CN104537367A - 一种vin码的校验方法 - Google Patents

Abstract

本发明公开了一种VIN码的校验方法，该方法如下：步骤1、图像比对模块对源图像中的VIN码进行定位，采用最大类间方差法确定阙值，对VIN码进行定位；步骤2、图像比对模块对源图像中的VIN码进行水平角矫正，通过图像旋转，得出VIN码的高度值；步骤3、图像比对模块对VIN码进行侧倾角矫正，得到高度一致的VIN码图像；步骤4、图像比对模块分割提取VIN码中每个字符位置，得到处理后的源图像；步骤5、调取被测图像，重复步骤1—步骤4，完成对被测图像的处理，得到处理后的被测图形；步骤6、图像比对模块对图片进行匹配比对，将处理后的源图像和处理后的被测图像进行模板位置匹配，并进行比对，判断出每个字符内容是否改变，得出比对信息。

Description

一种VIN码的校验方法

技术领域

本发明属于智能交通监控技术领域，具体涉及一种VIN码的校验方法。

背景技术

目前车管所民警主要以目视对比车辆VIN码与先前留底印模查验是否存在人为改动痕迹，由于缺少必要的技术手段和相对有效的方法，查验效果不佳：第一，人工校验VIN码费时费力效率低下；第二，人工查验极易造成纰漏；第三，印模的调用、存储等环节也不便管理。并且，还没有能够采用自对比对校验VIN码的方法。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种新的VIN码的校验方法。

为解决上述技术问题，本发明采用的技术方案是，一种VIN码的校验方法，该方法包括以下步骤：

步骤1、图像比对模块对源图像中的VIN码进行定位，采用最大类间方差法确定阙值，对VIN码进行水平和方向的定位，得到定位后的源图像；所述源图像为拍摄的车辆原始的VIN码图片；

步骤2、图像比对模块对步骤1中所得的定位后的源图像中的VIN码进行水平角矫正，采用图像旋转的方法，将VIN码旋转至位于水平位置时，得出此时的VIN码的高度值；

步骤3、图像比对模块对步骤2中处理后的VIN码图像中的VIN码进行侧倾角矫正，得到高度一致的VIN码图像；

步骤4、图像比对模块对步骤3中处理后的VIN码图像中的VIN码分割提取每个字符位置，通过计算，找到每个字符的X方向起点和终点，得到处理后的源图像；

步骤5、调取被测图像，重复步骤1—步骤4，完成对被测图像的处理，得到处理后的被测图形；所述被测图像为经处理的拍摄的带有待验证的车辆VIN码的图像；

步骤6、图像比对模块对处理后的图像进行缩放、匹配比对，将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像进行模板位置匹配，并进行比对，判断出每个字符内容是否改变，得出比对信息。

进一步地，该步骤5中的被测图像由以下方法获得，数据处理系统接收传输过来的VIN码图像，根据钢架号码的排列规律，对VIN码中的每个字分割为单个的字符，并对分割后的每个字符进行OCR字符识别；对VIN码中排列为第九的数字进行OCR验证，查验其是否符合VIN码字符的表达规律，确定出符合表达规律的VIN码的图像，即被测图像。

进一步地，该方法还包括，将步骤6中所得的比对信息传输给终端。

进一步地，该步骤1中对VIN码进行对位的过程为，通过方向边缘检测，记录x方向上的边缘点，再进行x方向投影，对一维数据高低阈值进行分割，进行连通判断，找到y方向VIN的上边起点和高度；同理通过y方向边缘检测，找到x方向VIN的左边起点和宽度，完成VIN定位。

进一步地，该步骤2采用双线性插值的方法或者最邻近插值方法旋转图像，图像旋转步长为0.1度—0.8度。

进一步地，该图像旋转步长为0.5度。

进一步地，该步骤3中采用最小二乘法拟合出一条关于字符高度的直线，对于中心字符保护不变，两侧字符按该直线进行线性矫正。

进一步地，该步骤四中采用索贝尔边缘提取算法、坎尼算法或拉普拉斯算法，找到字符边缘，再进行垂直投影，对垂直直方图进行波峰波谷分析。

大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分。背景和目标之间的类间方差越大,说明构成图像的2部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。因此,使类间方差最大的分割意味着错分概率最小。

