[發明專利]一種基于神經網絡的車輛劃痕檢測方法

有效

• 申請號: 202010533370.7
• 申請日: 2020-06-12
• 公開（公告）號: CN111709352B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 王子彤;劉強;金長新
• 申請（專利權）人: 浪潮集團有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/56;G06V10/82;G06N3/04
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜明

本發明涉及人工智能技術應用領域，具體提供了一種基于神經網絡的車輛劃痕檢測方法，該方法分為以下步驟：S01、通過神經網絡對攝像頭采集的車輛全貌圖像和車輛細節圖像進行特征提取，得到特征提取圖；S02、檢索后臺標準數據庫，比較標準數據庫中的圖與特征提取圖是否超過閾值，作為待測車輛的初始標記特征；S03、經過若干時間或空間范圍后，再次重復S01中對車輛全貌圖像和車輛細節圖像進行特征提取，兩次特征提取圖比較是否超過閾值，判斷車輛是否有劃痕。與現有技術相比，本發明通過設置部署多個神經網絡配合完成車輛車型檢測與細節特征提取，可在第一時間對車輛外觀是否受損或剮蹭了其他車輛進行較準確判斷，具有良好的推廣價值。

技術領域

本發明涉及人工智能技術應用領域，具體提供一種基于神經網絡的車輛劃痕檢測方法。

背景技術

隨著時代的不斷進步,汽車成為人們出行的基本工具,越來越多的車輛行駛在道路上，造成汽車之間的擁堵。在車輛緩慢行駛或者在停車的過程中，發生輕微或者是一般刮擦都是很正常的現象，尤其是在無人值守的情況下，車主當時又不易察覺劃痕，發現后，難以追查且難以取證，即時在有攝像頭的情況下，也是比較難以追查的。

發明內容

本發明是針對上述現有技術的不足，提供一種實用性強的基于神經網絡的車輛劃痕檢測方法。

本發明解決其技術問題所采用的技術方案是：

一種基于神經網絡的車輛劃痕檢測方法，該方法分為以下步驟：

S01、通過神經網絡對攝像頭采集的車輛全貌圖像和車輛細節圖像進行特征提取，得到特征提取圖；

S02、檢索后臺標準數據庫，比較標準數據庫中的圖與特征提取圖是否超過閾值，作為待測車輛的初始標記特征；

S03、經過若干時間或空間范圍后，再次重復S01中對車輛全貌圖像和車輛細節圖像進行特征提取，兩次特征提取圖比較是否超過閾值，判斷車輛是否有劃痕。

進一步的,在步驟S01中，包括：

S011、部署神經網絡一，對經攝像頭采集的車輛全貌圖進行車型識別，到到待檢測車輛車型信息；

S012、部署神經網絡二，對經攝像頭采集的車輛細節圖進行特征提取，得到待檢測車輛細節特征信息向量組一。

作為優選,所述神經網絡一訓練采用多品牌多車型的各角度整體圖片，所述神經網絡二訓練集采用各車輛外觀細節圖片。

進一步的,所述神經網絡一、神經網絡二由基礎網絡和特殊網絡構成，所述基礎網絡包括但不限于VGG、ResNet、DeepWise或全連接結構；

所述特殊網絡對某類特征專門進行提取。

進一步的,所述車型信息包括但不限于車輛品牌、車輛型號、上市年月、車輛顏色和車輛牌照。

進一步的,所述車輛細節特征信息向量包括但不限于車輛兩側前后門顏色與光潔度、車輛前中后玻璃光潔度、車頂顏色與光潔度、輪胎及輪轂側面光潔度、葉子板及車燈顏色與光潔度和后備箱門顏色與光潔度。

進一步的,在步驟S02中，根據所述車輛車型信息，檢索后臺標準數據庫，比較標準數據庫中與步驟S022得到的所述車輛細節特征信息向量組一，超過設定閾值時記錄此條特征，作為待檢測車輛的初始標記特征，表示在初次測量時車輛可能已存在劃痕損傷；

將所述初始標記特征與所述車輛車型信息和車輛細節特征信息向量組一一起保存在當前工作數據庫中。

進一步的,在步驟S03中，經過若干時間或空間范圍后，再次對車輛進行步驟S021和步驟S022所述的神經網絡特征提取，得到車輛車型信息和車輛細節特征信息向量組二；