TW201810124A - 車款年式辨識系統及方法 - Google Patents

Abstract

本發明揭露一種車款年式辨識系統及方法，其包括影像擷取裝置、車款影像資料庫、廠牌獲取模組及資訊處理裝置。車款影像資料庫建立包含至少二個視角的車款影像樣本，並於每一視角之車款影像樣本設定有特徵資料，再於每一特徵資料設定有一個車款資料及一個年式資料。影像擷取裝置用以擷取至少二視角的車輛影像。資訊處理裝置以影像辨識分析出經過影像前處理後之至少二視角車輛影像的二特徵值，再依據品牌訊息而於對應之廠牌車系資料庫比對出辨形相似度約百分之七十以上的二特徵資料，並由二特徵資料得到對應的車款資料及對應的年式資料，俾能透過影像辨識而方便快速地取得車輛之車款資訊及年式資訊。

Description

車款年式辨識系統及方法

本發明係有關一種車款年式辨識系統及方法，尤指一種可以方便快速地取得車款及年式資訊的車款影像辨識技術。

依據相關報導，台灣地區自西元1995年起，中古車的過戶數量首次超越新車的領牌數。直到西元2010年為止，新車交易量僅為30萬輛，反觀中古車卻高達40萬輛的水準。中古車市場雖然會受到新車市場低迷所影響，但是依據交通部監理單位的統計得知，台灣目前中古車的產值一年可以達到約新台幣1000億元左右，可見，台灣地區中古車市場的交易確實是非常的熱絡，因此，各大車商業者看準國內中古車市場的商機及龐大的市場規模，於是紛紛投入中古車市場的經營行列。

再者，車商在收購中古車時，除了需仔細觀察車輛的內外部狀況之外，還需對車輛的品牌、車款以及年式範圍進行辨識，於此，方能依據上述之辨識結果來核對中古車行情表，進而做出合理與正確的車輛估價。然而，或許資深的車商業務人員可以對市面廣為流通的車輛進行上述之辨識估價，若是車輛為熱門品牌的冷門車款；或是冷門品牌的車款時，縱使是資深的車商業務人員還是無法做出合理與正確的車輛估價，因而造成車輛估價辨識上的不便與極大的困擾。

除此之外，警察人員在搜尋可疑車輛時，其隨身攜帶之辨識 裝置僅能辨識出車輛的車牌而已，至於辨識困難度較高的車款及年式之辨識則無法實現，故而警察人員在動線複雜的大型都會中尋找可疑車輛更是一件困難的事情，因此，如何開發出一種可以辨識車款及年式的影像辨識技術，實已成相關技術領域業者所急欲解決與挑戰的技術課題。

為解決上述缺失，相關技術領域業者已然提出一種如中華民國發明公開第201040893號新型專利案所揭露的「車款辨識方法及裝置」，該專利係以車輛車窗之形狀作為辨識之特徵，且使用單應轉換將不同視角之車輛影像轉換至正規化座標系統以擷取出正規化車窗影像，該專利雖然可以透過影像辨識的方式辨識出目標車款，然而，該專利並無深度學習演算的機能建置，故無法以累積車款年式特徵資料的方式來強化資料庫的分類功能，以致無法提升車款年式的辨識成功率。

有鑑於此，尚未有一種具備深度學習演算的車款年式識別及具備強化資料庫分類功能的專利或是論文被提出，而且基於相關產業的迫切需求之下，本發明人等乃經不斷的努力研發之下，終於研發出一套有別於上述習知技術與專利的本發明。

本發明第一目的，在於提供一種車款年式辨識系統及方法，主要是藉由車款年式辨識的機能設置而方便地辨識出車輛之車款年式資訊，以作為交易估價或是其他用途的辨識依據。達成本發明第一目的採用之技術手段，包括影像擷取裝置、車款影像資料庫、廠牌獲取模組及資訊處理裝置。車款影像資料庫建立包含至少二視角的車款影像樣本，並於車款影像樣本設定有特徵資料，再於每一特徵資料設定有一個車款資料及 一個年式資料。影像擷取裝置用以擷取至少二視角的車輛影像。資訊處理裝置以影像辨識分析出經過影像前處理後之至少二視角車輛影像的二特徵值，再依據品牌訊息而於對應之廠牌車系資料庫比對出辨形相似度約百分之七十以上的二特徵資料，並由二特徵資料得到對應的車款資料及對應的年式資料，俾能透過影像辨識而方便快速地取得車輛之車款資訊及年式資訊。

