一种图像标注方法、装置及系统制造方法及图纸

本说明书一个或多个实施例提供了一种图像标注方法、装置及系统，该方法包括：获取利用摄像装置拍摄得到的预设损伤区域的车损图像；以及，获取基于物理探测方式针对预设损伤区域进行扫描得到的物理属性信息；根据该物理属性信息对车损图像进行损伤标注，生成车损样本数据。通过将利用摄像装置得到的视觉图像和基于物理探测方式得到的物理属性信息相结合，自动生成训练模型所需标注数据，无需人工手动对车损图像进行损伤情况标注，还能够实现对车损图像进行像素级的损伤情况标注，提高了车损图像的标注效率和精度，从而能够为基于深度学习进行模型训练的过程提供海量、精准的标注样本数据，以便训练得到识别精度更高的车损识别模型。

【技术实现步骤摘要】
一种图像标注方法、装置及系统
本说明书一个或多个涉及智能识别
，尤其涉及一种图像标注方法、装置及系统。
技术介绍
目前，随着社会经济的快速增长，中国高收入人群的增多，由于车辆给人们的出行带来了很大的方便，因而车辆的拥有数量也在随之不断增长，随之交通事故的发生也越来越频繁，人们为了减少因交通事故带来的损失，通常定期给车辆缴纳必要的车险，这样车主发生车辆事故后，可以提出理赔申请，然后保险公司需要对车辆的损伤程度进行评估，以确定需要修复的项目清单以及赔付金额，具体的，需要专业定损人员对现场采集的车损图像进行综合分析，进而对车辆碰撞修复进行科学系统的估损定价。当前，为了提高车损图像的损伤长度进行快速识别，采用基于深度学习来识别车辆损伤程度，即基于预先训练好的车损识别模型对现场采集的车损图像进行智能识别，自动输出识别得到的损伤程度分析结果，其中，在训练得到车损识别模型时，需要获取大量的标注好的车损样本数据，通常针对每个子问题需要10万～1000万量级的标注数据，即事先对各种类型、材质的损伤进行标注，标明车损图像中各子区域对应的损伤程度，现有技术中对采集的大量车损图像进行人工标注，这样存在标注效率低、人工成本高、人为因素影响大、准确度低的问题，难以在短时间内产生训练模型所需的大量标注数据。因此，需要提供一种效率高、准确度高、人工成本低的车损图像标注方法及装置。
技术实现思路
本说明书一个或多个实施例的目的是提供一种图像标注方法、装置及系统，通过将利用摄像装置得到的视觉图像和基于物理探测方式得到的物理属性信息相结合，自动生成训练模型所需标注数据，无需人工手动对车损图像进行损伤情况标注，还能够实现对车损图像进行像素级的损伤情况标注，提高了车损图像的标注效率和精度，从而能够为基于深度学习进行模型训练的过程提供海量、精准的标注样本数据，以便训练得到识别精度更高的车损识别模型。为解决上述技术问题，本说明书一个或多个实施例是这样实现的：本说明书一个或多个实施例提供了一种图像标注方法，包括：获取利用摄像装置拍摄得到的目标车辆上预设损伤区域的车损图像；以及，获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息；根据所述物理属性信息对所述车损图像进行损伤标注，生成用于训练车损识别模型的车损样本数据。本说明书一个或多个实施例提供了一种图像标注装置，包括：第一获取模块，用于获取利用摄像装置拍摄得到的目标车辆上预设损伤区域的车损图像；以及，第二获取模块，用于获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息；图像标注模块，用于根据所述物理属性信息对所述车损图像进行损伤标注，生成用于训练车损识别模型的车损样本数据。本说明书一个或多个实施例提供了一种图像标注系统，包括：摄像装置、物理探测装置和上述图像标注装置，其中，所述摄像装置和所述物理探测装置均与所述图像标注装置相连接；所述摄像装置，用于对目标车辆上预设损伤区域进行拍摄得到的车损图像，并将所述车损图像传输至所述图像标注装置；所述物理探测装置，用于基于物理探测方式对所述预设损伤区域进行扫描得到的物理属性信息，并将所述物理属性信息传输至所述图像标注装置；所述图像标注装置，用于接收所述车损图像和所述图像标注装置，并根据所述车损图像和所述图像标注装置生成用于训练车损识别模型的车损样本数据。