车辆反光标识的验证方法、装置、计算机设备和存储介质与流程

本发明涉及图像处理技术领域，特别是涉及一种车辆反光标识的验证方法、装置、计算机设备和存储介质。

背景技术：

机动车的年检对于机动车的安全行驶具有十分重要的意义。随着社会经济的快速发展，机动车保有量在不断的增加，使得机动车的年检工作量也随之增加。

在对机动车进行年检时需要对机动车反光标识检测结果进行识别，机动车反光标识检测结果的识别是机动车年检的检测中尤为重要的一项检测。传统技术中，对机动车反光标识检测结果的识别方法主要是通过人工的方式进行。

但是，传统的对机动车反光标识检测结果的识别方法存在识别效率较低的问题。

技术实现要素：

基于此，有必要针对传统的对机动车反光标识检测结果的识别方法存在识别效率较低的问题，提供一种车辆反光标识的验证方法、装置、计算机设备和存储介质。

第一方面，本发明实施例提供一种车辆反光标识的验证方法，所述方法包括：

获取待检测的目标图像；所述目标图像用于展示车辆反光标识的检测结果；

对所述目标图像中的文本信息进行校验，得到所述文本信息的校验结果；所述文本信息至少包括车辆反光标识；

将所述目标图像输入预设的车辆检测模型，得到所述目标图像的检测结果；所述目标图像的检测结果用于表示所述目标图像中是否包括车辆照片；

根据所述文本信息的校验结果和所述目标图像的检测结果，对所述目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。

在其中一个实施例中，所述对所述目标图像中的文本信息进行校验，得到所述文本信息的校验结果，包括：

将所述目标图像输入预设的文本检测模型，得到所述目标图像对应的文本信息；

将所述文本信息输入预设的文本识别模型中，识别出所述目标图像中的文字信息和字符信息；

对所述文字信息和所述字符信息进行校验，得到所述文本信息的校验结果。

在其中一个实施例中，所述对所述文字信息和所述字符信息进行校验，得到所述文本信息的校验结果，包括：

检测所述文字信息中是否包括预设的目标字段，若是，则将所述文字信息的校验结果标记为第一值；

从所述字符信息中提取车牌号码字符串，判断所述车牌号码字符串与预设的车牌号码字符串是否一致，若是，则将车牌号码的校验结果标记为所述第一值；

从所述字符信息中提取反光标识检测结果数值，判断所述反光标识检测结果数值中是否有重复的数值，若否，则将所述反光标识检测结果数值的校验结果标记为所述第一值；

若所述文字信息的校验结果、所述车牌号码的校验结果和所述反光标识检测结果数值的校验结果均为所述第一值，则确定所述文本信息的校验结果为通过。

在其中一个实施例中，所述将所述目标图像输入预设的车辆检测模型，得到所述目标图像的检测结果，包括：

采用预设尺寸的窗口，按照预设的滑动方向对所述目标图像进行截取处理，获取所述目标图像的子图像；所述预设尺寸是根据所述文字信息的长度确定的；

将所述子图像输入所述车辆检测模型，得到所述子图像的检测结果；

若所述子图像的检测结果包括所述车辆照片，则确定所述目标图像的检测结果包括所述车辆照片。

在其中一个实施例中，所述根据所述文本信息的校验结果和所述目标图像的检测结果，对所述目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果，包括：

若所述文本信息的检验结果为通过，且所述目标图像的检测结果包括所述车辆照片，则确定对所述目标图像展示的车辆反光标识的检测结果的验证结果为通过。

在其中一个实施例中，所述车辆检测模型为单镜头多盒检测模型；其中，所述单镜头多盒检测模型包括多孔卷积层，所述单镜头多盒检测模型的网络层数小于预设阈值，且所述单镜头多盒检测模型的每层特征图上的默认目标框个数相同。

