CN116343179A - 一种汽车里程的识别方法、装置、电子设备和存储介质 - Google Patents

一种汽车里程的识别方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN116343179A
CN116343179A CN202310315713.6A CN202310315713A CN116343179A CN 116343179 A CN116343179 A CN 116343179A CN 202310315713 A CN202310315713 A CN 202310315713A CN 116343179 A CN116343179 A CN 116343179A
Authority
CN
China
Prior art keywords
mileage data
mileage
video picture
determining
data
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
Application number
CN202310315713.6A
Other languages
English (en)
Inventor
何盛华
于圣嘉
黄炎鑫
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.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank 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 Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202310315713.6A priority Critical patent/CN116343179A/zh
Publication of CN116343179A publication Critical patent/CN116343179A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • 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
    • G06V2201/02—Recognising information on displays, dials, clocks
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供一种汽车里程的识别方法、装置、电子设备和存储介质，其中，方法包括：获取包括汽车里程表的视频画面；对所述视频画面进行识别，确定所述视频画面中的关键字段区域；以所述关键字段区域为中心，确定所述视频画面中的里程数据。实施上述实施例，可以实现对不同汽车的里程表进行识别。

Description

一种汽车里程的识别方法、装置、电子设备和存储介质
技术领域
本申请涉及图像识别技术领域，具体而言，涉及一种汽车里程的识别方法、装置、电子设备和存储介质。
背景技术
车辆抵押贷款是银行的常见的贷款业务，客户可以把自己的汽车抵押给银行获得贷款，根据相关风险管理要求，需要对车辆进行核验，确认车辆信息。其中里程数是车辆抵押贷款的一个重要指标，如果可以自动对里程表进行扫描并找到最佳的里程数识别，可以有效的辅助人工审核，提高审核速度，和客户的服务质量。
目前在人工智能验车的场景中，关于里程表公里数的自动识别，还是以人工审核为主，并没有人工智能技术，这是因为，驾驶仓的仪表板千差万别，很难有统一的方案能够做到对于不同的汽车实现汽车里程的识别。
发明内容
本申请实施例的目的在于提供一种汽车里程的识别方法、装置、电子设备和存储介质，能够实现对于不同的汽车实现汽车里程的识别。
第一方面，本申请实施例提供了一种汽车里程的识别方法，包括：
获取包括汽车里程表的视频画面；
对所述视频画面进行识别，确定所述视频画面中的关键字段区域；
以所述关键字段区域为中心，确定所述视频画面中的里程数据。
在上述实现过程中，汽车里程表具有多种，但都是在一定的标准下设计的，该标准具有对应的关键字段。对所述视频画面进行识别，确定所述视频画面中的关键字段区域；以所述关键字段区域为中心，确定所述视频画面中的里程数据。基于上述实施方式，可以实现对不同汽车的里程表进行识别。
进一步地，所述对所述视频画面进行识别，确定所述视频流中的关键字段的步骤，包括：
利用OCR技术对所述视频画面进行识别，得到所述视频画面的文字；
判断所述视频画面的文字是否包括：里程单位字段，若是，将所述里程单位字段所在的区域确定为关键字段区域。