本说明书一个或多个实施例提供了一种图像标注设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：获取利用摄像装置拍摄得到的目标车辆上预设损伤区域的车损图像；以及，获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息；根据所述物理属性信息对所述车损图像进行损伤标注，生成用于训练车损识别模型的车损样本数据。本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述可执行指令在被执行时实现以下流程：获取利用摄像装置拍摄得到的目标车辆上预设损伤区域的车损图像；以及，获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息；根据所述物理属性信息对所述车损图像进行损伤标注，生成用于训练车损识别模型的车损样本数据。本说明书一个或多个实施例中的图像标注方法、装置及系统，获取利用摄像装置拍摄得到的预设损伤区域的车损图像；以及，获取基于物理探测方式针对预设损伤区域进行扫描得到的物理属性信息；根据该物理属性信息对车损图像进行损伤标注，生成车损样本数据。通过将利用摄像装置得到的视觉图像和基于物理探测方式得到的物理属性信息相结合，自动生成训练模型所需标注数据，无需人工手动对车损图像进行损伤情况标注，还能够实现对车损图像进行像素级的损伤情况标注，提高了车损图像的标注效率和精度，从而能够为基于深度学习进行模型训练的过程提供海量、精准的标注样本数据，以便训练得到识别精度更高的车损识别模型。附图说明为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本说明书一个或多个实施例提供的图像标注方法的第一种应用场景示意图；图2为本说明书一个或多个实施例提供的图像标注方法的第一种流程示意图；图3为本说明书一个或多个实施例提供的图像标注方法的第二种流程示意图；图4a为本说明书一个或多个实施例提供的图像标注方法中激光雷达装置采集三维表面图的实现原理示意图；图4b为本说明书一个或多个实施例提供的图像标注方法中红外热成像装置采集表面热成像图的实现原理示意图；图5为本说明书一个或多个实施例提供的图像标注方法的第三种流程示意图；图6a为本说明书一个或多个实施例提供的图像标注方法的第二种应用场景示意图；图6b为本说明书一个或多个实施例提供的图像标注方法的第三种应用场景示意图；图7为本说明书一个或多个实施例提供的图像标注方法的第四种流程示意图；图8为本说明书一个或多个实施例提供的图像标注方法的第五种流程示意图；图9a为本说明书一个或多个实施例提供的图像标注装置的第一种模块组成示意图；图9b为本说明书一个或多个实施例提供的图像标注装置的第二种模块组成示意图；图10为本说明书一个或多个实施例提供的图像标注系统的具体结构示意图；图11为本说明书一个或多个实施例提供的图像标注设备的具体结构示意图。具体实施方式为了使本
的人员更好地理解本说明书一个或多个中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一个或多个一部分实施例，而不是全部的实施例。基于本说明书一个或多个中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书一个或多个保护的范围。本说明书一个或多个实施例提供了一种图像标注方法、装置及系统，通过将利用摄像装置得到的视觉图像和基于物理探测方式得到的物理属性信息相结合，自动生成训练模型所需标注数据，无需人工手动对车损图像进行损伤情况标注，还能够实现对车损图像本文档来自技高网...

