基于Faster-RCNN和先验知识的车架VIN码识别方法

来源：计算机应用与软件杂志2024年第1期北京时间：

作者：赵繤，张新峰，边浩南, ,

摘要：为了提高车检所工作效率，同时克服对VIN（Vehicle Identification Number）这类长字符串识别准确率低的难题，基于现有深度卷积神经网络的模型，提出以Faster R-CNN为主干网络，并结合先验知识的车架VIN识别模型。根据车架号图像特点，选择Faster R-CNN进行字符级定位和识别的方案。针对长字符识别容易漏字符的现象，使用被遗漏位置的前后字符坐标来定位缺失字符。使用inception网络对补漏得出的字符区域进行识别。灵活使用先验知识使得该方法比只使用Faster R-CNN识别车架号的准确率提高了31.7百分点，识别率达到了64.77%，这也高于当前主流OCR模型在长度超过15位的文本上的准确率。

关键词：OCR, Faster RCNN, 先验知识, 长字符串