CN110059101A - 一种基于图像识别的车辆数据查找系统和查找方法 - Google Patents

一种基于图像识别的车辆数据查找系统和查找方法 Download PDF

Info

Publication number
CN110059101A
CN110059101A CN201910304129.4A CN201910304129A CN110059101A CN 110059101 A CN110059101 A CN 110059101A CN 201910304129 A CN201910304129 A CN 201910304129A CN 110059101 A CN110059101 A CN 110059101A
Authority
CN
China
Prior art keywords
vehicle
image
data
information
database
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910304129.4A
Other languages
English (en)
Other versions
CN110059101B (zh
Inventor
朱岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
KJC CO Ltd
Original Assignee
KJC CO Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by KJC CO Ltd filed Critical KJC CO Ltd
Priority to CN201910304129.4A priority Critical patent/CN110059101B/zh
Publication of CN110059101A publication Critical patent/CN110059101A/zh
Application granted granted Critical
Publication of CN110059101B publication Critical patent/CN110059101B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/242Query formulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25Integrating or interfacing systems involving database management systems
    • G06F16/252Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/46Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G06V20/47Detecting features for summarising video content

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于图像识别的车辆数据查找系统和查找方法,该车辆数据查找系统和查找方法是通过对车辆进行不同角度的拍摄以获取若干不同的车辆图像,再基于图像识别技术对该若干不同的车辆图像进行相应的图像分析处理,并在自建数据库和互联网数据库的基础上,结合该图像分析处理的结果来最终检索查询出与当前拍摄的车辆相匹配的车辆数据参数;其是通过图像自动识别的方式在数据库中自动匹配和定位相应的目标数据,这使得该数据查找系统和查找方法是完全不依赖于人工操作来实现的,这不仅能够保证车辆数据的查找不受人工操作中的随机因素影响,并且还能够有效地提高车辆数据查找的速度和准确性。

