CN107423732A - 基于Android平台的车辆VIN识别方法 - Google Patents

Abstract

本发明公开了一种基于Android平台的车辆VIN识别方法，包括以下步骤：S1：设计基于Android平台调用摄像头的实施过程，在相机的预览界面添加用来定位获取车辆识别码的扫描框；S2：采用摄像头获取有效区域的车辆VIN图片信息存储在手机本地S3：对车辆VIN图片进行图片预处理，包括图像的灰度化、顶帽变换、图像增强和二值化处理；S4：基于Tesseract‑OCR图像识别类库对预处理后的车辆VIN图片进行字符特征提取，并利用训练生成的车辆VIN字符库进行匹配识别；S5：根据VIN的编码规则对识别结果进行校验，S6：搜集车辆VIN照片，基于官方提供的英文字符库训练生成车辆VIN字符库。

Description

基于Android平台的车辆VIN识别方法

技术领域

本发明涉及图形识别技术领域，尤其涉及一种基于Android平台的车辆VIN识别方法。

背景技术

截至2016年底，根据公安部交管局统计，全国机动车保有量已达2.9亿辆，其中汽车就拥有1.94亿辆，私家汽车已占汽车总量的75％，仅2016年全国汽车销量就达2752万辆，为历史最高水平，我国已成为名副其实的汽车大国。伴随汽车产业的繁荣发展，催生了许多与汽车相关后续服务行业，诸如新车辆的销售、检车、保险理赔、事故处理、维修保养、二手车交易、车辆报废回收等，在这些服务行业中都需要录入车辆最重要和唯一信息——车辆识别码(Vehicle Identification Number，简称VIN)。车辆识别码是一组由字母和数字组成的17位代码，相当于车辆的“身份证”，记录了一辆汽车的基本信息，如该辆汽车的生产地、品牌、车型信息、生产年份、组装地点和生产序列号等信息。

对于车辆识别码录入的方式，一贯采用传统的记录方法，即手工抄录。但随着汽车车辆的增加，相关的各服务环节的业务量也日益增多，传统手工抄录方式存在效率低等弊端。如在办理各相关业务时，不仅浪费工作人员时间，而且也占用了大量车主的时间；且抄录笔迹不规范，增加了错误率；甚至在过去一些工作人员为谋求私利可以随意修改VIN等。为提高汽车销售业务人员、车辆检测人员、事故处理人员等相关服务人员对车辆码识别录入的工作效率，避免录入的错误等，有必要探寻一种快速且准确自动识别和录入车辆识别码的方法。随着移动互联网技术及智能移动终端的普及，本发明提出基于Android平台的车辆VIN识别系统。

车辆VIN识别系统应用范围非常广泛，例如在汽车保险和理赔业务方面，如果在汽车保险理赔的业务系统中使用VIN识别客户端，业务员即可到事故现场快速录入事故车辆信息，根据VIN查询损坏的汽车零部件的价格，可快速评估出因事故造成的损失，提高业务人员的办公效率和理赔的透明度。

在汽车维修保养方面，登记汽车VIN是汽车维修或者保养时的首项工作，通过车辆的VIN可了解汽车的维修保养规范和详细部件配置和参数(诸如发动机型号参数、变速箱型号参数等)，由此制定出相应的维修或保养方案，购置相关的汽车零部件。

在二手车交易方面，由于车辆的车牌照存在变更问题，而车辆VIN是唯一的，那么以车辆VIN作为汽车维修、交通事故等档案的文件名，可保证车辆档案的真实性和连续性，对促进二手车交易的信息透明起到重要作用。

在车辆报废拆解方面，如何利用互联网促进汽车配件的交易，提高供需匹配的效率是关键，目前市场上汽配电商面向的主要客户群体是汽车维修企业和广大的车主，在车辆拆解电商平台中加上VIN识别系统，买家只需扫描或输入汽车VIN，就可找到该车型配件供货方，促进交易成功。

