“丛建亭”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果19个，建议您升级VIP下载更多相关专利

[发明专利]基于视频车辆定损的车辆外观部件及配件再识别方法及系统-CN202310744735.4在审
发明人： 丛建亭;侯进;黄贤俊 -专利权人：北京深智恒际科技有限公司
申请日： 2023-06-21 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种基于视频车辆定损的车辆外观部件及配件再识别方法，属于图像处理技术领域；该方法包括：包括以下步骤：获取车辆视频；对车辆视频进行抽帧，得到视频抽帧图片；所述视频抽帧图片包括细节图和部件图；对细节图进行全景分割处理，得到包含至少一个外接矩形的第一分割掩码图；对部件图进行全景分割处理，得到包含至少一个外接矩形的第二分割掩码图；根据第一分割掩码图和第二分割掩码图的外接矩形，将细节图跟踪回归到部件图中，得到回归位置和回归概率；根据回归位置和回归概率对细节图和部件图进行映射处理，得到识别结果。本发明还提供一种基于视频车辆定损的车辆外观部件及配件再识别系统。本发明准确率更有保障，数据标注工作量低，且更节省成本。
基于视频车辆外观部件配件识别方法系统

[发明专利]一种视频定损的智能补充采集方法及系统-CN202310747513.8在审
发明人： 丛建亭;侯进;黄贤俊 -专利权人：北京深智恒际科技有限公司
申请日： 2023-06-21 - 公布日： 2023-10-20 - 主分类号： G06V20/40 文献下载
摘要：本发明公开一种视频定损的智能补充采集方法，属于图像处理领域；该方法包括：获取车辆视频；对车辆视频进行抽帧，得到关键帧图像；对关键帧图像进行参数识别处理，得到识别参数；根据识别参数，得到若干外观部件；对外观部件进行真值标注，得到标注信息；根据标注信息，生成二值向量；对二值向量进行回归，得到N维向量值；根据N维向量值和预设的索引值，得到待推荐的车辆外观部件信息。本发明还提供一种视频定损的智能补充采集系统。本发明降低视频定损采集过程中的现场情况遗漏率，降低了定损专员的办公强度，同时补充采集标准更容易统一，使得理赔案件现场图片更加标准和规范，便于进一步的数据挖掘。
一种视频智能补充采集方法系统

[发明专利]距离自适应的车辆外观部件的图片识别方法-CN201811525650.2有效
发明人： 丛建亭;黄贤俊 -专利权人：深源恒际科技有限公司
申请日： 2018-12-13 - 公布日： 2023-08-01 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种距离自适应的车辆外观部件的图片识别方法，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；根据车辆外观图片中车辆外观部件的个数对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；利用目标跟踪算法确定每张特写图在中景图中的跟踪位置；对车辆外观图片进行图像语义分割；将近特写图片的分割图像与中景图的分割图像进行匹配；对车辆外观图片的分割图像进行车辆外观部件识别，确定车辆外观图片中的车辆外观部件。通过本发明的技术方案，提高了在不同拍摄距离下的识别准确率和识别稳定性，且支持识别的部件种类更加丰富，适用于各种不同的实际应用场景。
距离自适应车辆外观部件图片识别方法

[发明专利]一种基于深度学习的车辆视频定损系统的关键帧提取方法-CN202210764215.5在审
发明人： 丛建亭;侯进;黄贤俊 -专利权人：深源恒际科技有限公司
申请日： 2022-06-29 - 公布日： 2022-11-01 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于深度学习的车辆视频定损系统的关键帧提取方法，包括：从定损视频中间隔n帧均匀采样视频普通帧序列，对普通帧序列进行车辆特征属性识别，基于车辆特征属性中的车辆距离属性确定视频中的“远中”跳变位置和“中近”跳变位置；从“远中”跳变位置向前搜索“远”关键帧图像，从“中近”跳变位置向前搜索“中”关键帧图像，从“中近”跳变位置向后的普通帧进行相似性去重，获取多张“近”关键帧图像。本发明基于深度学习算法实现车辆图片属性特征识别，能获取极高的准确率；同时，关键帧图片序列逻辑性强，信息关键有序，采集后的数据规范性好，人工或机器可阅读性强。
一种基于深度学习车辆视频系统关键提取方法