在上述实现过程中，由于汽车的里程表是根据一定的标准设计，因此汽车的里程表必然包括了单位里程字段。利用OCR技术对所述视频画面进行识别，得到视频画面中的文字。若视频画面中的文字包括了里程单位片段，则说明该里程单位字段附近的区域必然包括了里程输入，因此，可以以该单位里程字段所在的区域为中心，确定视频画面中的里程数据。
进一步地，所述以所述关键字段区域为中心，确定所述视频画面中的里程数据的步骤，包括：
以所述关键字段区域为中心，在预设像素范围内确定出多个字符；
根据所述多个字符确定所述里程数据。
在上述实现过程中，里程数本身具有一定的范围，所以其长度在一定的范围。以所述关键字段区域为中心，在预设像素范围内确定出多个字符；根据所述多个字符确定所述里程数据，可以避免对整个视频画面进行多次识别增加识别时间，也可以避免识别出非里程数据，导致识别出的里程数据不标准。
进一步地，所述根根据所述多个字符确定所述里程数据的步骤，包括：
将所述多个数字进行拼接，得到第一初始里程数据；
根据预设条件判断是否将所述第一初始里程数据作为所述里程数据。
在上述实现过程中，将多个数字进行拼接之后，即可得到第一初始里程数据，由于里程数据本身具有一定的规则，因此，根据预设条件判断是否将所述第一初始里程数据作为所述里程数据。基于上述实施方式，可以提高里程数据识别的精准性。
进一步地，所述根据预设条件判断是否将所述初始里程数据作为所述里程数据的步骤，包括：
判断所述第一初始里程数据是否超过汽车的最大里程数据，且，所述初始里程数据是否为负数；
若所述第一初始里程数据不超过所述汽车的最大里程数据并且所述初始里程数据不为负数，将所述第一初始里程数据作为所述里程数据。
在上述实现过程中，汽车的最大里程数据是具有一定限制的，因此，可以判断拼接出来的第一初始里程数据是否超过汽车的最大里程数据来判断第一里程数据是否是合适的里程数据。同时，汽车的里程数据是非负数，因此，可以通过判断第一初始里程数据是否是非负数来判断是否将第一初始里程数据作为最终的里程数据。基于上述实施方式，可以避免识别出非法的里程数据。
进一步地，所述视频画面具有多个，多个所述视频画面从包括汽车里程表的视频流中解析得到；
对所述视频画面进行识别，确定所述视频画面中的关键字段区域的步骤，包括：
对所述多个视频画面进行识别，分别确定每个视频画面中的关键字段区域；
以所述关键字段区域为中心，确定所述视频画面中的里程数据的步骤，包括：
以每个视频画面中的关键字段区域为中心，分别确定每个视频画面中的里程数据，得到多个第二初始里程数据；
对所述多个第二初始里程数据进行筛选，得到所述里程数据。
在上述实现过程中，用户提交的视频是视频流，为了避免识别出的里程数据不够精准，可以对视频流进行充分利用。通过视频流解析出多个包含汽车里程表的视频画面，分别对多个包含汽车里程表的视频画面进行识别，得到每个包含汽车里程表的视频画面的关键字段区域，以关键字段区域我仲系，确定每个视频画面中的里程数据，得到多个第二初始里程数据，由于清晰度、拍摄角度等多种因素，识别出来的多个初始里程数据并不一定相同，因此，对多个第二初始里程数据进行筛选，得到最终的里程数据。基于上述实施方式，实现了对视频流的充分应用，保证识别出来的里程数据更精准。
进一步地，所述对所述多个第二初始里程数据进行筛选，得到所述里程数据的步骤，包括：
获取所述多个第二初始里程数据对应的区域的清晰度；
根据所述多个第二初始里程数据对应的区域的清晰度确定所述里程数据。
在上述实现过程中，对视频流中的多个视频画面识别出多个第二初始里程数据之后，由于有的里程数据的清晰度较低，因此，可以根据清晰度将里程数据进行筛选得到可靠的里程数据。
第二方面，本申请实施例提供一种汽车里程的识别装置，包括：
获取模块，用于获取包括汽车里程表的视频画面；
识别模块，用于对所述视频画面进行识别，确定所述视频画面中的关键字段区域；
数据确定模块，用于以所述关键字段区域为中心，确定所述视频画面中的里程数据。
在上述实现过程中，汽车里程表具有多种，但都是在一定的标准下设计的，该标准具有对应的关键字段。对所述视频画面进行识别，确定所述视频画面中的关键字段区域；以所述关键字段区域为中心，确定所述视频画面中的里程数据。基于上述实施方式，可以实现对不同汽车的里程表进行识别。
第三方面，本申请实施例提供的一种电子设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的方法的步骤。
第四方面，本申请实施例提供的一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行如第一方面任一项所述的方法。