在其中一个实施例中，所述车辆检测模型的训练过程包括：

获取在不同采集条件下得到的样本图像；所述样本图像为车辆反光标识检测结果图像；

将所述样本图像中的车辆照片采用矩形框进行标注，得到所述样本图像对应的标注图像；

将所述样本图像输入预设的初始车辆检测模型，得到样本检测结果；

根据所述样本检测结果和所述标注图像，对所述初始车辆检测模型进行训练，得到所述车辆检测模型。

第二方面，本发明实施例提供一种车辆反光标识的验证装置，所述装置包括：

第一获取模块，用于获取待检测的目标图像；所述目标图像展示的是车辆的反光标识的检测结果；

第二获取模块，用于对所述目标图像中的文本信息进行校验，得到所述文本信息的校验结果；所述文本信息至少包括车辆反光标识；

第三获取模块，用于将所述目标图像输入预设的车辆检测模型，得到所述目标图像的检测结果；所述目标图像的检测结果用于表示所述目标图像中是否包括车辆照片；

验证模块，用于根据所述文本信息的校验结果和所述目标图像的检测结果，对所述目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。

第三方面，本发明实施例提供一种计算机设备，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：

获取待检测的目标图像；所述目标图像用于展示车辆反光标识的检测结果；

对所述目标图像中的文本信息进行校验，得到所述文本信息的校验结果；所述文本信息至少包括车辆反光标识；

将所述目标图像输入预设的车辆检测模型，得到所述目标图像的检测结果；所述目标图像的检测结果用于表示所述目标图像中是否包括车辆照片；

根据所述文本信息的校验结果和所述目标图像的检测结果，对所述目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。

第四方面，本发明实施例提供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：

获取待检测的目标图像；所述目标图像用于展示车辆反光标识的检测结果；

对所述目标图像中的文本信息进行校验，得到所述文本信息的校验结果；所述文本信息至少包括车辆反光标识；

将所述目标图像输入预设的车辆检测模型，得到所述目标图像的检测结果；所述目标图像的检测结果用于表示所述目标图像中是否包括车辆照片；

根据所述文本信息的校验结果和所述目标图像的检测结果，对所述目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。

上述实施例提供的车辆反光标识的验证方法、装置、计算机设备和存储介质中，计算机设备获取待检测的目标图像；目标图像用于展示车辆反光标识的检测结果；对目标图像中的文本信息进行校验，得到文本信息的校验结果；文本信息至少包括车辆反光标识；将目标图像输入预设的车辆检测模型，得到目标图像的检测结果；目标图像的检测结果用于表示目标图像中是否包括车辆照片；根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。在该方法中，计算机设备对目标图像中至少包括车辆反光标识的文本信息进行校验，得到文本信息的校验结果，将目标图像输入预设的车辆检测模型，得到目标图像中是否包括车辆照片的目标图像的检测结果，能够快速地根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，提高了对目标图像展示的车辆反光标识的检测结果进行验证的效率；另外，将目标图像输入预设的车辆检测模型，能够对目标图像中是否包括车辆照片进行准确地检测，提高了得到的目标图像的检测结果的准确度，进而能够根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行准确地验证，提高了对目标图像展示的车辆反光标识的检测结果的验证结果的准确度。

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反光标识的验证方法的流程示意图；

图3为另一个实施例提供的车辆反光标识的验证方法的流程示意图；

图4为另一个实施例提供的车辆反光标识的验证方法的流程示意图；

图5为另一个实施例提供的车辆反光标识的验证方法的流程示意图；

图6为一个实施例提供的车辆反光标识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反光标识的验证方法，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反光标识的验证方法，其执行主体可以是车辆反光标识的验证装置，该车辆反光标识的验证装置可以通过软件、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反光标识的验证方法的流程示意图。本实施例涉及的是计算机设备根据目标图像的文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果的具体实现过程。如图2所示，该方法可以包括：

s201，获取待检测的目标图像；目标图像用于展示车辆反光标识的检测结果。

具体的，计算机设备获取待检测的目标图像，其中，目标图像用于展示车辆反光标识的检测结果。可选的，计算机设备可以从存储车辆反光标识的检测结果图像的服务器中获取待检测的目标图像，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的目标图像。

s202，对目标图像中的文本信息进行校验，得到文本信息的校验结果；文本信息至少包括车辆反光标识。

具体的，计算机设备对目标图像中的文本信息进行校验，得到目标图像中的文本信息的校验结果。其中，目标图像中的文本信息至少包括车辆反光标识。可选的，计算机设备可以先利用文本检测模型对目标图像中的文本信息进行提取，再对提取出的文本信息进行校验，得到目标图像的文本信息的校验结果。

s203，将目标图像输入预设的车辆检测模型，得到目标图像的检测结果；目标图像的检测结果用于表示目标图像中是否包括车辆照片。

具体的，计算机设备将目标图像输入预设的车辆检测模型，得到目标图像的检测结果，目标图像的检测结果用于表示目标图像中是否包括车辆照片。可选的，计算机设备得到的目标图像的检测结果可以为包括车辆照片，也可以为不包括车辆照片。

s204，根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。

具体的，计算机设备根据目标图像的文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。可选的，计算机设备得到的验证结果可以为验证通过，也可以为验证不通过。更进一步的，若计算机设备得到的验证结果为验证不通过，可选的，验证不通过的原因可以是对文本信息的校验结果不通过，也可以是对目标图像的检测结果不通过。

