买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：易思维(杭州)科技股份有限公司

摘要：本发明提供一种基于CRNN网络模型的车辆VIN码识别方法，包括：采集多台VIN码图像，形成VIN码的数据库；标记疑难字符；将字符区域图像输入CRNN网络模型中，将疑难字符特征向量存储到向量集合I；普通数字字符特征向量存储到向量集合II；挑选属于向量集合II的隐藏层信息存储为过渡信息；将向量集合I再次输入到RNN，过渡信息与单列特征向量输入时对应的隐藏层信息拼接；利用拼接后的各隐藏层信息处理向量集合I中各特征向量；更新对应信息，形成新的概率矩阵；迭代优化出符合要求的CRNN网络模型；利用训练后的CRNN网络模型识别车辆VIN码；本方法可以在数据库样本不充足的情况下，完成识别任务，提高准确率。

主权项：1.一种基于CRNN网络模型的车辆VIN码识别方法，其特征在于，包括以下步骤：步骤一、采集多台车辆VIN码图像，获取字符区域，对字符区域图像进行标注，再对字符区域图像进行预处理，改变字符的灰度和或比例，增加样本的多样性，形成VIN码的数据库，将数据库分成训练库和测试库；将数据库中VIN码不发生改变的一位或多位数字字符标记为疑难字符，其他数字字符记为普通数字字符；步骤二、从训练库中随机选取的单张或多张字符区域图像输入CRNN网络模型中，对每张图像进行以下处理：1图像经过CNN网络模型处理，输出N列特征向量；将疑难字符所对应的各个特征向量存储到向量集合I；从普通数字字符中任取m个普通数字字符，将其对应的各个特征向量依次存储到向量集合II；其中，m为疑难字符的数量；2将N列特征向量序列依次输入到RNN网络模型，获取隐藏层信息，进行标签信息概率预测，挑选属于向量集合II的特征向量，则将其对应的隐藏层信息存储为过渡信息；当N列特征向量均在RNN网络模型中完成标签信息概率预测后，输出概率矩阵；将向量集合I中的各个特征向量再次依次输入到RNN网络模型，在此过程中，所述过渡信息按照被存储时的次序依次调取、与单列特征向量输入时对应的隐藏层信息拼接；利用拼接后的各隐藏层信息对应处理向量集合I中各特征向量的标签概率预测信息；更新所述概率矩阵中的对应信息，形成新的概率矩阵；3将新的概率矩阵输入到CTC转录网络模型，获得字符区域图像最终的预测结果；对CTC转录网络模型损失函数进行计算，获得loss值；通过反向传播优化CRNN网络模型；步骤三、循环执行步骤二；直到CRNN网络模型的loss值收敛，或者，利用优化后的CRNN网络模型处理测试库中字符区域图像时，输出的准确率满足要求，CRNN网络模型训练结束；利用训练后的CRNN网络模型识别车辆VIN码。

全文数据：

权利要求：

百度查询： 易思维(杭州)科技股份有限公司 一种基于CRNN网络模型的车辆VIN码识别方法