[发明专利]车辆部件分割方法和装置

说明书

本发明提供一种车辆部件分割方法和装置。该方法，包括：根据车辆的图片，获取车辆的标识信息。根据标识信息与特征编码的对应关系，确定车辆对应的特征编码，特征编码用于表示车辆所具有的部件。将特征编码和车辆的图片输入至预设分割模型中，得到各部件对应的所有像素点。根据各部件对应的所有像素点，对车辆的图片进行部件分割。本发明可以快速、自动且精准地分割出照片中车辆各个外观部件的区域。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种车辆部件分割方法和装置。

背景技术

深度学习技术是近年来人工智能领域取得的最重要的突破之一，在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域都取得了巨大成功，尤其是采用卷积神经网络(Convolutional Neural Networks，CNNs)使得图像分割(即语义分割(Semantic Segmentation))技术的准确率提高了很多。

现有的深度学习技术和图像分割技术广泛应用于汽车、摩托车的车辆部件或者整车的检测。在对车辆部件进行分割时，通常采用金字塔场景解析网络(Pyramid SceneParsing Network，PSP net)或者全卷积神经网络(Fully Convolutional Network，FCNnet)，将拍摄的图片输入至上述网络中，实现各个车辆部件的分割。然而，对于不同型号的车辆，其具有的车辆部件不同，采用上述分割方式，易使得车辆部件分割的精度较低。

发明内容

本发明提供一种车辆部件分割方法和装置，以快速、自动且精准地分割出照片中车辆各个外观部件的区域。

第一方面，本发明提供一种车辆部件分割方法，包括：

根据车辆的图片，获取所述车辆的标识信息；

根据标识信息与特征编码的对应关系，确定所述车辆对应的特征编码，所述特征编码用于表示所述车辆所具有的部件；

将所述特征编码和所述车辆的图片输入至预设分割模型中，得到各部件对应的所有像素点；

根据所述各部件对应的所有像素点，对所述车辆的图片进行部件分割。

可选地，所述将所述特征编码和所述车辆的图片输入至预设分割模型中，得到各部件对应的所有像素点，包括：

将所述特征编码和所述车辆的图片输入至预设分割模型中，得到各像素点分别为所述各部件的概率；

针对任一像素点，将概率最大值对应的部件确定为所述像素点对应的部件；

根据各像素点对应的部件，确定所述各部件对应的所有像素点。

可选地，所述根据所述各部件对应的所有像素点，对所述车辆的图片进行部件分割，包括：

根据所述各部件对应的所有像素点，确定所述各部件对应的区域；

根据所述各部件对应的区域，对所述车辆的图片进行部件分割。

可选地，在所述根据所述各部件对应的所有像素点，对所述车辆的图片进行部件分割之后，还包括：

在所述车辆的图片上，对所述车辆的各部件进行标记。

可选地，所述标识信息包括：车辆型号、车辆标志以及车辆格栅中的至少一种。

第二方面，本发明提供一种车辆部件分割装置，包括：

获取模块，用于根据车辆的图片，获取所述车辆的标识信息；

确定模块，用于根据标识信息与特征编码的对应关系，确定所述车辆对应的特征编码，所述特征编码用于表示所述车辆所具有的部件；