在本实施例中，计算机设备对目标图像中至少包括车辆反光标识的文本信息进行校验，得到文本信息的校验结果，将目标图像输入预设的车辆检测模型，得到目标图像中是否包括车辆照片的目标图像的检测结果，能够快速地根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，提高了对目标图像展示的车辆反光标识的检测结果进行验证的效率；另外，将目标图像输入预设的车辆检测模型，能够对目标图像中是否包括车辆照片进行准确地检测，提高了得到的目标图像的检测结果的准确度，进而能够根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行准确地验证，提高了对目标图像展示的车辆反光标识的检测结果进行验证得到的验证结果的准确度。

图3为另一个实施例提供的车辆反光标识的验证方法的流程示意图。本实施例涉及的是计算机设备对目标图像中的文本信息进行校验，得到文本信息的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包括：

s301，将目标图像输入预设的文本检测模型，得到目标图像对应的文本信息。

具体的，计算机设备将目标图像输入预设的文本检测模型，得到目标图像对应的文本信息。可选的，计算机设备得到的目标图像对应的文本信息可以包括车辆反光标识字段、车牌号码、反光标识检测结果数值和车辆照片字段。可选的，计算机设备将目标图像输入预设的文本检测模型之前可以对获取的待检测的目标图像采用基于深度学习的文本矫正方法，将目标图像按照图像中的文本方向进行旋转矫正，得到旋转后的图像，将旋转后的图像输入预设的文本检测模型。

s302，将文本信息输入预设的文本识别模型中，识别出目标图像中的文字信息和字符信息。

具体的，计算机设备将目标图像对应的文本信息输入预设的文本识别模型中，识别出目标图像中的文字信息和字符信息。其中，文字信息是由文字组成的字段，字符信息是由数值和符号组成的字符串。示例性地，识别出的目标图像中的文字信息可以为反光标识，也可以为照片；识别出的目标图像中的字符信息可以为c02561，也可以为1384。可以理解的是，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字信息和字符信息的样本图像，并预先对样本图像中的文字信息和字符信息进行标注，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字信息和字符信息的识别结果，将得到的文字信息和字符信息的识别结果和预先对样本图像中的文字信息和字符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。

s303，对文字信息和字符信息进行校验，得到文本信息的校验结果。

具体的，计算机设备对识别出的目标图像中的文字信息和字符信息进行校验，得到目标图像对应的文本信息的校验结果。可选的，计算机设备可以检测目标图像中的文字信息中是否包括预设的目标字段，若是，则将文字信息的校验结果标记为第一值，其中，目标字段为反光标识；从字符信息中提取车牌号码字符串，判断提取出的车牌号码字符串与预设的车牌号码字符串是否一致，若是，则将车牌号码的校验结果标记为第一值；从字符信息中提取反光标识检测结果数值，判断反光标识检测结果数值中是否有重复的数值，若否，则将反光标识检测结果数值的校验结果标记为第一值；若文字信息的校验结果、车牌号码的校验结果和反光标识检测结果数值的校验结果均为第一值，则计算机设备确定目标图像对应的文本信息的校验结果为通过。需要说明的是，上述预设的车牌号码字符串是与目标图像展示的车辆反光标识的检测结果相对应的车牌号码字符串。可以理解的是，车牌号码字符串是由字母和数字组成的字符串；反光标识检测结果数值是一组按序号存放的数值组。

在本实施例中，计算机设备将目标图像输入预设的文本检测模型，能够对目标图像中的文本信息进行准确地检测，提高了得到的目标图像对应的文本信息的准确度，而目标图像中的文字信息和字符信息是将目标图像对应的文本信息输入预设的文本识别模型中进行识别得到的，因此，识别出的目标图像中的文字信息和字符信息的准确度也得到了提高，进而提高了对目标图像中的文字信息和字符信息进行校验，得到的文本信息的校验结果的准确度。

