[发明专利]车辆颜色的自动识别方法、电子装置、计算机设备和介质

说明书

本申请提供的一种车辆颜色的自动识别方法、电子装置、计算机设备和介质，通过获取待检测车辆图像；基于车身语义分割模型识别所述待检测车辆图像中的车身区域，以得到车身区域图像；对所述车身区域图像进行处理，并将处理后的所述车身区域图像输入车身颜色分类模型，以得到分类结果；将所述分类结果与待检测车辆对应的档案中记录的颜色进行比对，以判断所述分类结果表征的颜色与所述档案中记录的颜色是否一致。本申请能够简化了任务复杂度，提高工作效率，降低工作成本，保证车辆年检审核的公平公正公开。

技术领域

本发明涉及的深度学习的目标检测技术领域，特别是涉及一种车辆颜色的自动识别方法、电子装置、计算机设备和介质。

背景技术

随着人们生活水平的日益提高，机动车数量也随之剧增，车管所车辆年检的工作量也随之增大。车辆外观颜色识别是其中很重要的一环。传统的车辆外观颜色判定识别采用的是人工判定的方式，该方式的人力成本较高、受主观影响较大、效率较低。传统的图像处理方式采用rgb通道转成hsv通道，再进行像素统计的方式对图像中颜色进行统计，出现频率最高的颜色为车辆颜色，该方式受拍摄光照的影响比较大，统计结果往往不准确。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提供一种车辆颜色的自动识别方法、电子装置、计算机设备和介质，以解决现有技术中的问题。

为实现上述目的及其他相关目的，本申请提供一种车辆颜色的自动识别方法，所述方法包括：获取待检测车辆图像；基于车身语义分割模型识别所述待检测车辆图像中的车身区域，以得到车身区域图像；对所述车身区域图像进行处理，并将处理后的所述车身区域图像输入车身颜色分类模型，以得到分类结果；将所述分类结果与待检测车辆对应的档案中记录的颜色进行比对，以判断所述分类结果表征的颜色与所述档案中记录的颜色是否一致。

于本申请的一实施例中，所述车身语义分割模型的获取方法包括：获取不同拍摄条件下得到车辆样本图像，每一所述车辆样本图像中均包括一个待检测车辆；分别对各所述车辆样本图像中待检测车辆的车身区域进行标注；使用标注后的各所述车辆样本图像进行训练，以获得所述车身语义分割模型。

于本申请的一实施例中，所述分别对各所述车辆样本图像中待检测车辆的车身区域进行标注，包括：判断所述待检测车辆的车身区域是否属于圆滑区域；若是，则获取所述圆滑区域的若干边界点，并根据所述若干边界点进行曲线拟合，以对所述待检测车辆的车身区域进行标注。

于本申请的一实施例中，所述使用标注后的各所述车辆样本图像进行训练，以获得所述车身语义分割模型，包括：将标注后的各所述车辆样本图像输入语义分割网络进行训练；其中，所述语义分割网络的初始学习率为0.001；当所述语义分割网络收敛时，停止训练，得到所述车身语义分割模型。

于本申请的一实施例中，所述对所述车身区域图像进行处理，包括：获取所述车身区域图像中车身区域的外接矩形；依据所述外接矩形对所述车身区域图像进行截取，以增加所述车身区域占所述车身区域图像的比例，得到比例调整后的车身区域图像；将所述比例调整后的车身区域图像中目标区域的像素值修改为黑色对应的像素值，得到所述处理后的所述车身区域图像；其中，所述目标区域包括：车窗、车灯、轮胎、及车标中任意一个或多个。

于本申请的一实施例中，所述颜色分类模型的获取方法包括：获取不同拍摄条件下得到的车身区域图像；分别对各所述车身区域图像中的颜色进行标注；使用标注后的各所述车身区域图像进行训练，以获得所述车身颜色分类模型。

于本申请的一实施例中，所述使用标注后的各所述车身区域图像进行训练，以获得所述车身颜色分类模型，包括：确定残差网络中的普通卷积，将膨胀卷积替换所述普通卷积；将所述残差网络中的目标通道数进行裁剪，以及，将所述残差网络中最后连接的一全连接层的输入尺寸值修改为与所述车身颜色的种类数量相同的数值，以得到调整后的残差网络；根据调整后的残差网络，对标注后的各所述车身区域图像进行训练；当所述调整后的残差网络收敛时，停止训练，得到所述车身颜色分类模型。