本發明第二目的，在於提供一種具備自動估價功能的車款年式辨識系統及方法，主要是於取得車款及年式資料後，自動計算出該車輛的合理估價值，以縮短因翻閱中古車行情表所需花費的找尋時間。達成本發明第二目的採用之技術手段，包括影像擷取裝置、車款影像資料庫、廠牌獲取模組及資訊處理裝置。車款影像資料庫建立包含至少二視角的車款影像樣本，並於車款影像樣本設定有特徵資料，再於每一特徵資料設定有一個車款資料及一個年式資料。影像擷取裝置用以擷取至少二視角的車輛影像。資訊處理裝置以影像辨識分析出經過影像前處理後之至少二視角車輛影像的二特徵值，再依據品牌訊息而於對應之廠牌車系資料庫比對出辨形相似度約百分之七十以上的二特徵資料，並由二特徵資料得到對應的車款資料及對應的年式資料，俾能透過影像辨識而方便快速地取得車輛之車款資訊及年式資訊。其更包含位於該車款年式辨識步驟之後的估價步驟，係於該車款影像資料庫中之每一該車款資料及對應之該年式資料設定有至少一種價格資料，當完成該車款年式辨識步驟時，該資訊處理裝置則將符合之該價格資料輸出為價格資訊。

本發明第三目的，在於提供一種以預定視角與位置來擷取車 輛影像，以獲得不同視角位置之車輛影像來提升車款年式辨識成功機率的車款年式辨識系統及方法。達成本發明第三目的採用之技術手段，包括影像擷取裝置、車款影像資料庫、廠牌獲取模組及資訊處理裝置。車款影像資料庫建立包含至少二視角的車款影像樣本，並於車款影像樣本設定有特徵資料，再於每一特徵資料設定有一個車款資料及一個年式資料。影像擷取裝置用以擷取至少二視角的車輛影像。資訊處理裝置以影像辨識分析出經過影像前處理後之至少二視角車輛影像的二特徵值，再依據品牌訊息而於對應之廠牌車系資料庫比對出辨形相似度約百分之七十以上的二特徵資料，並由二特徵資料得到對應的車款資料及對應的年式資料，俾能透過影像辨識而方便快速地取得車輛之車款資訊及年式資訊。其更包含一拍攝位移控制單元，該拍攝位移控制單元包含一移動機構、一傳動機構及二滑軌，該移動機構不同位置可供設置至少二該影像擷取裝置，該移動機構可受該傳動機構驅動而沿著該二滑軌自一第一位置與一第二位置之間做往復的位移，當該車輛停置於該二滑軌之間位置且該移動機構位於該第一位置時，其一該影像擷取裝置則擷取該車輛之其一視角的車輛影像；當該移動機構位移至該第二位置時，其二該影像擷取裝置則擷取該車輛之其二視角的車輛影像。