图4为另一个实施例提供的车辆反光标识的验证方法的流程示意图。本实施例涉及的是计算机设备将目标图像输入预设的车辆检测模型，得到目标图像中车辆照片的检测结果的具体实现过程。如图4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包括：

s401，采用预设尺寸的窗口，按照预设的滑动方向对目标图像进行截取处理，获取目标图像的子图像；预设尺寸是根据文字信息的长度确定的。

具体的，计算机设备采用预设尺寸的窗口，按照预设的滑动方向对目标图像进行截取处理，获取目标图像的子图像。其中，预设尺寸是根据目标图像中的文字信息的长度确定的。示例性地，计算机设备可以根据目标图像中的最左侧的文字信息和最右侧的文字信息的距离，得到窗口的预设尺寸，可选的，计算机设备可以将目标图像中的最左侧的文字信息和最右侧的文字信息的距离的三分之一确定为窗口的预设尺寸。可选的，计算机设备可以按照设置好的水平间隔和垂直间隔在目标图像上按照从左向右，从上到下的滑动方向对目标图像进行截取处理，获取目标图像的子图像。可选的，计算机设备可以获取目标图像的全部子图像，也可以只获取目标图像的一部分子图像。

s402，将子图像输入车辆检测模型，得到子图像的检测结果。

具体的，计算机设备将得到的目标图像的子图像输入车辆检测模型，得到目标图像子图像的检测结果。可选的，子图像的检测结果可以为包括车辆照片，也可以为不包括车辆照片。可选的，计算机设备可以按照获取的子图像的顺序，将目标图像的子图像输入车辆检测模型。

s403，若子图像的检测结果包括车辆照片，则确定目标图像的检测结果包括车辆照片。

具体的，若子图像的检测结果包括车辆照片，则计算机设备确定目标图像的检测结果包括车辆照片。示例性地，假设计算机设备得到了目标图像的50张子图像，将第10幅子图像输入车辆检测模型时，得到的检测结果为包括车辆照片，则计算机设备确定目标图像的检测结果包括车辆照片。

在本实施例中，计算机设备采用预设尺寸的窗口，按照预设的滑动方向对目标进行截取处理，获取目标图像的子图像，将子图像输入车辆检测模型，由于子图像的尺寸较小，包含的信息较多，车辆检测模型能够对目标图像的子图像进行准确地检测，提高了得到的子图像的检测结果的准确度，进而提高了根据目标图像的子图像的检测结果，确定的目标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：若文本信息的检验结果为通过，且目标图像的检测结果包括车辆照片，则确定对目标图像展示的车辆反光标识的检测结果的验证结果为通过。

具体的，若目标图像对应的文本信息的校验结果为通过，且目标图像的检测结果包括车辆照片，则计算机设备确定对目标图像展示的车辆反光标识的检测结果的验证结果为通过。也就是，若计算机设备检测到目标图像对应的文本信息中包括反光标识，文本信息中的车牌号码字符串与预设的车牌号码字符串一致，反光标识检测结果数值中没有重复的数值，且目标图像的检测结果包括车辆照片，则计算机设备确定对目标图像展示的车辆反光标识的检测结果的验证结果为通过。可选的，若计算机设备确定对目标图像展示的车辆反光标识的检测结果的验证结果为不通过，则计算机设备可以返回对目标图像展示的车辆反光标识的检测结果的验证结果不通过的原因。可选的，计算机设备返回的对目标图像展示的车辆反光标识的检测结果的验证结果不通过的原因可以为目标图像对应的文本信息的校验结果不通过，也可以为目标图像的检测结果不包括车辆照片，更进一步地，目标图像对应的文本信息的校验结果不通过可以为没有检测到目标图像中的文字信息包括预设的目标字段，也可以为目标图像中的字符信息中的车牌号码字符串与预设的车辆号码字符串不一致，也可以为目标图像中的字符信息中的反光标识检测结果数值中有重复的数值。

在本实施例中，若文本信息的检验结果为通过，且目标图像的检测结果包括车辆照片，则确定对目标图像展示的车辆反光标识的检测结果的验证结果为通过，通过该过程计算机设备能够准确地得到对目标图像展示的车辆反光标识的检测结果的验证结果，提高了得到的对目标图像展示的车辆反光标识的检测结果的验证结果的准确度。