【技术保护点】
1.一种图像标注方法，其特征在于，包括：获取利用摄像装置拍摄得到的目标车辆上预设损伤区域的车损图像；以及，获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息；根据所述物理属性信息对所述车损图像进行损伤标注，生成用于训练车损识别模型的车损样本数据。

【技术特征摘要】
1.一种图像标注方法，其特征在于，包括：获取利用摄像装置拍摄得到的目标车辆上预设损伤区域的车损图像；以及，获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息；根据所述物理属性信息对所述车损图像进行损伤标注，生成用于训练车损识别模型的车损样本数据。2.根据权利要求1所述的方法，其特征在于，所述获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息，包括：获取利用激光雷达装置针对所述预设损伤区域进行扫描得到的三维深度信息；和/或，获取利用红外热成像装置针对所述预设损伤区域进行扫描得到的表面热成像信息。3.根据权利要求1所述的方法，其特征在于，所述获取利用摄像装置拍摄得到的目标车辆上预设损伤区域的车损图像，包括：获取针对目标车辆上预设损伤区域的车损图像集合，其中，所述车损图像集合包括：利用摄像装置在不同拍摄条件下拍摄得到的多张车损图像；对应的，所述获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息，包括：获取针对所述预设损伤区域的物理属性信息集合，其中，所述物理属性信息集合包括：利用物理探测方式在不同拍摄条件下扫描得到的多个物理属性信息。4.根据权利要求1所述的方法，其特征在于，所述根据所述物理属性信息对所述车损图像进行损伤标注，生成用于训练车损识别模型的车损样本数据，包括：根据所述物理属性信息，确定所述车损图像中各像素点的损伤情况；将所述各像素点的损伤情况和所述车损图像确定为用于训练车损识别模型的车损样本数据。5.根据权利要求4所述的方法，其特征在于，所述目标车辆上预设损伤区域的车损图像包括：在不同拍摄条件下拍摄得到的多张车损图像；所述根据所述物理属性信息，确定所述车损图像中各像素点的损伤情况，包括：针对每张所述车损图像，根据在该车损图像对应的拍摄条件下得到的所述物理属性信息，确定该车损图像中各像素点的损伤情况。6.根据权利要求1所述的方法，其特征在于，在生成用于训练车损识别模型的车损样本数据之后，还包括：将所述车损样本数据输入至基于有监督学习模式的机器学习模型；利用机器学习方法并基于所述车损样本数据对所述机器学习模型进行训练，得到车损识别模型。7.根据权利要求3所述的方法，其特征在于，所述拍摄条件包括：所述摄像装置的拍摄方位、所述摄像装置与目标车辆的相对位置、拍摄环境的光照参数、以及其他影响损伤区域视觉特征的现场环境因素中至少一种。8.根据权利要求7所述的方法，其特征在于，所述摄像装置与目标车辆的相对位置是基于具备厘米级精确定位能力的定位装置对所述目标车辆的移动进行控制得到的。9.一种图像标注装置，其特征在于，包括：第一获取模块，用于获取利用摄像装置拍摄得到的目标车辆上预设损伤区域的车损图像；以及，第二获取模块，用于获取基于物理探测方式针对所述预设损伤区域进行扫描得到的物理属性信息；图像标注模块，用于根据所述物理属性信息对所述车损图像进行损伤标注，生成用于训练车损识别模型的车损样本数据。10.根据权利要求9所述的装置，其特征在于，所述第二获取模块，具体用于：获取利用激光雷达装置针对所述预设损伤区域进行扫描得到的三维深度信息；和/或，获取利用红外热成像装置针对所述预设损伤区域进行扫描得到的表面热成像信息。11.根据权利要求9所述的装置，其特征在于，所述第一获取模块，具体用于：获取针对目标车辆上预设损伤区域的车损图像集合，其中，所述车损图像集合包括：利用摄像装置在不同拍摄条件下拍摄得到的多张车损图像；对应的，所述第二获取模块，具体用于：获取针对所述预设损伤区域的物理属性信息集合，其中，所述物理属性信息集合包括：利用物理探测方式在不同拍摄条件下扫描得到的多个物理属性信息。12.根据权利要求9所述的装置，其特征在于，所述图像标注模块，具体用于：根据所述物理属性信息，确定所述车损图像中各像素点的损伤情况；将所述各像素点的损伤情况和所述车损图像确定为用于训练车损识别模型的车损样本数据。13.根据权...

【专利技术属性】
技术研发人员：周凡，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY