[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN111414866A - 车辆申请表的检测方法、装置、计算机设备和存储介质 - Google Patents

车辆申请表的检测方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN111414866A
CN111414866A CN202010213677.9A CN202010213677A CN111414866A CN 111414866 A CN111414866 A CN 111414866A CN 202010213677 A CN202010213677 A CN 202010213677A CN 111414866 A CN111414866 A CN 111414866A
Authority
CN
China
Prior art keywords
image
text
detected
signature
target
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
CN202010213677.9A
Other languages
English (en)
Inventor
周康明
党银强
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.)
Shanghai Eye Control Technology Co Ltd
Original Assignee
Shanghai Eye Control Technology 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 Shanghai Eye Control Technology Co Ltd filed Critical Shanghai Eye Control Technology Co Ltd
Priority to CN202010213677.9A priority Critical patent/CN111414866A/zh
Publication of CN111414866A publication Critical patent/CN111414866A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/30—Writer recognition; Reading and verifying signatures
    • G06V40/33—Writer recognition; Reading and verifying signatures based only on signature image, e.g. static signature recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/242—Aligning, centring, orientation detection or correction of the image by image rotation, e.g. by 90 degrees
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本申请涉及一种车辆申请表的检测方法、装置、计算机设备和存储介质。该方法包括：将用于展示车辆的申请表信息的待检测图像输入预设的文本检测模型中，得到对应的多个文本条；确定出目标文本条，判断目标文本条中的待选框是否被选中，得到校验结果；根据各文本条，得到待检测图像中的签名子图像，并检测签名子图像中是否包含用户签名，得到签名检测结果；根据校验结果和签名检测结果，对待检测图像进行检测，得到检测结果。采用本方法能够提高得到待检测图像的检测结果的效率。

Description

车辆申请表的检测方法、装置、计算机设备和存储介质
技术领域
本申请涉及图像处理技术领域，特别是涉及一种车辆申请表的检测方法、装置、计算机设备和存储介质。
背景技术
随着经济的不断发展，机动车的保有量不断增加，进而导致对机动车的年检工作量也随之增加。
机动车注册、转移、注销登记、转入申请表的识别在机动车的年检工作中是较为重要的一项检测。传统技术中，机动车的年检工作中对机动车申请表的识别方法主要是通过人工的方式进行。
但是，传统的对机动车申请表的识别方法存在识别效率较低的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高对机动车申请表的识别效率的车辆申请表的检测方法、装置、计算机设备和存储介质。
一种车辆申请表的检测方法，所述方法包括：
将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条；所述待检测图像用于展示车辆的申请表信息；
根据预设的标准目标文本信息从各所述文本条对应的文本信息中，确定出目标文本条，并判断所述目标文本条中的待选框是否被选中，得到校验结果；
根据各所述文本条，得到所述待检测图像中的签名子图像，并检测所述签名子图像中是否包含用户签名，得到签名检测结果；
根据所述校验结果和所述签名检测结果，对所述待检测图像进行检测，得到检测结果。
在其中一个实施例中，所述判断所述目标文本条中的待选框是否被选中，得到校验结果，包括：
对所述目标文本条进行二值化处理，得到处理后的文本条；
对所述处理后的文本条进行连通域分割，从分割出的连通域中确定出所述目标文本条中的待选框；
根据所述目标文本条中的待选框的目标像素，判断所述待选框是否被选中，得到所述校验结果。
在其中一个实施例中，所述根据所述目标文本条中的待选框的目标像素，判断所述待选框是否被选中，得到所述校验结果，包括：
获取所述待选框中预设面积内所述目标像素的数量；
判断所述目标像素的数量是否大于预设的像素阈值，若是，则确定所述校验结果为所述待选框被选中。
在其中一个实施例中，所述根据各所述文本条，得到所述待检测图像中的签名子图像，包括：
根据各所述文本条中包含机动车所有人的委托人的签字的文本条以及包含日期的文本条，确定所述待检测图像中签名区域的第一坐标和第二坐标；
根据所述第一坐标和所述第二坐标，得到所述待检测图像中的签名子图像。
在其中一个实施例中，所述将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条之前，所述方法还包括：
获取所述待检测图像的垂直方向的边界线与水平线间的夹角值；
根据所述夹角值，对所述待检测图像进行第一旋转处理，将所述待检测图像旋转至所述夹角值为90度，得到第一旋转图像；
判断所述第一旋转图像中是否包括倒置的文本，若是，则对所述第一旋转图像进行第二旋转处理，得到第二旋转图像；
