一种行驶证关键内容识别方法技术

本发明专利技术公开了一种行驶证关键内容识别方法，包括：获取待识别的行驶证图像；从待识别的行驶证图像中检测行驶证正页、副页图像区域；对行驶证正页、副页图像区域进行朝向校正、倾斜校正、倒立校正；检测关键字段图像区域；以关键字段图像区域为参照，分割出每个关键字段对应的关键内容的待识别区域图像；从关键内容的待识别区域图像中识别关键内容的具体信息；返回行驶证中所有检测到的关键字段和对应的关键内容识别结果。本发明专利技术通过实现行驶证关键内容的自动化识别，可以提高业务办理和管理等应用的效率，确保信息准确性，节省人力和时间。

A method of key content identification of driving license

【技术实现步骤摘要】
一种行驶证关键内容识别方法
本专利技术涉及交通领域信息识别，尤其是一种行驶证关键内容识别方法。
技术介绍
机动车行驶证是准予机动车在我国境内道路上行驶的法定证件。行驶证由证夹、正页、副页三部分组成。其中正页正面是已签注的证芯，背面是机动车相片，并用塑封套塑封；副页是已签注的证芯。行驶证正页正面文字颜色为黑色。包括：“中华人民共和国机动车行驶证”字体为12pt黑体，位置居中；“号牌号码”、“车辆类型”、“使用性质”、“所有人”、“住址”、“品牌型号”、“发动机号码”、“车辆识别代号”、“注册日期”、“发证日期”等文字。副页正面文字颜色为黑色，包括：“号牌号码”、“核定载人数”、“档案编号”、“整备质量”、“总质量”、“核定载质量”、“外廓尺寸”、“准牵引总质量”、“备注”、“检验记录”等文字。在机动车查验、年检、保险等业务办理，以及机动车档案的电子化归档时，传统方法采用人工对行驶证繁多的各种关键内容信息进行逐一识别，并与机动车基本信息进行比对匹配，效率低下，浪费人力和时间，同时不能保证信息准确性。
技术实现思路
本专利技术所要解决的技术问题是：针对上述存在的问题，提供一种行驶证关键内容识别方法。本专利技术提供的一种行驶证关键内容识别方法，包括如下步骤：S1，获取待识别的行驶证图像；S2，从待识别的行驶证图像中检测行驶证正页、副页图像区域；S3，对行驶证正页、副页图像区域进行朝向校正；S4，对行驶证正页、副页图像区域进行倾斜校正；S5，对行驶证正页、副页图像区域进行倒立校正；S6，从经步骤S3～S5处理后的行驶证正页、副页图像区域中，检测关键字段图像区域；S7，以关键字段图像区域为参照，分割出每个关键字段对应的关键内容的待识别区域图像；S8，从关键内容的待识别区域图像中识别关键内容的具体信息；S9，返回行驶证中所有检测到的关键字段和对应的关键内容识别结果。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：本专利技术通过实现行驶证关键内容的自动化识别，可以提高业务办理和管理等应用的效率，确保信息准确性，节省人力和时间。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对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专利技术的某些实施例，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为本专利技术的行驶证关键内容识别方法的流程框图。具体实施方式以下结合实施例对本专利技术的特征和性能作进一步的详细描述。本专利技术的实施例提供的一种行驶证关键内容识别方法，包括如下步骤：S1，获取待识别的行驶证图像；其中，所述待识别的行驶证图像可以通过扫描仪、高拍仪等影像化设备获取；获取的所述待识别的行驶证图像为彩色图像。