随着汽车产业的快速发展，人工抄录车辆VIN已经无法满足各汽车服务业越来越大的业务量，由此可见在各汽车服务业中推广应用车辆VIN系统势在必行。

发明内容

根据现有技术存在的问题，本发明公开了一种基于Android平台的车辆VIN识别方法，包括以下步骤：

S1：设计基于Android平台调用摄像头的实施过程，在相机的预览界面添加用来定位获取车辆识别码的扫描框；

S2：采用摄像头获取有效区域的车辆VIN图片信息存储在手机本地，将该车辆VIN图片传入预处理和识别界面；

S3：对车辆VIN图片进行图片预处理，包括图像的灰度化、顶帽变换、图像增强和二值化处理；

S4：基于Tesseract-OCR图像识别类库对预处理后的车辆VIN图片进行字符特征提取，并利用训练生成的车辆VIN字符库进行匹配识别；

S5：根据VIN的编码规则对识别结果进行校验，没有通过校验的采用人工校正的办法获得正确的车辆识别码，如果校检成功，将正确的车辆识别码上传至服务器或云平台进行信息存储；

S6：搜集车辆VIN照片，基于官方提供的英文字符库训练生成车辆VIN字符库。

所述S3中对图像进行灰度化处理时所采用的方法为加权平均法，其中R、G、B的加权系数为0.299、0.578、0.114。

所述S3中对图像进行顶帽变换时所采用的方法基本原理是通过开运算对图像F进行处理，得到一幅图像P，该图像P是对图像F背景的合理估计，然后用图像F减去图像P得到的一个新图像Q。

所述S3中对图像进行像增强时所采用的方法是灰度拉伸变换，其中包括线性和非线性。

所述S3中对图像进行二值化处理时所采用的方法是全局二值化，通过迭代法求取一个全局阈值，基于此阈值对该图像进行全局二值化处理。

S5中对识别出的车辆识别码进行校检，所采用的方法是根据车辆识别码第九位的校验原理，进行程序编写。

S6中车辆VIN字符库训练的生成过程为：搜集大量的车辆VIN图片、制作训练样本文件、产生和矫正box文件、生成字符特征文件、计算字符集、创建字体属性文件、聚集字符特征文件及合成车辆VIN字符库文件。

由于采用了上述技术方案，本发明提供的一种基于Android平台的车辆VIN识别方法，以对基于智能手机拍摄获取的车辆VIN图像进行有效识别，并获取文本格式的17位车辆VIN字符，该识别系统可以广泛应用于与汽车相关的汽车销售、检车、保险理赔、二手车交易、维修和车辆回收拆解等服务中。该识别系统主要开发了对车辆识别码VIN扫描的功能，并把识别出来的17位文本字符上传到服务器或者云平台上，以便进行线上的各种操作。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明具体实施实例1中车辆VIN识别系统获取车辆识别码上传服务器或云平台的流程图；

图2是本发明中车辆VIN识别系统的开发流程图；

图3是车辆VIN识别系统中图像预处理方法的流程；

图4是本发明中车辆VIN字符库训练的过程图。

具体实施方式

为使本发明的技术方案和优点更加清楚，下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚完整的描述：

如图1-图4所示的一种基于Android平台的车辆VIN识别方法，利用图像预处理技术开发了一款基于Android平台的车辆VIN识别系统，该系统经测试能够有效识别出车辆VIN的17位字符。主要研究内容如下：

训练车辆VIN字符库文件；在对Tesseract-OCR识别原理有了充分认识的基础上，通过搜集车辆VIN图片，利用jTessBoxEditor工具将所有车辆VIN图片合成TIFF格式的文件后，并通过tesseract软件在Windows系统下进行训练。训练生成的车辆VIN字符库(vin.traineddata)文件导入手机后，当车辆VIN识别系统对车辆VIN图像进行识别时，会调用该字符库文件，完成字符识别。