[发明专利]一种车辆外观部件损伤图像的实例分割标注方法和装置-CN202210764242.2在审
发明人： 丛建亭;侯进;黄贤俊 -专利权人：深源恒际科技有限公司
申请日： 2022-06-29 - 公布日： 2022-10-25 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种车辆外观部件损伤图像的实例分割标注方法和装置，包括：预加载损伤实例分割检测模型推理的高概率损伤多边形目标；第一人员对预标注损伤目标对象进行标注，第二人员以分类清洗的方式对第一人员的标注结果进行质检；将清洗后已质检的训练样本GT送到模型训练，获得迭代模型A；基于迭代模型A对训练样本GT进行推理，并进行重叠判断；筛选出与GT没有重叠的推理出的损伤目标作为待清洗数据，并进行清洗；选取高忽略类型频次的图片样本进行二次校正；将清洗分类且校正后的样本再重新送到模型训练，获得迭代模型B；重复上述步骤迭代N次，得到最终的迭代模型。本发明的方法可降低标注成本，数据噪声更小，模型训练效果更加稳定。
一种车辆外观部件损伤图像实例分割标注方法装置

[发明专利]一种车辆备胎检测方法及装置-CN201710367772.2有效
发明人：杜磊;丛建亭;罗兵华 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2017-05-23 - 公布日： 2021-04-09 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供了一种车辆备胎检测方法及装置，该方法中，获取备胎待检测图像，并对所获取的备胎待检测图像进行车尾检测；根据车尾检测结果，确定所获取的备胎待检测图像中至少一辆车辆对应的备胎检测区域；判断所述备胎检测区域中是否存在参考备胎目标，并根据判断结果确定是否存在备胎。本发明实施例中，首先对获取的备胎待检测图像进行车尾检测，其次，根据车尾检测结果确定备胎检测区域，最后，判断备胎检测区域中是否存在参考备胎目标，并根据判断结果确定是否存在备胎，由此，通过确定备胎可能存在的备胎检测区域，并对备胎检测区域进行备胎检测的方式确定是否存在备胎，以实现对道路中行驶的车辆的车辆备胎检测。
一种车辆备胎检测方法装置

[发明专利]一种基于深度学习的车辆视频定损系统的智能截图方法及系统-CN202011348956.2在审
发明人： 丛建亭;黄贤俊;侯进 -专利权人：深源恒际科技有限公司
申请日： 2020-11-26 - 公布日： 2021-03-09 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于深度学习的车辆视频定损系统的智能截图方法及系统，包括：设置图像帧数据缓冲区，间隔N帧缓存一帧图像到图像帧数据缓冲区队列；设置非图像帧参数数组，间隔N’帧调用拍摄状态分类算法得到用户距离车辆的远近状态类别，将该参数存储到非图像帧参数数组中；当非图像帧参数数组的长度累积达到n后，进行采样环节类型分析，基于历史参数分析出当前帧所处于的采样环节类型；若采样环节类型分析的结果是一个有效的类型标识，则校验当前帧是否满足距离上次采样的时间间隔阈值；若满足，则根据采集环节类型从图像帧数据缓冲区中选择图像作为截图图像使用。本发明基于深度神经网络的分类方法，能获取极高的准确率，分类准确率高。
一种基于深度学习车辆视频系统智能截图方法

