[發明專利]車輛缺陷識別方法、裝置、電子裝置和存儲介質

在審

• 申請號: 202011567961.2
• 申請日: 2020-12-25
• 公開（公告）號: CN112651941A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 劉海波
• 申請（專利權）人: 北京巔峰科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州華進聯浙知識產權代理有限公司 33250
• 代理人: 聶磊

1.一種車輛缺陷識別方法，其特征在于，包括：

獲取待識別的車輛缺陷圖像；

利用車輛缺陷預測模型處理所述車輛缺陷圖像，得到多個預測車輛缺陷標簽信息，其中，所述預測車輛缺陷標簽信息包括第一關鍵點缺陷標簽信息和第一缺陷分類標簽信息，所述車輛缺陷預測模型是根據第二關鍵點缺陷標簽信息、第二缺陷分類標簽信息和車輛缺陷檢測到的實測車輛缺陷標簽信息訓練生成；

對多個所述第一關鍵點缺陷標簽信息進行后處理，生成候選車輛缺陷標簽信息；

在所述候選車輛缺陷標簽信息中檢測所述第一缺陷分類標簽信息，并根據檢測結果確定車輛缺陷識別結果。

2.根據權利要求1所述的車輛缺陷識別方法，其特征在于，所述第一關鍵點缺陷標簽信息包括缺陷類型信息和關鍵點缺陷標簽，對多個所述第一關鍵點缺陷標簽信息進行后處理，生成候選車輛缺陷標簽信息包括：

在多個所述第一關鍵點缺陷標簽信息的所述關鍵點缺陷標簽中選取至少一個第一關鍵點缺陷標簽；

選取與所述至少一個第一關鍵點缺陷標簽的類型相似度在預設閾值范圍內的多個所述關鍵點缺陷標簽，得到侯選車輛缺陷標簽，其中，所述類型相似度根據所述缺陷類型信息確定；

根據所述候選車輛缺陷標簽和與所述候選車輛缺陷標簽對應的所述缺陷類型信息，生成所述候選車輛缺陷標簽信息。

3.根據權利要求2所述的車輛缺陷識別方法，其特征在于，所述類型相似度是以歐式距離確定的，選取與所述至少一個第一關鍵點缺陷標簽的類型相似度在預設閾值范圍內的多個所述關鍵點缺陷標簽，得到候選車輛缺陷標簽包括：

計算多個所述第一關鍵點缺陷標簽信息的所述關鍵點缺陷標簽與所述至少一個第一關鍵點缺陷標簽的歐式距離；

將與所述至少一個第一關鍵點缺陷標簽的歐式距離最小的多個所述關鍵點缺陷標簽作為所述候選車輛缺陷標簽。

4.根據權利要求1所述的車輛缺陷識別方法，其特征在于，在所述候選車輛缺陷標簽信息中檢測所述第一缺陷分類標簽信息，并根據檢測結果確定車輛缺陷識別結果包括：

遍歷所述候選車輛缺陷標簽信息的多個第三車輛缺陷標簽信息；

將所述第三車輛缺陷標簽信息與多個所述第一缺陷分類標簽信息進行匹配，得到匹配結果；

在匹配到所述第一缺陷分類標簽信息的情況下，確定所述車輛缺陷識別結果包括所述第三車輛缺陷標簽信息。

5.根據權利要求4所述的車輛缺陷識別方法，其特征在于，所述第三車輛缺陷標簽信息包括第一車輛缺陷類型，所述第一缺陷分類標簽信息包括第二車輛缺陷類型，將所述第三車輛缺陷標簽信息與多個所述第一缺陷分類標簽信息進行匹配包括：將所述第三車輛缺陷標簽信息的第一車輛缺陷類型與所述第一缺陷分類標簽信息的第二車輛缺陷類型進行匹配。

6.根據權利要求5所述的車輛缺陷識別方法，其特征在于，所述第三車輛缺陷標簽信息還包括車輛缺陷位置信息，根據檢測結果確定車輛缺陷識別結果包括：

在匹配到所述第一缺陷分類標簽信息的情況下，讀取所述第三車輛缺陷標簽信息的所述車輛缺陷位置信息；

根據所述車輛缺陷位置信息確定車輛缺陷點，并確定所述車輛缺陷識別結果包括所述第一車輛缺陷類型和所述車輛缺陷點。

7.根據權利要求1所述的車輛缺陷識別方法，其特征在于，所述車輛缺陷預測模型是采用HRNet網絡架構的CNN卷積神經網絡構建的。