所述将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条，包括：
将所述第二旋转图像输入所述预设的文本检测模型中，得到所述待检测图像对应的多个文本条。
在其中一个实施例中，所述判断所述第一旋转图像中是否包括倒置的文本，若是，则对所述第一旋转图像进行第二旋转处理，得到第二旋转图像，包括：
将所述第一旋转图像输入预设的文本方向分类模型，判断所述第一旋转图像中的文本是否包括倒置的文本，若是，则确定倒置的文本的数量；
若所述倒置的文本的数量大于预设的阈值，则按照预设的旋转角度对所述第一旋转图像进行第二旋转处理，得到所述第二旋转图像。
在其中一个实施例中，所述根据所述校验结果和所述签名检测结果，对所述待检测图像进行检测，得到检测结果，包括：
若所述校验结果和所述签名检测结果均为通过，则确定所述待检测图像的检测结果为通过。
一种车辆申请表的检测装置，所述装置包括：
第一获取模块，用于将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条；所述待检测图像用于展示车辆的申请表信息；
确定模块，用于根据预设的标准目标文本信息从各所述文本条对应的文本信息中，确定出目标文本条，并判断所述目标文本条中的待选框是否被选中，得到校验结果；
签名检测模块，用于根据各所述文本条，得到所述待检测图像中的签名子图像，并检测所述签名子图像中是否包含用户签名，得到签名检测结果；
图像检测模块，用于根据所述校验结果、所述文本信息校验结果和所述签名检测结果，对所述待检测图像进行检测，得到检测结果。
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：
将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条；所述待检测图像用于展示车辆的申请表信息；
根据预设的标准目标文本信息从各所述文本条对应的文本信息中，确定出目标文本条，并判断所述目标文本条中的待选框是否被选中，得到校验结果；
根据各所述文本条，得到所述待检测图像中的签名子图像，并检测所述签名子图像中是否包含用户签名，得到签名检测结果；
根据所述校验结果和所述签名检测结果，对所述待检测图像进行检测，得到检测结果。
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：
将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条；所述待检测图像用于展示车辆的申请表信息；
根据预设的标准目标文本信息从各所述文本条对应的文本信息中，确定出目标文本条，并判断所述目标文本条中的待选框是否被选中，得到校验结果；
根据各所述文本条，得到所述待检测图像中的签名子图像，并检测所述签名子图像中是否包含用户签名，得到签名检测结果；
根据所述校验结果和所述签名检测结果，对所述待检测图像进行检测，得到检测结果。
上述车辆申请表的检测方法、装置、计算机设备和存储介质，将用于展示车辆的申请表信息的待检测图像输入预设的文本检测模型中，能够迅速地得到待检测图像对应的多个文本条，提高了得到待检测图像对应的多个文本条的效率，进而提高了根据预设的标准目标文本信息从各文本条对应的文本信息中，确定出目标文本条的效率，进而提高了判断目标文本条中的待选框是否被选中的校验结果的效率，同时，根据待检测图像对应的多个文本条，能够快速地得到待检测图像中的签名子图像，进而提高了对签名子图像中是否包含用户签名的检测效率，即提高了得到签名检测结果的效率，进而能够根据校验结果和签名检测结果，对待检测图像进行快速地检测，提高了得到待检测图像的检测结果的效率。
附图说明
图1为一个实施例提供的计算机设备的内部结构示意图；
图2为一个实施例提供的车辆申请表的检测方法的流程示意图；
图3为另一个实施例提供的车辆申请表的检测方法的流程示意图；
图4为另一个实施例提供的车辆申请表的检测方法的流程示意图；
图5为另一个实施例提供的车辆申请表的检测方法的流程示意图；
图6为另一个实施例提供的车辆申请表的检测方法的流程示意图；
图7为另一个实施例提供的车辆申请表的检测方法的流程示意图；
图8为一个实施例提供的车辆申请表的检测方法的流程示意图；
图9为一个实施例提供的车辆合格证的验证装置结构示意图。
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。
本申请实施例提供的车辆申请表的检测方法，可以适用于如图1所示的计算机设备。该计算机设备包括通过系统总线连接的处理器、存储器，该存储器中存储有计算机程序，处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的，该计算机设备还可以包括网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。可选的，该计算机设备可以是服务器，可以是个人计算机，还可以是个人数字助理，还可以是其他的终端设备，例如平板电脑、手机等等，还可以是云端或者远程服务器，本申请实施例对计算机设备的具体形式并不做限定。
需要说明的是，本申请实施例提供的车辆申请表的检测方法，其执行主体可以是车辆申请表的检测装置，该车辆申请表的检测装置可以通过软件、硬件或者软硬件结合的方式实现成为计算机设备的部分或者全部。下述方法实施例中，均以执行主体是计算机设备为例来进行说明。
下面以具体的实施例对本发明的技术方案以及本发明的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图2为一个实施例提供的车辆申请表的检测方法的流程示意图。本实施例涉及的是计算机设备根据待检测图像的校验结果和签名检测结果，对待检测图像进行检测，得到检测结果的具体实现过程。如图2所示，该方法可以包括：
S201，将待检测图像输入预设的文本检测模型中，得到待检测图像对应的多个文本条；待检测图像用于展示车辆的申请表信息。
其中，文本条是指属于同一行的一段连续的文本且文本中间没有空格。待检测图像用于展示车辆的申请表信息。
具体地，计算机设备将获取到的待检测图像输入预设的文本检测模型中，得到待检测图像对应的多个文本条。需要说明的是，待检测图像对应的多个文本条中存储有待检测图像的文本信息。可选的，计算机设备可以从存储车辆的申请表信息图像的服务器中获取待检测图像，也可以通过与计算机设备连接的拍摄设备实时地采集待检测图像。
可选的，预设的文本检测模型可以为渐进式扩展网络(Shape Robust TextDetection with Progressive Scale Expansion Network,PSEnet)模型，其中，PSEnet网络的网络结构简单，运行速度块，可以满足实时使用的需求，并且PSEnet网络的文本检测精度高(例如，对过长的文字串、过短的文字串或者距离比较近的两个字符串PSEnet网络均可以进行精确地检测)，另外，PSEnet网络还可以精确地检测任意形状的文本。