[发明专利]一种用于定损视频中车辆外观部件标注的方法及系统-CN202011357788.3在审
发明人： 丛建亭;黄贤俊;侯进 -专利权人：深源恒际科技有限公司
申请日： 2020-11-27 - 公布日： 2021-02-19 - 主分类号： G06T7/11 文献下载
摘要：本发明提供一种用于定损视频中车辆外观部件标注的方法及系统，涉及图像分割技术领域，包括间隔抽取定损视频中视频帧图像，得到按时间顺序排列的图像序列；对图像序列进行车辆部件可辨识分类，得到部件可辨识图像序列和部件不可辨识图像序列；对部件可辨识图像序列中各图像进行部件分割、上色并标注部件标签，对不可辨识图像序列中各图像进行区域分割、上色并标注区域标签；将所有分割上色后的图像序列送入质量评价模块，评估分割图的部件分割或区域分割质量，获得质量良好的图像序列和质量差的图像序列送至标注人员修正分割边界或部件标签。本发明改善和提升了视频分割车辆外观部件的标注效率，为深度网络的学习训练获取了大量的图片分割数据。
一种用于视频车辆外观部件标注方法系统

[发明专利]一种基于深度学习的车险核保验车图片采集方法及系统-CN202011367482.6在审
发明人： 丛建亭;黄贤俊;侯进 -专利权人：深源恒际科技有限公司
申请日： 2020-11-27 - 公布日： 2021-02-12 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度学习的车险核保验车图片采集方法及系统，包括：扫描左前侧车辆外观图片、右前侧车辆外观图片、左后侧车辆外观图片或右后侧车辆外观图片；实时对扫描视频的图像帧进行车辆姿态识别和姿态校验；校验通过后，捕获左前侧车辆四角图片、右前侧车辆四角图片、左后侧车辆四角图片或右后侧车辆四角图片；对车辆四角图片进行灯具部件检测；检测到灯具后，以灯具为锚点，变焦拉近相机镜头，捕获对应的四角图片的局部图片；上传对应的车辆四角图片和局部图片。本发明基于深度神经网络的分类方法，能获取极高的准确率和召回率。
一种基于深度学习车险核保验车图片采集方法系统

[发明专利]一种图像的文本检测质量评价方法及系统-CN202011348987.8在审
发明人： 丛建亭;黄贤俊;侯进 -专利权人：深源恒际科技有限公司
申请日： 2020-11-26 - 公布日： 2021-01-29 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种图像的文本检测质量评价方法及系统，包括：对图像进行文本检测和可视化绘制，得到文本检测行对象；筛选概率小于预设值的文本检测行对象，构成待评价对象集合；采用深度学习分类网络，依次对对象集合中每个文本检测行对象的可视化图像区域进行质量分类评价；其中，评价结果包括“可视化质量差”和“可视化质量良好”；输出“可视化质量差”的文本检测行对象，构成待质检修正对象集合。本发明采用了深度学习分类网络学习文本检测的可视化主观视觉质量，准确率高；相比仅用阈值逻辑区分方式更加符合人眼主观视觉感受，进一步提高票据文本检测标注过程中的处理效率，降低企业人力运营成本。
一种图像文本检测质量评价方法系统

[发明专利]基于视频的车辆外观部件深度学习分割方法和系统-CN202011355098.4在审
发明人： 丛建亭;黄贤俊;侯进 -专利权人：深源恒际科技有限公司
申请日： 2020-11-26 - 公布日： 2021-01-29 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于视频的车辆外观部件深度学习分割方法和系统，方法包括：获取车辆外观部件的录制视频，确定视频中可辨识车辆外观部件的起始位置作为起始帧；将视频由起始帧开始每间隔预设数量帧取一帧图像存入预设的图像缓冲区；对起始帧的图像进行语义分割，并基于语义分割图像掩码标签进行上色；将语义分割上色图片和图像缓冲区内其余图像输入至训练完成的半监督视频目标分割模型中进行推理分割，输出图像缓冲区中所有图像对应的分割图像。通过本发明的技术方案，解决了不同距离下的图片部件分割识别问题，实现了像素级的目标追踪，无需通过图像特征匹配和逻辑关系对不同图片的部件区域进行关联，提高了视频分割的精度和鲁棒性。
基于视频车辆外观部件深度学习分割方法系统

