一种检测报告识别方法及设备技术

本申请的目的是提供一种检测报告识别方法及设备，本申请通过获取目标检测报告的图像；对所述图像分别进行白平衡处理以及倾斜矫正处理，得到处理后的图像；对所述处理后的图像进行文本检测，识别所述处理后的图像中的文本，确定待检测信息；根据数据库中存档信息对所述待检测信息进行比对检测，以及对所述处理后的图像进行印章检测，确定检测结果。实现了判断报告中表格是否是目标报告，自动提取待检测报告图像里的关键信息并与服务器存档内容校对，判断是否一致。审核过程全程自动校验，同时可以将未通过的校验图像及原因传回服务器保存，留待取证。既节约了人力又保证了校验工作的公正、公开，同时极大的提升了检测速度。

A detection report identification method and equipment

【技术实现步骤摘要】
一种检测报告识别方法及设备
本申请涉及人工智能领域，尤其涉及一种检测报告识别方法及设备。
技术介绍
随着我国经济的高速发展，机动车数量快速增长，机动车年检的工作量也不断增加，当前我国的车辆审核工作主要靠人工完成，人力成本较高且效率低，检验人员在长时间的工作中，容易产生视觉疲劳，影响校验的准确性。近年来，人工智能技术越来越成熟，特别是深度学习技术的出现，让图像处理领域技术得到了质的飞越，将人工智能技术应用到车辆年检中已经变得可行。
技术实现思路
本申请的一个目的是提供一种检测报告识别方法及设备，解决现有技术中检测报告的审核时间长、人力成本较高、效率低以及校验准确性低的问题。根据本申请的一个方面，提供了一种检测报告识别方法，该方法包括：获取目标检测报告的图像；对所述图像分别进行白平衡处理以及倾斜矫正处理，得到处理后的图像；对所述处理后的图像进行文本检测，识别所述处理后的图像中的文本，确定待检测信息；根据数据库中存档信息对所述待检测信息进行比对检测，以及对所述处理后的图像进行印章检测，确定检测结果。进一步地，所述目标检测报告包括机动车制动曲线检测报告时，所述待检测信息包括表头名称、号牌号码以及号牌种类。进一步地，对所述图像进行白平衡处理，包括：确定所述图像中多个颜色通道的平均像素值，其中，所述多个颜色通道包括蓝色通道、绿色通道及红色通道；根据所述平均像素值确定所述多个颜色通道的增益系数；使用所述增益系数对所述图像进行调整。进一步地，对所述图像进行倾斜矫正处理，包括：将经过白平衡处理后的图像转为灰度图像，将所述灰度图像二值化处理，使用边缘检测算子对二值化处理后的图像进行边缘检测，得到表格；使用霍夫变换检测所述表格中的直线，得到直线信息，其中，所述直线信息包括直线角度及长度；根据所述直线信息对所述经过白平衡处理后的图像进行旋转、倾斜矫正。进一步地，对所述处理后的图像进行文本检测，识别所述处理后的图像中的文本，确定待检测信息，包括：通过改进的SSD深度学习文本检测模型对所述处理后的图像进行定位；通过LSTM深度学习的字符识别模型识别定位出的文本，提取待检测信息。进一步地，通过改进的SSD深度学习文本检测模型对所述处理后的图像进行定位之前，所述方法包括：选取样本集合，标注所述样本集合中每行文本的外接矩形框；根据改进的SSD目标检测分类网络对标注后的样本集合进行训练，生成改进的SSD深度学习文本检测模型，其中，改进的SSD目标检测分类网络由对SSD目标检测分类网络修改默认框信息以及卷积核信息后确定的。进一步地，通过LSTM深度学习的字符识别模型识别定位出的文本之前，所述方法包括：获取多个不同光照条件下的机动车制动曲线报告图像；对获取到的多个图像进行文本检测，得到文本；对所述文本进行人工识别并标注答案，作为训练集合；根据所述训练集合以及调整后的LSTM深度学习网络模型训练得到所述LSTM深度学习的字符识别模型，其中，所述调整后的LSTM深度学习网络模型由对LSTM深度学习网络模型按照预设调整进行调整确定的，所述预设调整包括：训练集像素值调整、经模型批处理样本数量的设置以及网络基本学习相关信息的调整。进一步地，根据数据库中存档信息对所述待检测信息进行比对检测，包括：根据识别出的表头名称判断所述图像是否为机动车制动曲线检测报告，若在，则将判断结果标志为1，否则标志为0；将识别出的号牌号码与数据库中存档的号牌号码进行比对，若比对结果一致，则将该比对结果标志为1，否则标志为0；将识别出的号牌种类与数据库中存档的号牌种类进行比对，若比对结果一致，将该比对结果标志为1，否则标志为0。进一步地，根据识别出的表头名称判断所述图像是否为机动车制动曲线检测报告，包括：统计检测到的所有文本行的平均高度，判断检测到的第一行文本的高度是否为所有文本行的最大值，且大于所述平均高度的预设倍数，若满足，则确定该第一行为表头；判断所述表头中是否存在至少一个预设关键字，若是，则所述图像为机动车制动曲线检测报告。进一步地，将识别出的号牌号码与数据库中存档的号牌号码进行比对，包括：根据第一关键字查找所述号牌号码所在的文本行，提取所述文本行中号牌号码后面的字符；将提取到的字符与数据库中存档的号牌号码进行比对。进一步地，将识别出的号牌种类与数据库中存档的号牌种类进行比对，包括：根据第二关键字查找所述号牌种类所在的文本行，提取所述文本行中号牌种类后面的字符；将提取到的字符与数据库中存档的号牌种类进行比对。进一步地，对所述处理后的图像进行印章检测，包括：通过所述改进的SSD深度学习印章检测模型检测所述处理后的图像中是否存在印章，若是，则将检测记录标志为1，否则标志为0。进一步地，通过所述改进的SSD深度学习印章检测模型检测所述处理后的图像中是否存在印章之前，所述方法包括：选取样本集合，标注所述样本集合中每个印章的外接矩形；根据改进的SSD目标检测分类网络对标注后的样本集合进行训练，生成改进的SSD深度学习文本检测模型，其中，改进的SSD目标检测分类网络由对SSD目标检测分类网络修改默认框信息后确定的。进一步地，所述方法包括：当所有检测记录均标志为1时，所述机动车制动曲线检测报告审核通过；否则，根据检测记录标志为0所对应的位置确定未通过审核的理由信息。根据本申请另一个方面，还提供了一种检测报告识别的设备，该设备包括：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前述所述方法的操作。根据本申请再一个方面，还提供了一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如前述所述的方法。与现有技术相比，本申请通过获取目标检测报告的图像；对所述图像分别进行白平衡处理以及倾斜矫正处理，得到处理后的图像；对所述处理后的图像进行文本检测，识别所述处理后的图像中的文本，确定待检测信息；根据数据库中存档信息对所述待检测信息进行比对检测，以及对所述处理后的图像进行印章检测，确定检测结果。实现了判断报告中表格是否是目标报告，自动提取待检测报告图像里的关键信息并与服务器存档内容校对，判断是否一致。审核过程全程自动校验，同时可以将未通过的校验图像及原因传回服务器保存，留待取证。既节约了人力又保证了校验工作的公正、公开，同时极大的提升了检测速度。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1示出根据本申请的一个方面提供的一种检测报告识别方法流程示意图；图2示出本申请一实施例中用于车辆年检机动车制动曲线检测报告识别的方法流程示意图。附图中相同或相似的附图标记代表相同或相似的部件。具体实施方式下面结合附图对本申请作进一步详细描述。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(CentralProcessingUnit，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(RandomAccessMemory，RAM)和/或非易失性内存等形式，如只读存储器(ReadOnlyMemory，ROM)或闪存(flashRAM)。内存是计算机可读介质的示本文档来自技高网...

