[發明專利]一種基于深度學習的車輛視頻定損系統的智能截圖方法及系統

在審

• 申請號: 202011348956.2
• 申請日: 2020-11-26
• 公開（公告）號: CN112465018A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 叢建亭;黃賢俊;侯進
• 申請（專利權）人: 深源恒際科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/08;H04N5/91
• 代理公司: 北京匯信合知識產權代理有限公司 11335
• 代理人: 林聰源

1.一種基于深度學習的車輛視頻定損系統的智能截圖方法，其特征在于，包括：

設置圖像幀數據緩沖區，間隔N幀緩存一幀圖像到圖像幀數據緩沖區隊列；

設置非圖像幀參數數組，間隔N’幀調用拍攝狀態分類算法得到用戶距離車輛的遠近狀態類別，將該參數存儲到非圖像幀參數數組中；

當非圖像幀參數數組的長度累積達到n后，進行采樣環節類型分析，基于歷史參數分析出當前幀所處于的采樣環節類型；

若采樣環節類型分析的結果是一個有效的類型標識，則校驗當前幀是否滿足距離上次采樣的時間間隔閾值；其中，有效的類型標識包括“Car”、“Part”、“Part_Scar”、“Scar”中的一個；

若滿足，則根據采集環節類型從所述圖像幀數據緩沖區中選擇圖像作為截圖圖像使用；

從視頻定損錄制開始到結束，基于上述步驟產生若干有效的關鍵圖像幀序列上傳服務器中存儲。

2.如權利要求1所述的智能截圖方法，其特征在于，所述圖像幀數據緩沖區的長度＝3，N＝15，緩沖區隊列采用FIFO方式。

3.如權利要求1所述的智能截圖方法，其特征在于，N’＝0或1。

4.如權利要求1所述的智能截圖方法，其特征在于，n＝50。

5.如權利要求1所述的智能截圖方法，其特征在于，采樣環節分析的值域包括“Unknown”、“Car”、“Part”、“Part_Scar”和“Scar”，對圖像幀分類結果包括“未對準車輛＝0”、“車輛方位側容易辨識方位＝1”、“車輛部件周圍環境容易辨識部件＝2”和“損傷周圍環境容易辨識損傷細節＝3”，下述的“6”、“15”代表6次和15次；

所述采樣環節分析，具體包括：

判斷是否滿足非圖像參數數組【-10:0】累積2or3＞6，非圖像參數數組【-20:-10】累積1＞6；

若滿足，則返回“Car”；若不滿足，則判斷“已抽取”數組中最后一幀的采集環節是否是“Scar”類型；

若是“Scar”類型，則判斷是否滿足非圖像參數數組【-20:0】累積2or3＞15，若滿足，則返回“Scar”；

若不是“Scar”類型，則觀察1or2是否進入3，觀察長度從當前往前試探5幀；若進入，則返回“Part_Scar”；若未進入，則觀察未進入3的時間是否達到預設時間，若達到，則返回“Part_Scar”；

若未達到預設時間，則判斷是否滿足非圖像參數數組【-20:0】累積2＞15，若滿足，則返回“Part”；若不滿足，則結束。

6.如權利要求1所述的智能截圖方法，其特征在于，所述校驗當前幀是否滿足距離上次采樣的時間間隔閾值，包括：

獲取已抽幀的非圖像幀參數數組中最后一幀的采樣環節類型；

判斷當前幀的采樣環節類型與最后一幀的采樣環節類型是否匹配；

若匹配，則確認時間間隔閾值a；

若不匹配，則確認時間間隔閾值b；

判斷當前幀的幀號與最后一幀的幀號差值是否小于時間間隔閾值a或時間間隔閾值b；

若小于，則根據采集環節類型從所述圖像幀數據緩沖區中選擇圖像作為截圖圖像使用。

7.如權利要求6所述的智能截圖方法，其特征在于，a＝60，b＝10。

8.如權利要求1或6所述的智能截圖方法，其特征在于，所述根據采集環節類型從所述圖像幀數據緩沖區中選擇圖像作為截圖圖像使用；包括：

當前采集環節類型為“Car”，抽取緩沖區圖像第1幀；

當前采集環節類型為“Part”，抽取緩沖區圖像第2幀；

當前采集環節類型為“Part_Scar”，抽取緩沖區圖像第2幀和第3幀；

當前采集環節類型為“Scar”，將緩沖區圖像的第2幀和第3幀的圖像質量評分進行大小比較，抽取評分高的幀。

9.如權利要求1所述的智能截圖方法，其特征在于，所述拍攝狀態分類算法包括VGG、ResNet、GoogleNet、InceptionV3、NASNet中的一種。

10.一種實現如權利要求1-9中任一項所述的智能截圖方法的系統，其特征在于，包括：

緩存模塊，用于設置圖像幀數據緩沖區，間隔N幀緩存一幀圖像到圖像幀數據緩沖區隊列；

識別模塊，用于設置非圖像幀參數數組，間隔N’幀調用拍攝狀態分類算法得到用戶距離車輛的遠近狀態類別，將該參數存儲到非圖像幀參數數組中；

分析模塊，用于當非圖像幀參數數組的長度累積達到n后，進行采樣環節類型分析，基于歷史參數分析出當前幀所處于的采樣環節類型；

校驗模塊，用于若采樣環節類型分析的結果是一個有效的類型標識，則校驗當前幀是否滿足距離上次采樣的時間間隔閾值；其中，有效的類型標識包括“Car”、“Part”、“Part_Scar”、“Scar”中的一個；

選擇模塊，用于當當前幀滿足距離上次采樣的時間間隔閾值時，根據采集環節類型從所述圖像幀數據緩沖區中選擇圖像作為截圖圖像使用；

上傳模塊，用于從視頻定損錄制開始到結束，基于上述步驟產生若干有效的關鍵圖像幀序列上傳服務器中存儲。