S2，从待识别的行驶证图像中检测行驶证正页、副页图像区域；具体地，采用第一深度学习算法模型，从待识别的行驶证图像中检测行驶证正页、副页图像区域；所述第一深度学习算法模型，为通过使用大量不同光照、距离、分辨率、方向角度、噪声水平、压缩率以及是否置于证夹内的带位置和类别标注的图像，对图像目标检测模型进行深度学习训练，得到的能有效检测行驶证正页、副页图像区域这两类目标的深度神经网络模型。其中，图像目标检测模型可以采用YOLOv3目标检测模型，还可以采用其他目标检测模型实现。S3，对行驶证正页、副页图像区域进行朝向校正；具体地，如果行驶证正页、副页图像区域的宽高比小于1.01，则把该图像顺时针旋转90°，使行驶证正页、副页图像区域中的文字方向偏向水平。S4，对行驶证正页、副页图像区域进行倾斜校正；具体包括：S4.1，对行驶证正页、副页图像区域依次进行灰度化、自适应二值化和亮度反转，得到正页、副页图像区域的二值图像；S4.2，采用中值滤波器对二值图像进行滤波，去除二值图像中的孤立噪点；S4.3，通过数学形态学膨胀操作将水平方向文字串进行连通，构造水平结构单元；S4.4，采用Sobel水平边缘检测算法从水平结构单元中提取水平边缘图像；S4.5，采用霍夫算法从水平边缘图像中提取第一直线集合；S4.6，从第一直线集合中筛选出极角在[45°,135°]范围内的偏水平方向的第二直线集合；S4.7，统计第二直线集合的极角均值，然后筛选出极角均值在(0.8,1.2)倍率之间的第三直线集合，从而去除干扰直线；S4.8，计算第三直线集合与水平方向夹角的均值，将计算出的均值作为校正参考角度，把行驶证正页、副页图像区域校正到水平。S5，对行驶证正页、副页图像区域进行倒立校正；具体地，S5.1，采用第二深度学习算法模型从行驶证正页图像区域中检测出印章，以及从行驶证副页图像区域中检测出证芯编号条形码；所述第二深度学习算法模型，为通过使用大量不同光照、距离、分辨率、方向角度、噪声水平、压缩率以及是否置于证夹内的带位置和类别标注的图像，对图像目标检测模型进行深度学习训练，得到的具有能有效从行驶证正页图像区域中检测出印章，以及从行驶证副页图像区域中检测出证芯编号条形码的深度神经网络模型。其中，图像目标检测模型可以采用YOLOv3目标检测模型，还可以采用其他目标检测模型实现。S5.2，判断印章和证芯编号条形码的位置，若印章出现在右上角，则将行驶证正页图像区域旋转180°，实现正页倒立校正；若证芯编号条形码出现在左上角，则将行驶证副页图像区域旋转180°，实现副页倒立校正。需要说明的是，在本实施例中，印章和证芯编号条形码的位置判定，是根据当前国家统一颁发的行驶证中规定的位置进行设定的，应当理解，若国家对统一颁发的行驶证中规定的印章和证芯编号条形码的位置进行了调整，本专利技术的方法中应当随之调整。应当理解的是，步骤S3～S5没有先后顺序。S6，从经步骤S3～S5处理后的行驶证正页、副页图像区域中，检测关键字段图像区域；具体地，采用第三深度学习算法模型，从经步骤S3～S5处理后的行驶证正页、副页图像区域中，检测关键字段图像区域，所述关键字段图像区域为以关键字段的外接矩形形式[left,top,width,height]表示的图像区域；所述第三深度学习算法模型，通过使用大量不同光照、距离、分辨率、方向角度、噪声水平、压缩率以及是否置于证夹内的带位置和类别标注的图像，对图像目标检测模型进行深度学习训练，得到的具有能有效从行驶证正页、副页图像区域中检测各种关键字段图像区域的深度神经网络模型。其中，图像目标检测模型可以采用YOLOv3目标检测模型，还可以采用其他目标检测模型实现。所述关键字段图像区域中的关键字段，包括：行驶证正页中的“中华人民共和国机动车行驶证”、“号牌号码”、“车辆类型”、“使用性质”、“所有人”、“住址”、“品牌型号”、“车辆识别代号”、“发动机号码”、“注册日本文档来自技高网...

【技术保护点】
1.一种行驶证关键内容识别方法，其特征在于，包括如下步骤：/nS1，获取待识别的行驶证图像；/nS2，从待识别的行驶证图像中检测行驶证正页、副页图像区域；/nS3，对行驶证正页、副页图像区域进行朝向校正；/nS4，对行驶证正页、副页图像区域进行倾斜校正；/nS5，对行驶证正页、副页图像区域进行倒立校正；/nS6，从经步骤S3～S5处理后的行驶证正页、副页图像区域中，检测关键字段图像区域；/nS7，以关键字段图像区域为参照，分割出每个关键字段对应的关键内容的待识别区域图像；/nS8，从关键内容的待识别区域图像中识别关键内容的具体信息；/nS9，返回行驶证中所有检测到的关键字段和对应的关键内容识别结果。/n

【技术特征摘要】
1.一种行驶证关键内容识别方法，其特征在于，包括如下步骤：
S1，获取待识别的行驶证图像；
S2，从待识别的行驶证图像中检测行驶证正页、副页图像区域；
S3，对行驶证正页、副页图像区域进行朝向校正；
S4，对行驶证正页、副页图像区域进行倾斜校正；
S5，对行驶证正页、副页图像区域进行倒立校正；
S6，从经步骤S3～S5处理后的行驶证正页、副页图像区域中，检测关键字段图像区域；
S7，以关键字段图像区域为参照，分割出每个关键字段对应的关键内容的待识别区域图像；
S8，从关键内容的待识别区域图像中识别关键内容的具体信息；
S9，返回行驶证中所有检测到的关键字段和对应的关键内容识别结果。


2.根据权利要求1所述的行驶证关键内容识别方法，其特征在于，步骤S2的方法为：采用第一深度学习算法模型，从待识别的行驶证图像中检测行驶证正页、副页图像区域；所述第一深度学习算法模型，为通过使用大量不同光照、距离、分辨率、方向角度、噪声水平、压缩率以及是否置于证夹内的带位置和类别标注的图像，对图像目标检测模型进行深度学习训练，得到的能有效检测行驶证正页、副页图像区域这两类目标的深度神经网络模型。


3.根据权利要求1所述的行驶证关键内容识别方法，其特征在于，步骤S3的方法为：如果行驶证正页、副页图像区域的宽高比小于1.01，则把该图像顺时针旋转90°，使行驶证正页、副页图像区域中的文本行方向偏向水平。


4.根据权利要求1所述的行驶证关键内容识别方法，其特征在于，步骤S4的方法，包括：
S4.1，对行驶证正页、副页图像区域依次进行灰度化、自适应二值化和亮度反转，得到正页、副页图像区域的二值图像；
S4.2，采用中值滤波器对二值图像进行滤波，去除二值图像中的孤立噪点；
S4.3，通过数学形态学膨胀操作将水平方向文字串进行连通，构造水平结构单元；
S4.4，采用Sobel水平边缘检测算法从水平结构单元中提取水平边缘图像；
S4.5，采用霍夫算法从水平边缘图像中提取第一直线集合；
S4.6，从第一直线集合中筛选出极角在[45°,135°]范围内的偏水平方向的第二直线集合；
S4.7，统计第二直线集合的极角均值，然后筛选出极角度数在0.8～1.2倍极角均值之内的第三直线集合；
S4.8，计算第三直线集合与水平方向夹角的均值，将计算出的均值作为校正参考角度，把行驶证正页、副页图像区域校正到水平。


5.根据权利要求1所述的行驶证关键内容识别方法，其特征在于，步骤S5的方法，包括：
S5.1，采用第二深度学习算法模型从行驶证正页图像区域中检测出印章，以及从行驶证副页图像区域中检测出证芯编号条形码；所述第二深度学习算法模型，为通过使用大量不同光照、距离、分辨率、方向角度、噪声水平、压缩率以及是否置于证夹内的带位置和类别标注的图像，对图像目标检测模型进行深度学习训练，得到的具有能有效从行驶证正页图像区域中检测出印章，以及从行驶证副页图像区域中检测出证芯编号条形码的深度神经网络模型；
S5.2，判断印章和证芯编号条形码的位置，若印章出现在右上角，则将行驶证正页图像区域旋转180°；若证芯编号条形...

【专利技术属性】
技术研发人员：张洪斌，陈代斌，刘伟，黄子言，刘辉，李学，
申请(专利权)人：四川星盾科技股份有限公司，
类型：发明
国别省市：四川;51