对于VIN图像I(x,y),前景(即VIN字符)和背景的分割阈值记作T,属于前景的像素点数占整幅图像的比例记为ω0,其平均灰度μ0；背景像素点数占整幅图像的比例为ω1,其平均灰度为μ1。图像的总平均灰度记为μ,类间方差记为g。

假设图像的背景较暗,并且图像的大小为M×N,图像中像素的灰度值小于阈值T的像素个数记作N0,像素灰度大于阈值T的像素个数记作N1,则有:

ω0＝N0/M×N   (1)

ω1＝N1/M×N   (2)

N0+N1＝M×N   (3)

ω0+ω1＝1   (4)

μ＝ω0×μ0+ω1×μ1   (5)

g＝ω0×(μ0-μ)^2+ω1×(μ1-μ)2   (6)

将式(5)代入式(6),得到等价公式:

g＝ω0×ω1×(μ0-μ1)2   (7)

采用遍历的方法得到使类间方差最大的阈值T,即为所求。

双线性插值，又称为双线性内插，即两个变量的插值函数的线性插值扩展，其核心思想是在两个方向分别进行一次线性插值。

设VIN高度符合函数f，f在点P的坐标为(x,y)，假设我们

已知f在Q11＝(x1,y1),Q12＝(x1,y2),Q21＝(x2,y1),Q22＝(x2,y2)四个点的值。

首先在x方向进行线性插值，得到

$f\left(R_1\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{11}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{21}\right),R_1=(x,y_1),$

$f\left(R_2\right)\≈\frac{x_2-x}{x_2-x_1}f\left(Q_{12}\right)+\frac{x-x_1}{x_2-x_1}f\left(Q_{22}\right),R_2=(x,y_2),$

然后在y方向进行线性插值，得到

$f\left(P\right)\≈\frac{y_2-y}{y_2-y_1}f\left(R_1\right)+\frac{y-y_1}{y_2-y_1}f\left(R_2\right),$

这样就得到所要的结果,

$\begin{array}{c}f(x,y)\≈\frac{f\left(Q_{11}\right)}{(x_2-x_1)(y_2-y_1)}(x_2-x)(y_2-y)+\frac{f\left(Q_{21}\right)}{(x_2-x_1)(y_2-y_1)}(x-x_1)(y_2-y)\\ +\frac{f\left(Q_{12}\right)}{(x_2-x_1)(y_2-y_1)}(x_2-x)(y-y_1)+\frac{f\left(Q_{22}\right)}{(x_2-x_1)(y_2-y_1)}(x-x_1)(y-y_1)\end{array},$

如果选择一个坐标系统使得f的四个已知点坐标分别为(0,0)、(0,1)、(1,0)和(1,1)，那么插值公式就可以化简为：

f(x,y)≈f(0,0)(1-x)(1-y)+f(1,0)x(1-y)+f(0,1)(1-x)y+f(1,1)xy，

或者用矩阵运算表示为：

$f(x,y)\≈\left[\begin{array}{cc}1-x& x\end{array}\right]\left[\begin{array}{cc}f\left(\mathrm{0,0}\right)& f\left(\mathrm{0,1}\right)\\ f(1,0)& f\left(\mathrm{1,1}\right)\end{array}\right]\left[\begin{array}{c}1-y\\ y\end{array}\right],$

与这种插值方法名称不同的是，这种插值方法的结果通常不是线性的，它的形式是：

b₁+b₂x+b₃y+b₄xy，

常数的数目都对应于给定的f的数据点数目，

b₁＝f(0,0)

b₂＝f(1,0)-f(0,0)

b₃＝f(0,1)-f(0,0)

b₄＝f(1,1)-f(1,0)-f(0,1)+f(0,0)