图像预处理技术；根据对Tesseract-OCR识别原理的研究发现，利用该库对直接拍摄到的彩色车辆VIN图片进行识别的准确率较低，其原因是彩色车辆VIN图片噪声大，VIN字符的特征信息不明晰。于是提出一系列图像预处理的方法，并从理论的基础上推导验证了通过对车辆VIN图片进行预处理，可以有效的去除噪声，并保留目标特征信息。该一系列图像预处理的方法包括图像灰度化、顶帽变换、图像增强和二值化，并统称为图像预处理技术。然后在MATLAB软件上，利用图像预处理技术的对车辆VIN图片进行仿真，通过参数的设置，均达到了良好的处理效果。最后根据图像预处理技术设计Android程序，并经实验测试，图像预处理效果较好。

Android相机功能的程序设计；通过对Android相机功能的研究，完成了对Android相机的程序设计。

车辆VIN识别系统的识别和校验过程为：首先将Tesseract-OCR库导入AndroidStudio软件中的车辆VIN识别应用程序项目的文件里。其次是在车辆VIN识别APP的主程序中创建一个VIN_OCR识别函数，在该函数中，基于Tesseract-OCR库中类创建一个用于识别车辆VIN字符的TessBaseAPI对象并对其完成参数的初始化设置，再将预处理后的车辆VIN图像置入TessBaseAPI对象里执行识别，TessBaseAPI对象在识别图像的过程中会调用经过训练的车辆VIN字符库traineddata文件。然后对识别的结果进行校验，如果校验通过，则表示识别正确，可跳过人工校正直接输出识别结果。如果校验失败，则进行人工校正。最后将正确的车辆VIN的17位字符上传至服务器或云平台。

其中，训练车辆VIN字符库可以有效的提高识别正确率。Tesseract-OCR通过提取图像中的区域特征数据与字符库中的字符特征数据做匹配，从而达到识别目的，目前官方提供了几十种字符库(分别是针对不同种类的语言)。英文的官方字符库为eng.traineddata，该字符库包括的字符有数字、大小写字母和各种英文的标点符号，但车辆VIN的所用到的字符仅仅只有10个数字和23个大写字母。所以很有必要基于eng.traineddata字符库对车辆VIN图像进行训练，并训练出专门用于车辆VIN图像识别的字符库，并将该字符库命名为vin.traineddata。

车辆VIN字符库(vin.traineddata)训练的训练方法如图4所示：

搜集车辆VIN照片；通过相机拍摄车辆的挡风玻璃下VIN，获取各种品牌和系列的车辆识别码，在搜集车辆VIN照片中，应包含各种样式的车辆识别码，如附带条形码样式的车辆识别码、打印样式的车辆识别码、刻录在铭牌上的车辆识别码及白底灰字样式的车辆识别码等。

制作样本文件；对搜集的原始车辆VIN照片进行裁剪和旋转，只对有效信息的区域进行训练，字符VIN的有效区域被提取出来，这样会有最佳的训练效果，同样设计的车辆VIN识别系统也能够完成在拍摄获取车辆VIN图片后，对字符VIN的有效区域进行自动裁剪。然后利用jTessBoxEditor工具把裁剪后的车辆VIN图片合并成一个TIFF格式的图片文件，并命名为：vin.print.exp0.GIF，其中，字符语言为vin，字体名为print。

产生和矫正BOX文件；通过Tesseract-OCR3.01程序生成box文件。生成的box文件存储了识别出来文字的位置、尺寸信息；从左到右，第一列为识别出来的文字，二三四五列分别为X，Y，Width，Height，表示一个包围这个字符的矩形，第六列表示所属图片的编号，从0开始。用jTessBoxEditor工具打开TIFF格式的车辆VIN图片(此时必须与生成的box文件在一个文件夹下)，检查并矫正识别错误的字符，矫正之后，注意保存矫正后的内容。矫正的过程中主要针对两种情况进行矫正，为对无字符区域的识别结果进行删除，对于字符识别错误的予以改正。