可以理解的是，文本检测模型是预先已经训练好的模型，可选的，计算机设备可以获取在不同拍摄条件(如光照、旋转角度、文本方向)下，采集到的展示车辆的申请表信息的不同大小的样本图像，例如，不同大小的样本图像的数量可以为20000张，采用多边形框将样本图像中的文本按文本条标出，得到样本图像对应的标注图像即样本集，其中，标注信息是一个一维的10个长度数组点集，该点集来自文本条的外接多边形，由这些点可以绘制出该文本条的外接多边形，将样本集分为训练集与测试集，其中，训练集占95％，测试集占5％，每个样本随机分配，将样本集转化成预设的初始文本检测模型需要的标准数据，设置好初始文本检测模型中的超参数，如基础学习速率、权重迭代速率、学习率每次变化程度值、网络最大迭代次数、模型过拟合防止策略以及权重初始化方式、每迭代多少次保存一次模型等，然后将该样本集中的样本图像输入初始文本检测模型，对初始文本检测模型进行训练，直到初始文本检测模型达到预设的迭代次数，训练停止，然后将训练过程中保存下来的所有初始文本检测模型在测试集中进行测试，根据各初始文本检测模型的测试结果和样本图像对应的标注图像选出最优的文本检测模型，将选出的最优的文本检测模型确定为上述文本检测模型。
S202，根据预设的标准目标文本信息从各文本条对应的文本信息中，确定出目标文本条，并判断目标文本条中的待选框是否被选中，得到校验结果。
具体地，计算机设备可以将待检测图像对应的各文本条输入预设的文本识别模型中，识别出各文本条中的文本信息(包括文字、数字、字符等信息)，然后，根据预设的标准目标文本信息从待检测图像对应的多个文本条对应的文本信息中，确定出目标文本条，并判断确定出的目标文本条中的待选框是否被选中，得到校验结果。其中，标准目标文本信息包括标准申请事项文本信息和标准车辆使用性质文本信息。可选的，计算机设备可以将各文本条中的文本信息提取出来，将提取出来的文本信息与预设的标准目标文本信息进行比对，从待检测图像的各文本条对应的文本信息中找到与标准目标文本信息一样的文本信息，并将对应的文本条确定为目标文本条。示例性地，计算机设备可以将提取出来的各文本信息中与标准申请事项文本信息进行比对，将与标准申请事项文本信息一样的文本条，确定为目标文本条。可选的，待选框可以为矩形框，也可以为圆形框，也可以为三角框。可选的，待选框被选中可以是待选框中打有钩，也可以是待选框中有圆形黑点，也可以是待款框被填充为黑色实框。可选的，计算机设备可以根据待选框中的目标像素数量判断目标文本条中的待选框是否被选中，得到校验结果。可选的，校验结果可以为通过，也可以为不通过。示例性地，若计算机设备检测出确定的申请事项文本信息对应的文本条中的待选框被选中，则可以将申请事项的校验结果标记为1，反之，则标记为0；若计算机设备检测出确定的车辆使用性质文本信息对应的文本条中的待选框被选中，则可以将车辆使用性质的校验结果标记为1，反之，则标记为0；若申请事项的校验结果与车辆使用性质的校验结果均标记为1，则计算机设备确定校验结果为通过，反之，则确定校验结果为不通过。
可选的，预设的文本识别模型可以为长短期记忆网络(Long Short-Term Memory,LSTM)模型，计算机设备可以将待检测图像对应的各文本条送入LSTM模型中进行识别，识别出待检测图像对应的各文本条中的文字，数字，字符等信息。可以理解的是，文本识别模型是预先已经训练好的模型，文本识别模型的训练过程可以为以下描述的过程：计算机设备可以获取多幅包括文本信息的样本图像，并预先对样本图像中的文本信息进行标注，将样本图像输入预设的初始文本识别模型中，得到对样本图像中的文本信息的识别结果，将得到的文本信息的识别结果和预先对样本图像中的文本信息的标注进行对比，得到初始文本识别模型的损失函数的值，根据初始文本识别模型的损失函数的值对初始文本识别模型进行训练，得到文本识别模型。
S203，根据各文本条，得到待检测图像中的签名子图像，并检测签名子图像中是否包含用户签名，得到签名检测结果。
具体地，计算机设备根据待检测图像对应的各文本条，得到待检测图像中的签名子图像，并检测签名子图像中是否包含用户签名，得到签名检测结果。可选的，计算机设备可以根据待检测图像对应的各文本条中包含机动车所有人的委托人的签字的文本条，得到待检测图像中的签名子图像。可选的，计算机设备可以将得到的签名子图像输入签名检测模型，得到待检测图像的签名检测结果。可以理解的是，签名检测模型是预先已经训练好的模型，可选的，计算机设备可以获取在不同拍摄条件(如光照、旋转角度、文字方向)下，采集到的展示车辆的申请表信息的不同大小的样本图像，例如，采集20000张样本图像，采用矩形框将样本图像中的签名区域在样本图像中标出，得到样本图像对应的签名标注图像即样本集，其中，标注信息是一个一维数组[class,x,y,width,height]，数组中class代表目标类别(也就是签名的类别)，x,y分别代表采用的矩形框左上角在样本图像中的横、纵坐标，width,height分别代表采用的矩形框在样本图像中的宽度、高度，将样本集分为训练集与测试集，训练集占95％，测试集占5％，每个样本随机分配，将样本集转化成预设的初始签名检测模型需要的标准数据，设置好初始签名检测模型中的超参数，如基础学习速率、权重迭代速率、学习率每次变化程度值、网络最大迭代次数、模型过拟合防止策略以及权重初始化方式、每迭代多少次保存一次模型等，然后将该样本集中的样本图像输入初始签名检测模型，得到样本检测结果，其中，样本检测结果用于表示样本图像中是否包括签名，对初始签名检测模型进行训练，直到初始签名检测模型达到预设的迭代次数，训练停止，然后将训练过程中保存下来的所有初始签名检测模型在测试集中进行测试，根据各初始签名检测模型的测试结果和样本图像对应的签名标注图像选出最优的签名检测模型，将选出的最优的签名检测模型确定为上述签名检测模型。
S204，根据校验结果和签名检测结果，对待检测图像进行检测，得到检测结果。
具体地，计算机设备根据上述得到的校验结果和签名检测结果，对待检测图像进行检测，得到待检测图像的检测结果。可选的，计算机设备得到的检测结果可以为检测通过，也可以为检测不通过。更进一步的，若计算机设备得到的检测结果为检测不通过，可选的，检测不通过的原因可以是校验结果不通过、签名检测结果不通过中的至少一种。
在本实施例中，计算机设备将用于展示车辆的申请表信息的待检测图像输入预设的文本检测模型中，能够迅速地得到待检测图像对应的多个文本条，提高了得到待检测图像对应的多个文本条的效率，进而提高了根据预设的标准目标文本信息从各文本条对应的文本信息中，确定出目标文本条的效率，进而提高了判断目标文本条中的待选框是否被选中的校验结果的效率，同时，根据待检测图像对应的多个文本条，能够快速地得到待检测图像中的签名子图像，进而提高了对签名子图像中是否包含用户签名的检测效率，即提高了得到签名检测结果的效率，进而能够根据校验结果和签名检测结果，对待检测图像进行快速地检测，提高了得到待检测图像的检测结果的效率。