线性插值的结果与插值的顺序无关。首先进行y方向的插值，然后进行x方向的插值，所得到的结果是一样的。

当我们得到VIN每个字符高度的点的坐标(x,y)，将这一系列坐标(x1,y1)(x2,y2)...(xm,ym)描绘在x-y直角坐标系中，我们拟合这些点在一条直线附近，可令这条直线方程如下：

y_j＝a₀+a₁x   (1)

其中：a0、a1是任意实数，

为建立这直线方程就要确定a0和a1，应用最小二乘法原理，将实测值Yi与利用(1)计算，以其值最小为“优化判据”。

令：Φ＝Σ(Y_i-Y_j)²   (2)

把(1)代入(2)中得：

Φ＝Σ(Y_i-a₀-a₁X_i)²   (3)

当最小时，可用函数对Xi、Yi求偏导数，令这两个偏导数等于零。

Σ2(a₀+a₁X_i-Y_i)   (4)

亦即：

na₀+a₁ΣX_i＝ΣY_i   (5)

a₀ΣXi+a₁ΣX_i ²＝ΣX_iY_i   (6)

得到的两个关于a0、a1为未知数的两个方程组，解这两个方程组得出：

$a_0=\frac{\mathrm{\Σ}{Y}_i}{n}-a_1\frac{\mathrm{\Σ}\mathrm{Xi}}{n}---\left(7\right)$

$a_1=\frac{\mathrm{n\Σ}{X}_i{Y}_i-\left(\mathrm{\ΣXi\ΣYi}\right)}{\mathrm{n\Σ}{X_i}^2-{\left(\mathrm{\Σ}{X}_i\right)}^2}---\left(8\right)$

这时把a0、a1代入(1)中，此时的(1)就是我们回归的元线性方程。

在回归过程中，回归的关联式不可能全部通过每个位置点(x1,y1)(x2,y2)...(xm,ym)，为了判断关联式的好坏，可借助相关系数“R”，统计量“F”，剩余标准偏差“S”进行判断；“R”越趋近于1越好；“F”的绝对值越大越好；“S”越趋近于0越好。

$R=\frac{\mathrm{\Σ}{X}_i{Y}_i-\mathrm{m\Σ}\frac{X_i}{m}\mathrm{\Σ}\frac{Y_i}{m}}{\mathrm{SQR}(\mathrm{\Σ}{X_i}^2-m{\mathrm{\ΣX}}_i\frac{{X_i}^2}{m^2})(\mathrm{\ΣYi}2-m{\mathrm{\ΣY}}_i\frac{{\mathrm{Yi}}^2}{m^2})}---\left(9\right)$

在(9)中，m为VIN字符个数；Xi、Yi分别为任意一个VIN的高度点位置X、Y的数值。

Sobel卷积因子为：

该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边缘检测的图像灰度值，其公式如下：

$G_x=\left[\begin{array}{ccc}-1& 0& +1\\ -2& 0& +2\\ -1& 0& +1\end{array}\right]*A,G_y=\left[\begin{array}{ccc}+1& +2& +1\\ 0& 0& 0\\ -1& -2& -1\end{array}\right]*A$

具体计算如下：

$\begin{array}{c}{G}_x=(-1)*f(x-1,y-1)+0*f(x,y-1)+1*f(x+1,y-1)\\ +(-2)*f(x-1,y)+0*f(x,y)+2*f(x+1,y)\\ +(-1)*f(x-1,y+1)+0*f(x,y+1)+1*f(x+1,y+1)\\ =[f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)],\end{array}$

$\begin{array}{c}{G}_y=1*f(x-1,y-1)+2*f(x,y-1)+1*f(x+1,y-1)\\ +0*f(x-1,y)0*f(x,y)0*f(x+1,y)\\ +(-1)*f(x-1,y+1)+(-2)*f(x,y+1)+(-1)*f(x+1,y+1)\\ =[f(x+1,y-1)+2f(x,y-1)+f(x+1,y-1)]-[f(x-1,y+1)+2*f(x,y+1)+f(x+1,y+1)],\end{array}$

