[發明專利]基于深度卷積神經網絡的車架號識別系統

在審

• 申請號: 202010815010.6
• 申請日: 2020-08-13
• 公開（公告）號: CN111950550A
• 公開（公告）日: 2020-11-17
• 發明（設計）人: 王宗堯;賈鵬;匡海波;趙亞寧;余方平;牛書亮;楊彥博
• 申請（專利權）人: 王宗堯;賈鵬;匡海波;趙亞寧;余方平;牛書亮;楊彥博
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京神州信德知識產權代理事務所(普通合伙) 11814
• 代理人: 劉真

1.一種基于深度卷積神經網絡的車架號識別系統，其特征在于主要包含以下步驟：

S1：將原始圖片輸入到車架號定位神經網絡中進行定位，并輸出定位結果；

S2：根據所述定位結果將車架號區域圖片進行裁剪和旋轉并去除畸變；

S3：將裁剪后的圖片輸入到車架號識別神經網絡中進行車架號識別，并輸出識別結果；

S4：將識別出的結果進行排序，再利用VIN的校驗碼進行校驗，從而檢驗出識別的準確性。

2.根據權利要求1所述的基于深度卷積神經網絡的車架號識別系統，其特征在于所述車架號定位神經網絡和車架號識別神經網絡均采用MaskRCNN的結構。

3.根據權利要求2所述的基于深度卷積神經網絡的車架號識別系統，其特征在于所述MaskRCNN神經網絡的搭建工具為TensorFlow。

4.根據權利要求3所述的基于深度卷積神經網絡的車架號識別系統，其特征在于所述MaskRCNN神經網絡包含有：

CNN組件，用于獲取圖片中的重要的特征信息；

RPN組件，用于獲取圖片中特征信息所在區域的位置信息。

ROIAlign組件，用于實現特征區域的圖像提取，并且生成固定大小的特征圖片。

5.根據權利要求4所述的基于深度卷積神經網絡的車架號識別系統，其特征在于對車架號定位神經網絡進行訓練，訓練的步驟如下：

S5：對圖像中的包含重要信息的區域進行標注；

S6：將標注的信息以及圖像輸入到神經網絡中，對神經網絡進行訓練；利用梯度下降法逐步調整神經網絡中每一個神經元以及神經元之間連線上的權重參數，最終實現神經網絡預測出來的區域與標注的區域基本一致。

6.根據權利要求5所述的基于深度卷積神經網絡的車架號識別系統，其特征在于對車架號識別神經網絡進行訓練，訓練的步驟如下：

S7：利用上一節已標注的車架號區域的標注數據對圖像進行裁剪；

S8：在裁剪出圖像的基礎上，對每一個字符以及字符的類別進行標注；

S9：將標注的信息以及圖像輸入到神經網絡中進行訓練，利用梯度下降法逐步調整神經網絡中每一個神經元的參數，最終實現神經網絡的預測出來的區域以及類別與標注的區域以及類別的誤差最小。

7.根據權利要求6所述的基于深度卷積神經網絡的車架號識別系統，其特征在于對識別出來的車架號進行校驗，步驟如下：

S10：計算每一個識別出來的字符區域的中心像素值坐標，并根據中心像素值坐標對字符進行重新排序；

S11：獲取排序后的17位的字符串，使用汽車的VIN效驗碼對所獲取的字符串進行校驗；

VIN的校驗方法為：將所獲取的字符串轉化為對應值，從VIN碼第一位開始對每一位字符串進行乘法計算，具體為將該位字符串的對應值乘以該位的加權值得到乘積值；再將17位字符串對應的乘積值相加除以11，所得的余數即為第九位校驗值。