CN112990193A - 一种基于vin码无感知识别的车辆管理方法及系统 - Google Patents

Abstract

本发明实施例公开了一种基于车辆识别码VIN码无感知识别的车辆管理方法及系统，能够实现用户无感知地对无牌车辆进行管理。该方法包括：包括：S1：获取车辆管理场地的道闸处的图像；S2：从所述步骤S1中获取的图像中识别车辆车身上的VIN码；S3：基于步骤S2中识别出的车身上的VIN码，修改该车辆在所述车辆管理场地的管理信息。

Description

一种基于VIN码无感知识别的车辆管理方法及系统

技术领域

本发明涉及一种基于VIN码无感知识别的车辆管理方法及系统。

背景技术

常见的汽车管理系统，必须基于汽车的某个唯一特征，例如停车场管理系统采用车牌来作为汽车识别的唯一标识。采用车牌识别来进行车辆管理的系统已经被大范围应用，其根本原因在于对车牌进行自动识别的技术已经很成熟，且对车牌的识别率和准确率都很高。但是此方案对没有车牌的汽车无能为力。

发明内容

本发明实施例提供了一种基于车辆识别码VIN码无感知识别的车辆管理方法及系统，能够实现用户无感知地对无牌车辆进行管理。

为实现上述目的，本发明一方面提供一种基于车辆识别码VIN码无感知识别的车辆管理方法，包括：

S1：获取车辆管理场地的道闸处的图像；

S2：从所述步骤S1中获取的图像中识别车辆车身上的VIN码；

S3：基于步骤S2中识别出的车身上的VIN码，修改该车辆在所述车辆管理场地的管理信息。

在一个优选的实施例中，所述修改该车辆在所述车辆管理场地的管理信息包括：在该车辆管理场地的库存信息中对该车辆进行入库或者出库。

在一个优选的实施例中，还包括：在步骤S2后，基于VIN码校验位算法，校验步骤S2识别出的VIN码是否有效。

在一个优选的实施例中，还包括：在步骤S2后，基于步骤S2中识别出的车身上的VIN码，查找车辆管理场地的库存信息中是否存在该VIN码对应的车辆，并基于查找结果判断该车辆出现在道闸处是否合理，如果合理，则继续执行步骤S3。

在一个优选的实施例中，所述基于查找结果判断该车辆出现在道闸处是否合理包括：在所述道闸位于车辆管理场地的入口时，

如果查找结果显示该VIN码对应的车辆已在车辆管理场地的库存信息中时，则得出该车辆出现在道闸为不合理的结论；

如果查找结果显示该VIN码对应的车辆不在车辆管理场地的库存信息中时，则得出该车辆出现在道闸为合理的结论。

在一个优选的实施例中，所述基于查找结果判断该车辆出现在道闸处是否合理包括：在所述道闸位于车辆管理场地的出口时，

如果查找结果显示该VIN码对应的车辆已在车辆管理场地的库存中时，则得出该车辆出现在道闸为合理的结论；

如果查找结果显示该VIN码对应的车辆不在车辆管理场地的库存中时，则得出该车辆出现在道闸为不合理的结论。

在一个优选的实施例中，所述步骤S1具体包括：

S11：通过第一视野大小范围的图像捕获装置捕获车辆管理场地的道闸处的第一图像；

S12：对第一图像进行分析，判断第一图像内的预设区域内是否存在车辆，当存在车辆时，执行步骤S13；

S13：通过第二视野大小范围的图像捕获装置捕获车辆管理场地的道闸处的第二图像；

所述第一视野大小范围大于第二视野大小范围；

所述步骤S2中从所述步骤S1中获取的图像中识别车辆车身上的车辆识别码VIN码具体实现为：从步骤S13中获取的第二图像中识别车辆车身上的车辆识别码VIN码。

在一个优选的实施例中，所述步骤S12中判断第一图像内的预设区域内是否存在车辆具体实现为：判断第一图像内的预设区域内是否存在车头朝向第一视野大小范围的图像捕获装置方向的车辆。

