[發明專利]車輛損傷等級檢測方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110321609.9
• 申請日: 2021-03-25
• 公開（公告）號: CN112907576A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 陳攀;劉莉紅;劉玉宇;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/13;G06N3/08
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 譚果林

1.一種車輛損傷等級檢測方法，其特征在于，包括：

獲取待檢測損傷圖像；所述待檢測損傷圖像包含至少一處車輛被損傷位置的圖像；

基于深度學習和量化感知訓練技術，對所述待檢測損傷圖像進行目標部位識別，識別出目標部位結果；所述目標部位結果包括車輛損傷部位和損傷區域；

提取所述損傷區域的圖像的凹陷特征，得到凹陷等級結果，同時對所述損傷區域的圖像進行形態學操作處理，得到待處理圖像；

根據所述車輛損傷部位，并對所述待處理圖像進行筋線檢測，識別出筋線結果，以及根據所述筋線結果，對所述待處理圖像進行邊緣分割，分割出損傷邊緣，并根據所述損傷邊緣確定出損傷相對占比；

根據所述車輛損傷部位、所述凹陷等級結果、所述損傷相對占比和所述筋線結果，對所述待檢測損傷圖像進行損傷等級評估，得到損傷等級結果。

2.如權利要求1所述的車輛損傷等級檢測方法，其特征在于，所述基于深度學習和量化感知訓練技術，對所述待檢測損傷圖像進行目標部位識別，識別出目標部位結果，包括：

將所述待檢測損傷圖像輸入目標部位檢測模型；

通過所述目標部位檢測模型對所述待檢測損傷圖像進行量化操作，得到量化損傷圖像；

對所述量化損傷圖像進行車輛部位特征和損傷特征的提取，以及對提取的所述車輛部位特征以及所述損傷特征進行反量化操作，得到反量化特征數組；

對所述反量化特征數組進行目標部位識別，得到所述目標部位結果。

3.如權利要求2所述的車輛損傷等級檢測方法，其特征在于，所述將所述待檢測損傷圖像輸入目標部位檢測模型之前，包括：

獲取車輛樣本集；所述車輛樣本集包括車輛樣本圖像，一個所述車輛樣本圖像與一個部位標簽組關聯；一個所述部位標簽組包括一個車輛部位標簽和一個樣本損傷區域；

將所述車輛樣本圖像輸入含有初始參數的目標檢測模型；

通過所述目標檢測模型中嵌入的偽量化模塊對所有所述初始參數進行量化訓練，得到量化分布；

對所述車輛樣本圖像進行所述車輛部位特征和所述損傷特征的提取，以及通過所述偽量化模塊對提取過程進行量化訓練，更新所述量化分布；

對提取的所述車輛部位特征進行車輛部位識別，獲得預測標簽，以及對提取的所述損傷特征進行損傷區域識別，獲得預測損傷區域，同時在所述車輛部位識別和所述損傷區域識別的過程中通過所述偽量化模塊更新所述量化分布；

通過所述目標檢測模型中嵌入的偽反量化模塊對所述預測標簽和所述預測區域進行反量化訓練，得到反量化分布；

根據所述預測標簽和所述車輛部位標簽，確定出第一損失值，并根據所述預測區域和所述樣本損傷區域，確定出第二損失值，以及線性推導出與所述量化分布對應的量化參數和與所述反量化分布對應的反量化參數，根據所述量化參數和所述反量化參數，確定出第三損失值；

對所述第一損失值、所述第二損失值和所述第三損失值進行加權處理，得到最終損失值；

在所述最終損失值未達到預設的收斂條件時，迭代更新所述目標檢測模型的初始參數、所述量化參數和所述反量化參數，直至所述最終損失值達到所述預設的收斂條件時，將收斂之后的所述目標檢測模型記錄為目標部位檢測模型。

4.如權利要求3所述的車輛損傷等級檢測方法，其特征在于，所述將所述車輛樣本圖像輸入含有初始參數的目標檢測模型之前，包括：

通過遷移學習，獲取訓練完成的基于SSD檢測模型的所有遷移參數，將所有所述遷移參數確定為所述目標檢測模型中的所述初始參數。

5.如權利要求1所述的車輛損傷等級檢測方法，其特征在于，所述提取所述損傷區域的圖像的凹陷特征，得到凹陷等級結果，包括：

將所述損傷區域的圖像輸入基于RetinaNet為架構的凹陷檢測模型中；

通過所述凹陷檢測模型對所述損傷區域的圖像進行凹陷深度特征和變形特征的提取；

對提取的所述凹陷深度特征和所述變形特征進行正則化處理；

對正則化后的所述凹陷深度特征和所述變形特征進行凹陷等級評估，得到所述凹陷等級結果。