1‧‧‧車輛

10,10a,10b,10c‧‧‧影像擷取裝置

20‧‧‧車款影像資料庫

21‧‧‧廠牌車系資料庫

30‧‧‧廠牌獲取模組

40‧‧‧資訊處理裝置

40a‧‧‧網路伺服器

40b‧‧‧電腦裝置

50‧‧‧拍攝位移控制單元

51‧‧‧移動機構

510‧‧‧載架

511‧‧‧滑輪組

52‧‧‧傳動機構

520‧‧‧馬達

521‧‧‧傳動齒輪組

53‧‧‧滑軌

54‧‧‧框格

55‧‧‧控制模組

56‧‧‧位置感測模組

60‧‧‧訊號傳輸模組

圖1係本發明具體架構的功能方塊實施示意圖。

圖2係本發明深度學習實施架構的功能方塊示意圖。

圖3係本發明車輛影像擷取後上傳至雲端進行影像辨識的實施示意圖。

圖4係本發明車輛影像擷取後上傳至電腦進行影像辨識的實施示意圖。

圖5係本發明移動機構位於第一位置的實施示意圖。

圖6係本發明移動機構位於中段位置的實施示意圖。

圖7係本發明移動機構位於第二位置的實施示意圖。

圖8係本發明拍攝位移控制單元於前視角度的部分剖視示意圖。

圖9係本發明傳動機構於俯視角度的剖視示意圖。

圖10係本發明框選框選影像為車輛大燈組及水箱罩之特徵的示意圖。

圖11係本發明框選框選影像為車側車窗組之特徵的示意圖。

圖12係本發明框選框選影像為車輛後燈組之特徵的示意圖。

為讓 貴審查委員能進一步瞭解本發明整體的技術特徵與達成本發明目的之技術手段，玆以具體實施例並配合圖式加以詳細說明：

請配合參看圖1~3所示，為達成本發明第一目的之第一實施例，係包括至少二影像擷取裝置10、一車款影像資料庫20、一廠牌獲取模組30及一資訊處理裝置40等技術特徵。首先係於車款影像資料庫20建立有包含複數個廠牌車系資料庫21(例如豐田車系資料庫、日產車系資料庫、三菱車系資料庫、福特車系資料庫及馬自達車系資料庫等；但不以上述廠牌為限)，每一廠牌車系資料庫21建立複數個包含有至少二個視角的車款影像樣本，並於每一視角之車款影像樣本設定有一特徵資料，再於每一特徵資料設定有一車款資料及一年式資料。以至少二影像擷取裝置10擷取車輛至少二個視角的車輛影像。並於資訊處理裝置40內建有一影像辨識軟體，於執行影像辨識軟體時，則依序包含下列之影像處理步驟：

(a)影像前處理步驟：係預先分別於每一視角之車輛影像中框選出至少 一個小於車輛影像面積的框選影像(可預先定義框選影像特定區域之複數個像素的座標值；或是以手動框選的方式來實現)，然後去除框選影像以外的影像，再將框選影像進行影像前處理；例如依序對框選影像進行灰階轉換處理、高斯平滑處理及二值化處理。此外，必須說明的是，為加快影像處理速度，如圖10所示之框選影像為涵蓋車輛前方的二個大燈組及水箱罩的矩形框選影像；或是如圖11所示之框選影像為是涵蓋車輛側方的車窗組的矩形框選影像；或是如圖12所示之框選影像則是涵蓋車輛後方的二個尾燈組的矩形框選影像。

(b)深度學習步驟：如圖2所示，係執行一具備深度學習訓練功能的深度學習演算法，以累積特徵資料來強化車款影像資料庫20的分類功能；具體來說，深度學習演算法可以是人工類神經網路演算法、專家系統演算法以及隨機森林演算法等諸多的人工智慧演算法。

(c)車款年式辨識步驟：係以影像辨識分析出經過影像前處理後之至少二個視角之車輛影像的二特徵值，再依據品牌訊息而於對應之廠牌車系資料庫比對出與二特徵值之辨形相似度約百分之七十以上的二特徵資料，並由二特徵資料得到對應的車款資料及對應的年式資料，再由資訊處理裝置再處理轉換為車款資訊及年式資訊。當上述二特徵資料所得到的車款資料都為相同時，則表示所預先設定之辨形相似度的設定值為正確，故不需調整辨形相似度的設定值；反之，當上述二特徵資料所得到的車款資料為不相同時，則表示所預先設定之辨形相似度的設定值過低，故可藉由上調辨形相似度的設定值(如將辨形相似度上調至百分之八十以上)，直到上述二特徵資料所得到的車款資料相同為止。

基於上述實施例的一種應用實施例中，資訊處理裝置40可以是網路伺服器、電腦、智慧型手機；或是平板電腦。如圖3所示係表示資訊處理裝置40為網路伺服器40a，在取得車輛影像後，可透過有線或無 線之訊號傳輸模組60(例如有線或無線通訊網路與網路傳輸介面的組合)之資訊連結而上傳至網路伺服器，並由伺服器來進行上述的影像處理步驟；另外，圖4所示之資訊處理裝置40為電腦，在取得上述車輛影像後，再透過有線或無線之訊號傳輸模組60(例如RS232、USB等傳輸介面)傳輸至電腦40b中，再由電腦40b來進行上述的影像處理步驟。

