一种基于图像识别的车漆配方精准识别方法及系统技术方案

本发明专利技术公开一种基于图像识别的车漆配方精准识别方法及系统，包括：根据车身SIFT特征向量、车身HSI特征向量、色号SIFT特征向量和色号HSI特征向量，依次计算每一份子车身图像数据与色卡表中每一个色号的匹配度，将匹配度的最大值大于或等于第一点数阈值时对应的色号作为该子车身图像数据的目标色号，并根据所述目标色号识别出该子车身图像数据的车漆配方。采用本发明专利技术，利用图像识别技术对车辆表面车漆进行识别得到对应特征向量，根据特征向量计算匹配度后根据匹配度大小选出目标色号和对应的车漆配方在数据库中精准地识别出对应的车漆配方，保证车漆配方识别的准确性和效率。保证车漆配方识别的准确性和效率。保证车漆配方识别的准确性和效率。

【技术实现步骤摘要】
一种基于图像识别的车漆配方精准识别方法及系统


[0001]本专利技术涉及图像数据处理
，尤其涉及一种基于图像识别的车漆配方精准识别方法及系统。

技术介绍

[0002]随着汽车产量的急剧增多，汽车表面油漆的使用也不断增加。一方面，汽车生产商生产完汽车后，需要使用特定颜色的油漆对其表面进行处理，另一方面，随着汽车不断增加，交通事故也随之骤升，汽车表面的碰损在所难免，大量汽车修理厂需要使用特定颜色的油漆对其进行处理。
[0003]目前在对汽车表面进行补漆时，若用户选择在各生产厂进行修理，生产厂只会根据汽车出厂时所采用的油漆配进行重新刷漆，没考虑到车辆使用时间的长短对车漆造成的影响继续采用原配方进行刷新会导致车辆各个区域的色泽、色调不一致，而若用户选择在修理厂进行修理，修理厂一般采用有一定经验技术的油漆工来人工配制所需颜色，但是完全依赖补漆师傅的人工经验，往往补漆后汽车会出现色差。