【技术保护点】
1.一种检测报告识别方法，其特征在于，所述方法包括：获取目标检测报告的图像；对所述图像分别进行白平衡处理以及倾斜矫正处理，得到处理后的图像；对所述处理后的图像进行文本检测，识别所述处理后的图像中的文本，确定待检测信息；根据数据库中存档信息对所述待检测信息进行比对检测，以及对所述处理后的图像进行印章检测，确定检测结果。

【技术特征摘要】
1.一种检测报告识别方法，其特征在于，所述方法包括：获取目标检测报告的图像；对所述图像分别进行白平衡处理以及倾斜矫正处理，得到处理后的图像；对所述处理后的图像进行文本检测，识别所述处理后的图像中的文本，确定待检测信息；根据数据库中存档信息对所述待检测信息进行比对检测，以及对所述处理后的图像进行印章检测，确定检测结果。2.根据权利要求1所述的方法，其特征在于，所述目标检测报告包括机动车制动曲线检测报告时，所述待检测信息包括表头名称、号牌号码以及号牌种类。3.根据权利要求1所述的方法，其特征在于，对所述图像进行白平衡处理，包括：确定所述图像中多个颜色通道的平均像素值，其中，所述多个颜色通道包括蓝色通道、绿色通道及红色通道；根据所述平均像素值确定所述多个颜色通道的增益系数；使用所述增益系数对所述图像进行调整。4.根据权利要求3所述的方法，其特征在于，对所述图像进行倾斜矫正处理，包括：将经过白平衡处理后的图像转为灰度图像，将所述灰度图像二值化处理，使用边缘检测算子对二值化处理后的图像进行边缘检测，得到表格；使用霍夫变换检测所述表格中的直线，得到直线信息，其中，所述直线信息包括直线角度及长度；根据所述直线信息对所述经过白平衡处理后的图像进行旋转、倾斜矫正。5.根据权利要求1所述的方法，其特征在于，对所述处理后的图像进行文本检测，识别所述处理后的图像中的文本，确定待检测信息，包括：通过改进的SSD深度学习文本检测模型对所述处理后的图像进行定位；通过LSTM深度学习的字符识别模型识别定位出的文本，提取待检测信息。6.根据权利要求5所述的方法，其特征在于，通过改进的SSD深度学习文本检测模型对所述处理后的图像进行定位之前，所述方法包括：选取样本集合，标注所述样本集合中每行文本的外接矩形框；根据改进的SSD目标检测分类网络对标注后的样本集合进行训练，生成改进的SSD深度学习文本检测模型，其中，改进的SSD目标检测分类网络由对SSD目标检测分类网络修改默认框信息以及卷积核信息后确定的。7.根据权利要求5所述的方法，其特征在于，通过LSTM深度学习的字符识别模型识别定位出的文本之前，所述方法包括：获取多个不同光照条件下的机动车制动曲线报告图像；对获取到的多个图像进行文本检测，得到文本；对所述文本进行人工识别并标注答案，作为训练集合；根据所述训练集合以及调整后的LSTM深度学习网络模型训练得到所述LSTM深度学习的字符识别模型，其中，所述调整后的LSTM深度学习网络模型由对LSTM深度学习网络模型按照预设调整进行调整确定的，所述预设调整包括：训练集像素值调整...

【专利技术属性】
技术研发人员：周康明，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海,31