本實施例為達成本發明第二目的之第二實施例，本實施例大致上與上述第一實施例的技術架構雷同，二者之技術差異在於，本實施例更包括一在車款年式辨識步驟執行之後的估價步驟，於執行估價步驟時，係於車款影像資料庫20中之每一車款資料及對應之年式資料設定有至少一種價格資料，當完成車款年式辨識步驟時，資訊處理裝置40則將符合之價格資料輸出為價格資訊。

請配合參看圖1~4所示，為達成本發明第三目的之第三實施例，本實施例大致上與上述第一實施例的技術架構雷同，二者之技術差異在於，本實施例係更包括一拍攝位移控制單元50，此拍攝位移控制單元50包含一移動機構51、一傳動機構52及二滑軌53。移動機構51不同位置可供設置至少二組影像擷取裝置10。移動機構51可受傳動機構52驅動而沿著二滑軌53自一第一位置與一第二位置之間做往復的位移；當車輛1停置於二滑軌53之間位置且移動機構51位於第一位置時(如圖5所示)，其一影像擷取裝置10a則擷取車輛1之其一視角，如圖5所示係由上往下傾斜的前視角度)的車輛影像，此車輛影像如圖10所示；當移動機構51位移至第二位置時，如圖7所示，其二影像擷取裝置10b則擷取車輛1之其二視角(如圖7所示由上往下傾斜的後視角度)的車輛影像，此車輛影像如圖12所示。

具體來說，請配合參看圖5~9所示之移動機構51係包含 一略呈ㄇ型的載架510，及二分別樞設於載架510之二末端的滑輪組511，二滑輪組511可供沿著二滑軌轉動53移動；圖8、9所示之傳動機構52係包含二組馬達520及二組傳動齒輪組521，用以分別帶動二滑輪組511以前進、後退及停止等方式沿著二滑軌53移動；除此之外，圖5~7所示之二滑軌53之間劃設有一供車輛1停放拍照的框格54；另，如圖1所示之拍攝位移控制單元50更包含一控制模組55，及一位置感測模組56；此位置感測模組56用以感測車輛1是否停置於框格54內，感測結果為是則輸出一感測訊號至控制模組55，經控制模組解讀後啟動其一影像擷取裝置10a，以擷取車輛之其一視角的車輛影像，經過一預設時間(約1~30秒)後，控制模組55則觸發傳動機構52，令傳動機構52驅動載架510自第一位置移至第二位置，並啟動其二影像擷取裝置10b，以擷取車輛1之其二視角的車輛影像，再經過一預設時間(約1~30秒)後，控制模組再次觸發傳動機構52，以驅動載架510自第二位置回到原本的第一位置。具體來說，圖3~5所示之其一影像擷取裝置10a位於載架510頂部的前側面，且其一影像擷取裝置10a之鏡頭的軸線與平面(即X、Y軸)具有30~70度的夾角；其二影像擷取裝置10b位於載架510頂部的後側面，且其二影像擷取裝置10b之鏡頭的軸線與平面(即X、Y軸)具有30~70度的夾角。此外，影像擷取裝置10更包含一位於載架之一側部的其三影像擷取裝置10c，載架510自第一位置往第二位置移動的過程中，當載架510進入至第一位置與第二位置之間的中段位置時，控制模組55則令傳動機構52停止運作一預設時間(約10~50秒)，並啟動其三影像擷取裝置10c，以擷取車輛之其三視角(即圖6所示之側視角度)的車輛影像(即圖11所示的車輛影像)。

除此之外，於上述影像處理步驟中，本發明係採用樣板特徵比對法，依序對各視角車輛影像計算出足以描述車輛特徵的特徵值， 而上述特徵資料係為一種特徵表，每一特徵表寫入一特定品牌且依序排列的車款與年式類別，於影像處理步驟時，本發明係採用隨機森林演算法將各車輛影像之各特徵值逐一與各特徵表進行比對，於此，即可得到相應的車款與年式類別(如豐田品牌：車款為ALTIS：年式為2010~2015年份等)。

