一种电动车弧形车架号识别方法技术

本发明专利技术公开了一种电动车弧形车架号识别方法，涉及电动车技术领域。包括以下步骤：S1、开始：获取电动车车架号图片；S2、车架号粗定位：对车架号图片采用基于深度学习的矩形目标检测算法，先粗定位车架号的矩形区域；S3、字符区域精定位：对车架号检测出的矩形区域进行扩充预处理后，使用PSE算法进行文字区域精定位分割图；S4、图像旋转与曲面矫正：基于PSE分割图，获取最小外接矩形；S5、字符区域精定位：S6、字符区域弧形矫正；S7、字符识别。本发明专利技术相对于人工识别图片或OCR识别器直接识别图片的方法，利用深度学习的智能检测算法在准确性和实时性上都有着较大的优势，节约了人力成本，提高了电动车车架号识别效率和准确性。高了电动车车架号识别效率和准确性。

【技术实现步骤摘要】
一种电动车弧形车架号识别方法


[0001]本专利技术涉及电动车
，具体为一种电动车弧形车架号识别方法。

技术介绍

[0002]中国的电动车保有量已经超过3亿辆，而且每年在增长，年产量每年接近3000万辆，对电动车的管理是车管所的一项重要工作，电动车车架号，即电动自行车车架号，采用15位全数字代码结构，共有4部分组成，从左至右依次是企业代码、车种代码、生产年份代码、生产流水号代码，车架号是电动车的唯一标识，电动车车架号的识别也成为一项关键的技术。
[0003]对于刻印在龙头管位置的弧形双层车架号，是车架号识别任务中的难点所在，车架号识别一般由人工审核车架号图片来完成，由于数据量巨大，且人工容易受到视觉疲劳的干扰，检出率较低，同时传统的直接通过OCR识别器对核车架号图片来识别，由于图片模糊、歪斜和识别区域不明确，导致识别结果存在偏差，为此，我们提出了一种电动车弧形车架号识别方法以解决上述问题。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种电动车弧形车架号识别方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种电动车弧形车架号识别方法，包括以下步骤：
[0006]S1、开始：获取电动车车架号图片；
[0007]S2、车架号粗定位：对车架号图片采用基于深度学习的矩形目标检测算法，先粗定位车架号的矩形区域；
[0008]S3、字符区域精定位：对车架号检测出的矩形区域进行扩充预处理后，使用PSE算法进行文字区域精定位分割图；
[0009]S4、图像旋转与曲面矫正：基于PSE分割图，获取最小外接矩形，确定文字旋转角度，字符区域尺寸信息；
[0010]S5、字符区域精定位：对车架号图像进行旋转处理后，对刻印在龙头管柱面上的文字进行曲面矫正；
[0011]S6、字符区域弧形矫正：对矫正后图像重新使用PSE算法进行精定位，获取文字区域轮廓，进行弧形检测及矫正；
[0012]S7、字符识别：将矫正后区域送入OCR识别器进行识别。
[0013]进一步优化本技术方案，所述步骤S2的步骤包括收集包含电动车车架号的图片，用矩形框标注出电动车车架号所在区域，将矩形框坐标信息与列车图片送入基于深度学习的矩形目标检测网络进行训练。
[0014]进一步优化本技术方案，所述使用训练得到的模型预测出目标图片的矩形框候选
区域，对候选区域进行NMS非极大值抑制，并根据设置置信度使用阈值过滤，当前预测得到的矩形框目标区域置信度大于设定的阈值theta时，输出最终的矩形框目标区域信息。
[0015]进一步优化本技术方案，所述步骤S3的步骤包括使用ResNet深度残差网络作为基网络提取图像特征，通过特征金字塔得到三种不同规模的分割结果，根据规模大小定义为K1、K2、K3。
[0016]进一步优化本技术方案，所述使用渐进尺度扩展算法，将目标轮廓区域从K1扩展到K3，将最终扩展后的轮廓区域作为电动车车架号文本检测的输出。
[0017]进一步优化本技术方案，所述步骤S5的步骤包括获取文字区域的宽度，以上下双层文字区域的最左最右向外扩充找边缘方式获取柱面在图像中的直径，将柱面展开成平面。
[0018]进一步优化本技术方案，所述步骤S6的步骤包括使用PSE文字区域分割算法定位车架号文字区域，获取文字区域上下边缘点，根据边缘点求上下边缘点的中心点。
[0019]进一步优化本技术方案，所述去除outlier点，对中心点进行二次曲线拟合，得到拟合曲线参数，根据拟合曲线参数对文字区域进行弧形矫正。
[0020]进一步优化本技术方案，所述OCR识别器用于通过光学字符识别OCR方式读取图片信息，并将所述图片的信息传送给通信装置，所述OCR识别器包括图像的摄像头。