图3为另一个实施例提供的车辆申请表的检测方法的流程示意图。本实施例涉及的是计算机设备判断目标文本条中的待选框是否被选中，得到校验结果的具体实现过程。如图3所示，在上述实施例的基础上，作为一种可选的实施方式，上述S202中的判断目标文本条中的待选框是否被选中，得到校验结果，包括：
S301，对目标文本条进行二值化处理，得到处理后的文本条。
具体地，计算机设备对上述得到的目标文本条进行二值化处理，得到处理后的文本条。可选的，计算机设备可以根据目标文本条中的像素对目标文本条进行二值化处理，示例性地，计算机设备可以将目标文本条中黑色像素的区域标记为1，其他区域标记为0，得到处理后的文本条。
S302，对处理后的文本条进行连通域分割，从分割出的连通域中确定出目标文本条中的待选框。
可以理解的是，计算机设备对目标文本条进行二值化处理后，得到的处理后的文本条中包括多个连通域，即同一连通域中的像素颜色是相同。具体地，计算机设备对上述处理后的文本条进行连通域分割，从分割出的连通域中确定出目标文本条中的待选框。可选的，计算机设备可以将分割出来的第一个连通域确定为目标文本条中的待选框。可以理解，目标文本条也是属于同一行的一段连续的文本且文本中间没有空格，目标文本条中第一个文本即是目标文本条中的待选框，这样分割出来的第一个连通域即为目标文本条中的待选框。
S303，根据目标文本条中的待选框的目标像素，判断待选框是否被选中，得到校验结果。
具体地，计算机设备根据目标文本条中的待选框的目标像素，判断待选框是否被选中，得到上述校验结果。可选的，目标像素可以为黑色像素，也可以为墨色像素或者其他颜色的像素。可选的，计算机设备可以根据目标文本条中待选框的目标像素的数量，判断待选框是否被选中，得到待检测图像的校验结果。
在本实施例中，计算机设备对目标文本条进行二值化处理，能够快速地得到处理后的文本条，提高了计算机设备对处理后的文本条进行连通域分割的效率，进而可以从分割出的连通域中快速地确定出目标文本条中的待选框，这样计算机设备就可以根据目标文本条中的待选框的目标像素，快速地判断待选框是否被选中，提高了得到待检测图像的校验结果的效率。
图4为另一个实施例提供的车辆申请表的检测方法的流程示意图。本实施例涉及的是计算机设备根据目标文本条中的待选框的目标像素，判断目标文本条中的待选框是否被选中，得到校验结果的具体实现过程。如图3所示，在上述实施例的基础上，作为一种可选的实施方式，上述S303，包括：
S401，获取待选框中预设面积内目标像素的数量。
具体地，计算机设备获取待选框中预设面积内目标像素的数量。可选的，预设面积可以为待选框中心十分之一面积。可选的，计算机设备可以对预设面积内目标像素进行统计，得到预设面积内目标像素的数量。
S402，判断目标像素的数量是否大于预设的像素阈值，若是，则确定校验结果为待选框被选中。
具体地，计算机设备判断待选框中预设面积内目标像素的数量是否大于预设的像素阈值，若是，则确定待检测图像的校验结果为待选框被选中，反之，则确定待检测图像的校验结果为待选框没有被选中。可选的，预设的像素阈值可以为30，示例性地，若待选框中预设面积内目标像素的数量为40，大于预设的像素阈值，则计算机设备确定待检测图像的校验结果为待选框被选中。
在本实施例中，计算机设备能够快速准确地得到待选框中预设面积内目标像素的数量，提高了得到待选框中预设面积内目标像素的数量的效率和准确度，进而可以快速准确地判断出目标像素的数量是否大于预设的像素阈值，这样计算机设备就能够快速准确地得到待检测图像的校验结果，即提高了得到校验结果的效率和准确度。
图5为另一个实施例提供的车辆申请表的检测方法的流程示意图。本实施例涉及的是计算机设备根据待检测图像对应的多个文本条，得到待检测图像中的签名子图像的具体实现过程。如图5所示，在上述实施例的基础上，作为一种可选的实施方式，上述S203中的根据各文本条，得到待检测图像中的签名子图像，包括：
S501，根据各文本条中包含机动车所有人的委托人的签字的文本条以及包含日期的文本条，确定待检测图像中签名区域的第一坐标和第二坐标。
具体地，计算机设备根据待检测图像对应的多个文本条中包含机动车所有人的委托人的签字的文本条以及包含日期的文本条，确定待检测图像中签名区域的第一坐标和第二坐标。可选的，计算机设备按照从上到下，从左到右的顺序遍历待检测图像的多个文本条对应的文本信息，查找到包含“机动车所有人的委托人的签字”的文本条，将该文本条左上角点的坐标，确定为待检测图像中签名区域的第一坐标p1(x,y)，按照从上到下，从左到右的顺序遍历待检测图像的多个文本条对应的文本信息，查找到包含“年月日”且位置在“机动车所有人的委托人的签字”文本条右下边的文本条，将该文本条右下角点的坐标，确定为待检测图像中签名区域的第二坐标p2(x,y)。
S502，根据第一坐标和第二坐标，得到待检测图像中的签名子图像。
具体地，计算机设备根据上述得到的第一坐标和第二坐标，得到待检测图像中的签名子图像。可选的，计算机设备可以将得到的第一坐标确定为待检测图像中的签名子图像的左上角点坐标，将得到的第二坐标确定为待检测图像中的签名子图像的右下角点坐标，从而得到待检测图像中的签名子图像。
在本实施例中，计算机设备根据待检测图像的各文本条中包含机动车所有人的委托人的签字的文本条以及包含日期的文本条，能够准确地确定出待检测图像中签名区域的第一坐标和第二坐标，进而可以根据确定出的第一坐标和第二坐标，准确地确定出待检测图像中的签名子图像，提高了得到的待检测图像中的签名子图像的准确度。
在一些场景中，得到的待检测图像会由于拍摄角度、拍摄光照条件等的影响，使得到的待检测图像的方向以及待检测图像中的文字方向发生偏转，因此，在对待检测图像展示的车辆的申请表信息进行检测之前需要对待检测图像进行校正处理。图6为另一个实施例提供的车辆申请表的检测方法的流程示意图。本实施例涉及的是计算机设备对待检测图像进行校正处理的具体实现过程。如图6所示，在上述实施例的基础上，作为一种可选的实施方式，S201之前，上述方法还包括：
S601，获取待检测图像的垂直方向的边界线与水平线间的夹角值。
具体地，计算机设备获取待检测图像的垂直方向的边界线与水平线间的夹角值。可选的，计算机设备可以检测待检测图像中的直线，从检测到的直线中获取最长的一条直线，该直线即是待检测图像的左边界线或右边界线，然后计算该直线与水平线间的夹角值，得到待检测图像的垂直方向的边界线与水平线间的夹角值。
S602，根据夹角值，对待检测图像进行第一旋转处理，将待检测图像旋转至夹角值为90度，得到第一旋转图像。
