基于图像识别的车型预测方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，尤其涉及一种基于图像识别的车型预测方法、装置、设备及介质。该基于图像识别的车型预测方法包括获取用户终端上传的包含车辆识别号码的车辆图像，并通过OCR模型识别所述车辆图像中的车辆识别号码；对车辆识别号码进行校验，当校验通过时，将车辆识别号码与预先存储的车型数据进行匹配；若匹配失败，则通过车型预测模块实时接收用户上传的视频流；调用目标车型预测模型对多帧车头图像进行预测，输出车型预测信息；通过车辆识别号码修正车型预测信息，输出目标车型信息，返回给用户终端。该方法可在车辆识别号码进行车型匹配失败时，通过综合预测车型信息以及车辆识别号码，准确输出目标车型信息。准确输出目标车型信息。准确输出目标车型信息。

【技术实现步骤摘要】
基于图像识别的车型预测方法、装置、设备及介质


[0001]本专利技术涉及人工智能
，尤其涉及一种基于图像识别的车型预测方法、装置、 设备及介质。

技术介绍

[0002]目前，车辆零配件服务系统需要用户录入当前车辆的相关信息以匹配车辆零配件，当 前一般采用识别VIN码解析车型信息功能进行解析，以分析当前车辆的相关信息(例如车 辆的品牌、型号、年款、名称等)，但在VIN码解析车型信息失败的情况下，只能依赖于 用户根据引导信息，手动逐层地选择录入车辆的相关信息，录入过程较为繁琐且耗费时间。
[0003]为解决上述问题，目前可实现通过预先训练的车型预测模型针对单一角度的车头图像 进行车型的智能预测，以无需用户手动录入车辆的相关信息，但在实际预测场景中，由于 不同用户在拍摄车头图像时，其拍摄角度可能与期望角度之间存在较大误差，因此若仅根 据单一角度的车头图像进行预测，会使模型预测结果受到角度误差的影响，导致当前车型 识别模型的准确率不高。