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漆配方精准识别方法及系统，利用图像识别技术对车辆表面车漆的变化进行识别，在数据库中精准地识别出对应的车漆配方，保证车漆配方挑选的准确性和效率。
[0005]本申请实施例的第一方面提供了一种基于图像识别的车漆配方精准识别方法，包括：
[0006]根据车型信息获取出厂车漆配方以及出厂色号；所述出厂色号是指所述厂车漆配方对应颜色在色卡表中的色号，在所述色卡表中，每一个色号对应一种颜色和一种车漆配方；
[0007]获取车身图像数据并将所述车身图像数据分割为不同的子车身图像数据；
[0008]对每一份子车身图像数据，进行两种不同预设参数的高斯滤波，两种滤波结果相减后得到对应的子车身SIFT特征图；
[0009]在每张子车身SIFT特征图中，计算每个极值点的SIFT特征向量、HSI特征向量作为对应子车身图像数据的车身SIFT特征向量、车身HSI特征向量；
[0010]对色卡表中每一个色号，在色号区域中任意选取一个像素点依次计算SIFT特征向量、HSI特征向量作为色号SIFT特征向量、色号HSI特征向量；
[0011]根据所述车身SIFT特征向量、所述车身HSI特征向量、所述色号SIFT特征向量和所述色号HSI特征向量，依次计算每一份子车身图像数据与色卡表中每一个色号的匹配度，将匹配度的最大值大于或等于第一点数阈值时对应的色号作为该子车身图像数据的目标色号，并根据所述目标色号识别出该子车身图像数据的车漆配方。
[0012]在第一方面的一种可能的实现方式中，所述获取车身图像数据并将所述车身图像
数据分割为不同的子车身图像数据，具体为：
[0013]根据车身图像数据获得主视图图像、第一侧视图图像、第二侧视图图像和后视图图像和俯视图图像，将主视图图像、第一侧视图图像、第二侧视图图像、后视图图像中的车辆边缘像素点作为车辆轮廓线；
[0014]根据所述车辆轮廓线对所述车身图像数据进行分割，得到分割为前子车身图像数据、后子车身图像数据、第一侧子车身图像数据、第二侧子车身图像数据和上子车身图像数据。
[0015]在第一方面的一种可能的实现方式中，所述对每一份子车身图像数据，进行两种不同预设参数的高斯滤波，两种滤波结果相减后得到对应的子车身SIFT特征图，具体包括：
[0016]使子车身图像数据依次通过两个预设参数不同且表示函数为正太分布函数的高斯低通滤波器，得到两幅高斯滤波图像；
[0017]对所述两幅高斯滤波图像进行相减，得到子车身SIFT特征图。
[0018]在第一方面的一种可能的实现方式中，所述将每张子车身SIFT特征图中的极值点作为子车身图像数据的特征点，计算每个极值点的SIFT特征向量、HSI特征向量作为对应子车身图像数据的车身SIFT特征向量、车身HSI特征向量之前，还包括：
[0019]计算每张子车身SIFT特征图中每个极值点处做三元二阶泰勒展开，得到每个极值点的对比度；
[0020]对每个极值点，若极值点的对比度小于预设对比阈值，剔除该极值点；通过海参矩阵计算局部曲率差，若极值点的局部曲率差大于预设曲率阈值，剔除该极值点。
[0021]在第一方面的一种可能的实现方式中，所述计算每个极值点的SIFT特征向量、HSI特征向量作为对应子车身图像数据的车身SIFT特征向量、车身HSI特征向量，具体包括：
[0022]根据极值点邻域像素的梯度方向分布特性，为每个极值点指定方向参数；
[0023]根据极值点的方向参数、位置和所处尺度，得到极值点的SIFT特征向量作并作为对应子车身图像数据的车身SIFT特征向量；
[0024]根据极值点的R分量值、G分量值和B值分量值，计算得到极值点的HSI特征向量作为车身HSI特征向量。
[0025]在第一方面的一种可能的实现方式中，所述根据极值点邻域像素的梯度方向分布特性，为每个极值点指定方向参数，具体包括：
[0026]以极值点为中心进行预设邻域窗口采样，并用直方图统计邻域像素的梯度方向；
[0027]使用预设高斯函数对直方图进行平滑；
[0028]根据平滑后的直方图峰值指定极值点的方向参数。
[0029]在第一方面的一种可能的实现方式中，所述对色卡表中每一个色号，在色号区域中任意选取一个像素点依次计算SIFT特征向量、HS I特征向量作为色号SIFT特征向量、色号HSI特征向量，具体包括：
[0030]根据像素点邻域像素的梯度方向分布特性，为每个极值点指定方向参数；
[0031]根据像素点的方向参数、位置和所处尺度，得到像素点的SI FT特征向量作并作为对应色号的色号SIFT特征向量；
[0032]根据像素点的R分量值、G分量值和B值分量值，计算得到像素点的HSI特征向量作为对应色号的色号HSI特征向量。
[0033]在第一方面的一种可能的实现方式中，所述根据所述车身SI FT特征向量、所述车身HSI特征向量、所述色号SIFT特征向量和所述色号HS I特征向量，依次计算每一份子车身图像数据与色卡表中每一个色号的匹配度，具体包括：