具体地，计算机设备根据上述得到的夹角值，对待检测图像进行第一旋转处理，将待检测图像旋转至上述夹角值为90度，得到第一旋转图像。可选的，第一旋转处理可以为逆时针旋转处理，也可以为顺时针旋转处理，只要将待检测图像的垂直方向的边界线与水平线间的夹角值旋转至90度即可。
S603，判断第一旋转图像中是否包括倒置的文本，若是，则对第一旋转图像进行第二旋转处理，得到第二旋转图像。
具体地，计算机设备判断第一旋转图像中是否包括倒置的文本，若确定第一旋转图像中包括倒置的文本，则对第一旋转图像进行第二旋转处理，得到第二旋转图像。可选的，计算机设备可以将第一旋转图像输入预设的文本方向分类模型，判断第一旋转图像中的文本是否包括倒置的文本，若是，则确定倒置文本的数量，若第一旋转图像中倒置的文本的数量大于预设的阈值，则按照预设的旋转角度对第一旋转图像进行第二旋转处理，得到第二旋转图像。可选的，预设的阈值可以为60％，预设的旋转角度可以为180度。
则上述S201包括：将第二旋转图像输入预设的文本检测模型，得到待检测图像对应的多个文本条。
具体的，计算机设备将得到的第二旋转图像输入预设的文本检测模型，得到待检测图像对应的多个文本条。可以理解的是，第二旋转图像是经过了校正的图像，第二旋转图像对应的文本条的方向均是水平方向的，不会再有倾斜，且第二旋转图像中的文本方向均为正的文本方向，也就是待检测图像对应的多个文本条的方向均为水平方向，多个文本条中的文本方向均为正的文本方向。
在本实施例中，计算机设备得到的第二旋转图像对应的文本条的方向均为水平方向，且第二旋转图像中的文本方向均为正的文本方向，这样将得到的第二旋转图像输入预设的文本检测模型，提高了得到的待检测图像对应的多个文本条的准确度，进而能够对待检测图像对应的多个文本条进行准确地检测，提高了得到的待检测图像的检测结果的准确度。
在上述实施例的基础上，作为一种可选的实施方式，上述S204包括：若校验结果和签名检测结果均为通过，则确定待检测图像的检测结果为通过。
具体地，若计算机设备得到校验结果和签名检测结果均为通过，则确定待检测图像的检测结果为通过。也就是，若计算机设备得到待检测图像中目标文本条中的待选框被选中，待检测图像中的签名子图像中包含用户签名，则确定待检测图像的检测结果为通过。可选的，若计算机设备得到待检测图像的检测结果为不通过，则返回检测不通过的原因。可选的，待检测图像的检测结果为不通过的原因可以为待检测图像中目标文本条中的待选框没有被选中、待检测图像中的签名子图像中不包含用户签名中的至少一种。
在本实施例中，计算机设备若得到校验结果和签名检测结果均为通过，则确定待检测图像的检测结果为通过，这样能够对待检测图像中的文本信息进行准确地检测，进而提高了得到的待检测图像的检测结果的准确度。
可选的，在上述实施例的基础上，若要对车辆申请表进行完整的检测，计算机设备还可以对除目标文本条之外的各文本条中的文本信息进行校验，得到待检测图像的文本信息校验结果。其中，文本信息校验结果用于表示除目标文本条之外的各文本条对应的文本信息是否准确。可选的，计算机设备可以分别判断除目标文本条之外的各文本条中的文本信息与对应的标准文本信息是否一致，得到待检测图像的文本信息校验结果。示例性地，若计算机设备得到除目标文本条之外的各文本条中的文本信息与对应的标准文本信息一致，则将除目标文本条之外的各文本条中的文本信息的校验结果标记为第一值，若除目标文本条之外的各文本条中的文本信息的校验结果均为第一值，则确定文本信息校验结果为通过。示例性地，计算机设备可以按照从上到下，从左到右的顺序遍历除目标文本条之外的各文本条，查找除目标文本条之外的各文本条中的文本信息包含“机动车注册转移注销登记转入申请表”几个字的文本条，若找到则将表头名称比对的校验结果标记为第一值，即可以将表头名称比对的校验结果标记为1，反之，则标记为0；计算机设备可以按照从上到下，从左到右的顺序遍历各文本条，查找各文本条中的文本信息包含“号牌种类”几个字的文本条，找到该文本条后，选取其右侧的第一个文本信息，该文本信息即是号牌种类信息，将该号牌种类信息与从服务器中获取的标准号牌种类信息进行比对，若比对结果一致，则将号牌种类的校验结果标记为第一值，即可以将号牌种类的校验结果标记为1，反之，则标记为0；计算机设备可以按照从上到下，从左到右的顺序遍历各文本条，查找各文本条中的文本信息包含“号牌号码”几个字的文本条，选取其右侧的第一个文本信息，该文本信息即是号牌号码信息，将该号牌号码信息与从服务器中获取的标准号牌号码信息进行比对，若比对结果一致，则将号牌号码的校验结果标记为第一值，即可以将号牌号码的校验结果标记为1，反之，则标记为0；计算机设备可以按照从上到下，从左到右的顺序遍历各文本条，查找各文本条中的文本信息包含“品牌型号”几个字的文本条，选取其右侧的第一个文本信息，该文本信息即是品牌型号信息，将该品牌型号信息与从服务器中获取的标准品牌型号信息进行比对，若比对结果一致，则将品牌型号的校验结果标记为第一值，即可以将品牌型号的校验结果标记为1，反之，则标记为0；计算机设备可以按照从上到下，从左到右的顺序遍历各文本条，查找各文本条中的文本信息包含“车辆识别代号”几个字的文本条，选取其右侧的第一个文本信息，该文本信息即是车辆识别代号信息，将该车辆识别代号信息与从服务器中获取的标准车辆识别代号信息进行比对，若比对结果一致，则将车辆识别代号的校验结果标记为第一值，即可以将车辆识别代号的校验结果标记为1，反之，则标记为0；计算机设备遍历完除目标文本条之外的各文本条后若得到表头名称、号牌种类、号牌号码、品牌型号、车辆识别代号的校验结果均为第一值，即表头名称、号牌种类、号牌号码、品牌型号、车辆识别代号的校验结果均标记为1，则确定待检测图像的文本信息校验结果为通过，反之，则确定待检测图像的文本信息校验结果为不通过；若计算机设备得到上述校验结果、文本信息校验结果和上述签名检测结果均为通过，则确定待检测图像的检测结果为通过。也就是，若计算机设备得到待检测图像中目标文本条中的待选框被选中，且除目标文本条之外的各文本条对应的文本信息准确，待检测图像中的签名子图像中包含用户签名，则确定待检测图像的检测结果为通过。可选的，若计算机设备得到待检测图像的检测结果为不通过，则返回检测不通过的原因。可选的，待检测图像的检测结果为不通过的原因可以为待检测图像中目标文本条中的待选框没有被选中、除目标文本条之外的各文本条对应的文本信息不准确、待检测图像中的签名子图像中不包含用户签名中的至少一种。
图7为另一个实施例提供的车辆申请表的检测方法的流程示意图。如图7所示，本申请提供的对车辆申请表进行完整的检测的检测方法可以包括：获取待检测图像和标准的待比对数据的答案；待检测图像用于展示车辆的申请表信息；根据待检测图像中文本的方向，对待检测图像进行旋转矫正，然后对待检测图像中的文本进行检测与识别(包括表头名称比对、申请事项比对、号牌种类比对、号牌号码比对、品牌型号比对、车辆识别代码比对、使用性质比对和签名检测等)，根据待检测图像的检测比对结果，对待检测图像展示的车辆申请表信息进行检测，得到检测结果。
