一种车辆真伪的认证方法、认证装置以及可读存储介质制造方法及图纸

本申请提供了一种车辆真伪的认证方法、认证装置以及可读存储介质，通过获取待认证车辆的多张验证图像；将所述多张验证图像输入至预先训练好的车辆异常概率预测模型中，得到所述待认证车辆的异常认证概率；若检测到所述异常认证概率大于或等于预设阈值，确定所述待认证车辆为认证异常车辆。这样，可以快速识别出待认证车辆的真伪，识别准确率高，有助于降低车辆认证过程中的人工资源和时间资源的消耗。

【技术实现步骤摘要】
一种车辆真伪的认证方法、认证装置以及可读存储介质
本申请涉及车辆检测
，具体而言，涉及一种车辆真伪的认证方法、认证装置以及可读存储介质。
技术介绍
在网约车注册过程中，需要司机提供车辆外观图像。校验司机提供车辆图像的真实性，是保证司机信息真实性的重要一环。若车辆图像合规则及时审核通过，若车辆图像不合规则及时提醒司机，直到司机提供真实车辆图像。这样不仅可以确保司机所提供信息的真实性，还可以提升车辆验证过程中的司机体验，因此如何在准确地通过车辆图像对车辆的真实性进行预测是亟需解决的问题。
技术实现思路
有鉴于此，本申请的目的在于提供一种车辆真伪的认证方法、认证装置以及可读存储介质，通过对采集的多个待认证车辆图像的进行累计辨别，可以快速识别出待认证车辆的真伪，识别准确率高，有助于降低车辆认证过程中的人工资源和时间资源的消耗。根据本申请的第一方面，提供了一种车辆真伪的认证方法，所述认证方法包括：获取待认证车辆的多张验证图像；将所述多张验证图像输入至预先训练好的车辆异常概率预测模型中，得到所述待认证车辆的本文档来自技高网...

【技术保护点】
1.一种车辆真伪的认证方法，其特征在于，所述认证方法包括：/n获取待认证车辆的多张验证图像；/n将所述多张验证图像输入至预先训练好的车辆异常概率预测模型中，得到所述待认证车辆的异常认证概率；/n若检测到所述异常认证概率大于或等于预设阈值，确定所述待认证车辆为认证异常车辆。/n

【技术特征摘要】
1.一种车辆真伪的认证方法，其特征在于，所述认证方法包括：
获取待认证车辆的多张验证图像；
将所述多张验证图像输入至预先训练好的车辆异常概率预测模型中，得到所述待认证车辆的异常认证概率；
若检测到所述异常认证概率大于或等于预设阈值，确定所述待认证车辆为认证异常车辆。


2.根据权利要求1所述的认证方法，其特征在于，所述将所述多张验证图像输入至预先训练好的车辆异常概率预测模型中，得到所述待认证车辆的认证异常概率，包括：
按照图像采集顺序，依次每张验证图像输入至所述车辆异常概率预测模型中，并按照图像输入顺序依次得到每一张验证图像的初始异常概率；
基于每一张验证图像的初始异常概率，确定所述待认证车辆的异常认证概率。


3.根据权利要求2所述的认证方法，其特征在于，所述基于每一张验证图像的初始异常概率，确定所述待认证车辆的异常认证概率，包括：
在依次得到每一张验证图像的初始异常概率的过程中，当得到第N张验证图像的初始异常概率时，若检测到前N张验证图像的初始异常概率的总和大于或等于所述预设阈值，确定前第N张验证图像的初始异常概率的总和为所述待认证车辆的异常认证概率。


4.根据权利要求2所述的认证方法，其特征在于，所述基于每一张验证图像的初始异常概率，确定所述待认证车辆的异常认证概率，包括：
在依次得到每一张验证图像的初始异常概率的过程中，当得到第M张验证图像的初始异常概率时，检测到从得到第一张验证图像的初始异常概率至得到第M张验证图像的初始异常概率之间的认证时间大于或者等于预设时间阈值，确定前M张验证图像的初始异常概率的总和为所述待认证车辆的异常认证概率；
在所述将所述多张验证图像输入至预先训练好的车辆异常概率预测模型中，得到所述待认证车辆的异常认证概率之后，所述认证方法包括：
若检测到所述异常认证概率小于预设阈值，确定所述待认证车辆为认证成功车辆。


