孟凡俊，尹 东*

基于神经网络的车辆识别代号识别方法

孟凡俊1,2，尹 东1,2*

1中国科学技术大学信息科学技术学院，安徽 合肥 230027；2中国科学院电磁空间信息重点实验室，安徽 合肥 230027

在车辆识别和车辆年检时，正确识别车架上金属刻印的车辆识别代号(VIN)是非常重要的环节。针对VIN序列，本文提出了一种基于神经网络的旋转VIN图片识别方法，它由VIN检测和VIN识别两部分组成。首先，在EAST算法基础上利用轻量级神经网络提取特征，并结合文本分割实现快速、准确的VIN检测；其次，将VIN识别任务作为一个序列分类问题，提出了一种新的识别VIN方法，即通过位置相关的序列分类器，预测出最终的车辆识别代号。为了验证本文的识别方法，引入了一个VIN数据集，其中包含用于检测的原始旋转VIN图像和用于识别的水平VIN图像。实验结果表明，本文方法能有效地识别车架VIN 图片，同时达到了实时性。

车辆识别代号；神经网络；文本分割；机器视觉

1 引 言

车辆识别代号，也叫车架号，是汽车厂商为了识别一辆车而给车指定的一组号码。由于车架上金属刻印的车架号具有全球唯一性，同时不易篡改，因此在车辆年检和车辆身份识别中具有重要的意义。

近年来，图像文本识别取得了突飞猛进的发展，许多公司已经开发了用于文档文本图像的光学字符识别(OCR)[1-2]系统。这些OCR技术多应用于扫描图像识别，而且有很高的正确率，但是这种文本检测和识别方法只适用于限定的扫描图像识别的场景，这种场景下图像背景单一，文字黑色，纸张白色，而且文字几乎水平排列，同时文字前景和背景有很明显的区分度，给文字检测和识别带来很大的便利性，但是OCR系统识别速度慢，难以满足实时性处理任务的需要。……