需要说明的是，本实施例中的车辆申请表的检测方法的描述可以参见上述实施例中相关的描述，且其效果类似，本实施例在此不再赘述。
为了便于本领域技术人员的理解，以下对本申请提供的对车辆申请表进行完整的检测的检测方法进行详细介绍，如图8所示，该方法可以包括：
S801，获取待检测图像的垂直方向的边界线与水平线间的夹角值，根据夹角值，对待检测图像进行第一旋转处理，将待检测图像旋转至夹角值为90度，得到第一旋转图像；待检测图像用于展示车辆的申请表信息；
S802，将第一旋转图像输入预设的文本方向分类模型，判断第一旋转图像中的文本是否包括倒置的文本，若是，则确定倒置的文本的数量，若倒置的文本的数量大于预设的阈值，则按照预设的旋转角度对第一旋转图像进行第二旋转处理，得到第二旋转图像；
S803，将第二旋转图像输入预设的文本检测模型中，得到待检测图像对应的多个文本条；
S804，根据预设的标准目标文本信息从各文本条对应的文本信息中，确定出目标文本条；
S805，对目标文本条进行二值化处理，得到处理后的文本条，对处理后的文本条进行连通域分割，从分割出的连通域中确定出目标文本条中的待选框；
S806，获取待选框中预设面积内目标像素的数量；判断目标像素的数量是否大于预设的像素阈值，若是，则确定待检测图像的校验结果为待选框被选中；
S807，对除目标文本条之外的各文本条中的文本信息进行校验，得到待检测图像的文本信息校验结果；文本信息校验结果用于表示除目标文本条之外的各文本条对应的文本信息是否准确；
S808，根据各文本条中包含机动车所有人的委托人的签字的文本条以及包含日期的文本条，确定待检测图像中签名区域的第一坐标和第二坐标；
S809，根据第一坐标和第二坐标，得到待检测图像中的签名子图像，并检测签名子图像中是否包含用户签名，得到签名检测结果；
S810，若校验结果、文本信息校验结果和签名检测结果均为通过，则确定待检测图像的检测结果为通过。
需要说明的是，针对上述S801-S810中的描述可以参见上述实施例中相关的描述，且其效果类似，本实施例在此不再赘述。
应该理解的是，虽然图2-8的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-8中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图9为一个实施例提供的车辆合格证的验证装置结构示意图。如图6所示，该装置可以包括：第一获取模块10、确定模块11、签名检测模块12和图像检测模块13。
具体地，第一获取模块10，用于将待检测图像输入预设的文本检测模型中，得到待检测图像对应的多个文本条；待检测图像用于展示车辆的申请表信息；
确定模块11，用于根据预设的标准目标文本信息从各文本条对应的文本信息中，确定出目标文本条，并判断目标文本条中的待选框是否被选中，得到校验结果；
签名检测模块12，用于根据各文本条，得到待检测的图像中的签名子图像，并检测签名子图像中是否包含用户签名，得到签名检测结果；
图像检测模块13，用于根据校验结果、文本信息校验结果和签名检测结果，对待检测图像进行检测，得到检测结果。
本实施例提供的车辆申请表的检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述确定模块11包括：第一处理单元、第一确定单元和第一判断单元。
具体地，第一处理单元，用于对目标文本条进行二值化处理，得到处理后的文本条；
第一确定单元，用于对处理后的文本条进行连通域分割，从分割出的连通域中确定出目标文本条中的待选框；
第一判断单元，用于根据目标文本条中的待选框的目标像素，判断待选框是否被选中，得到校验结果。
本实施例提供的车辆申请表的检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述第一判断单元，具体用于获取待选框中预设面积内目标像素的数量；判断目标像素的数量是否大于预设的像素阈值，若是，则确定校验结果为待选框被选中。
本实施例提供的车辆申请表的检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述签名检测模块12包括：第二确定单元和获取单元。
具体地，第二确定单元，用于根据各文本条中包含机动车所有人的委托人的签字的文本条以及包含日期的文本条，确定待检测图像中签名区域的第一坐标和第二坐标；
获取单元，用于根据第一坐标和第二坐标，得到待检测图像中的签名子图像。
本实施例提供的车辆申请表的检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述装置还包括：第二获取模块、第一处理模块和第二处理模块。
具体地，第二获取模块，用于获取待检测图像的垂直方向的边界线与水平线间的夹角值；
第一处理模块，用于根据夹角值，对待检测图像进行第一旋转处理，将待检测图像旋转至夹角值为90度，得到第一旋转图像；
第二处理模块，用于判断第一旋转图像中是否包括倒置的文本，若是，则对第一旋转图像进行第二旋转处理，得到第二旋转图像。
在上述实施例的基础上，上述第一获取模块10，具体用于将第二旋转图像输入预设的文本检测模型中，得到待检测图像对应的多个文本条。
本实施例提供的车辆申请表的检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述第二处理模块包括：第二判断单元和第二处理单元。
具体地，第二判断单元，用于将第一旋转图像输入预设的文本方向分类模型，判断第一旋转图像中的文本是否包括倒置的文本，若是，则确定倒置的文本的数量；
第二处理单元，用于若倒置的文本的数量大于预设的阈值，则按照预设的旋转角度对第一旋转图像进行第二旋转处理，得到第二旋转图像。
本实施例提供的车辆申请表的检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述图像检测模块13包括检测单元。
具体地，检测单元，用于若校验结果和签名检测结果均为通过，则确定待检测图像的检测结果为通过。
本实施例提供的车辆申请表的检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于车辆申请表的检测装置的具体限定可以参见上文中对于车辆申请表的检测方法的限定，在此不再赘述。上述车辆申请表的检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
将待检测图像输入预设的文本检测模型中，得到待检测图像对应的多个文本条；待检测图像用于展示车辆的申请表信息；
根据预设的标准目标文本信息从各文本条对应的文本信息中，确定出目标文本条，并判断目标文本条中的待选框是否被选中，得到校验结果；
