车辆检测报告的处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种车辆检测报告的处理方法、装置、计算机设备和存储介质。所述方法包括：获取待检测图像与标准车牌号码；采用深度学习模型识别出待检测图像中的文本信息；根据文本信息判断待检测图像是否与标准车牌号码匹配；检测待检测图像中是否包含预设图形信息；若待检测图像与标准车牌号码匹配，且待检测图像中包含预设图形信息，则生成审核通过的检测结果。采用本方法能够基于计算机视觉和人工智能技术，将自动化检测引入车辆检测报告的处理过程当中，极大的提高了处理车辆检测报告的准确性。

Processing method, device, computer equipment and storage medium of vehicle test report

The application relates to a processing method, a device, a computer device and a storage medium for a vehicle detection report. The method includes: acquiring the image to be detected and the standard license plate number; recognizing the text information in the image to be detected by using the deep learning model; judging whether the image to be detected matches the standard license plate number according to the text information; detecting whether the image to be detected contains the preset shape information; if the image to be detected matches the standard license plate number, and the image to be detected contains the preset Graphic information, the approved test results are generated. Based on computer vision and artificial intelligence technology, this method can introduce automatic detection into the process of vehicle detection report processing, which greatly improves the accuracy of vehicle detection report processing.

【技术实现步骤摘要】
车辆检测报告的处理方法、装置、计算机设备和存储介质
本申请涉及车辆检测
，特别是涉及一种车辆检测报告的处理方法、装置、计算机设备和存储介质。
技术介绍
当今我国机动车保有量已经达到3亿多辆，接近每4个人就拥有一辆机动车，并且仍保持持续增长的趋势，而这也导致机动车车辆检验的工作量呈几何级的增加。传统的车辆检验方式，是由工作人员对车辆检验表格中的项目进行依次检测，并将每个项目的检测结果手动填写进车辆检测表中，再由工作人员审核车辆检验表中的数据并将数据维护进系统中。随着我国机动车数量和车辆检测项目的不断增多，导致传统的人工审核车辆检验表的工作量不断增加。而且长时间的重复性工作，使得审核车辆检测表的工作人员容易产生疲劳，从而造成工作失误，影响车辆检测表审核的准确性。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高处理车辆检测报告准确性的车辆检测报告的处理方法、装置、计算机设备和存储介质。为了实现上述目的，一方面，本申请实施例提供了一种车辆检测报告的处理方法，所述方法包括：获取待检测图像与标准车牌号码；采用深度学习模型识别出待检测图像中的文本信息；根据文本信息判断待检测图像是否与标准车牌号码匹配；检测待检测图像中是否包含预设图形信息；若所述待检测图像与所述标准车牌号码匹配，且所述待检测图像中包含预设图形信息，则生成审核通过的检测结果。另一方面，本申请实施例还提供了一种车辆检测报告的处理装置，所述装置包括：获取模块，用于获取待检测图像与标准车牌号码；文本信息识别模块，用于采用深度学习模型识别出待检测图像中的文本信息；车牌号码确认模块，用于根据文本信息判断待检测图像是否与标准车牌号码匹配；图像检测模块，用于检测待检测图像中是否包含预设图形信息；判定模块，用于根据车牌号码匹配结果和预设图形信息检测结果，判定车辆检测报告审核通过。又一方面，本申请实施例还提供了一种计算机设备，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：获取待检测图像与标准车牌号码；采用深度学习模型识别出待检测图像中的文本信息；根据文本信息判断待检测图像是否与标准车牌号码匹配；检测待检测图像中是否包含预设图形信息；若所述待检测图像与所述标准车牌号码匹配，且所述待检测图像中包含预设图形信息，则生成审核通过的检测结果。又一方面，本申请实施例还提供了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：获取待检测图像与标准车牌号码；采用深度学习模型识别出待检测图像中的文本信息；根据文本信息判断待检测图像是否与标准车牌号码匹配；检测待检测图像中是否包含预设图形信息；若所述待检测图像与所述标准车牌号码匹配，且所述待检测图像中包含预设图形信息，则生成审核通过的检测结果。上述车辆检测报告的处理方法、装置、计算机设备和存储介质，通过获取车辆检测报告的待检测图像与标准车牌号码，采用深度学习模型识别出待检测图像中的文本信息。然后根据所识别的文本信息判断待检测图像是否与标准车牌号码匹配，并检测待检测图像中是否包含可以证明车辆检测报告审核通过的预设图形信息，若待检测图像与标准车牌号码匹配，且待检检测图像中存在可以证明车辆检测报告审核通过的预设图形信息，那么生成审核通过的检测结果。该方法基于计算机视觉和人工智能技术，通过将待检测图像与标准车牌号码匹配，然后进一步检测待检测图像中的审核通过图形，将自动化检测引入车辆检测报告的处理过程当中，极大的提高了处理车辆检测报告的准确性。附图说明图1为一个实施例中车辆检测报告的处理方法的应用环境图；图2为一个实施例中车辆检测报告的处理方法的流程示意图；图3为一个实施例中采用深度学习模型识别文本信息的流程示意图；图4为一个实施例中第一深度学习模型的网络结构示意图；图5为一个实施例中对待检测图像进行旋转矫正以及文本定位的流程示意图；图6为一个实施例中第一深度学习模型的生成方式的流程示意图；图7为一个实施例中车辆检测报告的处理方法的流程示意图；图8为一个实施例中车辆检测报告的处理装置的结构框图；图9为一个实施例中计算机设备的内部结构图。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。本申请提供的车辆检测报告的处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。待检测图像可以由终端102发送至服务器104，或者是预先存储在服务器104中。标准车牌号码可以是预先存储在服务器104中。服务器104获取待检测图像和标准车牌号码，采用深度学习模型识别出待检测图像中的文本信息。服务器104根据所检测到的文本信息判断待检测图像是否与标准车牌号码匹配。服务器104检测待检测图像中是否包含预设图形信息，若待检测图像与标准车牌号码匹配且待检测图像中包含预设图形信息，则生成该待检测图像审核通过的检测结果。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种车辆检测报告的处理方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤：步骤202，获取待检测图像与标准车牌号码。其中，待检测图像是指待进行处理的图像，待检测图像中可以包含文本信息、验证图形等内容。服务器可以通过网络从终端接收待检测图像信息，也可以从本地获取待检测图像，在此不做限定。标准车牌号码是指准确的车牌号码。标准车牌号码可以预先存储在服务器中。步骤204，采用深度学习模型识别出待检测图像中的文本信息。其中，深度学习模型是指已经训练好模型参数的基于深度学习的机器学习模型。文本信息是指待检测图像中包含的文字、数字、字符等信息，例如，可以是指车辆检测报告中的表头名称、车牌号码、检验数据和检验结论等信息。在一个实施例中，深度学习模型可以是指基于深度学习的目标检测模型，和/或CRNN(ConvolutionalRecurrentNeuralNetwork，卷积循环神经网络)模型等。具体地，服务器在获取待检测图像后，将待检测图像输入至深度学习模型进行定位，得到待检测图像中的文本行。然后，再通过深度学习模型识别文本行，得到文本行中的文本信息。步骤206，根据文本信息判断待检测图像是否与标准车牌号码匹配。具体地，在本实施例中，文本信息中包括车牌号码。服务器通过提取文本信息中的车牌号码，将车牌号码与标准车牌号码进行比较，确定待检测图像是否与标本文档来自技高网...