[0021]有益效果
[0022]与现有技术相比，本专利技术提供了一种电动车弧形车架号识别方法，具备以下有益效果：
[0023]该电动车弧形车架号识别方法，通过设置相对于人工识别图片或OCR识别器直接识别图片的方法，利用深度学习的智能检测算法，对电动车车架号图片文字进行分割、旋转、曲面矫正、弧形检测及矫正，能够得到更加清晰的电动车车架号图片，在电动车车架号图片识别的准确性和实时性上都有着较大的优势，节约了人力成本，提高了电动车车架号识别效率和准确性。
附图说明
[0024]图1为本专利技术提出的一种电动车弧形车架号识别方法的流程示意图；
[0025]图2为本专利技术提出的一种电动车弧形车架号识别方法的检测矩形框示例图；
[0026]图3为本专利技术提出的一种电动车弧形车架号识别方法的车架号文字区域精定位示例图；
[0027]图4为本专利技术提出的一种电动车弧形车架号识别方法的曲面矫正示例图；
[0028]图5为本专利技术提出的一种电动车弧形车架号识别方法的弧形矫正示例图。
具体实施方式
[0029]下面将结合本专利技术的实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]请参考图1-图5本专利技术公开了一种电动车弧形车架号识别方法，包括以下步骤：
[0031]S1、开始：获取电动车车架号图片；
[0032]参考图2：S2、车架号粗定位：对车架号图片采用基于深度学习的矩形目标检测算法，先粗定位车架号的矩形区域，收集包含电动车车架号的图片，用矩形框标注出电动车车架号所在区域，将矩形框坐标信息与列车图片送入基于深度学习的矩形目标检测网络进行训练，使用训练得到的模型预测出目标图片的矩形框候选区域，对候选区域进行NMS非极大值抑制，并根据设置置信度使用阈值过滤，当前预测得到的矩形框目标区域置信度大于设定的阈值theta时，输出最终的矩形框目标区域信息，深度学习网络训练时用于与预测结果对比的真实结果，常用于计算损失函数；
[0033]参考图3：S3、字符区域精定位：对车架号检测出的矩形区域进行扩充预处理后，使用PSE算法进行文字区域精定位分割图，使用ResNet深度残差网络作为基网络提取图像特征，通过特征金字塔得到三种不同规模的分割结果，根据规模大小定义为K1、K2、K3，使用渐进尺度扩展算法，将目标轮廓区域从K1扩展到K3，将最终扩展后的轮廓区域作为电动车车架号文本检测的输出；
[0034]S4、图像旋转与曲面矫正：基于PSE分割图，获取最小外接矩形，确定文字旋转角度，字符区域尺寸信息；
[0035]参考图4：S5、字符区域精定位：对车架号图像进行旋转处理后，对刻印在龙头管柱面上的文字进行曲面矫正，获取文字区域的宽度，以上下双层文字区域的最左最右向外扩充找边缘方式获取柱面在图像中的直径，将柱面展开成平面；
[0036]参考图5：S6、字符区域弧形本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电动车弧形车架号识别方法，其特征在于，包括以下步骤：S1、开始：获取电动车车架号图片；S2、车架号粗定位：对车架号图片采用基于深度学习的矩形目标检测算法，先粗定位车架号的矩形区域；S3、字符区域精定位：对车架号检测出的矩形区域进行扩充预处理后，使用PSE算法进行文字区域精定位分割图；S4、图像旋转与曲面矫正：基于PSE分割图，获取最小外接矩形，确定文字旋转角度，字符区域尺寸信息；S5、字符区域精定位：对车架号图像进行旋转处理后，对刻印在龙头管柱面上的文字进行曲面矫正；S6、字符区域弧形矫正：对矫正后图像重新使用PSE算法进行精定位，获取文字区域轮廓，进行弧形检测及矫正；S7、字符识别：将矫正后区域送入OCR识别器进行识别。2.根据权利要求1所述的一种电动车弧形车架号识别方法，其特征在于，所述步骤S2的步骤包括收集包含电动车车架号的图片，用矩形框标注出电动车车架号所在区域，将矩形框坐标信息与列车图片送入基于深度学习的矩形目标检测网络进行训练。3.根据权利要求2所述的一种电动车弧形车架号识别方法，其特征在于，所述使用训练得到的模型预测出目标图片的矩形框候选区域，对候选区域进行NMS非极大值抑制，并根据设置置信度使用阈值过滤，当前预测得到的矩形框目标区域置信度大于设定的阈值theta时，输出最终的矩形框目标区域信息。4.根据权利要...

【专利技术属性】
技术研发人员：岳振亚，赵海霞，
申请(专利权)人：重庆云石高科技有限公司，
类型：发明
国别省市：