生成字符特征文件；完成box文件的矫正后，要利用矫正后的box文件生成字符特征文件。

计算字符集；计算出车辆VIN照片样本文件中所出现的字符种类数，即字符集。在本发明中，针对车辆VIN图片进行训练，所产生的字符集只有33个字符，即10个数字字符和23个英文大写字符(车辆识别码中不含有I、O和Q)。unicharset文件(字符集文件)的第一行包含文件中字符总数量。

创建字体属性文件；字体属性文件是描述经训练即将生成字符库的字体属性，且是可以随意定义，但该字体属性的文件名是font_properties，一般不加后缀。

聚集字符特征文件；在生成新的车辆VIN字符库之前，还需要聚集几个字符特征文件，即inttemp、pffmtable、shapetable和normproto文件。其中，shapeclustering命令用于生成shapetable(主形状表)文件，mftraining命令主要生成inttemp(图形原型)文件和pffmtable(特征数)文件，cntraining语句合成normproto(字符形状归一化)文件

合成车辆VIN字符文件；在合成traineddata文件(车辆VIN字符库文件)之前，还需要确保temp目录下生成的unicharset，inttemp，pffmtable，shapetable和normproto五个文件的文件名必须加上前缀“vin.”，通过Tesseract-OCR3.01程序合成车辆VIN字符文件。然后将生成的vin.traineddata文件复制到指定的目录下，被Tesseract-OCR引擎调用做匹配识别。

其中，通过对车辆VIN图片进行预处理，生成二值图像也可以提高识别正确率。所采用的一系列图像预处理的方法为图像灰度化、顶帽变换、图像增强和二值化。

图像灰度化；所采用图像灰度化方法是加权平均法，加权平均法是根据人眼视觉特点，对彩色图像中每个像素点的三个分量值进行加权平均，将求取的加权平均值设为灰度图像的像素值，该方法通过人类视觉对各种颜色的敏感度的不同来给予不同权值的比较，故而使图像看起来更加自然，由大量实验证明，当R、G、B的值分别为0.299、0.578、0.114时，得到的灰度图像的效果比较好。

顶帽变换；由于多数车辆VIN图像的背景亮度不均匀，使用图像增强对车辆VIN图像进行处理时，会使亮度不足的部分图像失真，造成目标特征信息的损失。对于这种情况，在图像增强前可以通过顶帽变换进行处理，使图像背景的亮度趋于均匀。顶帽变换主要的基本原理通过开运算对图像F进行处理，得到一幅图像P，该图像P是对图像F背景的合理估计，然后用图像F减去图像P得到的一个新图像Q，即是顶帽变换后的结果。

图像增强；图像增强是增强图像中有用的信息，对图像中某些感兴趣的特征进行放大增强，并抑制不感兴趣的特征，从而达到保留有效目标特征信息而去除噪声的目的，但该过程是一个失真且不可逆转的过程。本发明所用的图像增强方法灰度拉伸变换，灰度拉伸变换是属于常规的增强方法有线性灰度拉伸和非线性灰度拉伸，灰度拉伸是对灰度图像中的像素点的灰度值进行计算，得到新的灰度值，经过遍历图像中所有像素点后，完成图像增强的目的。

二值化；目前很多图像识别的方法一般是在二值图像的基础上进行的，二值图像是一种比较简单的图像，像素的取值只有0或1，与彩色图像或灰度图像相比，具有很多优点，如特征信息易于提取，识别速度快且正确率高等。本发明所采用的Tesseract-OCR技术也是基于二值图像进行识别的。二值图像是通过对灰度图像或彩色图像进行阈值处理获得的，所以在对车辆VIN进行识别时，有必要对车辆VIN图像进行二值化，一般高质量的二值图像具备两点，即笔画保持连续，没有出现断笔的情况；图像经过二值化后的字符应具有原始的字符特征。本发明所采用图像二值化的方法是全局阈值法。图像进行全局二值化处理后，成功的标志为二值图像能够保留原图像中某些特征信息，对车辆VIN图像进行全局二值化处理的目标是将车辆VIN图片中17位字符与背景有效地分离出来。通过迭代法求取一幅图像的全局阈值T，然后以阈值T为标准，大于该值的像素值置255，小于该值则置0，遍历操作一幅图像所有像素点后，即可得到二值图像。

