一种用于定损视频中车辆外观部件标注的方法及系统技术方案

本发明专利技术提供一种用于定损视频中车辆外观部件标注的方法及系统，涉及图像分割技术领域，包括间隔抽取定损视频中视频帧图像，得到按时间顺序排列的图像序列；对图像序列进行车辆部件可辨识分类，得到部件可辨识图像序列和部件不可辨识图像序列；对部件可辨识图像序列中各图像进行部件分割、上色并标注部件标签，对不可辨识图像序列中各图像进行区域分割、上色并标注区域标签；将所有分割上色后的图像序列送入质量评价模块，评估分割图的部件分割或区域分割质量，获得质量良好的图像序列和质量差的图像序列送至标注人员修正分割边界或部件标签。本发明专利技术改善和提升了视频分割车辆外观部件的标注效率，为深度网络的学习训练获取了大量的图片分割数据。大量的图片分割数据。大量的图片分割数据。

【技术实现步骤摘要】
一种用于定损视频中车辆外观部件标注的方法及系统


[0001]本专利技术涉及图像分割
，尤其是涉及一种用于定损视频中车辆外观部件标注的方法及系统。

技术介绍

[0002]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，同时还会检测这些外观部件是否存在损伤，这些检测由人工来完成需要消耗大量的人力。
[0003]随着技术的发展，为了提高定损精确度及定损效率，人们开始探索实现用户采集视频输入服务端，服务端通过视频对定损视频中车辆外观部件进行识别；如果想要得到可行的视频深度学习网络模型，首先要进行模型训练，由于视频深度学习网络模型是以视频作为学习样本，由于一段定损视频内视频帧的数量较多，以视频30帧/s为例，如果1s均匀采样10帧(间隔2帧采样1帧)，一段40s的视频样本就会有400张图片需要分割标注，因此想要获得大量的学习样本则需要标注的工作量巨大，仅靠标注员人工分割标注难以实现；同时，定损视频通常是从远到近的拍摄过程，从单张图片角度来看，远的时候部件可辨识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于定损视频中车辆外观部件标注的方法，其特征在于，包括：间隔抽取定损视频中视频帧图像，得到按时间顺序排列的图像序列；基于深度神经网络对所述图像序列进行车辆部件可辨识分类，得到部件可辨识图像序列和部件不可辨识图像序列；对所述部件可辨识图像序列中各图像进行部件分割、上色并标注部件标签，对所述不可辨识图像序列中各图像进行区域分割、上色并标注区域标签；评估分割上色后的图像序列中分割图的部件分割或区域分割质量，获得质量良好的图像序列和质量差的图像序列；将质量良好的图像序列上色图及该序列第一张图像送至标注人员，标注人员依据该序列第一张图像将该序列所有图像中的区域标签转译为部件标签；将质量差的图像序列上色图及该序列第一张图像送至标注人员，标注人员依据该序列第一张图像将该序列所有图像重新分割并标注部件标签；将标注人员处理后的图像序列标注结果按时间顺序重新拼接，获得定损视频的分割图像序列及标注结果。2.根据权利要求1所述的方法，其特征在于：采用部件语义分割模型推理并分割所述部件可辨识图像序列，获取分割图及各部件标签，并对分割图上色；采用区域语义分割模型推理并分割所述部件不可辨识图像序列，获得分割图及各区域标签，并对分割图上色。3.根据权利要求2所述的方法，其特征在于：所述部件语义分割模型中对应每个车辆外观部件均设有一个部件标签；所述区域语义分割模型中设有多个区域标签，多个所述区域标签用于标注不可辨识图像中的不同区域。4.根据权利要求1所述的方法，其特征在于：对所述分割图上色时使用不同颜色对不同分割区域或部件进行上色，得到彩色分割图。5.根据权利要求1所述的标注方法，其特征在于：所述该序列第一张图像均为人眼可辨识图像。6.一种用于定损视频中车辆外观部件标注的系统，其特征在于，包括：视频帧抽取模块、可辨识性分类模块、部件语义分割模块、区域语义分割模块、质量评价模块及人工修正模...

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