在上述实施例的基础上，作为一种可选的实施方式，上述车辆检测模型为单镜头多盒检测模型；其中，单镜头多盒检测模型包括多孔卷积层，单镜头多盒检测模型的网络层数小于预设阈值，且单镜头多盒检测模型的每层特征图上的默认目标框个数相同。

具体的，上述车辆检测模型为单镜头多盒检测(singleshotmulitboxdetector，ssd)模型。其中，单镜头多盒检测模型包括多孔卷积层，单镜头多盒检测模型的网络层数小于预设阈值，且单镜头多盒检测模型的每层特征图上的默认目标框个数相同。可选的，预设阈值可以为16，默认目标框个数可以为6。示例性地，单镜头多盒检测模型可以为包括多孔卷积层，具有13层网络，每层特征图上的默认目标框个数为6的模型。可选的，单镜头多盒检测模型为13层网络时，单镜头多盒检测模型的网络结构可以为将标准单镜头多盒检测模型中的fc6，fc7两个全连接层变成两个19×19的卷积层，后面再接4个卷积层，然后接全连接层，最后是目标分类检测输出层。

在本实施例中，车辆检测模型为单镜头多盒检测模型，单镜头多盒检测模型包括的多孔卷积层可以利用多孔卷积来扩大卷积网络的感受野，将低分辨率的高级语义信息特征提取出来，从而提高网络对小目标细节特征的学习能力，将单镜头多盒检测模型每层特征图上的默认目标框个数设置为相同值可以增加车辆照片被检测到的概率；另外，单镜头多盒检测模型的网络层数小于预设阈值可以减少网络参数，加快单镜头多盒检测模型对车辆照片的检测效率。

图5为另一个实施例提供的车辆反光标识的验证方法的流程示意图。本实施例涉及的是计算机设备对车辆检测模型进行训练的具体实现过程。如图5所示，车辆检测模型的训练过程可以包括：

s501，获取在不同采集条件下得到的样本图像；样本图像为车辆反光标识检测结果图像。

具体的，计算机设备获取不同采集条件下得到的样本图像，其中，样本图像为车辆反光标识检测结果图像。可选的，不同采集条件可以包括不同的光照和不同的角度。可选的，样本图像可以为不同大小的图像，也可以为不同车辆类型的反光标识检测结果图像，例如大卡车的反光标识检测结果图像、箱式货车的反光标识检测结果图像。

s502，将样本图像中的车辆照片采用矩形框进行标注，得到样本图像对应的标注图像。

具体的，计算机设备将样本图像中的车辆照片采用矩形框进行标注，得到样本图像对应的标注图像。可选的，计算机设备可以采用大于样本图像中的车辆照片尺寸的矩形框，对样本图像中的车辆照片进行标注，也可以采用样本图像中的车牌照片的外接矩形，对样本图像中的车辆照片进行标注。

s503，将样本图像输入预设的初始车辆检测模型，得到样本检测结果。

具体的，计算机设备将样本图像输入预设的初始车辆检测模型，得到样本检测结果。可选的，得到的样本检测结果可以为标注有车辆照片的图像，也可以为没有标注车辆照片的图像，可以理解的是，若得到的样本检测结果为标注有车辆照片的图像，则表示对应的样本图像中包括车辆照片；若得到的样本检测结果为没有标注车辆照片的图像，则表示对应的样本图像中不包括车辆照片。

s504，根据样本检测结果和标注图像，对初始车辆检测模型进行训练，得到车辆检测模型。

具体的，计算机设备根据样本检测结果和样本图像对应的标注图像，得到初始车辆检测模型的损失函数的值，根据初始车辆检测模型的损失函数的值对初始车辆检测模型进行训练，得到车辆检测模型。

在本实施例中，计算机设备将获取在不同采集条件下得到的车辆反光标识检测结果的样本图像，将样本图像中的车辆照片采用矩形框进行标注，得到样本图像对应的标注图像，将样本图像输入预设的初始车辆检测模型，得到样本检测结果，根据样本检测结果和标注图像，对初始车辆检测模型进行训练，通过大量的样本图像能够对初始车辆检测模型进行比较准确地训练，从而提高了得到的车辆检测模型的准确度。

应该理解的是，虽然图2-5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2-5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6为一个实施例提供的车辆反光标识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、第二获取模块11、第三获取模块12和验证模块13。

