[發明專利]車輛外觀檢測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201911113900.6
• 申請日: 2019-11-14
• 公開（公告）號: CN110853060A
• 公開（公告）日: 2020-02-28
• 發明（設計）人: 周康明;申周
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/00;G06N3/08;G06N3/04
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 劉羚

本申請涉及一種車輛外觀檢測方法、裝置、計算機設備和存儲介質。所述方法包括：將車輛拍攝圖片輸入至整車檢測模型，得到車輛拍攝圖片中的目標車輛圖片；將目標車輛圖片輸入至語義分割模型，得到分割結果；分割結果中標注了至少一個車輛部件對應的待檢測區域；根據各車輛部件對應的待檢測區域及預設的檢測條件，確定檢測結果。采用本方法由于通過整車檢測模型獲取目標車輛圖片并識別該目標車輛圖片內的車輛部件，可以排除車輛拍攝圖片中無關信息的干擾，提升了后續車輛部件識別過程的識別效率及識別準確性，進而可以使得檢測結果更加準確，也提升了檢測效率。

技術領域

本申請涉及圖像處理技術領域，特別是涉及一種車輛外觀檢測方法、裝置、計算機設備和存儲介質。

背景技術

隨著社會經濟的發展，汽車的普及程度也越來越高，車輛總保持量也隨之增高。為了消除車輛安全隱患，保證交通安全，每一輛已經取得正式號牌及行駛證的車輛都必須要進行車輛年檢，以督促加強汽車的維護保養，減少交通事故的發生。

在車輛年檢過程中，車輛外觀識別是其中很重要的一環。傳統的車輛外觀判定識別采用的是人工判定的方式，該方式的人力成本較高、受主觀影響較大、效率較低。在車輛年檢的大車年檢需求中對各部件的長度、寬度、厚度、曲直等是否合格判定要求較高，現有的智能審核方式多是采用矩形框進行定位檢測，可以大致的得到各部件的位置信息。

但是，上述智能審核方式不能準確的得到各部件的待檢測信息，導致車輛外觀檢測準確度較低。

發明內容

基于此，有必要針對上述技術問題，提供一種時效性好且準確度高的車輛外觀檢測方法、裝置、計算機設備和存儲介質。

第一方面，本發明實施例提供一種車輛外觀檢測方法，所述方法包括：

將車輛拍攝圖片輸入至整車檢測模型，得到所述車輛拍攝圖片中的目標車輛圖片；

將所述目標車輛圖片輸入至語義分割模型，得到分割結果；所述分割結果中標注了至少一個車輛部件對應的待檢測區域；

根據各所述車輛部件對應的待檢測區域及預設的檢測條件，確定檢測結果。

在本申請的一個實施例中，所述語義分割模型的獲取方法，還包括以下步驟：

獲取多張車輛樣本圖片和各所述車輛樣本圖片對應的樣本檢測圖片；所述樣本檢測圖片攜帶至少一個部件對應的待檢測區域；

根據所述多張車輛樣本圖片和各所述車輛樣本圖片對應的樣本檢測圖片對預設的初始分割模型進行訓練，直至損失函數的值滿足預設條件，將訓練后的初始分割模型作為所述語義分割模型。

在本申請的一個實施例中，所述根據所述多張車輛樣本圖片和各車輛樣本圖片對應的樣本檢測圖片對預設的初始分割模型進行訓練，直至所述損失函數的值滿足預設條件，包括：

對所述車輛樣本圖片進行N級不同倍數的下采樣處理，得到N個層級的特征圖；

對所述樣本檢測圖片進行N級不同倍數的下采樣處理，得到N個層級的檢測圖；

根據所述N個層級的特征圖及對應的N個層級的檢測圖對所述初始分割模型進行訓練，并得到各所述層級的損失值；

根據所述損失函數的值調整所述初始分割模型的參數，直至所述損失函數的值滿足預設條件；所述損失函數與各所述層級的損失值相關。

在本申請的一個實施例中，所述初始分割模型包括N個層級的refinenet模塊，第M層級的refinenet模塊的輸入為第M層級的特征圖及第M+1層級的輸出特征圖，所述第M層級的refinenet模塊的輸出為第M層級的輸出特征圖。

在本申請的一個實施例中，所述根據所述N個層級的特征圖及對應的N個層級的檢測圖對所述初始分割模型進行訓練，并得到各所述層級的損失值，包括：