本申请公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本申请公开的上述技术即可得知。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的汽车里程的识别方法的流程示意图；
图2为本申请实施例提供的另一汽车里程的识别方法的流程示意图；
图3为本申请实施例提供的汽车里程的识别装置的结构示意图；
图4为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
车辆抵押贷款是银行的常见的贷款业务，客户可以把自己的汽车抵押给银行获得贷款，根据相关风险管理要求，需要对车辆进行核验，确认车辆信息。其中里程数是车辆抵押贷款的一个重要指标，如果可以自动对里程表进行扫描并找到最佳的里程数识别，可以有效的辅助人工审核，提高审核速度，和客户的服务质量。
目前在人工智能验车的场景中，关于里程表公里数的自动识别，还是以人工审核为主，并没有人工智能技术，这是因为，驾驶仓的仪表板千差万别，很难有统一的方案能够做到对于不同的汽车实现汽车里程的识别。
有鉴于此，本申请实施例提供一种汽车里程的识别方法、装置、电子设备和存储介质。
实施例1
参见图1，本申请实施例提供一种汽车里程的识别方法，包括：
S101：获取包括汽车里程表的视频画面；
客户、审核员通过系统上传关于汽车的整车视频，在汽车的整车视频中分离出包括汽车里程表的视频画面。
为了使得视频画面更加容易识别，可以采用gamma矫正,锐化算法、GaussianUnsharp等方法对视频画面进行预处理。
gamma校正实际上是用来解决显示设备亮度灰阶不足的问题的，在实际生活中起到了广泛而巨大的作用。汽车里程表都是采用电子显示的方式，采用gamma校正可以解决在拍摄过程中，由于汽车电子屏幕亮度不足导致的视频画面不清楚的问题。
S102：对视频画面进行识别，确定视频画面中的关键字段区域；
S103：以关键字段区域为中心，确定视频画面中的里程数据。
在上述实现过程中，汽车里程表具有多种，但都是在一定的标准下设计的，该标准具有对应的关键字段。对视频画面进行识别，确定视频画面中的关键字段区域；以关键字段区域为中心，确定视频画面中的里程数据。基于上述实施方式，可以实现对不同汽车的里程表进行识别。
在一可能的实施方式中，对视频画面进行识别，确定视频流中的关键字段的步骤，包括：利用OCR技术对视频画面进行识别，得到视频画面的文字；判断视频画面的文字是否包括：里程单位字段，若是，将里程单位字段所在的区域确定为关键字段区域。
也就是说，利用OCR技术对视频画面进行识别，得到视频画面中的文字，如果识别出的文字中包括里程单位字段，km或miles或公里等，则将该文字对应的包围框作为该里程单位字段对应的区域，以该区域为中心进行扩散，得到一个扩散框，以包围框或扩散框作为该里程单位字段对应的区域。
在上述实现过程中，由于汽车的里程表是根据一定的标准设计，因此汽车的里程表必然包括了单位里程字段。利用OCR技术对视频画面进行识别，得到视频画面中的文字。若视频画面中的文字包括了里程单位片段，则说明该里程单位字段附近的区域必然包括了里程输入，因此，可以以该单位里程字段所在的区域为中心，确定视频画面中的里程数据。
在一种可能的实施方式中，以关键字段区域为中心，确定视频画面中的里程数据的步骤，包括：
以关键字段区域为中心，在预设像素范围内确定出多个字符；
根据多个字符确定里程数据。
示例性地，以包围框的中心点为中心，将预设范围设置为800像素，在800像素的范围内识别出多个字符，根据多个字符确定出里程数据。
在上述实现过程中，里程数本身具有一定的范围，所以其长度在一定的范围。以关键字段区域为中心，在预设像素范围内确定出多个字符；根据多个字符确定里程数据，可以避免对整个视频画面进行多次识别增加识别时间，也可以避免识别出非里程数据，导致识别出的里程数据不标准。
在一种可能的实施方式中，根根据多个字符确定里程数据的步骤，包括：将多个数字进行拼接，得到第一初始里程数据；根据预设条件判断是否将第一初始里程数据作为里程数据。
示例性地，从大到小按照字符与关键字段区域的距离将文字进行拼接。得到第一初始里程数据。再根据预设条件对第一初始里程数据判断是否将第一初始里程数据作为最终的里程数据。
在上述实现过程中，将多个数字进行拼接之后，即可得到第一初始里程数据，由于里程数据本身具有一定的规则，因此，根据预设条件判断是否将第一初始里程数据作为里程数据。基于上述实施方式，可以提高里程数据识别的精准性。
在一可能的实施方式中，根据预设条件判断是否将初始里程数据作为里程数据的步骤，包括：
判断第一初始里程数据是否超过汽车的最大里程数据，且，初始里程数据是否为负数；
若第一初始里程数据不超过汽车的最大里程数据并且初始里程数据不为负数，将第一初始里程数据作为里程数据。