技术实现思路

[0004]本专利技术实施例提供一种基于图像识别的车型预测方法、装置、设备及介质，以解决当 前车型识别模型的准确率不高的问题。
[0005]一种基于图像识别的车型预测方法，包括：
[0006]获取用户终端上传的包含车辆识别号码的车辆图像，并通过OCR模型识别所述车辆图 像中的车辆识别号码；
[0007]对所述车辆识别号码进行校验，当校验通过时，将所述车辆识别号码与预先存储的车 型数据进行匹配；
[0008]若匹配失败，则通过车型预测模块实时接收用户上传的视频流；其中，所述视频流中 包括多帧不同角度的车头图像；
[0009]调用预先训练好的目标车型预测模型对多帧所述车头图像进行车型预测，以输出车辆 的车型预测信息；
[0010]通过所述车辆识别号码对所述目标车型预测模型输出的车型预测信息进行修正，以输 出目标车型信息，返回给所述用户终端。
[0011]一种基于图像识别的车型预测方法装置，包括：
[0012]车辆识别号码识别模块，用于获取用户终端上传的包含车辆识别号码的车辆图像，并 通过OCR模型识别所述车辆图像中的车辆识别号码；
[0013]车辆识别号码校验模块，用于对所述车辆识别号码进行校验，当校验通过时，将所述 车辆识别号码与预先存储的车型数据进行匹配；
[0014]车型匹配模块，用于若匹配失败，则通过车型预测模块实时接收用户上传的视频流； 其中，所述视频流中包括多帧不同角度的车头图像；
[0015]车型预测模块，用于调用预先训练好的目标车型预测模型对多帧所述车头图像进行车 型预测，以输出车辆的车型预测信息；
[0016]车型信息修正模块，用于通过所述车辆识别号码对所述目标车型预测模型输出的车型 预测信息进行修正，以输出目标车型信息，返回给所述用户终端。
[0017]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上 运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于图像识别的车型预测 方法的步骤。
[0018]一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处 理器执行时实现上述基于图像识别的车型预测方法的步骤。
[0019]上述基于图像识别的车型预测方法、装置、设备及介质中，通过获取获取用户终端上 传的包含车辆识别号码的车辆图像，并通过OCR模型识别车辆图像中的车辆识别号码，然 后对车辆识别号码进行校验，以初步校验车辆识别号码的真实性，若验证通过，方可进行 后续的车型匹配步骤，保证车型匹配的有效性。当校验通过时，将车辆识别号码与预先存 储的车型数据进行匹配，若匹配失败，即数据库中未存储有该车辆识别号码对应的车型数 据，则调用预先训练好的目标车型预测模型对用户上传的视频流中的多帧不同角度的车头 图像进行智能识别，以输出车辆的车型预测信息，有效避免拍摄角度误差对模型预测结果 的影响，提高车型预测的准确率。最后，此外，由于车辆识别号码可用于唯一描述车辆的 品牌信息，故本实施例中可通过上述解析得到的车辆识别号码所描述的车辆品牌信息进一 步修正模型预测的车型信息，是以综合车辆识别号码与模型输出结果，输出目标车型信息， 进一步提高目标车型信息的准确性。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要 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专利技术的一些实施例， 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。
[0021]图1是本专利技术一实施例中基于图像识别的车型预测方法的一应用环境示意图；
[0022]图2是本专利技术一实施例中基于图像识别的车型预测方法的一流程图；
[0023]图3是图2中步骤S205的一具体流程图；
[0024]图4是图2中步骤S204的一具体流程图；
[0025]图5是本专利技术一实施例中基于图像识别的车型预测方法的一流程图；
[0026]图6是图5中步骤S503的一具体流程图；
[0027]图7是本专利技术一实施例中基于图像识别的车型预测方法的一流程图；
[0028]图8是本专利技术一实施例中基于图像识别的车型预测方法的一流程图；
[0029]图9是本专利技术一实施例中基于图像识别的车型预测方法装置的一示意图；
[0030]图10是本专利技术一实施例中计算机设备的一示意图。
具体实施方式
[0031]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
证后续车型数据匹配的有效性。
[0041]具体地，目前标准VIN码是17位，若识别得到的车辆VIN码的字符串长度不为17， 则认为车辆VIN码解析失败；示例性地，VIN码从从第一位开始，码数字的对应值
×
该码 数字位对应的位置权值，计算全部17位的乘积值相加除以11，所得的余数，即为第九位 校验值，如果余数为10，则检验位为字母“X”。其中，针对码数字的对应值可参照第一 对照表获取，该第一对照表中包括VIN码中各位码数字的“对应值”，例如车辆VIN码为 UU6JA69691D713820，第一位码数字“U”对应的加权值即为“对应值”；针VIN码中各位 数字位对应的加权值可参照第二对照表获取，该第二对照表中包括各数字位对应的位置权 值。
[0042]S203：若匹配失败，则通过车型预测模块实时接收用户上传的视频流；其中，视频流 中包括多帧不同角度的车头图像。
[0043]具体地，若数据库中未存储有与车辆识别号码对应的车型数据，则认为车型匹配失败， 进入车型智能识别模块，通过该目标车型预测模型指导用户拍摄车辆不同角度的车头图像 或直接指导用户拍摄车头的全角度视频流，以获得包含多帧不同角度的车头图像的视频 流，以便后续针对不同角度的车头图像进行识别。
[0044]可以理解地是，为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的车型预测方法，其特征在于，包括：获取用户终端上传的包含车辆识别号码的车辆图像，并通过OCR模型识别所述车辆图像中的车辆识别号码；对所述车辆识别号码进行校验，当校验通过时，将所述车辆识别号码与预先存储的车型数据进行匹配；若匹配失败，则通过车型预测模块实时接收用户上传的视频流；其中，所述视频流中包括多帧不同角度的车头图像；调用预先训练好的目标车型预测模型对多帧所述车头图像进行车型预测，以输出车辆的车型预测信息；通过所述车辆识别号码对所述目标车型预测模型输出的车型预测信息进行修正，以输出目标车型信息，返回给所述用户终端。2.如权利要求1所述基于图像识别的车型预测方法，其特征在于，所述车型预测信息包括多个候选车辆品牌，每一所述候选车辆品牌对应细粒度车辆信息；所述通过所述对所述目标车型预测模型的输出信息进行修正，以输出目标车型信息，返回给所用户终端，包括：通过解析所述车辆识别号码，确定目标车辆品牌；基于所述目标车辆品牌，对所述多个候选车辆品牌进行过滤，以获取所述目标车型信息；其中，所述目标车型信息包括所述目标车辆品牌以及对应的所述细粒度车辆信息。3.如权利要求1所述基于图像识别的车型预测方法，其特征在于，调用预先训练好的目标车型预测模型对多帧所述车头图像进行识别，以输出车辆的车型预测信息，包括：将所述多帧车头图像逐帧输入至所述目标车型预测模型中进行车型预测，预测每帧所述车头图像对应的车型预测子信息；对多个所述车型预测子信息进行整合，以输出所述车型预测信息。4.如权利要求1所述基于图像识别的车型预测方法，其特征在于，在所述获取用户终端上传的包含车辆识别号码的车辆图像，并通过OCR模型识别所述车辆图像中的车辆识别号码之前，所述基于图像识别的车型预测方法还包括：获取样本数据集；其中，所述数据集包括不同车型对应的多角度车头图像；对所述样本数据集进行增噪处理，以扩充所述样本数据集；基于扩充后的样本数据集训练车型预测模型，以得到训练好的目标车型预测模型。5.如权利要求4所述基于图像识别的车型预测方法，其特征在于，所述车型预测模型包括特征提取模块以及特征分类模块；所述特征提取模块包括多个特征提取子单元以及拼接单元；所述基于扩充后的样本数据集训练车型预测模型，以得到训练好的目标车型预测模型，包括：将所述样本数据集划分为对应的训练集以及验证集；将所述训练集中的每一待训练图像分别输入至所述多个特征提取子单元，以提取所述待训练图像的多维度的图像特征；通过所述拼接单元拼接所述待训练图像不同维度的图像特征，并通过所述特征分类模块对拼接后的特征进行分类，以预测所述待训练图像对应的第一预测车型信息；通过交叉熵损失函数，基于所述第一预测车型信息以及预先标注好的所述待训练图像对应的真实车型信息，计算第一模型损失；
采用误差反向传播算法，基于所述第一模型损失优化所述车型预测模型，以得到原始车型预测模型；基于所述验证集对所述原始车型预测模型进行验证，获取所述验证集对应的预测准确率；当所述验证集对应的预测准确...

【专利技术属性】
技术研发人员：王思敏，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：