技术摘要：
本申请涉及一种车架号码识别方法、装置、计算机设备和存储介质。所述方法包括：获取包括有机动车的车架号码的待识别图像；将待识别图像输入预设的识别模型的特征提取子网络中，得到待识别图像的初始特征图；将初始特征图输入识别模型的金字塔池化子网络中，得到待识别 全部
背景技术：
车架号码(Vehicle Identification Number,VIN)，是一组由十七个英数组成，用 于机动车上的一组独一无二的号码，可以识别机动车的生产商、年代、发动机代码、引擎、底 盘序号及其他性能等资料。因此，车架号码的识别在机动车辆检测中是尤为重要的一项检 测。 传统技术中，主要是基于光学字符识别(Optical Character Recognition,OCR) 技术，利用电子设备检查包括机动车VIN码图像中打印的字符，通过检测暗、亮的模式确定 其形状，然后用字符识别方法对该图像中的机动车VIN码进行识别。 然而，传统的机动车VIN码识别方法，存在对VIN码识别鲁棒性较差的问题。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够提高机动车VIN码识别鲁棒性的 车架号码识别方法、装置、计算机设备和存储介质。 一种车架号码识别方法，所述方法包括： 获取包括有机动车的车架号码的待识别图像； 将所述待识别图像输入预设的识别模型的特征提取子网络中，得到所述待识别图 像的初始特征图； 将所述初始特征图输入所述识别模型的金字塔池化子网络中，得到所述待识别图 像的特征图； 将所述待识别图像的特征图输入所述识别模型的分类子网络中，得到对所述待识 别图像中的车架号码的识别结果。 在其中一个实施例中，所述金字塔池化子网络包括多个池化模块，所述将所述初 始特征图输入所述识别模型的金字塔池化子网络中，得到所述待识别图像的特征图，包括： 将所述初始特征图分别输入各所述池化模块，得到各所述池化模块对应的池化特 征图； 将各所述池化特征图与所述初始特征图按照对应的通道进行拼接，得到所述待识 别图像的特征图。 在其中一个实施例中，所述将所述初始特征图分别输入各所述池化模块，得到各 所述池化模块对应的池化特征图，包括： 将所述初始特征图分别输入各所述池化模块，依次进行池化处理、卷积处理和缩 放处理，得到各所述池化特征图；其中，所述池化处理中采用的卷积核的大小为根据所述初 始特征图的大小所确定的；各所述池化特征图的尺寸与所述初始特征图的尺寸相同。 4 CN 111598103 A 说 明 书 2/11 页 在其中一个实施例中，所述将所述待识别图像的特征图输入所述识别模型的分类 子网络中，得到对所述待识别图像中的车架号码的识别结果，包括： 将所述待识别图像的特征图输入所述分类子网络中，进行全局卷积处理并进行边 界求精处理，得到对所述待识别图像中的车架号码的识别结果。 在其中一个实施例中，所述特征提取子网络为ResNet18网络，且所述ResNet18网 络为去掉了原始ResNet18网络中res5a模块和/或res5b模块的网络。 在其中一个实施例中，所述将所述待识别图像输入预设的识别模型的特征提取子 网络中，得到所述待识别图像的初始特征图之前，所述方法还包括： 对所述待识别图像的尺寸按照预设的图像尺寸进行调整，得到调整后的待识别图 像； 所述将所述待识别图像输入预设的识别模型的特征提取子网络中，得到所述待识 别图像的初始特征图，包括： 将所述调整后的待识别图像输入预设的识别模型的特征提取子网络中，得到所述 待识别图像的初始特征图。 在其中一个实施例中，所述识别模型的训练过程包括： 获取包括有机动车的车架号码的样本待识别图像以及所述样本待识别图像对应 的标准识别结果； 将所述样本待识别图像输入预设的初始识别模型的初始特征提取子网络中，得到 所述样本待识别图像的样本初始特征图； 将所述样本初始特征图输入所述初始识别模型的初始金字塔池化子网络中，得到 所述样本待识别图像的样本特征图； 将所述样本待识别图像的样本特征图输入所述初始识别模型的初始分类子网络 中，得到对所述样本待识别图像中的车架号码的样本识别结果； 根据样本识别结果和所述标准识别结果，对所述初始识别模型进行训练，得到所 述识别模型。 一种车架号码识别装置，所述装置包括： 第一获取模块，用于获取包括有机动车的车架号码的待识别图像； 特征提取模块，用于将所述待识别图像输入预设的识别模型的特征提取子网络 中，得到所述待识别图像的初始特征图； 第二获取模块，用于将所述初始特征图输入所述识别模型的金字塔池化子网络 中，得到所述待识别图像的特征图； 识别模块，用于将所述待识别图像的特征图输入所述识别模型的分类子网络中， 得到对所述待识别图像中的车架号码的识别结果。 一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理 器执行所述计算机程序时实现以下步骤： 获取包括有机动车的车架号码的待识别图像； 将所述待识别图像输入预设的识别模型的特征提取子网络中，得到所述待识别图 像的初始特征图； 将所述初始特征图输入所述识别模型的金字塔池化子网络中，得到所述待识别图 5 CN 111598103 A 说 明 书 3/11 页 像的特征图； 将所述待识别图像的特征图输入所述识别模型的分类子网络中，得到对所述待识 别图像中的车架号码的识别结果。 一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执 行时实现以下步骤： 获取包括有机动车的车架号码的待识别图像； 将所述待识别图像输入预设的识别模型的特征提取子网络中，得到所述待识别图 像的初始特征图； 将所述初始特征图输入所述识别模型的金字塔池化子网络中，得到所述待识别图 像的特征图； 将所述待识别图像的特征图输入所述识别模型的分类子网络中，得到对所述待识 别图像中的车架号码的识别结果。 上述车架号码识别方法、装置、计算机设备和存储介质，将获取的包括有机动车的 车架号码的待识别图像输入预设的识别模型的特征提取子网络中，识别模型的特征提取子 网络能够对待识别图像的特征进行准确地提取，从而能够准确地得到待识别图像的初始特 征图，进一步地，将待识别图像的初始特征图输入识别模型的金字塔池化网络中，能够使金 字塔池化网络根据初始特征图，准确地得到待识别图像的特征图，进而可以将待识别图像 的特征图输入识别模型的分类子网络中，对待识别图像中的车架号码进行准确地识别，从 而提高了得到的车架号码的识别结果的鲁棒性。 附图说明 图1为一个实施例提供的计算机设备的内部结构示意图； 图2为一个实施例提供的车架号码识别方法的流程示意图； 图3为另一个实施例提供的车架号码识别方法的流程示意图； 图3a为一个实施例提供的传统的金字塔子网络结构示意图； 图4为一个实施例提供的全局卷积网络结构示意图； 图5为一个实施例提供的边界求精模块结构示意图 图6为另一个实施例提供的车架号码识别方法的流程示意图； 图7为一个实施例提供的PSPNet网络的结构示意图； 图8为一个实施例提供的车架号码识别装置结构示意图。