在上述实现过程中，汽车的最大里程数据是具有一定限制的，因此，可以判断拼接出来的第一初始里程数据是否超过汽车的最大里程数据来判断第一里程数据是否是合适的里程数据。同时，汽车的里程数据是非负数，因此，可以通过判断第一初始里程数据是否是非负数来判断是否将第一初始里程数据作为最终的里程数据。基于上述实施方式，可以避免识别出非法的里程数据。
实施例2
参见图2，本申请实施例提供一种汽车里程的识别方法，包括：
S201：获取视频流，对视频流进行检测，得到多个视频画面；
S202：对多个视频画面进行识别，分别确定每个视频画面中的关键字段区域；
S203：以每个视频画面中的关键字段区域为中心，分别确定每个视频画面中的里程数据，得到多个第二初始里程数据；
S204：对多个第二初始里程数据进行筛选，得到里程数据。
在上述实现过程中，在上述实现过程中，用户提交的视频是视频流，为了避免识别出的里程数据不够精准，可以对视频流进行充分利用。通过视频流解析出多个包含汽车里程表的视频画面，分别对多个包含汽车里程表的视频画面进行识别，得到每个包含汽车里程表的视频画面的关键字段区域，以关键字段区域我仲系，确定每个视频画面中的里程数据，得到多个第二初始里程数据，由于清晰度、拍摄角度等多种因素，识别出来的多个初始里程数据并不一定相同，因此，对多个第二初始里程数据进行筛选，得到最终的里程数据。基于上述实施方式，实现了对视频流的充分应用，保证识别出来的里程数据更精准。
本申请实施例提供一种对里程数据进行筛选的方法，包括：
获取多个第二初始里程数据对应的区域的清晰度；
根据多个第二初始里程数据对应的区域的清晰度确定里程数据。
在上述实现过程中，对视频流中的多个视频画面识别出多个第二初始里程数据之后，由于有的里程数据的清晰度较低，因此，可以根据清晰度将里程数据进行筛选得到可靠的里程数据。
本申请实施例提供另一种对里程数据进行筛选的方法，包括：
获取多个第二初始里程数据中相同的第二初始里程数据的数量以及比例；
根据比例在多个第二初始里程数据中确定出里程数据。
示例性地，多个第二初始里程数据中，有三个第二初始里程数据为700，有四个第二初始里程数据有800，则将700作为最终的里程数据。
本申请实施例提供另外一种在多个第二初始里程数据中确定出最终的里程数据的方法，该方法包括：
首先获取多个第二初始里程数据的清晰度；
在多个第二初始里程数据中选择出清晰度最高的预设数量的第三初始里程数据；
获取多个第三初始里程数据中相同的第三初始里程数据的数量以及比例；
根据比例在多个第三初始里程数据中确定出里程数据。
示例性地，在多个第二初始里程数据中，选择出清晰度最高的三十个第三初始里程数据；三十个第三初始里程数据中，数据为700的有26个，100的有2个，10的有2个，将最终的的里程数据确定为700。
需要说明的是，实施例1中的各种实施方式适用于实施例2，这里不再赘述。
实施例3
参见图3，本申请实施例提供一种汽车里程的识别装置，包括：
获取模块1，用于获取包括汽车里程表的视频画面；
识别模块2，用于对视频画面进行识别，确定视频画面中的关键字段区域；
数据确定模块3，用于以关键字段区域为中心，确定视频画面中的里程数据。
在上述实现过程中，汽车里程表具有多种，但都是在一定的标准下设计的，该标准具有对应的关键字段。对视频画面进行识别，确定视频画面中的关键字段区域；以关键字段区域为中心，确定视频画面中的里程数据。基于上述实施方式，可以实现对不同汽车的里程表进行识别。
在一种可能的实施方式中，识别模块2还用于利用OCR技术对视频画面进行识别，得到视频画面的文字；
判断视频画面的文字是否包括：里程单位字段，若是，将里程单位字段所在的区域确定为关键字段区域。
在上述实现过程中，由于汽车的里程表是根据一定的标准设计，因此汽车的里程表必然包括了单位里程字段。利用OCR技术对视频画面进行识别，得到视频画面中的文字。若视频画面中的文字包括了里程单位片段，则说明该里程单位字段附近的区域必然包括了里程输入，因此，可以以该单位里程字段所在的区域为中心，确定视频画面中的里程数据。
在一种可能的实施方式中，数据确定模块3还用于以关键字段区域为中心，在预设像素范围内确定出多个字符；
根据多个字符确定里程数据。
在一种可能的实施方式中，数据确定模块3还用于将多个数字进行拼接，得到第一初始里程数据；
根据预设条件判断是否将第一初始里程数据作为里程数据。
在一种可能的实施方式中，数据确定模块3还用于判断第一初始里程数据是否超过汽车的最大里程数据，且，初始里程数据是否为负数；
若第一初始里程数据不超过汽车的最大里程数据并且初始里程数据不为负数，将第一初始里程数据作为里程数据。