其中f(a,b),表示图像(a,b)点的灰度值；

图像的每一个像素的横向及纵向灰度值通过以下公式结合，来计算该点灰度的大小：

$G=\sqrt{{G_x}^2+{G_y}^2},$

通常，为了提高效率使用不开平方的近似值：

|G|＝|G_x|+|G_y|，

如果梯度G大于某一阀值则认为该点(x,y)为边缘点。

然后可用以下公式计算梯度方向：

$\mathrm{\Θ}=\arctan \left(\frac{G_y}{G_x}\right),$

两幅图进行模板匹配找到整体最佳匹配位置，然后对每个字符匹配找到最佳位置，根据字符匹配位置，判断是否有x、y方向平移缺陷；对于位置匹配合理的字符进行内容判断，首先对两幅图像进行形态学开运算，把小空洞进行填充，然后两幅图进行异或运算，把重叠的内容去掉，既把重叠的背景和字符去掉，然后进行闭运算，把不连续的边界点去掉，剩下的是一些连通的区域，通过总区域和连通大区域判断，判断字符内容是否改变，包括角度改变，大小改变，字体改变等，最后把结果显示出来。

开运算：先腐蚀再膨胀，可以去掉目标外的孤立点

闭运算：先膨胀再腐蚀，可以去掉目标内的孔。

用B(x)代表结构元素，对工作空间E中的每一点x，腐蚀和膨胀定义为：

腐蚀：

膨胀： $Y=E\⊕B=\{y:B\left(y\right)\∩E\≠\mathrm{\Φ}\},$

本发明一种VIN码的校验方法，VIN码从从第一位开始，码数字的对应值×该位的加权值，计算全部17位的乘积值相加除以11，所得的余数，即为第九位校验值。

如：

车辆识别码：UU6JA69691D713820第九位为9为校验码，我们可以验证下是否正确。

4×8+4×7+6×6+1×5+1×4+6×3+9×2+6×10+1×9+4×8+7×7+1×6+3×5+8×4+2×3+0×0＝350

350除以11，得31，余9，该余数9即为校验码，和识别码的校验位相同。

本发明一种VIN码的校验方法，具有如下优点：1.采用了一种新的图像处理流程，包含：VIN源图像定位,VIN水平角及侧倾角校正，单个字符分割提取，图片匹配等关键环节，校验准确率高。2.实现了VIN码图像的自动识别，能将VIN图片自动识别为VIN码字符。3.实现了VIN码图像的自对比对，替代了传统的人工比对的方式，提高了工作效率。

具体实施方式

实施例1

一种VIN码的校验方法，该方法包括以下步骤：

步骤1、图像比对模块对源图像中的VIN码进行定位，采用最大类间方差法确定阙值，通过方向边缘检测，记录x方向上的边缘点，再进行x方向投影，对一维数据高低阈值进行分割，进行连通判断，找到y方向VIN的上边起点和高度；同理通过y方向边缘检测，找到x方向VIN的左边起点和宽度，完成VIN定位。

步骤2、图像比对模块对源图像中的VIN码进行水平角矫正，通过双线性插值的方法旋转图像，图像旋转步长为0.5度，得出VIN码的高度值；

步骤3、图像比对模块对VIN码进行侧倾角矫正，用最小二乘法拟合出一条关于字符高度的直线，对于中心字符保护不变，两侧字符按该直线进行线性矫正，得到高度一致的VIN码图像；

步骤4、图像比对模块分割提取VIN码中每个字符位置，采用索贝尔边缘提取算法，通过计算，找到字符边缘，再进行垂直投影，对垂直直方图进行波峰波谷分析，找到每个字符的X方向起点和终点，得到处理后的源图像；

步骤5、调取被测图像，重复步骤1—步骤4，完成对被测图像的处理，得到处理后的被测图形；

步骤6、图像比对模块对图片进行缩放、匹配比对，将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像对被测图VIN图像大小归一，即进行水平、垂直两个方向进行缩放，使得处理后的被测图VIN图像与处理后的源图像VIN大小一致，然后进行模板位置匹配，并进行比对，判断出每个字符内容是否改变，得出比对信息。将步骤6中所得的比对信息传输给终端。