具體來說，本發明在影像處理步驟中，係使用類似樣板特徵比對法的概念，為找出需要辨認之車款與年式類別，且需透過辨識軟體的撰寫，以計算出足以描述車輛影像之物件特徵的數值，此即為元件特徵值(即上述特徵值)；接著，蒐集許多彼此間存在著些微相異的樣板物件(即車款影像樣本)，透過隨機森林演算法，進行特徵積累與演算訓練，以計算出它們之間應該歸屬在不同的幾個車款與年式類別，這種方式與聚類(Cluster)分析的原理相同；假設有一車輛1影像之元件集合C，系統必須計算所有元件之特徵值用來比對辨識，計算公式如下：

公式(1)中，w與h分別表示車輛1影像特徵擷取區域之寬度與高度，x與y為隨機產生之座標位置，範圍限制在車輛1框選影像中，p則代表(x,y)座標上之像素值；公式(2)中，所有p屬於像素值集合P，下標i為0到n，表示集合中的第幾個像素值，f為特徵二元碼，下標j為1 到n；這個公式的意思是，若當前像素值不等於下一個像素值，則特徵二元碼為1，否則為0；公式(3)為合併特徵二元碼之公式，隨機座標點依照由上而下順序排列，以輔助虛線區隔，最上層的座標點像素值為p ₀，最下層為p ₆，因為p ₀與p ₁不相等，故f ₁為1，又因為p ₁與p ₂相等，故f ₂為0，以此類推，最後得到該元件之特徵值為100111，並透過(3)式得到F等於39；由此範例說明了如何計算特徵二元碼，以數值描述該元件之特徵，另一方面，若隨機產生越多的座標點，則特徵二元碼會有越多的位元。

本實施例係以隨機森林演算法作為上述深度學習演算法，車款年式辨識步驟是透過參照特徵表的方式進行投票，得票最多者即視為該元件的所屬的車款年式類別。由隨機產生的三組特徵值萃取位置，代入車款影像樣本所計算出來的特徵表，每個元件對應到不同的特徵表會有不同的索引值，當系統計算出車輛1影像的特徵值後，按照查表的方式，於表1中對應的車款與年式類別進行投票，得到最多票的類別即為該元件的辨識結果。舉例來說，輸入一個元件並計算其特徵，由第一組萃取位置計算後得到特徵值42，第二組為80，第三組為22，則對應的VIOS,2010~2015年式的車款與年式類別得到2票，CAMRY,2005~2010年式的車款與年式類別得到1票，系統則判斷此車輛1之品牌為豐田，車款為VIOS，年式為2010~2015年份。

本發明採用之影像辨識法係屬於隨機森林演算法(Random Forest,RF)的變形，在描述影像特徵的部分，是在影像中產生多組隨機座標，藉由比較、組合，得到屬於目標影像的特徵二元碼，並由後續演算法達到影像追蹤的目的。本發明的作法為部分採取該法之運用方式，設計了適用於車款與年式類別辨識的分類器；在車款與年式類別辨識的系統處理過程中，可以從實際影像，作為欲偵測目標建立其特徵，由隨機產生置的座標取得該點像素值，透過相互間像素值比較的方式設定位元值，將所有得到的二元碼做為表示該影像的元件特徵值，元件特徵計算完成後，將透過車輛1影像資料庫中之車款影像樣本所建立的多組特徵表，代表為元件的集成分類器(Ensemble Classifier)，最後再進行元件辨識。

本發明在起初創建森林時，不用隨機採樣的方式建立決策樹，而是將所有元件樣板(即車款影像樣本)輸入，依據不同的特徵值萃取位置，建立出不同的決策樹，形成「特徵表森林」，最後透過訓練的方式將每個弱分類的能力增強，使森林有很好的元件辨識能力。再者，一個決策樹是基於隨機產生的座標點集合，投入所有樣板後建立而成，一棵決策樹模型可被定義如下公式(4)所示：

