[发明专利]一种车辆外观装配部件识别方法及系统及装置及介质

说明书

本发明公开了一种车辆外观装配部件识别方法及系统及装置及介质，涉及自动识别领域，本方法首先利用整体图片训练获得车辆外观装配部件检测模型，然后利用局部图片训练获得车辆外观装配部件分类模型；获得待检测车辆的第一外观图片并输入车辆外观装配部件检测模型，输出所述待检测车辆的车辆外观装配部件第一分类类别信息；若第一分类类别信息中包括预设分类类别，则将第一外观图片输入车辆外观装配部件分类模型，输出所述待检测车辆的车辆外观装配部件第二分类类别信息；基于第一分类类别信息和第二分类类别信息获得待检测车辆的车辆外观装配部件识别结果；本方法能够实现对车辆相似外观装配部件的准确识别。

技术领域

本发明涉及自动识别领域，具体地，涉及一种车辆外观装配部件识别方法及系统及装置及介质。

背景技术

汽车外饰件检测中会有较为复杂的部件和较为相似难以区分的部件，如轮毅，例如轮毂识别，总共有10副光亮轮毂、10副抛光轮毂和20副光亮轮毂，抛光和光亮仅在螺丝凹槽处有细微差别，直接的深度学习模型end-to-end的效果往往不佳，直接端到端的训练，目标检测模型无法足够捕捉到细微的差异，从而影响整车外饰件自动检测的通过情况。

发明内容

本发明目的是为了能够实现对车辆相似外观装配部件的准确识别。

为实现上述目的，本发明提供了一种车辆外观装配部件识别方法，所述方法包括：

获得多张车辆外观图片，对所述车辆外观图片中的多个外观装配部件进行分类类别标注，获得标注结果，基于所述标注结果对所述车辆外观图片中预设分类类别的所述外观装配部件的局部部位进行中间类别标注，获得第一训练样本；

对所述预设分类类别的所述外观装配部件对应的所述车辆外观图片进行裁剪，生成所述局部部位对应的局部图片，对所述局部图片进行类型划分生成第二训练样本；

基于所述第一训练样本，采用深度学习目标检测模型进行训练，获得车辆外观装配部件检测模型；

基于所述第二训练样本，采用深度学习分类模型进行训练，获得车辆外观装配部件分类模型；

获得待检测车辆的第一外观图片，将所述第一外观图片输入所述车辆外观装配部件检测模型，所述车辆外观装配部件检测模型输出所述待检测车辆的车辆外观装配部件第一分类类别信息；

若所述第一分类类别信息中包括所述预设分类类别，则将所述第一外观图片输入所述车辆外观装配部件分类模型，所述车辆外观装配部件分类模型输出所述待检测车辆的车辆外观装配部件第二分类类别信息；

基于所述第一分类类别信息和所述第二分类类别信息获得所述待检测车辆的车辆外观装配部件识别结果。

其中，本方法的原理为：本方法将车辆外观装配部件中的复杂部件拆分和相似部件进行拆分，细化结构，然后将拆分后的结果连接一个朴素贝叶斯分类模型，通过二次分类进行结果输出，在保证结果准确性同时几乎不影响模型的推理时间。

优选的，本方法采用边框回归标注方式对所述车辆外观图片中的多个外观装配部件进行分类类别标注。采用边框回归标注方式能够对标注框进行微调，使得经过微调后的窗口跟 Ground Truth更接近，这样的标注方式更准确。

优选的，所述深度学习目标检测模型为Faster-RCNN模型。Faster-RCNN模型为较为先进和强大的模型，具有较强的目标检测能力，能够满足本发明的目标检测需求。

优选的，所述深度学习目标检测模型为yolo模型。yolo模型为较为先进和强大的模型，具有较强的目标检测能力，能够满足本发明的目标检测需求。

优选的，所述深度学习分类模型为ResNet模型。利用ResNet模型能够实现快速高效的分类。

优选的，所述预设分类类别为轮毅。