一种图像匹配深度学习方法及系统技术方案

本发明专利技术公开了一种图像匹配深度学习方法及系统，包括：对拍摄的车辆损伤近景图和中远景图进行特征提取，分别得到第一特征图和第二特征图；基于空间变换网络对第一特征图和第二特征图进行图像变换的相关变换矩阵参数学习与估计，基于变换矩阵参数对第一特征图进行变换，得到空间变换后的第一特征图；基于图像匹配算法对第二特征图和空间变换后的第一特征图进行图像匹配，得到近景图在中远景图中的对应位置。本发明专利技术能够将不同尺度、不同视角下的图像对也能较好的匹配定位，可极大改善了近景图和中远景图中尺寸和视角差异对车辆的图像定损的影响，从而提高了整个车辆图像定损的精度。

【技术实现步骤摘要】
一种图像匹配深度学习方法及系统
本专利技术涉及图像匹配
，具体涉及一种图像匹配深度学习方法及系统。
技术介绍
在汽车保险理赔过程中，涉及到外观损伤的自动图像定损环节中，涉及到如下场景：近距离拍摄的图片有着能较为准确的识别外观损伤，但是由于视场较小，就无法有很好车身外观部件信息，因而往往需要借助匹配到一张中远距离拍摄的图片，来最终对损伤的部件位置进行定位。现有的定位方法是将一远一近的两张图片，利用深度学习进行特征提取，然后拼接特征，以中远景图上近景图的对应目标区域为回归目标，进行训练，如算法GOTURN，该算法整体框架如图1所示，该方法的核心思想是，将两张图像通过同一个CNN网络进行特征提取，然后将特征组织成一个向量形式，接而通过几层全连接网络计算，最后输出近景图在远景图中目标区域的中心点、长宽，从而实现对近景图的定位目的。现有技术的缺陷为：对于拍摄距离、拍摄视角差距较大的一对图像，上述方法往往会失效，而实际情况中，拍摄者往往会拍摄出这种差异较大的图像对，从而会导致车辆的图像定损失败或出错。
技术实现思路
针对上述问题中存在的不足之处，本专利技术提供一种图像匹配深度学习方法及系统，通本文档来自技高网...

【技术保护点】
1.一种图像匹配深度学习方法，其特征在于，包括：对拍摄的车辆损伤近景图和中远景图进行特征提取，分别得到第一特征图和第二特征图；基于空间变换网络对所述第一特征图和第二特征图进行图像变换的相关变换矩阵参数学习与估计，基于变换矩阵参数对所述第一特征图进行变换，得到空间变换后的第一特征图；基于图像匹配算法对所述第二特征图和空间变换后的第一特征图进行图像匹配，得到所述近景图在所述中远景图中的对应位置。

【技术特征摘要】
1.一种图像匹配深度学习方法，其特征在于，包括：对拍摄的车辆损伤近景图和中远景图进行特征提取，分别得到第一特征图和第二特征图；基于空间变换网络对所述第一特征图和第二特征图进行图像变换的相关变换矩阵参数学习与估计，基于变换矩阵参数对所述第一特征图进行变换，得到空间变换后的第一特征图；基于图像匹配算法对所述第二特征图和空间变换后的第一特征图进行图像匹配，得到所述近景图在所述中远景图中的对应位置。2.如权利要求1所述的图像匹配深度学习方法，其特征在于，所述对拍摄的车辆损伤近景图和中远景图进行特征提取，包括：通过同一CNN网络对拍摄的车辆损伤近景图和中远景图进行特征提取。3.如权利要求1所述的图像匹配深度学习方法，其特征在于，所述图像匹配算法为GOTURN算法或SiameseFC算法。4.一种图像匹配深度学习系统...

【专利技术属性】
技术研发人员：侯进，黄贤俊，
申请(专利权)人：深源恒际科技有限公司，
类型：发明
国别省市：北京,11