根据各文本条，得到待检测图像中的签名子图像，并检测签名子图像中是否包含用户签名，得到签名检测结果；
根据校验结果、文本信息校验结果和签名检测结果，对待检测图像进行检测，得到检测结果。
上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
将待检测图像输入预设的文本检测模型中，得到待检测图像对应的多个文本条；待检测图像用于展示车辆的申请表信息；
根据预设的标准目标文本信息从各文本条对应的文本信息中，确定出目标文本条，并判断目标文本条中的待选框是否被选中，得到校验结果；
根据各文本条，得到待检测图像中的签名子图像，并检测签名子图像中是否包含用户签名，得到签名检测结果；
根据校验结果、文本信息校验结果和签名检测结果，对待检测图像进行检测，得到检测结果。
上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆申请表的检测方法，所述方法包括：
将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条；所述待检测图像用于展示车辆的申请表信息；
根据预设的标准目标文本信息从各所述文本条对应的文本信息中，确定出目标文本条，并判断所述目标文本条中的待选框是否被选中，得到校验结果；
根据各所述文本条，得到所述待检测图像中的签名子图像，并检测所述签名子图像中是否包含用户签名，得到签名检测结果；
根据所述校验结果和所述签名检测结果，对所述待检测图像进行检测，得到检测结果。
2.根据权利要求1所述的方法，其特征在于，所述判断所述目标文本条中的待选框是否被选中，得到校验结果，包括：
对所述目标文本条进行二值化处理，得到处理后的文本条；
对所述处理后的文本条进行连通域分割，从分割出的连通域中确定出所述目标文本条中的待选框；
根据所述目标文本条中的待选框的目标像素，判断所述待选框是否被选中，得到所述校验结果。
3.根据权利要求2所述的方法，其特征在于，所述根据所述目标文本条中的待选框的目标像素，判断所述待选框是否被选中，得到所述校验结果，包括：
获取所述待选框中预设面积内所述目标像素的数量；
判断所述目标像素的数量是否大于预设的像素阈值，若是，则确定所述校验结果为所述待选框被选中。
4.根据权利要求1所述的方法，其特征在于，所述根据各所述文本条，得到所述待检测图像中的签名子图像，包括：
根据各所述文本条中包含机动车所有人的委托人的签字的文本条以及包含日期的文本条，确定所述待检测图像中签名区域的第一坐标和第二坐标；
根据所述第一坐标和所述第二坐标，得到所述待检测图像中的签名子图像。
5.根据权利要求1所述的方法，其特征在于，所述将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条之前，所述方法还包括：
获取所述待检测图像的垂直方向的边界线与水平线间的夹角值；
根据所述夹角值，对所述待检测图像进行第一旋转处理，将所述待检测图像旋转至所述夹角值为90度，得到第一旋转图像；
判断所述第一旋转图像中是否包括倒置的文本，若是，则对所述第一旋转图像进行第二旋转处理，得到第二旋转图像；
所述将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条，包括：
将所述第二旋转图像输入所述预设的文本检测模型中，得到所述待检测图像对应的多个文本条。
6.根据权利要求5所述的方法，其特征在于，所述判断所述第一旋转图像中是否包括倒置的文本，若是，则对所述第一旋转图像进行第二旋转处理，得到第二旋转图像，包括：
将所述第一旋转图像输入预设的文本方向分类模型，判断所述第一旋转图像中的文本是否包括倒置的文本，若是，则确定倒置的文本的数量；
若所述倒置的文本的数量大于预设的阈值，则按照预设的旋转角度对所述第一旋转图像进行第二旋转处理，得到所述第二旋转图像。
7.根据权利要求1所述的方法，其特征在于，所述根据所述校验结果和所述签名检测结果，对所述待检测图像进行检测，得到检测结果，包括：
若所述校验结果和所述签名检测结果均为通过，则确定所述待检测图像的检测结果为通过。
8.一种车辆申请表的检测装置，其特征在于，所述装置包括：
第一获取模块，用于将待检测图像输入预设的文本检测模型中，得到所述待检测图像对应的多个文本条；所述待检测图像用于展示车辆的申请表信息；
确定模块，用于根据预设的标准目标文本信息从各所述文本条对应的文本信息中，确定出目标文本条，并判断所述目标文本条中的待选框是否被选中，得到校验结果；
签名检测模块，用于根据各所述文本条，得到所述待检测的图像中的签名子图像，并检测所述签名子图像中是否包含用户签名，得到签名检测结果；
图像检测模块，用于根据所述校验结果和所述签名检测结果，对所述待检测图像进行检测，得到检测结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202010213677.9A 2020-03-24 2020-03-24 车辆申请表的检测方法、装置、计算机设备和存储介质 Pending CN111414866A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010213677.9A CN111414866A (zh) 2020-03-24 2020-03-24 车辆申请表的检测方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010213677.9A CN111414866A (zh) 2020-03-24 2020-03-24 车辆申请表的检测方法、装置、计算机设备和存储介质

Publications (1)

Publication Number Publication Date
CN111414866A true CN111414866A (zh) 2020-07-14

Family

ID=71491414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010213677.9A Pending CN111414866A (zh) 2020-03-24 2020-03-24 车辆申请表的检测方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111414866A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215811A (zh) * 2020-09-30 2021-01-12 上海闻泰信息技术有限公司 一种图像检测方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140169678A1 (en) * 2012-12-14 2014-06-19 Yuri Chulinin Method and system for text-image orientation
