[發(fā)明專利]一種基于LDA文檔主題生成模型的車輛二級維護管理方法

在審

• 申請?zhí)枺?/td>: 201611193001.8
• 申請日: 2016-12-21
• 公開（公告）號: CN106778877A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計）人: 熊向峰;楊賽舟;陸義平
• 申請（專利權(quán)）人: 武漢長江通信智聯(lián)技術(shù)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/00
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)11201
• 代理人: 張大威

技術(shù)領(lǐng)域

本發(fā)明涉及車輛維護管理技術(shù)領(lǐng)域，更具體地，涉及一種基于LDA文檔主題生成模型的車輛二級維護管理方法。

背景技術(shù)

目前，在車輛二級維護領(lǐng)域，車輛維修是以強制維護、定期檢測為前提和基礎(chǔ)，以視情修理為手段，根據(jù)車輛實際狀況確定修理作業(yè)深度的。這與以往的老制度的根本區(qū)別是加強二級維護前后的檢測診斷，視情附加修理項目，保障車輛經(jīng)常處于良好技術(shù)狀況.因此，二級維護質(zhì)量的提高是執(zhí)行新保修制度的關(guān)鍵，而對二級維護過程中所產(chǎn)生的圖片的分類與分析，是二級維護系統(tǒng)中重要設(shè)計內(nèi)容，因此若僅僅只是對圖片進行采集存儲，并未充分利用二級維護系統(tǒng)的優(yōu)勢。

現(xiàn)有技術(shù)主要是對二級維護所產(chǎn)生的圖片進行采集與存儲，并未對圖片進行甄別處理。如果僅討論圖像分類技術(shù)，常用的主題模型有LDA與PLSA模型，而在圖像特征提取過程中通常采用sift特征提取或者sift特征結(jié)合其他特征。特征聚類的技術(shù)有KMeans聚類技術(shù)等等。

發(fā)明內(nèi)容

本發(fā)明為克服上述問題或者至少部分地解決上述問題，提供一種基于LDA文檔主題生成模型的車輛二級維護管理方法。

根據(jù)本發(fā)明的一個方面，提供一種車輛二級維護管理方法，其特征在于，包括：

步驟1，基于車輛二級維護圖像各主題圖像樣本進行LDA模型訓(xùn)練，獲得各主題圖像樣本中各主題的特征向量；利用局部敏感哈希算法識別待處理車輛二級維護圖像中各主題的統(tǒng)計直方圖；

步驟2，基于所述各主題圖像樣本視覺單詞的特征向量和待處理車輛二級維護圖像中各主題的統(tǒng)計直方圖，對所述待處理車輛二級維護圖像進行分類。

本申請?zhí)岢鲆环N基于LDA文檔主題生成模型的車輛二級維護管理方法，步驟1，基于車輛二級維護圖像各主題圖像樣本進行LDA模型訓(xùn)練，獲得各主題圖像樣本中各主題的特征向量；利用局部敏感哈希算法識別待處理車輛二級維護圖像中各主題的統(tǒng)計直方圖；步驟2，基于所述各主題圖像樣本視覺單詞的特征向量和待處理車輛二級維護圖像中各主題的統(tǒng)計直方圖，對所述待處理車輛二級維護圖像進行分類。本發(fā)明技術(shù)方案能夠快速精確對車輛二級維護系統(tǒng)中的待處理圖像進行分類。

附圖說明

圖1為根據(jù)本發(fā)明實施例一種車輛二級維護管理方法的整體流程示意圖；

圖2為根據(jù)本發(fā)明實施例一種車輛二級維護管理方法中空間金字塔形式的圖像進行分類示意圖。

具體實施方式

下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

本發(fā)明目的是解決車輛二級維護管理系統(tǒng)中二級維護圖片分類問題，主要對待處理的車輛二級維護圖片進行鑒別與分類，確保所拍攝的圖片的有效性，以提高車輛二級維護質(zhì)量。

本發(fā)明我們采用了基于LDA的圖像分類技術(shù)，對二級維護過程中產(chǎn)生的圖像進行分類。針對二級維護圖片的特性，本發(fā)明對二級維護圖片的主題構(gòu)建了分類樹，在分類樹中劃分了多個子類別，并認為同一個圖像中可能存在多個主題，主題之間可能存在分類樹的層級結(jié)構(gòu)關(guān)系，由此本發(fā)明提出了基于主題特征空間的分類方法，結(jié)合SPM模型，采用多尺度分塊的方法對圖像塊的主題特征進行統(tǒng)計與匹配。同時由于二級維護圖片在顏色集合上具備較為獨特特征表示，我們采用了顏色直方圖的方法表達圖像的顏色分布，其優(yōu)點是不受圖像旋轉(zhuǎn)和平移變化的影響，進一步借助歸一化還可不受圖像尺度變化的影響。此外由于特征維度較大，如果采用線性計算的方式會非常耗時，為實現(xiàn)圖像的快速分類，我們采用了局部敏感哈希(LSH，Locality-Sensitive Hashing)，實現(xiàn)特征的快速聚類，減少計算時間。

在二級行業(yè)領(lǐng)域，目前，車輛維修是以強制維護、定期檢測為前提和基礎(chǔ)，以視情修理為手段，根據(jù)車輛實際狀況確定修理作業(yè)深度的.這與以往的老制度的根本區(qū)別是加強二級維護前后的檢測診斷，視情附加修理項目，保障車輛經(jīng)常處于良好技術(shù)狀況.因此，二級維護質(zhì)量的提高是執(zhí)行新保修制度的關(guān)鍵，而對二級維護過程中所產(chǎn)生的圖片的分類與分析，是二級維護系統(tǒng)中重要設(shè)計內(nèi)容，因此若僅僅只是對圖片進行采集存儲，并未充分利用二級維護系統(tǒng)的優(yōu)勢。