距离自适应的车辆外观部件的图片识别方法技术

本发明专利技术公开了一种距离自适应的车辆外观部件的图片识别方法，包括：获取包含有不同拍摄距离车辆外观图片的一个车辆图片定损单元；根据车辆外观图片中车辆外观部件的个数对车辆图片定损单元中的特写图进行二分类，分为远特写图片和近特写图片；利用目标跟踪算法确定每张特写图在中景图中的跟踪位置；对车辆外观图片进行图像语义分割；将近特写图片的分割图像与中景图的分割图像进行匹配；对车辆外观图片的分割图像进行车辆外观部件识别，确定车辆外观图片中的车辆外观部件。通过本发明专利技术的技术方案，提高了在不同拍摄距离下的识别准确率和识别稳定性，且支持识别的部件种类更加丰富，适用于各种不同的实际应用场景。

Image Recognition Method of Vehicle Appearance Components Based on Distance Adaptation

The invention discloses a method for image recognition of vehicle appearance components with self-adaptive distance, which includes: acquiring a vehicle image damage fixing unit containing vehicle appearance pictures with different shooting distances; dividing the close-up pictures into remote close-up pictures and near-close-up pictures according to the number of vehicle appearance components in vehicle appearance pictures; The tracking algorithm determines the tracking position of each close-up image in the mid-range image; semantically segmentes the vehicle appearance image; matches the segmentation image of the close-up image with the segmentation image of the mid-range image; recognizes the vehicle appearance parts of the segmentation image of the vehicle appearance image, and determines the vehicle appearance parts in the vehicle appearance image. The technical scheme of the present invention improves the recognition accuracy and stability at different shooting distances, and has richer types of components supporting recognition, and is suitable for various practical application scenarios.

【技术实现步骤摘要】
距离自适应的车辆外观部件的图片识别方法
本专利技术涉及图像识别
，尤其涉及一种距离自适应的车辆外观部件的图片识别方法。
技术介绍
目前，车辆外观部件识别是各类汽车业务中的重要一环，在譬如汽车保险理赔，分时租赁以及汽车日租的取车还车过程，都需要对车辆外观部件进行识别。现有技术中，普遍的实现方式有两种，一种是现场工作人员对待识别车辆查勘并完成车辆外观部件识别，另一种是用户拍摄照片(视频)，用深度学习模型进行处理。2012年以来，深度学习在计算机视觉领域取得非常大的进步。相比传统使用色彩、HOG等低级视觉特征的图片识别方法；深度神经网络能学得更多高级的、抽象的特征，这使得深度神经网络的性能远远超越传统方法。2014年以来，深度学习开始在物体检测，语义分割，目标跟踪等计算机视觉领域取得突出进展，涌现出YOLO，FasterRCNN，Deeplab，GOTURN等一系列方法，在特定任务的识别准确率上已经接近或超越了人类识别的水平，而在识别速度和处理数据的规模程度上早已远远超越人类。现有的车辆外观部件识别方式存在以下问题：1.人工识别的方式存在延时大，成本高，用户体验差且高度依赖识别人员专本文档来自技高网...

【技术保护点】
1.一种距离自适应的车辆外观部件的图片识别方法，其特征在于，包括：获取包含有不同拍摄距离车辆外观图片的一个车辆图片定损单元，所述车辆图片定损单元中包括一张中景图和多张特写图；利用深度卷积神经网络根据所述车辆外观图片中车辆外观部件的个数对所述车辆图片定损单元中的特写图进行二分类，分为远特写图片和近特写图片，其中，所述远特写图片中包括多于3个且少于5个车辆外观部件，所述近特写图片中包括少于3个车辆外观部件；利用目标跟踪算法确定每张所述特写图在所述中景图中的跟踪位置；利用针对不同车辆外观部件个数类别的图像语义分割模型对该类车辆外观图片进行图像语义分割，分别获得所述中景图、所述远特写图片和所述近特写图...

【技术特征摘要】
1.一种距离自适应的车辆外观部件的图片识别方法，其特征在于，包括：获取包含有不同拍摄距离车辆外观图片的一个车辆图片定损单元，所述车辆图片定损单元中包括一张中景图和多张特写图；利用深度卷积神经网络根据所述车辆外观图片中车辆外观部件的个数对所述车辆图片定损单元中的特写图进行二分类，分为远特写图片和近特写图片，其中，所述远特写图片中包括多于3个且少于5个车辆外观部件，所述近特写图片中包括少于3个车辆外观部件；利用目标跟踪算法确定每张所述特写图在所述中景图中的跟踪位置；利用针对不同车辆外观部件个数类别的图像语义分割模型对该类车辆外观图片进行图像语义分割，分别获得所述中景图、所述远特写图片和所述近特写图片的分割图像；综合所述中景图的分割图像、所述特写图在所述中景图中的跟踪位置与近特写图片的分割图像进行分析，将所述近特写图片的分割图像与所述中景图的分割图像进行匹配；利用深度卷积神经网络对所述车辆外观图片的分割图像进行车辆外观部件识别，确定所述车辆外观图片中的车辆外观部件。2.根据权利要求1所述的距离自适应的车辆外观部件的图片识别方法，其特征在于，还包括：在每张所述车辆外观图片中的车辆外观部件区域标识出对应的车辆外观部件标签，并将标识有车辆外观部件标签的车辆外观图片输出，其中，所述车辆外观部件为从外观上所能看到的主要车辆部件，包括：后视镜、轮胎、车门、轮毂、底边、柱外饰板、翼子板、车门玻璃、大灯、尾灯、保险杠、风挡玻璃、前发动机盖、后行李厢平衡尾翼、顶边、车顶、后行李箱盖、保险杠中网。3.根据权利要求1所述的距离自适应的车辆外观部件的图片识别方法，其特征在于，所述车辆图片定损单元包括中景图、远特写图片和近特写图片，其中，所述近特写图片的拍摄距离小于所述远特写图片的拍摄距离，所述远特写图片的拍摄距离小于所述中景图的拍摄距离。4.根据权利要求3所述的距离自适应的车辆外观部件的图片识别方法，其特征在于，所述利用深度卷积神经网络根据所述车辆外观图片中车辆外观部件的个数对所述车辆图片定损单元中的特写图进行二分类以分为远特写图片和近特写图片具体包括：利用所述深度卷积神经网络判断该车辆图片定损单元中每张特写图中的车辆外观部件个数；将车辆外观部件个数多于3个且少于5个的特写图分类为远特写图片，将车辆外观部件个数少于3个...

【专利技术属性】
技术研发人员：丛建亭，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