[发明专利]一种粘连VIN码分割方法

说明书

本发明公开了一种粘连VIN码分割方法，包括：查找VIN码的外接矩形，判断需要分割的矩形区域，通过对像素数组差分、阶跃，获取区域中局部极小值所在位置并得出备选坐标，将备选坐标之间的图像区域依规则遍历、进行字符识别，进而剔除无效的备选坐标，找到准确的粘连字符分割点，本方法不需要收集大量样本，对字符模型进行繁琐的训练，即可能够有效解决钢印识别中，VIN钢印字符粘连的问题，从而满足钢印字符在汽车工业领域的识别需求，具有高效、便捷、准确的特点。

技术领域

本发明涉及图像分割领域，具体涉及一种粘连VIN码分割方法。

背景技术

车辆识别码(Vehicle Identification Number)，简称VIN码，常常会被打在汽车发动机或者其他类似工件上，以表示工件的型号、规格和生产时期等信息。随着汽车行业自动化水平的提高，以及对于零件可溯源的需求，这些钢印字符通常采用机器视觉的方式进行识别。

目前，字符识别(OCR)技术已经十分成熟，但是，由于VIN码是钢印字符，其与背景是同色的，并且VIN码所在的工件表面存在打磨痕迹，并且伴有焊渣飞溅和油污等的杂物，所以在成像后，往往存在字符粘连、字符缺损等情况，影响字符的识别功能，现有分割方法存在误判率高、过分割、欠分割的问题；为此，出现了基于深度学习网络的识别方法、基于分割网络的识别方法、基于向量机的识别方法，如CN 103207998 A提出：通过找出粘连字符的全部分割点然后将分割点的比例和分割信任度输入向量机进行训练，从而提高粘连字符的分割准确率；上述方法对于粘连字符的识别有所提升，但此类方法必须先通过对大量的粘连字符标注、训练，才能达到识别的目的，并且识别的准确度依赖于样本的完整性、全面性；常规的字符，如印刷字符，由于规模化生产，其样本可以在短时间内快速获得，适用于上述方法。但是对于VIN码而言，由于汽车生产工艺流程复杂，每天成产、大码、装配的车辆有限，很难在短时间获得足够多的钢印VIN码样本，而且其中的粘连字符的样本会更少；这就很难在一定时间内训练出有效的深度学习模型或向量机模型。

发明内容

为了解决上述技术问题，本发明提出一种粘连VIN码分割方法，在不需要收集大量样本的情况下满足对粘连车辆识别码的识别需求；满足汽车厂商对VIN码的即时检测需求。

本发明的技术方案如下：

一种粘连VIN码分割方法，包括以下步骤：

步骤一：获取VIN码所在区域的二值化图像，记为待测图像；以VIN码字符串的长度方向为横向，高度方向为纵向；

步骤二：提取所述待测图像中的连通域，并为每个连通域设置外接矩形，将尺寸小于预设尺寸的外接矩形剔除；从余下的矩形区域中任选一个进行步骤三；

步骤三：判断矩形区域的横向尺寸是否大于预设宽度A，若是，则进行步骤四，若否，则认为当前矩形区域仅包含一个字符，直接进行步骤八；

步骤四：获取当前矩形区域每列的前景像素点数量，并按照横坐标从小到大进行排序，形成数组A；

对数组A进行差分操作，得到差分数组A，按排序遍历差分数组A中的每个差分值，若当前差分值小于0，则记为-1；若差分值等于0，则记为0；若差分值大于0，则记为1；依次记录结果得到数组B；

对数组B再次进行差分操作，得到差分数组B，查找差分数组B中所有大于0的位置在差分数组B中的排序序号，将每个排序序号加1，得到每个位置的序号；分别将每个位置的序号还原到数组A中，记录其对应的横坐标为备选坐标；

将矩形区域中横坐标值较小的一侧记为左侧，另一侧记为右侧；

判断矩形区域左侧边缘是否存在备选坐标，若是，则将处于左边缘的备选坐标取均值，记为左端点，再剔除这些备选坐标，若否，则将矩形区域最左端的横坐标记为左端点；