[發(fā)明專利]一種電動汽車租賃前后損壞識別檢測方法

有效

• 申請?zhí)枺?/td>: 201611233060.3
• 申請日: 2016-12-27
• 公開（公告）號: CN106600612A
• 公開（公告）日: 2017-04-26
• 發(fā)明（設計）人: 石欣;魏躍東;邱雷;梁妙姝;屈云飛;韓可松;劉昱岑;陸未定;王梨;秦鵬杰
• 申請（專利權(quán)）人: 重慶大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187;G06T7/00
• 代理公司: 北京同恒源知識產(chǎn)權(quán)代理有限公司11275
• 代理人: 趙榮之

技術(shù)領域

本發(fā)明屬于電動汽車檢測及圖像識別技術(shù)領域，涉及一種電動汽車租賃前后損壞識別檢測方法。

背景技術(shù)

現(xiàn)有的汽車識別技術(shù)主要應用在汽車號牌以及車型判斷方面，以及通過識別技術(shù)輔助定位系統(tǒng)來判斷車輛位置，例如車牌識別主要應用在停車場、小區(qū)出入口、高速公路收費站、公路卡口以及城市交通中。而在電動車方面，主要的研究方向在于對充電電池的實時監(jiān)控和控制，對于電動車其他方面的識別還沒有太多的研究內(nèi)容。

電動汽車分時租賃具有廣闊的市場前景，主要原因在于兩點，一是道路資源的限制不可能讓私家車無限制增長，同時，電動汽車能夠減少尾氣排放；另一方面，這種分時租賃可以降低人們的交通成本。在汽車共享這個領域，國內(nèi)外巨頭都在積極布局，2015年12月廣汽投資一億美元入股Uber中國，2016年1月通用5億美元投資汽車共享服務商Lyft,同年5月豐田、大眾、寶馬分布入股相關公司，6月份蘋果、阿里以及軟銀73億美元投資滴滴出行，由此可見汽車共享領域是一個很有前景的領域。目前在我國主流一二線城市人口密度過大，均超過1000人/平方公里，這些城市由于限購等原因正成為新能源汽車消費的主力區(qū)域，在2015年我國居民交通消費總支出達到1.88萬億元，市場規(guī)模巨大，而在這些用戶中有1億多用戶是有證無車組，假若有十分之一的選擇電動車分時租賃，市場規(guī)模就在150億—200億元左右。所以在電動汽車分時租賃飛速發(fā)展的同時，對其電動車進行高效的管理就非常重要，來確保電動車在使用過程中保持最好的車況。

目前，在電動汽車的使用和監(jiān)控過程中，很少對處于租賃狀態(tài)的電動車輛的損壞情況進行監(jiān)控識別。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種電動汽車租賃前后損壞識別檢測方法，該方法通過租賃前后的電動車輛圖片識別來判斷車輛是否存在刮蹭、凹陷等人為因素導致的車輛損壞，從而保證車輛的正常運行。

為達到上述目的，本發(fā)明提供如下技術(shù)方案：

一種電動汽車租賃前后損壞識別檢測方法，該方法包括以下步驟：

S1：通過安裝在電動汽車充電樁區(qū)域的攝像裝置獲取電動汽車租賃前后的兩種圖像；

S2：將獲取的數(shù)字圖片壓縮轉(zhuǎn)換為灰度圖像；

S3：將目標圖像分割成幾個重點區(qū)域；

S4：通過分析圖像中像素間灰度的空間相關特性形成灰度共生矩陣，通過灰度共生矩陣計算兩種圖像的對比度CON、逆差矩IDM值；

S5：對兩種圖像的對比度CON、逆差矩IDM進行顏色和紋理上的分析對比，兩個定義一樣的值進行相減，得到的數(shù)值在設定的閾值范圍內(nèi)，確定無損壞，反之有損壞。

進一步，在步驟S3中，由于要對電動車進行的是前后圖像分析，所以在分割方法的采取上，需先采取定點然后分散的方法對重點部分進行分析。本發(fā)明采用直接搜索區(qū)域來進行圖像分割，具體包括以下步驟：

1)首先確定電動車圖像中的重點區(qū)域，即易產(chǎn)生摩擦、碰撞的位置；

2)在選擇的這些區(qū)域中分別選擇一個中心點作為生長的初始點，設定相似性準則，周圍的像素點與其有相似性則合并到種子所在區(qū)域；

3)不斷的重復步驟2)，使得中心點周圍滿足相似性準則的像素點集合在同一個區(qū)域；

4)分隔完圖像之后，由于在分割之初前后圖像就確定了同樣的中心點，所以此時可以進行一個粗略的分析，即檢查同一個中心點所占區(qū)域前后是否偏差不大，若是有較大偏差，如面積、圖像方向不一樣，則可以斷定電動車在使用過程中遭到了損壞，若是偏差較小，則通過下面灰度共生矩陣來判斷區(qū)域內(nèi)的分割區(qū)域內(nèi)的變化。

進一步，在步驟S4中，灰度共生矩陣是圖像灰度的二階統(tǒng)計度量，反映了紋理圖像灰度在方向、局部領域和變化幅度的綜合信息。因為這種算法計算量大，所以在上一步圖像分割步驟上就已經(jīng)劃分出了明顯差異的部分，減輕了利用灰度共生矩陣的計算量，提減少了反應時間，提高了效率；具體包括以下步驟：

1)計算共生矩陣：S為檢測區(qū)域R中有相似空間關系的像素點集合，共生矩陣定義為：

右邊分數(shù)的分子是有空間聯(lián)系、灰度值分別為i，j的像素對的個數(shù)，分母是像素對的總和個數(shù)(n代表數(shù)量)，得到的結(jié)果P是歸一化結(jié)果；

對于一副特定區(qū)域的圖像Gf(i，j)，大小N×N，包含的像素灰度級為{0,1,…,G-1}，產(chǎn)生的灰度共生矩陣是個二維矩陣C(i,j)，每個矩陣元素表示的是在某一距離d和角度θ，強度i和j一起出現(xiàn)的概率；