在一种可能的实施方式中，视频画面具有多个，多个视频画面从包括汽车里程表的视频流中解析得到；识别模块2还用于对多个视频画面进行识别，分别确定每个视频画面中的关键字段区域；数据确定模块3还用于以每个视频画面中的关键字段区域为中心，分别确定每个视频画面中的里程数据，得到多个第二初始里程数据；对多个第二初始里程数据进行筛选，得到里程数据。
在一种可能的实施方式中，数据确定模块3还用于获取多个第二初始里程数据对应的区域的清晰度；
根据多个第二初始里程数据对应的区域的清晰度确定里程数据。
本申请还提供一种电子设备，请参见图4，图4为本申请实施例提供的一种电子设备的结构框图。电子设备可以包括处理器41、通信接口42、存储器34和至少一个通信总线34。其中，通信总线34用于实现这些组件直接的连接通信。其中，本申请实施例中电子设备的通信接口42用于与其他节点设备进行信令或数据的通信。处理器41可以是一种集成电路芯片，具有信号的处理能力。
上述的处理器41可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器41也可以是任何常规的处理器等。
存储器34可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器34中存储有计算机可读取指令，当计算机可读取指令由处理器41执行时，电子设备可以执行上述方法实施例涉及的各个步骤。
可选地，电子设备还可以包括存储控制器、输入输出单元。
存储器34、存储控制器、处理器41、外设接口、输入输出单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通信总线34实现电性连接。处理器41用于执行存储器34中存储的可执行模块，例如电子设备包括的软件功能模块或计算机程序。
输入输出单元用于提供给用户创建任务以及为该任务创建启动可选时段或预设执行时间以实现用户与服务器的交互。输入输出单元可以是，但不限于，鼠标和键盘等。
可以理解，图4所示的结构仅为示意，电子设备还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有指令，当指令在计算机上运行时，计算机程序被处理器执行时实现方法实施例的方法，为避免重复，此处不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种汽车里程的识别方法，其特征在于，包括：
获取包括汽车里程表的视频画面；
对所述视频画面进行识别，确定所述视频画面中的关键字段区域；
以所述关键字段区域为中心，确定所述视频画面中的里程数据。
2.根据权利要求1所述的汽车里程的识别方法，其特征在于，所述对所述视频画面进行识别，确定所述视频流中的关键字段的步骤，包括：
利用OCR技术对所述视频画面进行识别，得到所述视频画面的文字；
判断所述视频画面的文字是否包括：里程单位字段，若是，将所述里程单位字段所在的区域确定为关键字段区域。
3.根据权利要求2所述的汽车里程的识别方法，其特征在于，所述以所述关键字段区域为中心，确定所述视频画面中的里程数据的步骤，包括：
以所述关键字段区域为中心，在预设像素范围内确定出多个字符；
根据所述多个字符确定所述里程数据。
4.根据权利要求2所述的汽车里程的识别方法，其特征在于，所述根根据所述多个字符确定所述里程数据的步骤，包括：
将所述多个数字进行拼接，得到第一初始里程数据；
根据预设条件判断是否将所述第一初始里程数据作为所述里程数据。
5.根据权利要求1所述的汽车里程的识别方法，其特征在于，所述根据预设条件判断是否将所述初始里程数据作为所述里程数据的步骤，包括：
判断所述第一初始里程数据是否超过汽车的最大里程数据，且，所述初始里程数据是否为负数；
若所述第一初始里程数据不超过所述汽车的最大里程数据并且所述初始里程数据不为负数，将所述第一初始里程数据作为所述里程数据。
6.根据权利要求1所述的汽车里程的识别方法，其特征在于，所述视频画面具有多个，多个所述视频画面从包括汽车里程表的视频流中解析得到；
对所述视频画面进行识别，确定所述视频画面中的关键字段区域的步骤，包括：
对所述多个视频画面进行识别，分别确定每个视频画面中的关键字段区域；
以所述关键字段区域为中心，确定所述视频画面中的里程数据的步骤，包括：
以每个视频画面中的关键字段区域为中心，分别确定每个视频画面中的里程数据，得到多个第二初始里程数据；
对所述多个第二初始里程数据进行筛选，得到所述里程数据。
7.根据权利要求6所述的汽车里程的识别方法，其特征在于，所述对所述多个第二初始里程数据进行筛选，得到所述里程数据的步骤，包括：
获取所述多个第二初始里程数据对应的区域的清晰度；
根据所述多个第二初始里程数据对应的区域的清晰度确定所述里程数据。
8.一种汽车里程的识别装置，其特征在于，包括：
