车架号识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种车架号识别方法、装置、计算机设备和存储介质。该方法包括：获取待检测的车架号图像；将车架号图像输入车架号检测模型，得到车架号的区域图像；采用车架号识别模型对区域图像进行识别，得到第一识别结果和第二识别结果；车架号识别模型为根据带有像素标记标签和字符串标签的训练样本进行训练所得到的；根据第一识别结果和第二识别结果，确定车架号图像的车架号识别结果。该方法能够大大提高车架号识别结果的准确性。

【技术实现步骤摘要】
车架号识别方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种车架号识别方法、装置、计算机设备和存储介质。
技术介绍
随着社会经济的不断发展和人民生活水平的持续提高，城市机动车持有量迅速增长，机动车车辆的年检工作量也随之增加。根据车辆年检工作的要求，需要识别并判断待检车辆当前的车架号是否与监管系统中的信息一致，若由年检工作人员对待检车辆的车架号进行一一识别，无疑是非常耗时耗力的。目前，计算机技术的发展也非常迅速，传统技术中已有采用计算机技术对待检车辆的车架号进行识别的方法。通常为基于场景分割的识别方法，通过对车架号字符进行像素级的分割，得到每个像素的字符类别，再将每个像素的类别进行划分后处理，进而得到车架号字符的识别结果。但是，传统技术中需要对每个像素点的类别进行划分后处理，若车架号前后两个(或多个)字符为同一种时，像素的类别也是同一种，在后处理时一般无法将其进行准确划分，导致识别结果误差较大。
技术实现思路
基于此，有必要针对传统技术中车架号识别结果误差较大的问题，提供一种车架号识别方本文档来自技高网...

【技术保护点】
1.一种车架号识别方法，其特征在于，所述方法包括：/n获取待检测的车架号图像；/n将所述车架号图像输入车架号检测模型，得到车架号的区域图像；/n采用车架号识别模型对所述区域图像进行识别，得到第一识别结果和第二识别结果；所述车架号识别模型为根据带有像素标记标签和字符串标签的训练样本进行训练所得到的；/n根据所述第一识别结果和所述第二识别结果，确定所述车架号图像的车架号识别结果。/n

【技术特征摘要】
1.一种车架号识别方法，其特征在于，所述方法包括：
获取待检测的车架号图像；
将所述车架号图像输入车架号检测模型，得到车架号的区域图像；
采用车架号识别模型对所述区域图像进行识别，得到第一识别结果和第二识别结果；所述车架号识别模型为根据带有像素标记标签和字符串标签的训练样本进行训练所得到的；
根据所述第一识别结果和所述第二识别结果，确定所述车架号图像的车架号识别结果。


2.根据权利要求1所述的方法，其特征在于，所述车架号识别模型包括基网络、反卷积网络和长短记忆LSTM网络；所述反卷积网络和所述LSTM网络分别与所述基网络连接。


3.根据权利要求2所述的方法，其特征在于，所述采用车架号识别模型对所述区域图像进行识别，得到第一识别结果和第二识别结果，包括：
将所述区域图像输入所述车架号识别模型，通过所述反卷积网络输出所述区域图像中每个像素点的字符类别，通过所述LSTM网络输出所述区域图像中车架号字符串的第二识别结果；
对所述每个像素点的字符类别进行统计划分，得到所述车架号字符串的第一识别结果。


4.根据权利要求2所述的方法，其特征在于，所述训练样本还包括样本区域图像；所述车架号识别模型的训练方法包括：
将所述样本区域图像输入初始车架号识别模型，得到预测字符串识别结果和每个像素点的预测字符类别；
计算所述预测字符类别和所述像素标记标签之间的第一损失，以及所述预测字符串识别结果和所述字符串标签之间的第二损失；
根据所述第一损失调整所述初始车架号识别模型中反卷积网络的网络参数，根据所述第二损失调整所述初始车架号识别模型中LSTM网络的网络参数，根据所述第一损失和所述第二损失调整所述初始车架号识别模型中基网络的网络参数；以此迭代训练，得到所述车架号识别模型。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述第一识别结果和所述第二识别结果，确定所...

【专利技术属性】
技术研发人员：周康明，高凯珺，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31