[发明专利]一种车辆外观颜色变色改装的智能识别方法

说明书

本发明公开了一种车辆外观颜色变色改装的智能识别方法：获取现场车辆的图像，同时从数据库中读取相同车辆的档案中的图像；分别对传入的现场拍摄到的图像和档案中相同车辆的原图进行图像分割，通过二值化，提取最大轮廓，得到主要分割图像区域，得到两者分割后的mask图像；组合两种图像的车辆侧面，车辆车身以及车盖三部分的颜色信息；将得到的组合图像变换到hsv色彩空间中，按照实际颜色的变化范围统计各种颜色信息，排序得到占比最大的三种颜色，之后将两者进行比较。本发明实现了通过颜色来高效率地自动判断车辆否改装，替换了相对较为低效的人工审核方式，节约了人力，加快了审核速度，保证了审核工作的公开，公正。

技术领域

本发明涉及图像识别、深度学习、图像语义分割人工智能判断技术领域，特别涉及车辆外观颜色变色改装的智能识别技术领域。

背景技术

随着社会经济的不断发展和人民生活水平的不断提高，城市建筑、娱乐设施等土木工程的修建和完善也日益增多，车辆颜色改装方面的查验工作量也随之迅速增大。传统的车辆颜色改装的检测主要是通过人工检测，对于车辆外观颜色是否合格、是否改装的情况，一般检验人员均根据经验来判断，主观性较强，尤其是会受到不同种类的光照的影响。另外观判断的衡量标准较多，有些情况较复杂，人工检验存在很大的易疲劳、易疏忽等弊端，同时人工校验成本较高。

因此如何准确、快速地对车辆外观颜色变化进行判断是急需解决的问题。

发明内容

本发明的目的是：提出自动识别车辆外观颜色是否改装的系统方案，自动审核车辆外观颜色是否与服务器存档内容一致，以满足如今与日俱增的车辆工作效率、准确率的需求。

本发明解决其技术问题所采用的技术方案是：

一种自动识别车辆外观颜色是否改装的系统方案，包括以下步骤：

S1、获取现场车辆的图像，从数据库中读取相同车辆的档案中的图像；

S2、从算法接口传入S1中得到的图片，用基于深度学习的图像语义分割模型Pyramid Scene Parsing Network分别对两张图像进行分割，得到两者分割后的mask图像，如果每个像素都归为实际场景中的目标的类别，即认为图像分割成功。本发明中，如果分割后能得到各个类别的mask图像，就认为分割成功，如果没有得到所需三个类别的分割区域，认为分割不成功，直接返回false，即认为该车辆没有通过检测，不排除是图像质量问题，或者接口传入图片不属于检测比对内容。为了得到所需对比的部分像素颜色值，算法会对mask图像进行二值化处理，以便得到待对比部分的边缘信息。算法会通过二值化图像进行边缘检测从而提取出所有分割得到的各个部分的轮廓，该轮廓信息包括车各个部分所占图片区域的最外边缘的像素坐标，算法会通过分割后的label来判断类别，最后通过车辆侧面，车辆车身以及车盖三个部分的轮廓信息来得到三部分所占图片区域的像素坐标，作为颜色比对的索引。

S3、组合两种图像的车辆侧面，车辆车身以及车盖三部分的颜色信息。

S4、将得到的组合图像变换到hsv色彩空间中，按照实际颜色的变化范围统计颜色信息，得到占比最大的三种颜色，作为上述三部分的颜色，之后将两者进行比较，如果对比的结果在标准结果范围内，则结果返回true。

所述步骤S2中基于深度学习的图像语义分割模型获取步骤如下：

S21、获取不同角度、光照、种类、颜色和图像质量的车辆图像，且尽可能保证车辆在图像的中央区域，且保持完整；

S22、先标记车辆的外轮廓，对车辆外轮廓的所有像素点的值都设置为0(背景)，间接提取出车辆区域图像；