[發明專利]一種基于深度學習的車輛外觀損傷識別方法

有效

• 申請號: 201811521006.8
• 申請日: 2018-12-12
• 公開（公告）號: CN109657716B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 朱向雷;郭維明;劉森;朱倩倩;趙子豪
• 申請（專利權）人: 中汽數據（天津）有限公司;中國汽車技術研究中心有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q40/08
• 代理公司: 天津企興智財知識產權代理有限公司 12226
• 代理人: 陳雅潔

本發明提供了一種基于深度學習的車輛外觀損傷識別方法，包括獲取實際車輛外觀損傷圖像并進行損傷類型和位置標注；搭建深度卷積神經網絡；開展模型訓練，得到訓練后的模型；利用訓練得到的模型進行車輛外觀損傷識別和模型評估。本發明所述的一種基于深度學習的車輛外觀損傷識別方法，基于深度卷積神經網絡模型在復雜環境下對車輛外觀件損傷類型及程度進行識別，在保證算法精度的同時，提升算法運算速度。

技術領域

本發明屬于人工智能領域，尤其是涉及一種基于深度學習的車輛外觀損傷識別方法。

背景技術

近年來，隨著中國經濟社會的持續快速發展，全國機動車保有量持續快速增長，車輛交通事故問題也一直頻繁發生。通常，車輛發生交通事故后需要保險公司專業理賠人員采用人工判定方法進行車輛損傷的識別，導致保險公司案件處理效率低，車主等待時間長等諸多問題。

經過對現有技術的檢索發現，中國專利文獻號CN105678622A，公開/公告日2016年06月15日，發明名稱為“車險理賠照片的分析方法及系統”中公開了一種利用常規卷積神經網絡對移動端上傳的事故照片進行分析、識別出損傷部位并基于分析結果生成提醒信息的方法。此方法只是確定車輛的損傷部位，不能識別出具體的損傷類型。此外，該方法中車輛的定損結果還是需要依靠人工核定，人力成本依然較大。

此外，中國專利文獻號CN107358596A，公開/公告日2017年11月17日，公開了一種基于圖像的車輛定損方法、裝置、電子設備及系統。該專利中通過卷積層CNN和區域建議層RPN的網絡模型構建經過樣本訓練實現了車輛外觀部件損傷的識別。該方法采用了多尺度和多比例基準框，能夠有效提升非常規尺度和比例的損傷檢測。該模型算法整體分為兩個階段，首先應用RPN對特征圖進行粗選區域篩選，再應用卷積神經網絡對得到的粗選區域進行分類、回歸。但方法過程復雜、計算量較大，導致算法檢測速度較慢，難以達到實時的效果。

發明內容

有鑒于此，本發明旨在提出一種基于深度學習的車輛外觀損傷識別方法，基于深度卷積神經網絡模型在復雜環境下對車輛外觀件損傷類型及程度進行識別，在保證算法精度的同時，提升算法運算速度。

為達到上述目的，本發明的技術方案是這樣實現的：

一種基于深度學習的車輛外觀損傷識別方法，包括：

步驟一：獲取實際車輛外觀損傷圖像并進行損傷類型和位置標注；

步驟二：搭建深度卷積神經網絡；

步驟三：開展模型訓練，得到訓練后的模型；

步驟四：利用訓練得到的模型進行車輛外觀損傷識別和模型評估。

進一步的，步驟一中，自建數據集，將獲取的多種拍攝角度、多個車型和多種環境下的車輛外觀損傷圖像存入數據集中。

獲取的圖像覆蓋白天和夜晚下的車前、車后、側前等多個方位的轎車、SUV、MPV、交叉型乘用車等車輛外觀損傷的遠景和近景圖像。

采用圖像標注工具，對車輛外觀件損傷，如剮蹭、劃傷、凹陷等情況進行標注。

進一步的，步驟一中，將標注完成的數據集分成訓練集、驗證集和測試集。

進一步的，步驟二中，首先搭建主干網絡，實現基于卷積神經網絡模型CNN的特征提取，設置網絡閾值、最大迭代次數等參數；

搭建候選框生成網絡，將提取的特征圖作為輸入，實現基于卷積神經網絡模型CNN的候選框生成；候選框中既有前景候選框也有背景候選框，該網絡直接將生成的候選框輸入下一部分網絡，未做初篩，極大地縮短模型運行的速度；

搭建目標圖片分類網絡和邊界框回歸網絡，輸入候選框實現對候選框中目標的分類和目標的位置回歸。