在一个优选的实施例中，所述步骤S13中通过第二视野大小范围的图像捕获装置捕获车辆管理场地的道闸处的第二图像具体实现为：通过第二视野大小范围的图像捕获装置在预设时间周期内连续捕获多张车辆管理场地的道闸处的第二图像。

在一个优选的实施例中，还包括：从所述步骤S1中获取的图像中识别车辆的外观特征信息；

在步骤S2后，基于步骤S2中识别出的车身上的VIN码，查找车辆管理场地的库存信息中该VIN码对应的车辆的外观特征信息，并将查找到外观特征信息与识别出的外观特征信息进行比对，如果一致，则继续执行步骤S3。

本发明另一方面还提供一种基于VIN码无感知识别的车辆管理系统，包括：

图像捕获装置，用于获取车辆管理场地的道闸处的图像；

边缘侧计算设备，用于从图像捕获装置捕获的图像中识别车辆车身上的VIN码，并发送至后台系统；

后台系统，用于基于所述识别出的VIN码，修改该车辆在所述车辆管理场地的管理信息。

通过本发明实施例，在司机无感的情况下检测以及识别车辆VIN码，达到自动无感收集VIN码的目的；同时将搜集到的VIN码上传到车辆管理系统，系统根据VIN码记录车辆进出情况，达到对车辆进行管理的目的。

附图说明

图1是本发明实施例一提供的一种基于VIN码无感知识别的车辆管理方法的流程示意图；

图2是本发明实施例中车辆管理方法应用的一种实际系统结构图；

图3是本发明实施例中车辆管理方法的一种实际业务流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

图1示出了本发明实施例提供的一种基于VIN码无感知识别的车辆管理方法，包括如下步骤：

步骤S1：获取车辆管理场地的道闸处的图像。

车辆管理场地可以是未上牌车辆进行停放和管理的场地。车辆管理场地的道闸可以是入口处的道闸，也可以是出口处的道闸。此外，车辆管理场地可以同时在入口处和出口处分别设置道闸。

步骤S2：从步骤S1中获取的图像中识别车辆车身上的车辆识别码(VIN码)。

VIN，即车辆识别号码(Vehicle Identification Number,或车架号码)，简称VIN，是一组由十七个字母或数字组成，用于汽车上的一组独一无二的号码，可以识别汽车的生产商、引擎、底盘序号及其他性能等资料。为避免与数字的1、0、9混淆，英文字母“I”、“O”、“Q”不使用，第10位生产型年不使用“I”、“O”、“Q”、“U”、“Z”、“0”。

步骤S2中对VIN码的识别可以使用OCR识别进行。

步骤S3：基于步骤S2中识别出的车身上的VIN码，修改该车辆在车辆管理场地的管理信息。

修改车辆在车辆管理场地的管理信息可以包括：在车辆管理场地的库存信息中，对该车辆进行入库操作、和/或对该车辆进行出库操作。

VIN码由17位字符组成，它包含了车辆的生产厂家、年代、车型、车身型号及代码、发动机代码及组装地点等信息。车辆识别代码经过排列组合，可以使同一车型的车在30年之内不会发生重号现象，具有对车辆的唯一识别性，因此可称为"汽车身份证"。

汽车后市场是指汽车销售以后，围绕汽车使用过程中的各种服务，它涵盖了消费者买车后所需要的一切服务。也就是说，汽车从售出到报废的过程中，围绕汽车售后使用环节中各种后继需要和服务而产生的一系列交易活动的总称。

VIN码在整个汽车后市场有极大的使用价值和极广的应用场景,应用场景如下:

1、VIN码识别在汽车保险的应用：在汽车保险理赔的业务系统中，可快速录入事故车辆信息，也可用于匹配汽车4S店或者维修厂的配件信息，提高业务人员的办公效率和理赔的透明度。

2、VIN码识别在汽修保养业务的应用：了解汽车参数是汽修师傅修车或者保养时第一项工作，只有了解汽车详细配置、参数(诸如发动机型号、变速箱参数)，才能制定相应的维修或保养方案。

3、VIN码识别在二手车交易的应用：移动端VIN码识别，有助于促进二手车信息的透明化。同时，该产品也会成为二手车评估师、甚至客户查询车辆信息的重要工具。

4、VIN码识别在汽配电商平台的应用：目前市场上汽配电商面向的主要客户群体是汽车维修、装饰保养店。买家只需扫描或输入汽车VIN码，就可找到该车型配件供货方，快速匹配供需，促进交易产生。

5、VIN码识别在OBD的应用：OBD是英文On-Board Diagnostic的缩写，中文翻译为“车载诊断系统”。用这个诊断系统，往往需要绑定VIN码，以更进一步给车辆联网

基于此，VIN码的自动快速准确识别，以及基于此技术的车辆管理系统，对于整个汽车后市场就显得非常重要。本方案利用图像识别算法，在场地出入口可以安装摄像头等图像捕获装置，在车辆进出场地的瞬间，通过人工智能技术对视频流进行处理和分析，在司机无感的情况下检测以及识别车辆VIN码，达到自动无感收集VIN码的目的；同时将搜集到的VIN码上传到车辆管理系统，系统根据VIN码记录车辆进出情况，达到对车辆进行管理的目的。

图像识别算法可以是基于深度神经网络的光学字符识别技术。

现有技术中对VIN码的利用主要依靠两种方式。一种是通过人工手动输入的方式进行采集，然后手工输入系统以备后续处理。另一种是通过移动端设备(例如手机、PDA)的摄像头采集VIN码，此种采集方法需要将车完全停止，工作人员手持移动端设备，靠近VIN码区域进行拍照。

从单点技术角度来说，通过手工技术采集VIN码的方式费时费力，还存在输入错误的隐患。VIN码本身编码规则包含有校验位，人工在不采用计算设备的情况下，无法通过计算校验位来确定采集的VIN码是否准确。

而本发明一个优选的实施例中，可以在步骤S2后，可以基于VIN码校验位算法，校验步骤S2识别出的VIN码是否校验通过，进而判断识别出的VIN码是否有效。只有识别出的VIN码有效，才会执行步骤S3。如果识别出的VIN码无效，则可以通知人员线下手工修改确认VIN码。这样就达到了现有的手工技术采集VIN码无法实现的VIN码校验的目的，提升系统的稳定性和准确性。

在实际中可能存在车辆管理场地的管理信息维护存在错误或者有人非法偷偷将车辆管理场地内的车辆开出去使用的问题情况。为了及时发现这些问题，在车辆达到车辆管理场地的道闸处并执行完步骤S2后，可以基于识别出的车身上的VIN码，查找车辆管理场地的库存信息中是否存在该VIN码对应的车辆，并基于查找结果判断该车辆出现在道闸处是否合理，如果合理，则继续执行步骤S3。

在正常情况下，车辆进入车辆管理场地的入口处的道闸时，会在车辆管理场地的库存信息中对该车辆进行入库操作；车辆到达车辆管理场地的出口处的道闸时，会在车辆管理场地的库存信息中对该车辆进行出库操作。因此如果该车辆进行了入库操作且还未出库操作，则在库存信息中应该表明该车辆在该车辆管理场地内，即该车辆在车辆管理场地的库存信息中；如果该车辆进行了出库操作且还未进行入库操作，则在库存信息中应该表明该车辆不在该车辆管理场地内，即该车辆不在车辆管理场地的库存信息中。因此在车辆管理场地的道闸处通过识别出的车上的VIN码查找车辆管理场地的库存信息中是否存在该车辆，并基于道闸设置的位置即可判断该车辆出现在该道闸处是否合理。如果合理，则继续执行步骤S3。如果不合理，则可以通知人员线下核查。

