成用于表征所述零部件区域的工位检测为正常的对比结果。
5.根据权利要求1所述的方法,其特征在于,所述照片集,具体为:
按照预设要求由人工进行采集得到的照片集;
或者,由设置在指定位置的摄像头进行自动采集得到的照片集。
6.根据权利要求5所述的方法,其特征在于,当所述人工具体为所述待检车辆的车主时,所述获取用于检测所述待检车辆对应的照片集,包括:
在距离当前待检车辆审核完毕之前的预设时间内,发出用于指示下一待检车辆的车主发送对应其待检车辆的照片集的指令信息。
7.根据权利要求6所述的方法,其特征在于,在所述发出用于指示当前待检车辆的车主发送所述当前待检车辆对应的照片集的指令信息后,还包括:
检测所述照片集的有效性和真实性。
8.根据权利要求1-7中任意一项所述的方法,其特征在于,在所述基于所述对比结果生成用于表征所述待检车辆是否符合审核要求的审核结果后,所述方法还包括:
接收车管所发送的标准审核结果;
根据所述标准审核结果,对所述待检车辆的安全等级进行划分;其中,不同的安全等级对应不同的紧急程度;
根据所述紧急程度,向所述待检车辆的车主发送召唤信息;所述召唤信息用于指示所述车主在预设时限内返回所述车辆检测站;所述紧急程度越高,所述预设时限表征的时长越短。
9.一种应用于车辆检测站的审核系统,其特征在于,所述系统包括:存储器、处理器、及通信器;所述存储器用于存储计算机指令;所述处理器运行计算机指令实现如权利要求1至8中任意一项所述的方法;所述通信器用于外部设备通信连接,以供所述外部设备发送与待检车辆检测所需的照片集或接收审核结果。
10.一种计算机可读存储介质,其特征在于,存储有计算机指令,所述计算机指令被运行时执行如权利要求1至8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010317472.5A CN111507284A (zh) | 2020-04-21 | 2020-04-21 | 应用于车辆检测站的审核方法、审核系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010317472.5A CN111507284A (zh) | 2020-04-21 | 2020-04-21 | 应用于车辆检测站的审核方法、审核系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111507284A true CN111507284A (zh) | 2020-08-07 |
Family
ID=71871210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010317472.5A Pending CN111507284A (zh) | 2020-04-21 | 2020-04-21 | 应用于车辆检测站的审核方法、审核系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507284A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907199A (zh) * | 2021-01-22 | 2021-06-04 | 陕西交通电子工程科技有限公司 | 一种用于辅助车辆审验的智能化管理系统 |
CN114186970A (zh) * | 2021-12-13 | 2022-03-15 | 安徽达尔智能控制系统股份有限公司 | 一种基于智慧交通的电动自行车上牌认证管理系统、方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109960993A (zh) * | 2017-12-26 | 2019-07-02 | 同方威视科技江苏有限公司 | 车辆安全检测系统及方法、电子设备、存储介质 |
CN110659380A (zh) * | 2019-10-11 | 2020-01-07 | 上海眼控科技股份有限公司 | 车辆审核方法、装置及设备 |
CN110751633A (zh) * | 2019-10-11 | 2020-02-04 | 上海眼控科技股份有限公司 | 基于深度学习的多轴大车制动检测方法、装置、系统 |
CN110765963A (zh) * | 2019-10-29 | 2020-02-07 | 上海眼控科技股份有限公司 | 车辆制动检测方法、装置、设备及计算机可读存储介质 |
CN110796078A (zh) * | 2019-10-29 | 2020-02-14 | 上海眼控科技股份有限公司 | 车辆的灯光检测方法、装置、电子设备及可读存储介质 |
CN110853060A (zh) * | 2019-11-14 | 2020-02-28 | 上海眼控科技股份有限公司 | 车辆外观检测方法、装置、计算机设备和存储介质 |
-
2020
- 2020-04-21 CN CN202010317472.5A patent/CN111507284A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109960993A (zh) * | 2017-12-26 | 2019-07-02 | 同方威视科技江苏有限公司 | 车辆安全检测系统及方法、电子设备、存储介质 |
CN110659380A (zh) * | 2019-10-11 | 2020-01-07 | 上海眼控科技股份有限公司 | 车辆审核方法、装置及设备 |
CN110751633A (zh) * | 2019-10-11 | 2020-02-04 | 上海眼控科技股份有限公司 | 基于深度学习的多轴大车制动检测方法、装置、系统 |
CN110765963A (zh) * | 2019-10-29 | 2020-02-07 | 上海眼控科技股份有限公司 | 车辆制动检测方法、装置、设备及计算机可读存储介质 |
CN110796078A (zh) * | 2019-10-29 | 2020-02-14 | 上海眼控科技股份有限公司 | 车辆的灯光检测方法、装置、电子设备及可读存储介质 |
CN110853060A (zh) * | 2019-11-14 | 2020-02-28 | 上海眼控科技股份有限公司 | 车辆外观检测方法、装置、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907199A (zh) * | 2021-01-22 | 2021-06-04 | 陕西交通电子工程科技有限公司 | 一种用于辅助车辆审验的智能化管理系统 |
CN114186970A (zh) * | 2021-12-13 | 2022-03-15 | 安徽达尔智能控制系统股份有限公司 | 一种基于智慧交通的电动自行车上牌认证管理系统、方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240087102A1 (en) | Automatic Image Based Object Damage Assessment | |
US20190325675A1 (en) | Identification scan in compliance with jurisdictional or other rules | |
CN107886722A (zh) | 行驶信息处理方法及系统、终端和计算机可读存储介质 | |
US10410278B2 (en) | Method and apparatus for integrated image capture for vehicles to track damage | |
CN105448103B (zh) | 车辆套牌检测方法与系统 | |
US20170330460A1 (en) | System and method for permitless parking | |
US20170140237A1 (en) | Methods For Vehicle Identification And Specification Recall With Localization Optimization For License Plate Recognition | |
WO2019144416A1 (zh) | 信息处理方法、系统、云处理设备以及计算机程序产品 | |
CN111507284A (zh) | 应用于车辆检测站的审核方法、审核系统和存储介质 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
CN112016520A (zh) | 基于ai的交通违法凭证生成方法、装置、终端及存储介质 | |
CN109859085A (zh) | 安全预警方法及相关产品 | |
TWM602258U (zh) | 車體定損輔助系統 | |
CN115810134A (zh) | 一种车险反欺诈的图像采集质检方法、系统和装置 | |
CN111462480B (zh) | 交通图像证据验证方法、装置、计算机设备和存储介质 | |
CN110826473A (zh) | 一种基于神经网络的绝缘子图像自动识别方法 | |
CN109583353A (zh) | 一种基于人脸识别的交通违法查审方法及系统 | |
CN114882448A (zh) | 一种车辆监控方法和电子设备 | |
CN112580832A (zh) | 一种巡检核查方法、装置及电子设备 | |
CN110825836A (zh) | 一种预警信息实时展示方法及装置 | |
KR20200136583A (ko) | 인공지능 기반 차량번호 및 보행자 검색 시스템 및 방법 | |
US20210081680A1 (en) | System and method for identifying illegal motor vehicle activity | |
CN118658143A (zh) | 车辆识别方法、系统及计算机可读存储介质 | |
CN118298375A (zh) | 一种停车场危货车辆的识别方法、装置及电子设备 | |
CN115511810A (zh) | 一种标牌摆放识别方法、装置、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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200807 |
|
WD01 | Invention patent application deemed withdrawn after publication |