其中步骤5中的被测图像由以下方法获得，数据处理系统接收传输过来的VIN码图像，根据钢架号码的排列规律，对VIN码中的每个字分割为单个的字符，并对分割后的每个字符进行OCR字符识别；对VIN码中排列为第九的数字进行OCR验证，查验其是否符合VIN码字符的表达规律，确定出符合表达规律的VIN码的图像，即被测图像。

实施例2

一种VIN码的校验方法，该方法包括以下步骤：

步骤1、图像比对模块对源图像中的VIN码进行定位，采用最大类间方差法确定阙值，通过方向边缘检测，记录x方向上的边缘点，再进行x方向投影，对一维数据高低阈值进行分割，进行连通判断，找到y方向VIN的上边起点和高度；同理通过y方向边缘检测，找到x方向VIN的左边起点和宽度，完成VIN定位。

步骤2、图像比对模块对源图像中的VIN码进行水平角矫正，通过邻近插值方法旋转图像，图像旋转步长为0.8度，得出VIN码的高度值；

步骤3、图像比对模块对VIN码进行侧倾角矫正，用最小二乘法拟合出一条关于字符高度的直线，对于中心字符保护不变，两侧字符按该直线进行线性矫正，得到高度一致的VIN码图像；

步骤4、图像比对模块分割提取VIN码中每个字符位置，采用坎尼算法，通过计算，找到字符边缘，再进行垂直投影，对垂直直方图进行波峰波谷分析，找到每个字符的X方向起点和终点，得到处理后的源图像；

步骤5、调取被测图像，重复步骤1—步骤4，完成对被测图像的处理，得到处理后的被测图形；

步骤6、图像比对模块对图片进行缩放、匹配比对，将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像对被测图VIN图像大小归一，即进行水平、垂直两个方向进行缩放，使得处理后的被测图VIN图像与处理后的源图像VIN大小一致，然后进行模板位置匹配，并进行比对，判断出每个字符内容是否改变，得出比对信息。将步骤6中所得的比对信息传输给终端。

其中，步骤5中的被测图像由以下方法获得，数据处理系统接收传输过来的VIN码图像，根据钢架号码的排列规律，对VIN码中的每个字分割为单个的字符，并对分割后的每个字符进行OCR字符识别；对VIN码中排列为第九的数字进行OCR验证，查验其是否符合VIN码字符的表达规律，确定出符合表达规律的VIN码的图像，即被测图像。

实施例3

一种VIN码的校验方法，该方法包括以下步骤：

步骤1、图像比对模块对源图像中的VIN码进行定位，采用最大类间方差法确定阙值，通过方向边缘检测，记录x方向上的边缘点，再进行x方向投影，对一维数据高低阈值进行分割，进行连通判断，找到y方向VIN的上边起点和高度；同理通过y方向边缘检测，找到x方向VIN的左边起点和宽度，完成VIN定位。

步骤2、图像比对模块对源图像中的VIN码进行水平角矫正，通过邻近插值方法旋转图像，图像旋转步长为0.1度，得出VIN码的高度值；

步骤3、图像比对模块对VIN码进行侧倾角矫正，用最小二乘法拟合出一条关于字符高度的直线，对于中心字符保护不变，两侧字符按该直线进行线性矫正，得到高度一致的VIN码图像；

步骤4、图像比对模块分割提取VIN码中每个字符位置，采用拉普拉斯算法，通过计算，找到字符边缘，再进行垂直投影，对垂直直方图进行波峰波谷分析，找到每个字符的X方向起点和终点，得到处理后的源图像；

步骤5、调取被测图像，重复步骤1—步骤4，完成对被测图像的处理，得到处理后的被测图形；

步骤6、图像比对模块对图片进行缩放、匹配比对，将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像对被测图VIN图像大小归一，即进行水平、垂直两个方向进行缩放，使得处理后的被测图VIN图像与处理后的源图像VIN大小一致，然后进行模板位置匹配，并进行比对，判断出每个字符内容是否改变，得出比对信息。将步骤6中所得的比对信息传输给终端。