获取模块，用于获取包括汽车里程表的视频画面；
识别模块，用于对所述视频画面进行识别，确定所述视频画面中的关键字段区域；
数据确定模块，用于以所述关键字段区域为中心，确定所述视频画面中的里程数据。
9.一种电子设备，其特征在于，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，使得所述计算机执行如权利要求1-7任一项所述的方法。
CN202310315713.6A 2023-03-28 2023-03-28 一种汽车里程的识别方法、装置、电子设备和存储介质 Pending CN116343179A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310315713.6A CN116343179A (zh) 2023-03-28 2023-03-28 一种汽车里程的识别方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310315713.6A CN116343179A (zh) 2023-03-28 2023-03-28 一种汽车里程的识别方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN116343179A true CN116343179A (zh) 2023-06-27

Family

ID=86883601

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310315713.6A Pending CN116343179A (zh) 2023-03-28 2023-03-28 一种汽车里程的识别方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN116343179A (zh)

Similar Documents

Publication Publication Date Title
US20080031522A1 (en) Method and system for analyzing image identifications to identify an entity
CN112270309A (zh) 一种车辆卡口设备抓拍质量评估方法、装置及可读介质
CN110245704B (zh) 业务处理方法、装置、存储介质与电子设备
CN113506231A (zh) 针对图像中像素的处理方法、装置、介质及电子设备
CN114550129B (zh) 一种基于数据集的机器学习模型处理方法和系统
CN116343179A (zh) 一种汽车里程的识别方法、装置、电子设备和存储介质
CN110427891B (zh) 用于识别合同的方法、装置、系统及介质
CN112700653A (zh) 一种车辆违法变道的判定方法、装置、设备及存储介质
CN117520322A (zh) 数据核对方法、装置、电子设备和介质
CN116468914A (zh) 页面对比方法、装置、存储介质及电子设备
CN112289026B (zh) 一种车辆路径还原方法、设备及介质
US11720969B2 (en) Detecting vehicle identity and damage status using single video analysis
CN116580230A (zh) 一种目标检测方法及一种分类模型的训练方法
CN113807256A (zh) 票据数据处理方法、装置、电子设备和存储介质
CN108447107B (zh) 用于生成视频的方法和装置
CN114581219A (zh) 一种反电信网络诈骗预警方法及系统
KR102435435B1 (ko) 인공지능 기반 차량번호 및 보행자 검색 시스템 및 방법
CN113255806A (zh) 样本特征确定方法、样本特征确定装置和电子设备
CN112508095B (zh) 一种样本处理方法、装置、电子设备及存储介质
CN112818765B (zh) 一种图像填涂识别方法、装置、系统、以及存储介质
CN111064977A (zh) 网络综艺节目备案在线监控的方法、系统及可读存储介质
CN112989991B (zh) 车道线检测方法及装置、电子设备和计算机可读存储介质
CN113034337B (zh) 图像检测方法及相关装置
CN115439838A (zh) 遮挡号牌车辆的识别方法、装置、电子设备和介质
CN117633277A (zh) 资产核实方法、装置、计算机可读介质及电子设备

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