CN105279525A (zh) * 2015-11-19 2016-01-27 浪潮软件集团有限公司 一种图像处理的方法及装置
CN106909897A (zh) * 2017-02-20 2017-06-30 天津大学 一种文本图像倒置快速检测方法
CN107368800A (zh) * 2017-07-13 2017-11-21 上海携程商务有限公司 基于传真识别的订单确认方法、系统、设备及存储介质
CN107609482A (zh) * 2017-08-15 2018-01-19 天津大学 一种基于汉字笔画特征的中文文本图像倒置判别方法
CN107798301A (zh) * 2017-10-13 2018-03-13 上海眼控科技股份有限公司 一种用于车辆年检的签名检测系统及方法
CN110348360A (zh) * 2019-07-04 2019-10-18 上海眼控科技股份有限公司 一种检测报告识别方法及设备
CN110659574A (zh) * 2019-08-22 2020-01-07 北京易道博识科技有限公司 文档图像勾选框状态识别后输出文本行内容的方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140169678A1 (en) * 2012-12-14 2014-06-19 Yuri Chulinin Method and system for text-image orientation
CN105279525A (zh) * 2015-11-19 2016-01-27 浪潮软件集团有限公司 一种图像处理的方法及装置
CN106909897A (zh) * 2017-02-20 2017-06-30 天津大学 一种文本图像倒置快速检测方法
CN107368800A (zh) * 2017-07-13 2017-11-21 上海携程商务有限公司 基于传真识别的订单确认方法、系统、设备及存储介质
CN107609482A (zh) * 2017-08-15 2018-01-19 天津大学 一种基于汉字笔画特征的中文文本图像倒置判别方法
CN107798301A (zh) * 2017-10-13 2018-03-13 上海眼控科技股份有限公司 一种用于车辆年检的签名检测系统及方法
CN110348360A (zh) * 2019-07-04 2019-10-18 上海眼控科技股份有限公司 一种检测报告识别方法及设备
CN110659574A (zh) * 2019-08-22 2020-01-07 北京易道博识科技有限公司 文档图像勾选框状态识别后输出文本行内容的方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Z. HUANG等: ""Skew Correction of Handwritten Chinese Character Based on ResNet"", 《2019 INTERNATIONAL CONFERENCE ON HIGH PERFORMANCE BIG DATA AND INTELLIGENT SYSTEMS (HPBD&IS)》, 13 June 2019 (2019-06-13) *
程淑红;周斌;: "基于改进CNN的铝轮毂背腔字符识别", 计算机工程, no. 05, 15 May 2019 (2019-05-15) *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215811A (zh) * 2020-09-30 2021-01-12 上海闻泰信息技术有限公司 一种图像检测方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN110232311B (zh) 手部图像的分割方法、装置及计算机设备
CN107798299B (zh) 票据信息识别方法、电子装置及可读存储介质
US10769487B2 (en) Method and device for extracting information from pie chart
CN110390666B (zh) 道路损伤检测方法、装置、计算机设备及存储介质
TWI716012B (zh) 樣本標註方法、裝置、儲存媒體和計算設備、損傷類別的識別方法及裝置
CN112307989B (zh) 路面物体识别方法、装置、计算机设备和存储介质
CN108764352B (zh) 重复页面内容检测方法和装置
CN104484643A (zh) 一种手写表格的智能识别方法及系统
CN108509988B (zh) 一种试卷分数自动统计方法、装置、电子设备及存储介质
CN112183307B (zh) 文本识别方法、计算机设备和存储介质
CN111144358A (zh) 车辆合格证的验证方法、装置、计算机设备和存储介质
CN111144372A (zh) 车辆检测方法、装置、计算机设备和存储介质
TW201317904A (zh) 標籤檢測系統、裝置及其檢測標籤的方法
CN111611988A (zh) 图片验证码识别方法及装置、电子设备和计算机可读介质
CN111814716A (zh) 印章去除方法、计算机设备和可读存储介质
CN111488883A (zh) 车架号识别方法、装置、计算机设备和存储介质
CN112036232A (zh) 一种图像表格结构识别方法、系统、终端以及存储介质
CN112396047B (zh) 训练样本生成方法、装置、计算机设备和存储介质
CN112651315A (zh) 折线图的信息提取方法、装置、计算机设备和存储介质
CN111738252A (zh) 图像中的文本行检测方法、装置及计算机系统
CN111950546B (zh) 一种车牌识别方法、装置、计算机设备和存储介质
CN111241974B (zh) 票据信息获取方法、装置、计算机设备和存储介质
CN109472257B (zh) 一种字符版面确定方法及装置
US11906441B2 (en) Inspection apparatus, control method, and program
CN111652205A (zh) 基于深度学习的文本矫正方法、装置、设备和介质

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
AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20240927