例如，当道闸位于车辆管理场地的入口时，则如果查找结果显示该VIN码对应的车辆已经在车辆管理场地的库存信息中时，则得出该车辆出现在该入口处的道闸为不合理的结论。因为已经在库且未出库的车辆不应该又出现在入口处的道闸处，可能是管理场地的库存信息维护不准确或者有人偷偷从没有道闸的出口将该车辆开出去，又从有道闸的入口开进来导致。当得出不合理的结论时，则通知人员线下对该情况进行核查。如果查找结果显示该VIN码对应的车辆不在车辆管理场地的库存信息中时，则得出该车辆出现在该入口处的道闸为合理的结论，故进而继续执行步骤S3。

类似道理，例如当道闸位于车辆管理场地的出口处时，则如果查找结果显示该VIN码对应的车辆不在车辆管理场地的库存信息中时，则得出该车辆出现在该出口处的道闸为不合理的结论。因为不在库的车辆不应该出现在出口处的道闸处，可能是因为管理场地的库存信息维护不准确导致了这个问题。当得出不合理的结论时，则通知人员线下对该情况进行核查。如果查找结果显示该VIN码对应的车辆在车辆管理场地的库存信息中时，则得出该车辆出现在该出口处的道闸为合理的结论，故进而继续执行步骤S3。

在步骤S1获取车辆管理场地的道闸处的图像的过程中，可以通过视野范围大小不同的两组图像捕获装置配合完成。可以先通过第一视野大小范围的图像捕获装置捕获车辆管理场地的道闸处的第一图像(步骤S11)，然后对第一图像进行分析，判断第一图像内的预设区域内是否存在车辆(步骤S12)，如果存在车辆，则通过第二视野大小范围的图像捕获装置捕获车辆管理场地的道闸处的第二图像(步骤S13)。其中第一视野大小范围大于第二视野大小范围，且第一视野范围包含第二视野范围。这里的“预设区域”在实际中可以称为ROI(Region of Interest)。之所以设定该预设区域，是为了防止距离道闸较远的车辆进入第一视野范围内导致误触发，只有车辆距离道闸较近时才有想进出的真实意图。

步骤S2中从步骤S1中获取的图像中识别车辆车身上的车辆识别码VIN码可以具体实现为：从步骤S13中获取的第二图像中识别车辆车身上的车辆识别码VIN码。

视野范围在实际中可以对应远景与近景的区别，因此第一视野大小范围的图像捕获装置可以是远景摄像头，第二视野大小范围的图像捕获装置可以是近景摄像头。

此外，在第二视野范围图像捕获装置被触发进行捕获图像时，可以是在此后的一个时间段内连续抓拍多张图像，这样可以尽可能保证抓拍到车身上的VIN码。

另外发明人在实际测试过程中发现，有些车辆会在道闸处附近转一圈又走了，上述方案在这种场景仍然会产生误触发的问题，为此，在步骤S12中判断第一图像内的预设区域内是否存在车辆具体实现为：判断第一图像内的预设区域内是否存在车头朝向第一视野大小范围的图像捕获装置方向的车辆。这样设计即保证了只有车头朝向图像捕获装置的车辆才会被触发执行后续步骤。

在另一个优选的实施例中，还包括，从步骤S1中获取的图像中识别车辆的外观特征信息。在图像捕获装置采用如上文所述的第一视野大小图像捕获装置和第二视野大小图像捕获装置相配合的方案时，可以首先在第一视野大小图像捕获装置捕获的第一图像的预设区域内存在车辆后，执行上述识别车辆的外观特征信息的步骤。

相应的，在步骤S2后，基于步骤S2中识别出的车身上的VIN码，查找车辆管理场地的库存信息中该VIN码对应的车辆的外观特征信息，并将查找到外观特征信息与识别出的外观特征信息进行比对，如果一致，则继续执行步骤S3。

