[发明专利]距离自适应的车辆外观部件的图片识别方法

权利要求书

1.一种距离自适应的车辆外观部件的图片识别方法，其特征在于，包括：

获取包含有不同拍摄距离车辆外观图片的一个车辆图片定损单元，所述车辆图片定损单元中包括一张中景图和多张特写图；

利用深度卷积神经网络根据所述车辆外观图片中车辆外观部件的个数对所述车辆图片定损单元中的特写图进行二分类，分为远特写图片和近特写图片，其中，所述远特写图片中包括多于3个且少于5个车辆外观部件，所述近特写图片中包括少于3个车辆外观部件；

利用目标跟踪算法确定每张所述特写图在所述中景图中的跟踪位置；

利用针对不同车辆外观部件个数类别的图像语义分割模型对当前类别的车辆外观图片进行图像语义分割，分别获得所述中景图、所述远特写图片和所述近特写图片的分割图像；

综合所述中景图的分割图像、所述特写图在所述中景图中的跟踪位置与近特写图片的分割图像进行分析，将所述近特写图片的分割图像与所述中景图的分割图像进行匹配，具体过程包括：

根据所述特写图在所述中景图中的跟踪位置，将所述近特写图片的分割图像的外观区域空间结构与所述中景图的跟踪位置区域的外观区域空间结构进行匹配；

根据匹配结果将所述近特写图片的分割图像与所述中景图的分割图像进行对应；

利用深度卷积神经网络对所述车辆外观图片的分割图像进行车辆外观部件识别，确定所述车辆外观图片中的车辆外观部件。

2.根据权利要求1所述的距离自适应的车辆外观部件的图片识别方法，其特征在于，还包括：

在每张所述车辆外观图片中的车辆外观部件区域标识出对应的车辆外观部件标签，并将标识有车辆外观部件标签的车辆外观图片输出，

其中，所述车辆外观部件为从外观上所能看到的主要车辆部件，包括：后视镜、轮胎、车门、轮毂、底边、柱外饰板、翼子板、车门玻璃、大灯、尾灯、保险杠、风挡玻璃、前发动机盖、后行李厢平衡尾翼、顶边、车顶、后行李箱盖、保险杠中网。

3.根据权利要求1所述的距离自适应的车辆外观部件的图片识别方法，其特征在于，所述车辆图片定损单元包括中景图、远特写图片和近特写图片，其中，所述近特写图片的拍摄距离小于所述远特写图片的拍摄距离，所述远特写图片的拍摄距离小于所述中景图的拍摄距离。

4.根据权利要求3所述的距离自适应的车辆外观部件的图片识别方法，其特征在于，所述利用深度卷积神经网络根据所述车辆外观图片中车辆外观部件的个数对所述车辆图片定损单元中的特写图进行二分类以分为远特写图片和近特写图片具体包括：

利用所述深度卷积神经网络判断该车辆图片定损单元中每张特写图中的车辆外观部件个数；

将车辆外观部件个数多于3个且少于5个的特写图分类为远特写图片，将车辆外观部件个数少于3个的特写图分类为近特写图片。

5.根据权利要求1所述的距离自适应的车辆外观部件的图片识别方法，其特征在于，所述利用针对不同车辆外观部件个数类别的图像语义分割模型对当前类别车辆外观图片进行图像语义分割以分别获得所述中景图、所述远特写图片和所述近特写图片的分割图像的具体过程包括：

对图像语义分割算法构建的图像语义分割模型采用包含不同车辆外观部件的图片进行深度学习训练，以得到针对不同车辆外观部件个数类别的图像语义分割模型；

利用训练后的图像语义分割模型针对相应车辆外观部件个数类别的车辆外观图片进行图像分割，获得不同车辆外观部件个数下所述车辆外观图片的分割图像。

6.根据权利要求1所述的距离自适应的车辆外观部件的图片识别方法，其特征在于，所述利用深度卷积神经网络对所述车辆外观图片的分割图像进行车辆外观部件识别以确定所述车辆外观图片中的车辆外观部件的具体过程包括：

利用深度学习网络对各车辆外观图片的分割图像进行识别，以判断出该分割图像为何种车辆外观部件；

根据所述近特写图片与所述中景图的匹配结果判断所述近特写图片中的分割图像为何种车辆外观部件。