其中，步骤5中的被测图像由以下方法获得，数据处理系统接收传输过来的VIN码图像，根据钢架号码规律，确定出符合表的排列规律，对VIN码中的每个字分割为单个的字符，并对分割后的每个字符进行OCR字符识别；对VIN码中排列为第九的数字进行OCR验证，查验其是否符合VIN码字符的表达规律的VIN码的图像，即被测图像。源图像为拍摄的车辆原始的VIN码图片。

当采用不同的处理方法时，比对识别准确度会有差别，VIN码的长度是17位，当位数不正确时，会在显示装置上显示长度错误，如果位数正确，则继续对VIN码中的校验位进行验证，当出现非法的字符时，会有提示信息。

Claims (8)

1.一种VIN码的校验方法，其特征在于，该方法包括以下步骤：

步骤1、图像比对模块对源图像中的VIN码进行定位，采用最大类间方差法确定阙值，对VIN码进行水平和方向的定位，得到定位后的源图像；所述源图像为拍摄的车辆原始的VIN码图片；

步骤2、图像比对模块对步骤1中所得的定位后的源图像中的VIN码进行水平角矫正，采用图像旋转的方法，将VIN码旋转至位于水平位置时，得出此时的VIN码的高度值；

步骤3、图像比对模块对步骤2中处理后的VIN码图像中的VIN码进行侧倾角矫正，得到高度一致的VIN码图像；

步骤4、图像比对模块对步骤3中处理后的VIN码图像中的VIN码分割提取每个字符位置，通过计算，找到每个字符的X方向起点和终点，得到处理后的源图像；

步骤5、调取被测图像，重复步骤1—步骤4，完成对被测图像的处理，得到处理后的被测图形；所述被测图像为经处理的拍摄的带有待验证的车辆VIN码的图像；

步骤6、图像比对模块对处理后的图像进行缩放、匹配比对，将步骤4中所得的处理后的源图像和步骤5中所得的处理后的被测图像进行模板位置匹配，并进行比对，判断出每个字符内容是否改变，得出比对信息。

2.按照权利要求1所述的一种VIN码的校验方法，其特征在于，所述步骤5中的被测图像由以下方法获得，数据处理系统接收传输过来的VIN码图像，根据钢架号码的排列规律，对VIN码中的每个字分割为单个的字符，并对分割后的每个字符进行OCR字符识别；对VIN码中排列为第九的数字进行OCR验证，查验其是否符合VIN码字符的表达规律，确定出符合表达规律的VIN码的图像，即被测图像。

3.按照权利要求1或2所述的一种VIN码的校验方法，其特征在于，该方法还包括，将步骤6中所得的比对信息传输给终端。

4.按照权利要求1或2所述的一种VIN码的校验方法，其特征在于，所述步骤1中对VIN码进行对位的过程为，通过方向边缘检测，记录x方向上的边缘点，再进行x方向投影，对一维数据高低阈值进行分割，进行连通判断，找到y方向VIN的上边起点和高度；同理通过y方向边缘检测，找到x方向VIN的左边起点和宽度，完成VIN定位。

5.按照权利要求1或2所述的一种VIN码的校验方法，其特征在于，所述步骤2采用双线性插值的方法或者最邻近插值方法旋转图像，图像旋转步长为0.1度—0.8度。

6.按照权利要求5所述的一种VIN码的校验方法，其特征在于，所述图像旋转步长为0.5度。

7.按照权利要求1或2所述的一种VIN码的校验方法，其特征在于，所述步骤3中采用最小二乘法拟合出一条关于字符高度的直线，对于中心字符保护不变，两侧字符按该直线进行线性矫正。

8.按照权利要求1或2所述的一种VIN码的校验方法，其特征在于，所述步骤四中采用索贝尔边缘提取算法、坎尼算法或拉普拉斯算法，找到字符边缘，再进行垂直投影，对垂直直方图进行波峰波谷分析。