[0034]对所述车身SIFT特征向量、所述车身HS I特征向量、所述色号SIFT特征向量和所述色号HS I特征向量进行归一化处理；
[0035]若所述车身SIFT特征向量和所述色号SIFT特征向量的内积大于或等于匹配阈值，且内积小于或等于1，所述车身SIFT特征向量和所述色号S IFT特征向量匹配；
[0036]若所述车身HSI特征向量和所述色号HSI特征向量的内积大于或等于匹配阈值，且内积小于或等于1，所述车身HSI特征向量和所述色号HS I特征向量匹配；
[0037]当所述车身SIFT特征向量和所述色号SIFT特征向量匹配且所述车身HS I特征向量和所述色号HSI特征向量匹配时，子车身SIFT特征图中的极值点与对应的色号匹配；
[0038]统计与对应的色号匹配的极值点数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的车漆配方精准识别方法，其特征在于，包括：根据车型信息获取出厂车漆配方以及出厂色号；所述出厂色号是指所述厂车漆配方对应颜色在色卡表中的色号，在所述色卡表中，每一个色号对应一种颜色和一种车漆配方；获取车身图像数据并将所述车身图像数据分割为不同的子车身图像数据；对每一份子车身图像数据，进行两种不同预设参数的高斯滤波，两种滤波结果相减后得到对应的子车身SIFT特征图；在每张子车身SIFT特征图中，计算每个极值点的SIFT特征向量、HSI特征向量作为对应子车身图像数据的车身SIFT特征向量、车身HSI特征向量；对色卡表中每一个色号，在色号区域中任意选取一个像素点依次计算SIFT特征向量、HSI特征向量作为色号SIFT特征向量、色号HSI特征向量；根据所述车身SIFT特征向量、所述车身HSI特征向量、所述色号SIFT特征向量和所述色号HSI特征向量，依次计算每一份子车身图像数据与色卡表中每一个色号的匹配度，将匹配度的最大值大于或等于第一点数阈值时对应的色号作为该子车身图像数据的目标色号，并根据所述目标色号识别出该子车身图像数据的车漆配方。2.如权利要求1所述基于图像识别的车漆配方精准识别方法，其特征在于，所述获取车身图像数据并将所述车身图像数据分割为不同的子车身图像数据，具体为：根据车身图像数据获得主视图图像、第一侧视图图像、第二侧视图图像和后视图图像和俯视图图像，将主视图图像、第一侧视图图像、第二侧视图图像、后视图图像中的车辆边缘像素点作为车辆轮廓线；根据所述车辆轮廓线对所述车身图像数据进行分割，得到前子车身图像数据、后子车身图像数据、第一侧子车身图像数据、第二侧子车身图像数据和上子车身图像数据。3.如权利要求1所述基于图像识别的车漆配方精准识别方法，其特征在于，所述对每一份子车身图像数据，进行两种不同预设参数的高斯滤波，两种滤波结果相减后得到对应的子车身SIFT特征图，具体包括：使子车身图像数据依次通过两个预设参数不同且表示函数为正太分布函数的高斯低通滤波器，得到两幅高斯滤波图像；对所述两幅高斯滤波图像进行相减，得到子车身SIFT特征图。4.如权利要求1所述基于图像识别的车漆配方精准识别方法，其特征在于，所述将每张子车身SIFT特征图中的极值点作为子车身图像数据的特征点，计算每个极值点的SIFT特征向量、HSI特征向量作为对应子车身图像数据的车身SIFT特征向量、车身HSI特征向量之前，还包括：计算每张子车身SIFT特征图中每个极值点处做三元二阶泰勒展开，得到每个极值点的对比度；对每个极值点，若极值点的对比度小于预设对比阈值，剔除该极值点；通过海参矩阵计算局部曲率差，若极值点的局部曲率差大于预设曲率阈值，剔除该极值点。5.如权利要求1所述基于图像识别的车漆配方精准识别方法，其特征在于，所述计算每个极值点的SIFT特征向量、HSI特征向量作为对应子车身图像数据的车身SIFT特征向量、车身HSI特征向量，具体包括：根据极值点邻域像素的梯度方向分布特性，为每个极值点指定方向参数；
根据极值点的方向参数、位置和所处尺度，得到极值点的SIFT特征向量作并作为对应子车身图像数据的车身SIFT特征向量；根据极值点的R分量值、G分量值和B值分量值，计算得到极值点的HSI特征向量作为车身HSI特征向量。6.如权利要求5所述基于图像识别的车漆配方精准识别方法，其特征在于，所述根据极值点邻域像素的梯度方向分布特性，为每个极值点指定方向参数，具体包括：以极值点为中心进行预设邻域窗口采样，并用直方图统计邻域像素的梯度方向；使用预设高斯函数对直方图进行平滑；根据平滑后的直方图峰值指定极值点的方向参数。7.如权利要求1所述基于图像识别的车漆配方精准识别方法，其特征在于，所述对色卡表中每一个色号，在色号...

【专利技术属性】
技术研发人员：王少中，梁己超，张卫涛，刘达炜，
申请(专利权)人：清远市保鸿涂料有限公司，
类型：发明
国别省市：