5.根据权利要求2至4中任一项所述的认证方法，其特征在于，通过以下步骤确定每一张验证图像对应的初始异常概率：
对验证图像进行特征提取处理，并确定出所述验证图像的特征热力图像；
基于所述特征热力图像，从验证图像中确定出验证图像的兴趣区域图像；
基于所述兴趣区域图像，确定出验证图像的初始异常概率。


6.根据权利要求5所述的认证方法，其特征在于，所述对验证图像进行特征提取处理，并确定出所述验证图像的特征热力图像，包括：
从验证图像中提取出每种预设特征维度下的特征图层；
基于提取出的多个特征图层，以及每种预设特征维度的预设占比权重，确定验证图像的图像类别以及与所述图像类别对应的验证图像的初始热力图像；
将所述初始热力图像放大至与验证图像的图像尺寸一致，并确定放大后的所述初始热力图像为所述验证图像的特征热力图像。


7.根据权利要求5所述的认证方法，其特征在于，所述基于所述特征热力图像，从验证图像中确定出验证图像的兴趣区域图像，包括：
确定所述特征热力图像中每一个特征图像区域对应的区域特征值，并检测每一个区域特征值是否大于预设提取阈值；
提取区域特征值大于预设提取阈值的每一个特征图像区域在所述验证图像中对应的验证图像区域；
拼接每一个验证图像区域生成验证图像的兴趣区域图像。


8.根据权利要求5所述的认证方法，其特征在于，所述基于所述兴趣区域图像，确定出验证图像的初始异常概率，包括：
基于所述兴趣区域图像中包括的每一个兴趣区域对应的区域值以及每个区域值对应的权重系数，确定所述兴趣区域图像的分类类别；
基于所述分类类别对应的预设概率值，确定所述验证图像的初始异常概率。


9.根据权利要求1所述的认证方法，其特征在于，在所述若检测到所述异常认证概率大于或等于预设阈值，确定所述待认证车辆为认证异常车辆之后，所述认证方法还包括：
将所述待认证车辆为认证异常车辆的认证结果发送给用户，提示用户提供与预先登记的车辆信息相匹配的车辆或真实存在的车辆的验证图像。


10.根据权利要求1所述的认证方法，其特征在于，通过以下步骤训练所述车辆异常概率预测模型：
获取多个样本车辆的多张样本图像以及每一个样本车辆对应的实际异常认证概率；
针对于每一个样本车辆，将该样本车辆的多张样本图像以及实际异常认证概率输入至构建好的深度学习模型中，得到所述样本车辆对应的预测异常认证概率；
针对每一个样本车辆，确定样本车辆的实际异常认证概率与所述预测异常认证概率之间的偏差值；
若存在样本车辆对应的偏差值大于预设偏差阈值，调整所述深度学习模型中的相关参数，直至每个样本车辆对应的偏差值小于或等于预设偏差阈值，确定所述深度学习模型训练完毕，并将训练完毕的所述深度学习模型确定为训练好的车辆异常概率预测模型。


11.一种车辆真伪的认证装置，其特征在于，所述认证装置包括：
图像获取模块，用于获取待认证车辆的多张验证图像；
概率确定模块，用于将所述多张验证图像输入至预先训练好的车辆异常概率预测模型中，得到所述待认证车辆的异常认证概率；
异常车辆确定模块，用于若检测到所述异常认证概率大于或等于预设阈值，确定所述待认证车辆为认证异...

【专利技术属性】
技术研发人员：王树栋，张天明，王智恒，薛韬略，李杰，孟辉，陈天钰，戴桂婷，吴朝辉，周多庆，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11