[发明专利]一种基于侧方位相机的车辆表面异常检测方法

权利要求书

1.一种基于侧方位相机的车辆表面异常检测方法，其特征在于，具体过程为：

（1）构建车辆分割数据集：收集路侧停车场侧方位相机的视频图像，并对图像中的车辆表面进行分割标注，将图像中的像素分类成车辆表面类和背景类得到分割数据集，再将分割数据集根据实际需要划分为训练集、验证集和测试集；

（2）利用分割网络对车辆表面图像进行分割：将车辆表面图像的像素缩放到1333*800，选用图像分割网络对车辆表面图像进行分割，并设定其能量损失；

（3）对车辆表面图像进行掩膜处理和修复：将步骤（2）得到的每个车辆表面图像缩放到512*256分辨率大小，对于鱼眼摄像头采集到的图像中如有分割到两个车的情况，依次对每个车进行掩膜处理，掩膜大小为64*32像素，从左上角往右下角依次进行掩膜处理，背景部分不进行处理，每辆车辆掩膜最多有64个；从掩膜处理后的图像中选择64张图像一起输入卷积神经网络进行修复得到掩膜修复后的图像；

（4）原始图像与掩膜修复后的图像进行对比：利用步骤（3）得到的掩膜修复后的图像与原始图像做对比，对64个做图像修复的每个位置进行相似度判断，如果原始表面图像与修复的图像之间相似则判断该位置没有残损，如果表面图像与修复图像之间不相似，则判断有残损；

（5）训练网络得到训练好的参数模型：利用步骤（2）中的分割结果制作数据集，选用1000张分割后的图像进行缩放后将每张图像从左上角到右下角依次掩膜后作为网络的输入训练样本，网络输出为未经过掩膜处理的图像，再采用绝对值损失计算损失误差，通过反向传播更新参数，经过设定次数的完整训练集训练迭代后，保存验证集上结果最好的模型参数，作为最终模型训练好的参数，即得到训练好的图像修复网络参数；

（6）通过推理得到结果：将侧方位监控相机的视频图像输入到步骤（5）训练好的图像修复网络中进行前向推理得到修复后的车辆表面图像，再通过步骤（4）判断拍摄的车辆是否存在表面异常。

2.根据权利要求1所述基于侧方位相机的车辆表面异常检测方法，其特征在于，步骤（2）中所选取的图像分割网络模型为动态并快速语义分割模型。

3.根据权利要求2所述基于侧方位相机的车辆表面异常检测方法，其特征在于，步骤（3）中所述卷积神经网络包括九个卷积模块，自左至右依次为卷积模块1、卷积模块2、卷积模块3、卷积模块4、卷积模块5、卷积模块4、卷积模块3、卷积模块2和卷积模块1，最左侧卷积模块1中第一层卷积层的卷积核为192*3*3，192表示64张彩色图像作为图像组一起输入到卷积神经网络，3*3表示在图像坐标平面内是采用3*3卷积，该层共有64个卷积核，卷积模块1中的第二个卷积层的卷积为64*3*3，得到的特征层的大小为64*512*256，64为特征层的厚度，512*256为特征层平面的维度，在卷积模块2、3、4、5中，卷积核的个数依次为128、256、512和512。

4.根据权利要求3所述基于侧方位相机的车辆表面异常检测方法，其特征在于，步骤（4）中所述相似度判断采用结构相似性准则SSIM进行判断，SSIM计算过程如下：

，

其中和分别为原始图像I_g与修复图像I_d的像素平均值，和分别为原始图像I_g与修复图像I_d的标准差，为协方差，c₁与c₂为常数，c₁取6.5025，c₂取58.5225；SSIM取值范围在0~1，越接近1说明修复得到的图像越接近原来的真实图像，如果SSIM≥0.8，则判断原始表面图像没有异常，如果SSIM0.8，则判断原始的车辆表面存在残损，进行报警提示。

5.根据权利要求4所述基于侧方位相机的车辆表面异常检测方法，其特征在于，步骤（5）中输入的训练样本图片尺寸为，按照批次尺寸B，依次输入到网络中，整个网络的输入为。