基于神经网络识别车辆车架号及发动机号真伪的可行性探讨

基于神经网络识别车辆车架号及发动机号真伪的可行性探讨 随着汽车工业的飞速发展，越来越多的汽车走进千家万户，同时各种非法途径获得的机动车大量出现在路面上，这些车辆为了取得合法身份，通过各种手段获取合法的车辆车架号和发动机号进行套改，并且套改技术越来越精细，公安交通管理部门对机动车的管理难度越来越大，传统的车辆查验方法面临着挑战，这就需要我们通过先进的科技方法来辅助。下面结合人工神经网络技术识别机动车车架号及发动机号真伪的可行性进行探讨，不足之处请大家指教。 1神经网络的工作原理 人工神经网络的定义是一种模仿动物神经行为特征，进行分布式并行信息处理的算法数学模型。从定义来看，首先它只是一个数学模型，这个模型的特点是与动物的神经行为相似，即通过不断的学习或给予某种刺激后会产生相对应的反射。目前，通过人工神经网络鉴别真伪的技术也广泛使用，例如：基于BP神经网络的手写签名识别方法、基于神经网络的印鉴识别方法、基于神经网络的钞票真假识别等。 2设想的可行性探讨 2.1具有可学习性 具有可学习性是人工神经网络的关键所在。我们在对车架号进行真假识别的时候首先要对真的车架号的特征进行分析、总结，总结出若干个有代表性的特点，然后用这些特点与检材进行比对，找出不同点，最后确定结果。但是我们日常所遇到的车架号有很多种，特征也千差万别，所以我们也需要学习总结各式各样车架号的特征以及关键的若干个识别点，以便于随时进行比对，人工神经网络也可以通过所建立的模型，对各种车架号的特征进行分析，所以，在这个方面是可行的。 2.2具有宽容性 在人工检验的过程中，如果检材存在瑕疵，我们也能通过其他特征或是关键的若干个识别点进行比对并得出结果。人工神经网络在利用模型分析检材的过程中，可以忽略非特征性的瑕疵，只放大特定的特征，所以对结果的影响微乎其微。现在很实用的手写输入的识别也具有宽容性，这个识别系统忽略很多细节，只要做到形似就可以进行分类，最终找到正确的结果，例如同一个字每个人的书写方式都不同，笔画顺序不同、外形也有差别，但最后的识别结果都会基本一致，即输出正确的汉字。这两个宽容性方向相反但作用相似。 2.3可训练性 人工神经网络之所以得到广泛的应用其关键在于就是可训练性，这也是称之为神经网络的原因。它可以在大量的识别过程中进行自我的积累和总结，分析出更多的识别特征点，这个特性也是我们选择通过人工神经网络进行车架号及发动机号真假识别的原因，现在汽车工业在飞速发展，每时每刻都在有新的品牌、型号汽车在进入市场，其车架号和发动机号特征都是与众不同的，甚至同一品牌同一型号的车辆不同年份其两号也有其自己的特征，我们想要人工去总结这些特征将会浪费大量的资源，而人工神经网络恰恰能很好地解决这个问题。 目前支付宝正在开发并马上就要发布的“空付”功能与这里的人工神经网络识别机动车辆号真伪的功能较为相似，在具体的实施过程中也是我们参考的方向。 3关键技术 3.1采集设备 摄像机、照相机或扫描仪等采集设备要具备采集三维立体空间各种参数的能力，如字体笔画的长度、宽度和深度； 3.2图像处理 图像处理技术是分析采集对象各种参数及结果分类的关键所在，要排除各种不利因素的影响，如环境光线、采集部位的污迹的干扰，同时还要凸显采集对象的特征信息。 3.3特征信息的提取 如何准确识别和精确定位采集对象的特征是特征信息提取的关键，虽然基于神经网络的各种分类方法较多，也比较成熟，但是否能够真正适合本设想还需要实践来筛选或者重新设计分类方法。目前多数分类器都是针对字符识别等方面的即只要所提取的特征类似就划为同一类，例如把“曰”识别为“日”，但是我们所需要的是提取相似目标不同点的特征。 3.4数据处理方法 数据处理所得值是对比结果的体现，两个相似目标的各种特征参数进行比对，对不同点数据的细微差距进行放大，这种放大方法不是简单的放大，而是通过某种数据处理方法降低干扰因素的影响，使得真正的不同之处凸显来体现两个目标的不同之处，采取合适的数据处理方法是得出准确结果的关键。 4结语 对人工神经网络的认识还有一定的局限性，只是通过表面的认识来探讨这个设想的可行性，根据现在很多已经在用的神经网络识别技术的成熟度来看，本文探讨的论题是完全可以实现的。 参考文献： 1侯媛彬，杜京义，汪梅. 神经网络.陕西： 西安电子科技