Android平台的设备相机功能的实现过程为开启摄像头、显示预览界面、自动聚焦、拍摄和保存照片文件。在Android系统中，手机相机各种功能都是通过调用相机定制库来实现的，本发明基于这些库设计实现一个带边框定位能够快速获取车辆VIN照片的简单拍摄功能模块。

车辆VIN作为车辆唯一身份标识，在汽车服务业中一直采用人工抄录，效率低且易出错。随着车辆数量的日益增多，手录方式已经无法满足服务业对车辆VIN的录入要求。由于智能手机的快速发展，Android智能手机得到广泛普及，基于Android手机的应用程序研究和开发越来越普遍。为此本发明提出了基于Android平台的车辆VIN识别技术的研究，完成了基于Android手机的车辆VIN识别系统的设计、开发及测试工作，该系统可以让汽车服务业的业务员非常便捷地获取车辆VIN，由此提高了车辆VIN的录入效率及准确率。

实施例；实施例一

请参阅图1，本实例中，车辆VIN识别系统需安装在具有Android平台的设备中，然后扫描车辆识别码，经识别上传至服务器或云平台。

车辆识别码大多是在汽车的前挡风玻璃下，在扫描识别前，需确保挡风玻璃干净整洁，无污点、灰尘、斑点和污泥等；车辆VIN所处环境尽量在阴影下，也可以通过硬纸板遮挡来制造阴影，确保获取车辆VIN照片不会出现镜面反射；利用Android设备获取车辆VIN时，掌握好拍摄角度，避免汽车风挡玻璃的反光，在拍摄时尽量不要出现手抖现象，在完全聚焦后，完成拍摄，获取清晰的车辆VIN照片；并在拍摄时也要确保车辆VIN的17位字符完全置入定位框中。

经识别，校检正确后，上传至服务器或云平台，如果校检失败，则可通过人工输入将正确的车辆VIN输入系统，并完成上传。

车辆识别码VIN识别系统将识别结果上传至服务器或云平台，在服务器或云平台上的应用范围非常广泛，例如在汽车保险和理赔业务方面，如果在汽车保险理赔的业务系统中使用车辆VIN识别系统，业务员即可到事故现场快速录入事故车辆信息，根据VIN查询损坏的汽车零部件的价格，可快速评估出因事故造成的损失，提高业务人员的办公效率和理赔的透明度。在汽车维修保养方面，登记汽车VIN是汽车维修或者保养时的首项工作，通过车辆的VIN可了解汽车的维修保养规范和详细部件配置和参数(诸如发动机型号参数、变速箱型号参数等)，由此制定出相应的维修或保养方案，购置相关的汽车零部件。在二手车交易方面，由于车辆的车牌照存在变更问题，而车辆VIN是唯一的，那么以车辆VIN作为汽车维修、交通事故等档案的文件名，可保证车辆档案的真实性和连续性，对促进二手车交易的信息透明起到重要作用。在以此服务器或云平台搭建的车辆管理系统也会成为二手车评估师以及客户查询车辆历史信息的重要工具。在车辆报废拆解方面，如何利用互联网促进汽车配件的交易，提高供需匹配的效率是关键，目前市场上汽配电商面向的主要客户群体是汽车维修企业和广大的车主，在车辆拆解电商平台中加上VIN识别系统，买家只需扫描或输入汽车VIN，就可找到该车型配件供货方，促进交易成功。有关车辆VIN识别系统的应用还很多方面，在此不再赘述。

