[发明专利]一种汽车前脸品牌家族化分析方法

说明书

一种汽车前脸品牌家族化分析方法，创建用于汽车品牌分类的前视图初始训练图像库1；创建对应的车标移除汽车前脸品牌分类数据集2；合并数据集为新的汽车前脸品牌分类数据集3；分别对三个数据集，选取ResNet8分类方法进行汽车前脸分类训练及测试，针对测试集记录网络结构各层计算及分类结果；针对某一品牌可进行多级特征的可视化分析，采用类别激活映射方法对品牌前脸家族化造型进行分析，展示对应品牌在不同训练集下的CAM热图，并跟踪各级网络结构下显著特征；利用混淆矩阵方式可视化由步骤2生成的数据库的测试结果，进行品牌间的关联性分析；利用t‑分布领域嵌入方法可视化数据集2的测试结果，并根据需要显示分类错误的车型图片。

技术领域

本发明涉及一种由汽车正前视图图片进行汽车品牌品牌家族化分析方法，涉及一种汽车前脸造型的智能化、全自动、可视化的分析方法。

背景技术

如今，全球汽车市场中的汽车品牌、车型种类繁多。在全球第一大汽车市场的中国，市场上在售的乘用车品牌便已超过100个，车型的种类更是数以千计，即使在销热点车型也超过数百款。此外，加上大量新车型数量随年不断涌现。如能建立起大规模的汽车造型数据库，对于汽车造型的分析与家族化设计意义重大。另一方面近几年来兴起的机器学习、深度学习等方法提供了有效的数据挖掘与分析工具，使得人们能够采用数据驱动的方法实现汽车造型分析甚至建模，从而实现造型分析与建模的自动化与智能化。

汽车造型分析的研究工作大部分依赖于人工特征定义与提取。此处文献不一一列举。尽管采用预定义特征的汽车造型分析方法取得很多进展，但这些方法高度依赖于人工的介入，如对于造型特征的感知、提取和解读等。上述研究方法过于依赖专家知识、经验以及大量人力的特性使得他们不适于大规模数据及自动化造型分析。汽车造型作为汽车产品最直观的感受媒介，也逐渐为传递品牌文化、特性而趋向家族化设计。研究和统计表明，汽车前脸是品牌家族化最为核心和关键的部分之一。研究和市场调查充分表明造型家族化的重要性，然而，上述大多数方法仍然基于特征线提取等人工先验。

在激烈的市场竞争中以及汽车行业的数字化、智能化转型中，汽车造型设计作为研发设计阶段的重要一环，也亟需技术革新，实现造型设计的高效，从而缩短研发周期，提高产品竞争力。为此，针对目前汽车造型家族化的设计趋势以及造型设计流程的复杂度高、自动化程度低等现状，本发明提出基于深度学习的汽车造型分析方法，通过建立大规模数据库，采用大数据驱动的方式对造型数据库进行挖掘与分析，从而实现汽车造型分析的自动化与智能化。

发明内容

针对现有问题，本发明提出了由汽车正前视图图片进行汽车品牌识别及品牌家族化分析方法。

本发明的技术方案：

一种汽车前脸品牌家族化分析方法，步骤如下：

(1)创建用于汽车前脸品牌分类的前视图初始训练图像库：整理不同品牌及其不同型号的汽车前脸图像，总样本数目不少于5000，涵盖汽车品牌数目不少于20，单一品牌图像数目不低于150；将背景信息与汽车分离并舍弃，背景色设置为白色；按照宽高比为5：2截取感兴趣区域ROI并存储新图像，尺寸统一化，根据品牌进行标注，将数据集分为60％训练集、20％校验集和20％测试集；

(2)创建车标移除的汽车前脸品牌分类数据集：对步骤(1)得到的初始训练图像库中的图像逐一进行后处理，去除车标，并根据周围图像纹理进行合理填充，生成无车标的汽车前脸品牌分类数据集，该数据集规模与步骤(1)的初始训练图像库相同且图片一一对应，并按汽车品牌标注，并将数据集按步骤(1)中选取的对应数据分为60％训练集、20％校验集和20％测试集；

(3)合并步骤(1)、步骤(2)创建的两个数据集，为新的汽车前脸造型分析数据集，同样按照步骤(1)中选取的对应数据分为60％训练集、20％校验集和20％测试集；

(4)采用ResNet8深度网络结构进行训练得到分类器，然后进行汽车前脸图像的品牌识别，并记录测试集对应的各级网络结构中的计算结果及分类结果；