这样，在步骤S3前除了针对VIN码的各种校验和识别外，还增加了基于车辆外观特征信息的比对，实现了双保险，以应对VIN码造假的可能。

上述方案中，对VIN码的识别、对图像中是否存在车辆的判断、对车辆外观特征信息的提取均可以通过深度神经网络算法实现。

以下结合图2示出的一个实际网络架构图详细说明上述方案的一种具体实现。系统采取边缘计算设备加云端SAAS服务的架构。其中，边缘计算设备主要起到对本地视频流进行处理，并在其上运行深度神经网络，对远景和近景摄像头采集到的视频流进行分析、处理和运算，并将运算结果上传到处于云端的应用服务器。这样的架构优点是将算力尽可能地布放到场景端，可以避免大量的视频流传输导致的延时，提高运算速度和精度。边缘计算设备得到计算结果后，上报给云端动车管理SAAS平台系统，用户可以通过浏览器直接访问应用。

参见图3示出的一种具体的业务执行流程，细节如下：

具体到每个场地的业务流如下所描述：

1.在每一个出入口，部署一个具备小型算力的边缘设备，该设备主要作用如下:1)读取本出入口的视频流；2)对视频流进行处理；3)AI深度学习算法运行在此边缘设备，用于车辆属性检测和VIN码检测识别；4)边缘设备将运算结果上报给云平台。

2.每一个停车管理场地的入口或者出口由道闸、1个远景摄像头加1到2个近景摄像头组成，其中远景摄像头用于捕捉车辆驶入或者驶出的影像，采用人工智能算法，自动识别车辆颜色和品牌，同时远景捕捉到车辆驶入驶出信息后，将触发近景摄像头用于捕捉VIN码区域，并采用深度学习算法对VIN码进行检测识别。

3.远景摄像头一直捕捉出入口的视频，将视频流发送给边缘计算设备。

4.边缘计算设备将视频流按帧截取，并对每一帧图片进行计算，计算是否有汽车接近。

5.若有汽车接近出入口，边缘设备通过算法自动识别出车辆属性和品牌。

6.边缘计算设备同时发送指令给近景摄像头，要求近景摄像头开始自动检测和识别VIN码。

7.近景摄像头将视频流发送给边缘计算设备，边缘计算设备将视频流按帧截取，并对每一帧图片进行计算，检测识别VIN码。近景摄像头为普通的安防摄像头，该摄像头悬挂安置于车辆出入口，以正负70°的角度垂直于地面，可以将市面上绝大部分车辆的VIN拍摄清楚；结合本方案最有创新点的远距离拍摄并且采用AI深度神经网络的方法检测VIN码区域并对VIN码进行检测的方法，可以将市面上绝大多数车辆的VIN码识别出来。

8.若识别出VIN码，系统将根据VIN码编码规则进行后校验，若校验未通过，则有可能VIN码识别发生错误，则系统将通知工作人员线下核实VIN码，并手动修改；若VIN码校验通过，则系统将VIN码、车辆颜色、品牌等属性保存，开始做出入库处理。

9.完成第8步之后，系统将根据是入口还是出口远景摄像头拍摄到的车辆做不同处理。

10.若是入口摄像头捕捉到汽车画面，则系统根据捕捉到的VIN码和车辆属性对比当前库存情况，如果数据匹配，则该车辆入库成功。

11.若是出口摄像头捕捉到汽车画面，则系统根据捕捉到的VIN码和车辆属性对比当前库存情况，如果数据匹配，则该车辆出库成功。

12.若出现数据不匹配的情况，则通知工作人员进行线下核查。

本发明实施例再一方面还提供一种基于VIN码无感知识别的车辆管理系统，包括：

图像捕获装置，用于获取车辆管理场地的道闸处的图像；

边缘侧计算设备，用于从图像捕获装置捕获的图像中识别车辆车身上的VIN码，并发送至后台系统；

后台系统，用于基于所述识别出的VIN码，修改该车辆在所述车辆管理场地的管理信息。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (11)

