[发明专利]车辆检查系统、车辆部位识别方法及系统

权利要求书

1.一种车辆部位识别方法，其特征在于，包括：

对待识别车辆进行车体图像采集以获取所述待识别车辆的车体图像序列；

利用一通过深度学习算法生成的第一车体重构模型基于所述车体图像序列进行车体重构，以获取所述待识别车辆的车体重构图像；

基于所述待识别车辆的车体重构图像识别所述待识别车辆的预设部位与其他部位之间的分界标识以获取所述预设部位的位置；

其中，在利用一通过深度学习算法生成的第一车体重构模型基于所述车体图像序列进行车体重构，以获取所述待识别车辆的车体重构图像之前，所述方法还包括：

获取多个被标识出所述预设部位的第一样本车体图像；

获取多个待标识出所述预设部位的第二样本车体图像；

通过一预设深度学习算法对所述第二样本车体图像中所述预设部位进行识别以确定一第二车体重构模型的第一参数；

将所述第一样本车体图像输入所述第二车体重构模型以对所述第一参数进行校正以得到所述第一车体重构模型。

2.根据权利要求1所述的车辆部位识别方法，其特征在于，所述方法还包括：

基于所述待识别车辆的车体重构图像判断所述待识别车辆的类型；

其中，在判断所述待识别车辆的类型属于预设类型后，基于所述待识别车辆的车体重构图像识别所述待识别车辆的预设部位与其他部位之间的分界标识以获取所述预设部位的位置。

3.根据权利要求1所述的车辆部位识别方法，其特征在于，所述通过一预设深度学习算法对所述第二样本车体图像中所述预设部位进行识别以确定一第二车体重构模型的第一参数包括：

对一受限玻尔兹曼机模型中的所述第一参数进行初始化，并设定所述受限玻尔兹曼机模型的训练周期、学习率以及一训练算法的参数k；

在所述训练周期内，调用所述训练算法并结合所述学习率以及参数k，向受限玻尔兹曼机模型输入所述第二样本车体图像进行k次训练，得到所述第一参数的增量；

根据所述第一参数的增量对所述第一参数进行更新，并基于所述受限玻尔兹曼机模型以及更新后的所述第一参数得到所述第二车体重构模型。

4.根据权利要求1所述的车辆部位识别方法，其特征在于，所述通过一预设深度学习算法对所述第二样本车体图像中所述预设部位进行识别以确定一第二车体重构模型的第一参数,包括：

设定一循环神经网络模型中的训练周期、运行时间；

在所述运行时间为t时刻时，判断所述训练周期是否结束；

在判断所述训练周期未结束时，向所述循环神经网络模型输入所述第二样本车体图像得到第n输出，基于所述第n输出对所述分界标识进行第n次识别，并基于所述分界标识的第n次识别对第n-1次调整后的所述第一参数进行第n次调整；

在判断所述训练周期结束时，基于第n-1次调整后的所述第一参数，得到所述第二车体重构模型。

5.根据权利要求1所述的车辆部位识别方法，其特征在于，在所述利用一通过深度学习算法生成的第一车体重构模型基于所述车体图像序列进行车体重构之前还包括：

将采集到的所述待识别车辆的车体图像的分辨率缩放到一预设分辨率，并对缩放后的所述待识别车辆的车体图像进行灰度拉伸，得到所述待识别车辆的车体图像的归一化图像；

采用固定的阈值对所述归一化图像进行分割，所述归一化图像中大于所述阈值的像素作为车体，所述归一化图像中小于或者等于所述阈值的像素作为背景。

6.根据权利要求1所述的车辆部位识别方法，其特征在于，所述对待识别车辆进行车体图像采集包括：

判断是否已经获取所述预设部位的位置；

在判断尚未获取所述预设部位的位置时，将当前时刻以及当前时刻之前采集的所述车体图像输入到所述第一车体重构模型中。

7.根据权利要求6所述的车辆部位识别方法，其特征在于，所述待识别车辆的预设部位为车头。