[发明专利]车辆图像分类方法、装置、计算机设备及存储介质

权利要求书

1.一种车辆图像分类方法，其特征在于，包括：

获取车辆定损数据集，所述车辆定损数据集包括至少两幅车辆定损图像；

对车辆定损数据集中的每一车辆定损图像进行识别，得到每一车辆定损图像的属性信息和受损点信息，所述车辆定损图像包括受损区域；所述对车辆定损数据集中的每一车辆定损图像进行识别，得到每一车辆定损图像的属性信息和受损点信息，包括：采用预设的受损点识别模型对每一车辆定损图像的受损区域进行识别，得到每一车辆定损图像的受损点信息；采用语义分割模型对每一车辆定损图像进行处理，得到每一车辆定损图像的图像信息；根据每一车辆定损图像的所述图像信息获取对应的目标识别模型，采用所述目标识别模型对所述车辆定损图像进行识别处理，得到所述车辆定损图像的属性信息；

根据所述属性信息对所述车辆定损图像进行分类，得到全局图像集和局部图像集；

根据每一所述全局图像的属性信息和受损点信息设置初始聚类簇，根据所述初始聚类簇对车辆定损数据集进行聚类分析，得到不同的车辆分类集，包括：将每一车辆定损图像的属性信息和受损点信息进行特征向量转化，得到每一车辆定损图像的定损特征向量；将每一所述全局图像的定损特征向量设置为初始聚类点，根据所述初始聚类点采用聚类算法对所述车辆定损图像进行聚类分析，得到不同的车辆聚类簇；计算每一车辆聚类簇中每一车辆定损图像的定损特征向量到聚类簇中心的向量距离；将所述向量距离超过预设的向量阈值的车辆定损图像确定为待确定图像；将所述待确定图像发送至客户端，获取所述客户端返回的分类信息；根据所述分类信息将每一所述待确定图像分配到对应的车辆聚类簇中；将每一车辆聚类簇中的车辆定损图像组成车辆分类集；

对每一车辆分类集中的车辆分类图像进行图像相似度计算，根据图像相似度对重复的车辆分类图像进行剔除。

2.如权利要求1所述的车辆图像分类方法，其特征在于，所述根据所述属性信息对所述车辆定损图像进行分类，得到全局图像集和局部图像集，包括：

获取预设的分类信息，根据所述分类信息对每一车辆定损图像的属性信息进行匹配；

若所述属性信息和所述分类信息匹配成功，则将对应的车辆定损图像放入全局图像集中；

若所述属性信息和所述分类信息匹配失败，则将对应的车辆定损图像放入局部图像集中。

3.一种车辆图像分类方法，其特征在于，包括：

获取车辆定损数据集，所述车辆定损数据集包括全局图像和局部图像；

对所述车辆定损数据集进行分类处理，得到全局图像集和局部图像集；

采用预设的识别模型对车辆定损数据集中的每一车辆定损图像进行识别，得到每一车辆定损图像的属性信息和受损点信息，所述车辆定损图像包括受损区域；所述采用预设的识别模型对车辆定损数据集中的每一车辆定损图像进行识别，得到每一车辆定损图像的属性信息和受损点信息，包括：采用预设的受损点识别模型对每一车辆定损图像的受损区域进行识别，得到每一车辆定损图像的受损点信息；采用语义分割模型对每一车辆定损图像进行处理，得到每一车辆定损图像的图像信息；根据每一车辆定损图像的所述图像信息获取对应的目标识别模型，采用所述目标识别模型对所述车辆定损图像进行识别处理，得到所述车辆定损图像的属性信息；

根据每一所述全局图像的属性信息和受损点信息设置初始聚类簇，根据所述初始聚类簇对局部图像集进行聚类分析，得到不同的车辆分类集，包括：将每一车辆定损图像的属性信息和受损点信息进行特征向量转化，得到每一车辆定损图像的定损特征向量；将每一所述全局图像的定损特征向量设置为初始聚类点，根据所述初始聚类点采用聚类算法对所述车辆定损图像进行聚类分析，得到不同的车辆聚类簇；计算每一车辆聚类簇中每一车辆定损图像的定损特征向量到聚类簇中心的向量距离；将所述向量距离超过预设的向量阈值的车辆定损图像确定为待确定图像；将所述待确定图像发送至客户端，获取所述客户端返回的分类信息；根据所述分类信息将每一所述待确定图像分配到对应的车辆聚类簇中；将每一车辆聚类簇中的车辆定损图像组成车辆分类集；

对每一车辆分类集中的车辆图像进行车辆相似度计算，根据车辆相似度对重复的车辆图像进行剔除。