1.一种基于车辆识别码VIN码无感知识别的车辆管理方法，其特征在于，包括：

S1：获取车辆管理场地的道闸处的图像；

S2：从所述步骤S1中获取的图像中识别车辆车身上的VIN码；

S3：基于步骤S2中识别出的车身上的VIN码，修改该车辆在所述车辆管理场地的管理信息。

2.如权利要求1所述的方法，其特征在于，所述修改该车辆在所述车辆管理场地的管理信息包括：在该车辆管理场地的库存信息中对该车辆进行入库或者出库。

3.如权利要求1所述的方法，其特征在于，还包括：在步骤S2后，基于VIN码校验位算法，校验步骤S2识别出的VIN码是否有效。

4.如权利要求1所述的方法，其特征在于，还包括：在步骤S2后，基于步骤S2中识别出的车身上的VIN码，查找车辆管理场地的库存信息中是否存在该VIN码对应的车辆，并基于查找结果判断该车辆出现在道闸处是否合理，如果合理，则继续执行步骤S3。

5.如权利要求4所述的方法，其特征在于，所述基于查找结果判断该车辆出现在道闸处是否合理包括：在所述道闸位于车辆管理场地的入口时，

如果查找结果显示该VIN码对应的车辆已在车辆管理场地的库存信息中时，则得出该车辆出现在道闸为不合理的结论；

如果查找结果显示该VIN码对应的车辆不在车辆管理场地的库存信息中时，则得出该车辆出现在道闸为合理的结论。

6.如权利要求4所述的方法，其特征在于，所述基于查找结果判断该车辆出现在道闸处是否合理包括：在所述道闸位于车辆管理场地的出口时，

如果查找结果显示该VIN码对应的车辆已在车辆管理场地的库存中时，则得出该车辆出现在道闸为合理的结论；

如果查找结果显示该VIN码对应的车辆不在车辆管理场地的库存中时，则得出该车辆出现在道闸为不合理的结论。

7.如权利要求1所述的方法，其特征在于，所述步骤S1具体包括：

S11：通过第一视野大小范围的图像捕获装置捕获车辆管理场地的道闸处的第一图像；

S12：对第一图像进行分析，判断第一图像内的预设区域内是否存在车辆，当存在车辆时，执行步骤S13；

S13：通过第二视野大小范围的图像捕获装置捕获车辆管理场地的道闸处的第二图像；

所述第一视野大小范围大于第二视野大小范围；

所述步骤S2中从所述步骤S1中获取的图像中识别车辆车身上的车辆识别码VIN码具体实现为：从步骤S13中获取的第二图像中识别车辆车身上的车辆识别码VIN码。

8.如权利要求7所述的方法，其特征在于，所述步骤S12中判断第一图像内的预设区域内是否存在车辆具体实现为：判断第一图像内的预设区域内是否存在车头朝向第一视野大小范围的图像捕获装置方向的车辆。

9.如权利要求7所述的方法，其特征在于，所述步骤S13中通过第二视野大小范围的图像捕获装置捕获车辆管理场地的道闸处的第二图像具体实现为：通过第二视野大小范围的图像捕获装置在预设时间周期内连续捕获多张车辆管理场地的道闸处的第二图像。

10.如权利要求1所述的方法，其特征在于，还包括：从所述步骤S1中获取的图像中识别车辆的外观特征信息；

在步骤S2后，基于步骤S2中识别出的车身上的VIN码，查找车辆管理场地的库存信息中该VIN码对应的车辆的外观特征信息，并将查找到外观特征信息与识别出的外观特征信息进行比对，如果一致，则继续执行步骤S3。

11.一种基于VIN码无感知识别的车辆管理系统，其特征在于，包括：

图像捕获装置，用于获取车辆管理场地的道闸处的图像；

边缘侧计算设备，用于从图像捕获装置捕获的图像中识别车辆车身上的VIN码，并发送至后台系统；

后台系统，用于基于所述识别出的VIN码，修改该车辆在所述车辆管理场地的管理信息。

Images