【技术保护点】
1.一种车辆检测报告的处理方法，其特征在于，所述方法包括：/n获取待检测图像与标准车牌号码；/n采用深度学习模型识别出所述待检测图像中的文本信息；/n根据所述文本信息判断所述待检测图像是否与所述标准车牌号码匹配；/n检测所述待检测图像中是否包含预设图形信息；/n若所述待检测图像与所述标准车牌号码匹配，且所述待检测图像中包含预设图形信息，则生成审核通过的检测结果。/n

【技术特征摘要】
1.一种车辆检测报告的处理方法，其特征在于，所述方法包括：
获取待检测图像与标准车牌号码；
采用深度学习模型识别出所述待检测图像中的文本信息；
根据所述文本信息判断所述待检测图像是否与所述标准车牌号码匹配；
检测所述待检测图像中是否包含预设图形信息；
若所述待检测图像与所述标准车牌号码匹配，且所述待检测图像中包含预设图形信息，则生成审核通过的检测结果。


2.根据权利要求1所述的方法，其特征在于，所述采用深度学习模型识别出所述待检测图像中的文本信息，包括：
采用第一深度学习模型对所述待检测图像进行旋转矫正以及文本定位；
采用第二深度学习模型识别定位到的文本中的文本信息。


3.根据权利要求2所述的方法，其特征在于，所述第一深度学习模型的构成包括由多个卷积层组成的特征提取网络，与所述特征提取网络依次连接的第一卷积层、第二卷积层和全连接层；所述采用第一深度学习模型对所述待检测图像进行旋转矫正以及文本定位，包括：
将所述待检测图像输入至所述特征提取网络，通过卷积运算对所述待检测图像进行特征图提取；
通过第一卷积层对所述特征图中的文本和非文本进行预测，得到初选文本行和单个字符；
通过第二卷积层将初选文本行中所述单个字符进行连接形成初选文本字段，将距离小于第一预设阈值的相邻两个初选文本字段进行连接，形成文本字段；
将所述初选文本行中，竖直方向距离小于第二预设阈值的初选文本行进行合并，得到所述待检测图像的文本行；
通过所述全连接层输出所述文本行的外接矩形框，根据所述外接矩形框相对于水平轴正值方向的角度，对所述待检测图像进行旋转矫正；
通过所述第一深度学习模型重新检测旋转矫正后的待检测图像，得到所述旋转矫正后的待检测图像的文本行。


4.根据权利要求1所述的方法，其特征在于，根据所述文本信息判断所述待检测图像是否与所述标准车牌号码匹配，包括：
根据所述文本信息提取表头名称，根据所述表头名称判断所述待检测图像是否为车辆检测报告；
根据所述文本信息提取车牌号码，将所述车牌号码与所述标准车牌号码匹配；
所述若所述待检测图像与所...

【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