[发明专利]一种行驶证关键内容识别方法

权利要求书

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；

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；

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°；若证芯编号条形码出现在左上角，则将行驶证副页图像区域旋转180°；

步骤S7的方法，包括：

S7.1，对于不同的关键字段，通过查找图像分割经验值表，取得对应的关键内容分割参数；所述图像分割经验值表中的关键内容图像分割经验值包括：行高系数K_H，行长系数K_L,水平结构单元长度系数S_L，竖直结构单元高度系数S_H，有效投影的高度系数P_H、允许间断跨度系数P_G和最小水平长度系数P_L；

S7.2，提取出关键字段图像区域右边高度为height*K_H，长度为width*K_L的图像块作为关键内容粗略图像区域；其中，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；

S7.3，对关键内容粗略图像区域依次进行灰度化、自适应二值化、亮度反转和滤波，得到内容图像粗略区域的二值图像；

S7.4，构造长度为width*S_L的水平结构单元对二值图像进行数学形态学闭操作，实现同一连续字符串内字符的左右连通；

S7.5，构造高度为height*S_H的竖直结构单元再对二值图像进行数学形态学闭操作，实现同一字符笔画的上下连通；

S7.6，沿着图像列方向对图像像素值进行累加，得到竖直投影；

S7.7，对竖直投影，以有效投影高度height*P_H、允许间断跨度width*P_G和有效水平长度width*P_L为阈值，统计得到关键内容粗略图像区域内左端的连续字符串水平范围[X0，X1]；

S7.8，按照连续字符串水平范围[X0，X1]和高度height*K_H，确定出关键内容的待识别区域图像。

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。