[發(fā)明專利]車輛圖像檢測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010142987.6
• 申請日: 2020-03-04
• 公開（公告）號: CN111461170A
• 公開（公告）日: 2020-07-28
• 發(fā)明（設(shè)計）人: 丁晶晶
• 申請（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳眾鼎專利商標(biāo)代理事務(wù)所(普通合伙) 44325
• 代理人: 詹建新

本發(fā)明公開了一種車輛圖像檢測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)；通過對卷積神經(jīng)網(wǎng)絡(luò)的卷積核和池化層進(jìn)行改進(jìn)，將卷積神經(jīng)網(wǎng)絡(luò)擴(kuò)充至能夠支持3D圖像進(jìn)行卷積。構(gòu)造框網(wǎng)絡(luò)，采用三維滑動框?qū)?D池化層中每一池化層輸出特征進(jìn)行識別，使得在檢測過程中，能夠輸出各個部件的位置信息，并通過在分類網(wǎng)絡(luò)中的進(jìn)一步卷積和池化操作，能夠判斷所述各個部件的位置信息是否為損傷部位的位置信息，在保證識別各個部件的效率的前提下，還能夠更精確的定位到損傷部位的位置信息。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)視覺領(lǐng)域，尤其涉及一種車輛圖像檢測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著科學(xué)技術(shù)的發(fā)展，車輛在人們的日常生活中占據(jù)了越來越重要的位置。在車輛由于碰撞或者其他情況出現(xiàn)損傷時需要對車輛進(jìn)行定損，目前存在通過圖像識別算法來對車輛圖像中的損傷部位進(jìn)行檢測和識別的技術(shù)，然而，目前在對車輛部件采用的車輛圖像識別和檢測技術(shù)的識別準(zhǔn)確率和檢測精度都比較低，從而不能夠準(zhǔn)確判斷車輛部件的損傷程度。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種車輛圖像檢測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，以解決車輛圖像檢測定位精度低的問題。

一種車輛圖像檢測方法，包括：

獲取待識別圖像，所述待識別圖像為通過三維圖像采集設(shè)備采集的車輛圖像經(jīng)過圖像處理之后得到的；

獲取車輛圖像識別模型，所述車輛圖像識別模型包括卷積神經(jīng)網(wǎng)絡(luò)和框網(wǎng)絡(luò)；

將所述待識別圖像輸入至所述卷積神經(jīng)網(wǎng)絡(luò)中，得到所述卷積神經(jīng)網(wǎng)絡(luò)的池化層輸出特征，所述卷積神經(jīng)網(wǎng)絡(luò)的卷積層采用3D卷積核，池化層采用3D池化層；

將所述池化層輸出特征輸入至框網(wǎng)絡(luò)中，采用三維滑動框?qū)?D池化層中每一池化層輸出特征進(jìn)行識別，得到所述待識別圖像的識別信息。

一種車輛圖像檢測裝置，包括：

第一獲取模塊，用于獲取待識別圖像，所述待識別圖像為通過三維圖像采集設(shè)備采集的車輛圖像經(jīng)過圖像處理之后得到的；

第二獲取模塊，用于獲取車輛圖像識別模型，所述車輛圖像識別模型包括卷積神經(jīng)網(wǎng)絡(luò)和框網(wǎng)絡(luò)；

第一輸入模塊，用于將所述待識別圖像輸入至所述卷積神經(jīng)網(wǎng)絡(luò)中，得到所述卷積神經(jīng)網(wǎng)絡(luò)的池化層輸出特征，所述卷積神經(jīng)網(wǎng)絡(luò)的卷積層采用3D卷積核，池化層采用3D池化層；

第二輸入模塊，用于將所述池化層輸出特征輸入至框網(wǎng)絡(luò)中，采用三維滑動框?qū)?D池化層中每一池化層輸出特征進(jìn)行識別，得到所述待識別圖像的識別信息。

一種計算機(jī)設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)上述車輛圖像檢測方法的步驟。

一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述車輛圖像檢測方法的步驟。

上述車輛圖像檢測方法、裝置、計算機(jī)設(shè)備及存儲介質(zhì)，通過對卷積神經(jīng)網(wǎng)絡(luò)的卷積核和池化層進(jìn)行改進(jìn)，將卷積神經(jīng)網(wǎng)絡(luò)擴(kuò)充至能夠支持3D圖像進(jìn)行卷積。構(gòu)造框網(wǎng)絡(luò)，采用三維滑動框?qū)?D池化層中每一池化層輸出特征進(jìn)行識別，使得在檢測過程中，能夠輸出各個部件的位置信息，并通過在分類網(wǎng)絡(luò)中的進(jìn)一步卷積和池化操作，能夠判斷所述各個部件的位置信息是否為損傷部位的位置信息，在保證識別各個部件的效率的前提下，還能夠更精確的定位到損傷部位的位置信息。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對本發(fā)明實施例的描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。