[发明专利]一种车辆类型的识别方法及装置-CN201611205173.2有效
发明人：杜磊;罗兵华;丛建亭 -专利权人：杭州海康威视数字技术股份有限公司
申请日： 2016-12-23 - 公布日： 2020-11-27 - 主分类号： G06K9/00 文献下载
摘要：本发明实施例提供了一种车辆类型的识别方法及装置，该方法包括：获得包含待识别车辆的第一图像；从第一图像中获得待识别车辆对应的车牌位置信息、车头位置信息和车窗位置信息中的至少一个；根据车牌位置信息、车头位置信息以及车窗位置信息中的至少一个，确定待识别车辆的车顶区域的第一位置信息；利用预设的目标检测模型以及第一位置信息对应的车顶区域的图像，确定待识别车辆的类型。可见，通过检测待识别车辆的车顶区域的图像，自动识别出该待识别车辆的类型。进一步的，为公共交通部门对车辆的管理提供了便利。
一种车辆类型识别方法装置

[发明专利]一种基于深度神经网络的汽车外观自动定损方法及系统-CN201810652213.0有效
发明人： 丛建亭 -专利权人：深源恒际科技有限公司
申请日： 2018-06-22 - 公布日： 2020-10-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度神经网络的汽车外观自动定损方法及系统，手机拍摄事故车辆远/中景照片，并实时对远/中景照片进行车辆与车辆总成部件检测，根据车辆与车辆总成部件检测结果确认用户处于合适的距离内拍摄，提示用户拍摄第1张局部车辆照片；手机继续拍摄事故车辆的细节照片，实时对细节照片中的损伤区域进行检测；当检测到损伤区域时，则提示用户拍摄第1张细节照片；拍摄完成后，继续提示用户靠近拍摄该区域，当再次检测到损伤区域时，则提示用户拍摄第2张细节照片，完成后提交当前损伤单元；后台服务器对手机提交的每组损伤单元进行损伤识别，并对多组损伤单元的识别结果进行融合，得出该事故车辆的损伤详情。
一种基于深度神经网络汽车外观自动方法系统

[发明专利]一种基于深度神经网络的文本检测目标提取关系的端到端方法-CN202010350060.1在审
发明人： 丛建亭;侯进;黄贤俊 -专利权人：深源恒际科技有限公司
申请日： 2020-04-28 - 公布日： 2020-08-14 - 主分类号： G06K9/20 文献下载
摘要：本发明公开了一种基于深度神经网络的文本检测目标提取关系的端到端方法，属于计算机视觉技术领域。所述方法在现有的基于深度神经网络的二阶段的目标检测算法的第二阶段结构流程中增加检测目标的匹配关系判断模块，从而实现检测目标是否匹配的训练和预测。通过将文字结构化提取做到深度学习网络结构中，实现端到端的提取功能，从而达到节省提取功能的维护成本目的。本发明所述基于深度神经网络的方法，在文本检测中能够实现端到端的训练和预测，能够达到鲁棒性强，无需再使用规则库进行关系提取，从而降低提取关系资源开发和维护成本。
一种基于深度神经网络文本检测目标提取关系端方

[发明专利]PSENet网络渐进式扩展后处理出现文本粘连的解决方法-CN202010294908.3在审
发明人： 丛建亭;侯进;黄贤俊 -专利权人：深源恒际科技有限公司
申请日： 2020-04-15 - 公布日： 2020-07-10 - 主分类号： G06K9/00 文献下载
摘要：本发明提供了一种PSENet网络渐进式扩展后处理出现文本粘连的解决方法，包括如下步骤：a1.定义一个零图像A作为被融合的小尺寸文本目标图像；a2.从文本目标面积相对最小的kernel图像开始搜索，找出尺寸宽度和高度中的最小值不大于4的文本目标；a3.按照步骤a2的流程进行循环迭代，从最小的kernel图像迭代到文本目标面积相对最大的kernel图像，从而得到图像A的最终值；a4.将图像A与所有的kernel图像分别做下图像或操作，把所有的kernel图像进行修改。本发明实现了降低耗时要求，从而保证了工业应用的计算耗时要求，为人们节省更多时间，同时解决了文本粘连现象，达到了下一步识别模块的识别效果要求,并且本发明构思独特，想法新颖，具有可操作性。
psenet 网络渐进扩展处理出现文本粘连解决方法

1
2
下一页»
尾页
共 19 条