实施例二

本实例中，参考图2，将重点描述车辆VIN识别系统获取车辆识别码的详细过程。

打开车辆VIN识别系统，该系统会直接调用摄像头，将摄像头捕获的影像显示在预览界面上，然后将被拍摄的车辆VIN置于拍摄画面的有效信息区，调用自动对焦功能后对车辆VIN图片摄取，对图片中有效信息区进行定位剪切获取有效车辆VIN图片并存储在手机本地。

受背景噪声影响，拍摄获得的车辆VIN图片在识别前需要进行去除噪声，图片预处理过程的主要工作是图像的灰度化、顶帽变换、图像增强和二值化。图像预处理的操作后，会将预处理后的二值图像显示在识别界面上，可以方便查看。

经过预处理完成后的车辆VIN图片，再基于Google公司提供的开源Tesseract-OCR识别库进行字符特征提取，并利用已经训练好的车辆VIN字符库进行匹配识别。

对识别结果进行校检，根据车辆识别码的编码原理检验识别出的17位车辆VIN字符是否正确，对没有通过校验的可以采用人工校正的办法最终获得正确的车辆识别码。

通过校检后，将识别结果上传云平台，然后根据实例1所述做各种特殊应用。

综上所述，本发明通过Android平台的设备来获取车辆VIN图片，并进行图像预处理，得到二值图像，然后基于二值图像进行光学字符识别，并对识别结果进行校验，完成对识别结果的上传工作。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于Android平台的车辆VIN识别方法，其特征在于包括以下步骤：

S1：设计基于Android平台调用摄像头的实施过程，在相机的预览界面添加用来定位获取车辆识别码的扫描框；

S2：采用摄像头获取有效区域的车辆VIN图片信息存储在手机本地，将该车辆VIN图片传入预处理和识别界面；

S3：对车辆VIN图片进行图片预处理，包括图像的灰度化、顶帽变换、图像增强和二值化处理；

S4：基于Tesseract-OCR图像识别类库对预处理后的车辆VIN图片进行字符特征提取，并利用训练生成的车辆VIN字符库进行匹配识别；

S5：根据VIN的编码规则对识别结果进行校验，没有通过校验的采用人工校正的办法获得正确的车辆识别码，如果校检成功，将正确的车辆识别码上传至服务器或云平台进行信息存储；

S6：搜集车辆VIN照片，基于官方提供的英文字符库训练生成车辆VIN字符库。

2.根据权利要求1所述的基于Android平台的车辆VIN识别方法，其特征还在于：所述S3中对图像进行灰度化处理时所采用的方法为加权平均法，其中R、G、B的加权系数为0.299、0.578、0.114。

3.根据权利要求1所述的基于Android平台的车辆VIN识别方法，其特征还在于：所述S3中对图像进行顶帽变换时所采用的方法基本原理是通过开运算对图像F进行处理，得到一幅图像P，该图像P是对图像F背景的合理估计，然后用图像F减去图像P得到的一个新图像Q。

4.根据权利要求1所述的基于Android平台的车辆VIN识别方法，其特征还在于：所述S3中对图像进行像增强时所采用的方法是灰度拉伸变换，其中包括线性和非线性。

5.根据权利要求1所述的基于Android平台的车辆VIN识别方法，其特征还在于：所述S3中对图像进行二值化处理时所采用的方法是全局二值化，通过迭代法求取一个全局阈值，基于此阈值对该图像进行全局二值化处理。

6.根据权利要求1所述的基于Android平台的车辆VIN识别方法，其特征还在于：S5中对识别出的车辆识别码进行校检，所采用的方法是根据车辆识别码第九位的校验原理，进行程序编写。

7.根据权利要求1所述的基于Android平台的车辆VIN识别方法，其特征还在于：S6中车辆VIN字符库训练的生成过程为：搜集大量的车辆VIN图片、制作训练样本文件、产生和矫正box文件、生成字符特征文件、计算字符集、创建字体属性文件、聚集字符特征文件及合成车辆VIN字符库文件。