由於應變辨識的演算法，必須依賴樣板特徵(即車款影像樣本)使其強健，作為特徵表建立所需要的樣板資料(即特徵資料)，數量越多越好，可以讓車輛1影像資料庫的分類器更具強健性，至此，每個車款與年式類別大約可以各有100張左右的比對車款影像樣本，共計約700張比對車款影像樣本。再者，本發明所採用之隨機森林演算法的概念，並根據特殊設計的特徵值萃取方式，將表示特徵的數值轉換成一棵棵的決策樹，即特徵表，藉此作為集成車款與年式類別的分類器，透過實作結果得知，每一個特徵表都具有將近7成以上的辨識能力，可以獨立分辨出測試資料將近70%以上的車款年式類別。

以上所述，僅為本發明之可行實施例，並非用以限定本發明之專利範圍，凡舉依據下列請求項所述之內容、特徵以及其精神而為之其他變化的等效實施，皆應包含於本發明之專利範圍內。本發明所具體界定於請求項之結構特徵，未見於同類物品，且具實用性與進步性，已符合發明專利要件，爰依法具文提出申請，謹請 鈞局依法核予專利，以維護本申請人合法之權益。

1‧‧‧車輛

10,10a,10b,10c‧‧‧影像擷取裝置

20‧‧‧車款影像資料庫

21‧‧‧廠牌車系資料庫

30‧‧‧廠牌獲取模組

40‧‧‧資訊處理裝置

50‧‧‧拍攝位移控制單元

52‧‧‧傳動機構

55‧‧‧控制模組

56‧‧‧位置感測模組

60‧‧‧訊號傳輸模組

Claims (10)