具体的，第一获取模块10，用于获取待检测的目标图像；目标图像展示的是车辆的反光标识的检测结果；

第二获取模块11，用于对目标图像中的文本信息进行校验，得到文本信息的校验结果；文本信息至少包括车辆反光标识；

第三获取模块12，用于将目标图像输入预设的车辆检测模型，得到目标图像的检测结果；目标图像的检测结果用于表示目标图像中是否包括车辆照片；

验证模块13，用于根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。

可选的，车辆检测模型为单镜头多盒检测模型；其中，单镜头多盒检测模型包括多孔卷积层，单镜头多盒检测模型的网络层数小于预设阈值，且单镜头多盒检测模型的每层特征图上的默认目标框个数相同。

本实施例提供的车辆反光标识的验证装置，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，上述第二获取模块11包括：第一获取单元、识别单元和第二获取单元。

具体的，第一获取单元，用于将目标图像输入预设的文本检测模型，得到目标图像对应的文本信息；

识别单元，用于将文本信息输入预设的文本识别模型中，识别出目标图像中的文字信息和字符信息；

第二获取单元，用于对文字信息和字符信息进行校验，得到文本信息的校验结果。

本实施例提供的车辆反光标识的验证装置，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，上述第二获取单元具体用于检测文字信息中是否包括预设的目标字段，若是，则将文字信息的校验结果标记为第一值；从字符信息中提取车牌号码字符串，判断车牌号码字符串与预设的车牌号码字符串是否一致，若是，则将车牌号码的校验结果标记为第一值；从字符信息中提取反光标识检测结果数值，判断反光标识检测结果数值中是否有重复的数值，若否，则将反光标识检测结果数值的校验结果标记为第一值；若文字信息的校验结果、车牌号码的校验结果和反光标识检测结果数值的校验结果均为第一值，则确定文本信息的校验结果为通过。

本实施例提供的车辆反光标识的验证装置，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，上述第三获取模块12包括：第三获取单元、第四获取单元和确定单元。

具体的，第三获取单元，用于采用预设尺寸的窗口，按照预设的滑动方向对目标图像进行截取处理，获取目标图像的子图像；预设尺寸是根据文字信息的长度确定的；

第四获取单元，用于将子图像输入车辆检测模型，得到子图像的检测结果；

确定单元，用于若子图像的检测结果包括车辆照片，则确定目标图像的检测结果包括车辆照片。

本实施例提供的车辆反光标识的验证装置，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，上述验证模块13包括：验证单元。

具体的，验证单元，用于若文本信息的检验结果为通过，且目标图像的检测结果包括车辆照片，则确定对目标图像展示的车辆反光标识的检测结果的验证结果为通过。

本实施例提供的车辆反光标识的验证装置，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：第四获取模块、标注模块、第五获取模块和训练模块。

具体的，第四获取模块，用于获取在不同采集条件下得到的样本图像；样本图像为车辆反光标识检测结果图像；

标注模块，用于将样本图像中的车辆照片采用矩形框进行标注，得到样本图像对应的标注图像；

第五获取模块，用于将样本图像输入预设的初始车辆检测模型，得到样本检测结果；

训练模块，用于根据样本检测结果和标注图像，对初始车辆检测模型进行训练，得到车辆检测模型。

本实施例提供的车辆反光标识的验证装置，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。

关于车辆反光标识的验证装置的具体限定可以参见上文中对于车辆反光标识的验证方法的限定，在此不再赘述。上述车辆反光标识的验证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：

获取待检测的目标图像；目标图像用于展示车辆反光标识的检测结果；

对目标图像中的文本信息进行校验，得到文本信息的校验结果；文本信息至少包括车辆反光标识；

将目标图像输入预设的车辆检测模型，得到目标图像的检测结果；目标图像的检测结果用于表示目标图像中是否包括车辆照片；

根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。

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：

获取待检测的目标图像；目标图像用于展示车辆反光标识的检测结果；

对目标图像中的文本信息进行校验，得到文本信息的校验结果；文本信息至少包括车辆反光标识；

将目标图像输入预设的车辆检测模型，得到目标图像的检测结果；目标图像的检测结果用于表示目标图像中是否包括车辆照片；

根据文本信息的校验结果和目标图像的检测结果，对目标图像展示的车辆反光标识的检测结果进行验证，得到验证结果。

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。

以上所述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发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。