[发明专利]车辆损伤识别方法及装置

权利要求书

1.一种计算机执行的车辆损伤识别方法，包括：

获取待识别的车辆损伤图片；

将所述车辆损伤图片分别输入预先训练的多个目标检测模型，从该多个目标检测模型分别获得对应的多组检测结果，该多组检测结果构成检测结果集合，所述检测结果集合中包括，所述多个目标检测模型检测出的N个备选边框，以及各个备选边框的类别预测结果；

对于所述N个备选边框中任意的第一备选边框，至少根据该第一备选边框与其他备选边框的关联关系，确定该第一备选边框的综合特征向量，所述关联关系至少包括边框内容关联关系、位置关联关系和类别预测结果关联关系中的一项或多项；

将各个备选边框对应的综合特征向量分别输入预先训练的分类模型，根据分类模型的输出结果，优化所述检测结果集合。

2.根据权利要求1所述的方法，其中所述其他备选边框包括第二备选边框，所述关联关系包括边框内容关联关系；

所述确定该第一备选边框的综合特征向量包括：

获取各个备选边框的卷积特征向量，该卷积特征向量用于表征对应边框中的图片内容特征；

基于所述第一备选边框对应的第一卷积特征向量，和所述第二备选边框对应的第二卷积特征向量，确定第一备选边框与第二备选边框的内容关联特征；

至少根据所述内容关联特征，确定该第一备选边框的综合特征向量。

3.根据权利要求2所述的方法，其中确定第一备选边框与第二备选边框的内容关联特征包括以下中的至少一项：

计算所述第一卷积特征向量和第二卷积特征向量的点积，基于点积结果确定所述内容关联特征；

计算所述第一卷积特征向量和第二卷积特征向量的距离，基于所述距离确定所述内容关联特征，其中所述距离包括余弦距离或欧式距离。

4.根据权利要求1所述的方法，其中所述其他备选边框包括第二备选边框，所述关联关系包括位置关联关系；

所述确定该第一备选边框的综合特征向量包括：

基于所述第一备选边框的位置参数和第二备选边框的位置参数，确定第一备选边框与第二备选边框之间的位置关联特征；

至少根据所述位置关联特征，确定该第一备选边框的综合特征向量。

5.根据权利要求4所述的方法，其中所述位置关联特征包括以下中的一项或多项：中心距离、交并比、面积比、包含关系。

6.根据权利要求1所述的方法，其中所述其他备选边框包括第二备选边框，所述关联关系包括类别预测结果关联关系；

所述确定该第一备选边框的综合特征向量包括：

基于所述第一备选边框对应的第一预测结果和第二备选边框对应的第二预测结果，确定第一备选边框与第二备选边框之间的预测结果关联特征；

至少根据所述预测结果关联特征，确定该第一备选边框的综合特征向量。

7.根据权利要求6所述的方法，其中所述第一预测结果包括第一类别和第一置信度，所述第二预测结果包括第二类别和第二置信度，所述预测结果关联特征包括：第一类别和第二类别的异同，以及，第一置信度和第二置信度的差值。

8.根据权利要求1所述的方法，其中所述其他备选边框包括以下中的一项或多项：与所述第一备选边框的中心距离在预定阈值之内的备选边框，与所述第一备选边框的中心距离排序在预定数目之内的备选边框。

9.根据权利要求1所述的方法，其中所述分类模型包括以下之一：GBDT模型、SVM模型、基于深度神经网络DNN的分类模型。

10.根据权利要求1所述的方法，所述根据分类模型的输出结果，优化所述检测结果集合包括：

在所述分类模型针对所述第一备选边框的输出结果为异常边框的情况下，将所述第一备选边框从所述检测结果集合中剔除。