1. 一種車款年式辨識系統，其包括：至少二影像擷取裝置，其用以擷取一車輛至少二個視角的車輛影像；一車款影像資料庫，其建立有包含複數個車輛品牌的廠牌車系資料庫，每一該廠牌車系資料庫建立複數個包含有至少二個視角的車款影像樣本，並於每一視角之該車款影像樣本設定有一特徵資料，再於每一該特徵資料設定有一車款資料及一年式資料；一廠牌獲取模組，其用以取得該車輛的品牌訊息；及一資訊處理裝置，其內建有一影像辨識軟體，執行該影像辨識軟體時則依序包含下列之影像處理步驟：(a)影像處理步驟：依序將至少二個視角之該車輛影像做影像前處理；及(b)車款年式辨識步驟：係以影像辨識分析出經過影像前處理後之至少二個視角該車輛影像的二特徵值，再依據該品牌訊息而於對應之該廠牌車系資料庫比對出與該二特徵值之辨形相似度約百分之七十以上的該二特徵資料，並由該二特徵資料得到對應的該車款資料及對應的該年式資料，再由該資訊處理裝置處理轉換為車款資訊及年式資訊。
2. 如請求項1所述之車款年式辨識系統，其更包含位於該車款年式辨識步驟之後的估價步驟，係於該車款影像資料庫中之每一該車款資料及對應之該年式資料設定有至少一種價格資料，當完成該車款年式辨識步驟時，該資訊處理裝置則將符合之該價格資料輸出為價格資訊。
3. 如請求項1所述之車款年式辨識系統，其更包含一深度學習步驟，係執行一具備深度學習訓練功能的深度學習演算法，以累積該特徵值資料來強化該車款影像資料庫的分類功能，該資訊處理裝置係選自網路伺服器、電腦、智慧型手機以及平板電腦的其中一種，該廠牌獲取模組係為該 資訊處理裝置之一顯示幕所上顯示的輸入介面，該輸入介面可供輸入車輛品牌之指令，經該資訊處理裝置解讀後產生該品牌訊息。
4. 如請求項1所述之車款年式辨識系統，其更包含一拍攝位移控制單元，該拍攝位移控制單元包含一移動機構、一傳動機構及二滑軌，該移動機構不同位置可供設置至少二該影像擷取裝置，該移動機構可受該傳動機構驅動而沿著該二滑軌自一第一位置與一第二位置之間做往復的位移，當該車輛停置於該二滑軌之間位置且該移動機構位於該第一位置時，其一該影像擷取裝置則擷取該車輛之其一視角的車輛影像；當該移動機構位移至該第二位置時，其二該影像擷取裝置則擷取該車輛之其二視角的車輛影像。
5. 如請求項4所述之車款年式辨識系統，其中，該移動機構包含一略呈ㄇ型的載架，及二分別樞設於該載架之二末端的滑輪組，該二滑輪組可供沿著該二滑軌轉動，該二滑軌之間劃設有一供該車輛停放拍照的框格；該拍攝位移控制單元更包含一控制模組，及一位置感測模組；該位置感測模組用以感測該車輛是否停置於該框格內，感測結果為是則輸出一感測訊號至該控制模組，經該控制模組解讀後啟動其一該影像擷取裝置，以擷取該車輛之其一視角的該車輛影像，經過一預設時間後，該控制模組則觸發該傳動機構，令該傳動機構驅動該載架自該第一位置移至該第二位置，並啟動其二該影像擷取裝置，以擷取該車輛之其二視角的該車輛影像，再經過一預設時間後，該控制模組再次觸發該傳動機構，以驅動該載架自該第二位置回到原本的該第一位置。
6. 如請求項5所述之車款年式辨識系統，其中，其一該影像擷取裝置位於該載架頂部的前側面，且其一該影像擷取裝置之一鏡頭的軸線與一平面具有30~70度的夾角；其二該影像擷取裝置位於該載架頂部的後側面，且其二該影像擷取裝置之該鏡頭的軸線與該平面具有30~70度的夾角。
7. 如請求項5所述之車款年式辨識系統，其中，該影像擷取裝置更包含一位於該載架之一側部的其三影像擷取裝置，該載架自該第一位置往該第二位置移動的過程中，當該載架進入至該第一位置與該第二位置之間的中段位置時，該控制模組則令該傳動機構停止運作一預設時間，並啟動其三該影像擷取裝置，以擷取該車輛之其三視角的該車輛影像。
8. 一種車款年式辨識方法，其包括：提供至少二影像擷取裝置、一拍攝位移控制單元、一車款影像資料庫、一廠牌獲取模組及一資訊處理裝置；其中，該拍攝位移控制單元包含一移動機構、一傳動機構及二滑軌，該移動機構不同位置可供設置該至少二影像擷取裝置；於該車款影像資料庫其建立有包含複數個車輛品牌的廠牌車系資料庫，每一該廠牌車系資料庫建立複數個包含至少二個視角的車款影像樣本，並於每一視角之該車款影像樣本設定有一特徵資料，再於每一該特徵資料設定有一車款資料及一年式資料；以該傳動機構驅動該移動機構沿著該二滑軌自一第一位置與一第二位置之間做往復的位移，當車輛停置於該二滑軌之間位置且該移動機構位於該第一位置時，則使其一該影像擷取裝置則擷取該車輛之其一視角的車輛影像；當該移動機構位移至該第二位置時，則使其二該影像擷取裝置擷取該車輛之其二視角的車輛影像；於該廠牌獲取模組取得該車輛的品牌訊息；及於該資訊處理裝置內建有一影像辨識軟體，執行該影像辨識軟體時則依序包含下列之影像處理步驟步驟：(a)影像處理步驟：依序將至少二個視角之該車輛影像做影像前處理；及(b)車款年式辨識步驟：係以影像辨識分析出經過影像前處理後之至少 二個視角該車輛影像的二特徵值，再依據該品牌訊息而於對應之該廠牌車系資料庫比對出與該二特徵值之辨形相似度約百分之七十以上的該二特徵資料，並由該二特徵資料得到對應的該車款資料及對應的該年式資料，再由該資訊處理裝置處理轉換為車款資訊及年式資訊。
9. 如請求項8所述之車款年式辨識方法，其中，執行該影像處理步驟時，則預先於該車輛影像中框選出至少一個小於該車輛影像面積的框選影像，然後去除框選之該框選影像以外的影像，再將該框選影像進行該影像前處理。
10. 如請求8所述之車款年式辨識方法，其更包含於該車款年式辨識步驟之後的估價步驟，係於該車款影像資料庫中之每一該車款資料及對應之該年式資料設定有至少一種價格資料，當完成該車款年式辨識步驟時，該資訊處理裝置則將符合之該價格資料輸出為價格資訊。