Description

一种基于图像识别的车辆数据查找系统和查找方法
技术领域
本发明涉及车辆数据查询及维修的技术领域,特别涉及一种基于图像识别的车辆数据查找系统和查找方法。
背景技术
车辆数据查询主要是用于查询当前车辆所属的型号及其相关参数信息,以便于对当前车辆实施适应性的维修方案。由于车辆更新换代的速度较快,同一品牌的不同型号车辆之间的参数具有较大的差异,而对于同一型号的车辆,其不同年代生产的车辆之间也是存在或多或少的差别。若在维修过程中,不预先准确确定当前车辆的实际型号参数来制定合适的维修方案,不仅不能将当前车辆存在的故障排除,还可能进一步损坏车辆以及为车辆带来新的问题,这会严重地影响车辆的行驶安全性,从而带来不同程度的安全隐患。可见,车辆型号数据的查询与确定是车辆维修的必要准备步骤,车辆信号数据的查询与确定的准确性直接影响后续车辆维修是否能够完全排除车辆存在的故障,这对车辆型号数据的查询与确定提出了更高的要求。
目前,现有技术普遍采用车轮定位装置来作为车辆的维修辅助工具,该车轮定位装置已经广泛应用于汽车维修车间、快修店、4S店和轮胎店等。该车轮定位装置除了包括车辆检测部分外,还需要使用车辆出厂参数和数据作为检测与维修的基础依据,维修人员将车辆的出厂数据与当前检测的数据进行对比,并根据对比的结果对车辆进行适应性的维修。其中,车辆的出厂参数本身组成了一个庞大的数据库,这个数据库包含了几百家汽车生产商各自对应的上百个型号的车辆数据,而每个型号的车辆随着年代的变化也会有所不同,因此在使用车轮定位装置进行维修之前,维修人员需要正确地查找出当前车辆对应的车型数据。而现有的主流车辆数据检索方式主要是分级检索模式,该分级检索模式是基于先找公司、再从公司找厂家型号、再找年代,或者是基于先找年代、再找公司。再找厂家型号这样的顺序进行分级检索。并且,分级检索模式的每一级检索中还需要按照字母顺序或者数字顺序查找,或者是直接输入车辆的相关信息进行查找,而上述这些查找操作都是依靠人工输入来实现的。虽然,国外已经存在采用扫描仪扫描车辆的VIN Number来获取相应的数据,但是这种方式受数据库的限制,其并不具有普遍使用性。可见,现有的车辆数据查找方式大部分都是基于人工检索来实现的,数据查找的速度和准确性,直接决定于维修人员的熟料程度,这不符合当前对车辆进行快速检查和维修的要求。
发明内容
在对车辆进行检查和维修的过程中,现有的针对车辆数据的检索和查询方式都是基于人工操作来逐一完成的,维修人员需要在车辆数据库上手动执行分级检索操作,以最终确定当前车辆对应的出厂参数。虽然这种数据检索和查询方式适用于所有型号车辆的查询,但是这种数据检索和查询方式的检索速度和检索准确性很大程度上决定于操作人员的熟练程度,这就导致该数据检索和查询方式的精确度容易受人工操作的随机因素影响,其并不能保证每一次数据检索和查询的结果都是正确无误的。但是,车辆的检查和维修会影响车辆行驶的安全性,并且车辆数据的检索和查询是车辆检查和维修的必要准备步骤,若继续沿用现有的人工检索和查询方式,必然给车辆的检查和维修带来不确定性,这将严重地影响车辆故障排除是否正确执行以及后续车辆行驶的安全性。
针对现有技术存在的缺陷,本发明提供一种基于图像识别的车辆数据查找系统和查找方法,该车辆数据查找系统和查找方法是通过对车辆进行不同角度的拍摄以获取若干不同的车辆图像,再基于图像识别技术对该若干不同的车辆图像进行相应的图像分析处理,并在自建数据库和互联网数据库的基础上,结合该图像分析处理的结果来最终检索查询出与当前拍摄的车辆相匹配的车辆数据参数。可见,本发明的基于图像识别的车辆数据查找系统和查找方法有别于现有技术采用人工操作的方式在数据库中进行逐一分级查询的模式,该车辆数据查找系统和查找方法是通过图像自动识别的方式在数据库中自动匹配和定位相应的目标数据,这使得该数据查找系统和查找方法是完全不依赖于人工操作来实现的,这不仅能够保证车辆数据的查找不受人工操作中的随机因素影响,并且还能够有效地提高车辆数据查找的速度和准确性。
本发明提供一种基于图像识别的车辆数据查找系统,其特征在于,所述车辆数据查找系统包括摄像模块、图像处理模块、数据库模块,数据处理模块和查找标定模块;其中,
所述摄像模块用于在不同方位角度上拍摄关于车辆不同部位的若干不同第一图像;
所述图像处理模块用于对所述若干不同第一图像进行处理,以此得到关于所述若干不同第一图像的第一图像信息;
所述数据库模块用于存储关于不同车辆的车辆属性信息;
所述数据处理模块用于根据所述第一图像信息和所述车辆属性信息,得出指引信息;
所述查找标定模块用于根据所述指引信息,在所述数据库模块中查找与标定出当前拍摄的车辆对应的车辆参数信息;
进一步,所述摄像模块包括若干摄像设备,所述若干摄像设备相对于当前拍摄的车辆分别具有不同的布置位置;其中,所述布置位置包括车辆的前部、后部、侧部、顶部和底盘部中的至少一者;
或者,所述摄像模块包括若干摄像设备和六自由度支架,其中,所述若干摄像设备布置于所述六自由度支架上,所述六自由度支架用于调整所述若干摄像设备中的每一个各自相对于所述车辆的位置姿态,以实现在不同方位角度上拍摄关于车辆不同部分的所述若干不同第一图像;
或者,所述摄像模块包括若干摄像设备、位姿调整设备和标记检测设备,其中,所述标记检测设备用于根据所述车辆中不同位置处的光反射信息得到所述车辆上对应的车标位置信息,所述位置调整设备用于根据所述车标位置信息对所述若干摄像设备中的每一个进行位姿调整;
进一步,所述车辆数据查找系统还包括结构光扫描模块;其中,
所述结构光扫描模块用于对所述车辆的不同部位投射结构光;
所述摄像模块还用于获取所述结构光在所述车辆不同部位上的若干不同第二图像;
所述图像处理模块还用于对所述若干不同第二图像进行处理,以此得到关于所述若干不同第一图像的第二图像信息,所述第二图像信息包括所述车辆不同部位的三维图像信息;
所述数据处理模块用于根据所述第一图像信息、所述第二图像信息和所述车辆属性信息,得到所述指引信息;
进一步,所述图像处理模块还包括图像分类子模块和图像辨识子模块;其中,
所述图像分类子模块对用于根据所述若干不同第一图像或者所述若干不同第二图像对应的车辆部位进行分类处理以得到对应的图像区域划分集合;
所述图像辨识子模块用于对所述图像区域划分集合中的每一个图像进行相应的车辆部位辨识处理,从而得到所述第一图像信息或者所述第二图像信息;
进一步,所述数据库模块包括自建数据库子模块和互联网数据库子模块,其中,所述自建数据库子模块和所述互联网数据库子模块之间基于数据整合的模式构成所述数据库模块;
或者,所述数据库模块包括第一数据库子模块、第二数据库子模块和第三数据库子模块,其中,所述第一数据库子模块用于存储关于不同型号车辆的车标数据,所述关于不同型号车辆的车标数据至少包括车辆尾部处的型号数据、排量数据或者车厂中文信息数据,所述第二数据库子模块用于存储关于不同型号车辆的车前灯数据,所述第三数据库子模块用于存储关于不同型号车辆的车尾灯数据;
进一步,所述数据处理模块得出所述指引信息具体包括,所述数据处理模块将所述第一图像信息与所述车辆属性信息进行对比和筛选处理,或者将所述第一图像信息、所述第二图像信息与所述车辆属性信息进行对比和筛选处理,从而得到所述指引信息;
所述查找标定信息还用于以所述指引信息作为数据查找索引信息,在所述数据库模块中确定查找出所述车辆参数信息。
本发明还提供一种基于图像识别的车辆数据查找方法,其特征在于,所述车辆数据查找方法包括如下步骤:
步骤(1),在不同方位角度上拍摄关于车辆不同部位的若干不同第一图像;
步骤(2),根据所述若干不同第一图像,得到关于所述若干不同第一图像的第一图像信息;
步骤(3),构建一包含车辆属性信息的数据库,根据所述第一图像信息和所述车辆属性信息,得到一指引信息;
步骤(4),根据所述指引信息,在所述数据库中查找与标定出当前拍摄的车辆对应的车辆参数信息;
进一步,在步骤(1)中,获取所述若干不同第一图像具体包括拍摄关于车辆的前部、后部、侧部、顶部和底盘部中的至少一者在不同方位角度上的图像;
或者,在步骤(1)中,还包括对所述车辆的不同部位投射结构光,并获取所述结构光在所述车辆不同部位上的若干不同第二图像,在步骤(2)中,还包括对所述若干不同第二图像进行处理,以此得到关于所述若干不同第一图像的第二图像信息,所述第二图像信息包括所述车辆不同部位的三维图像信息,在步骤(3)中,还包括根据所述第一图像信息、所述第二图像信息和所述车辆属性信息,得到所述指引信息;
进一步,在步骤(3)中,构建所述数据库具体包括构建一自建子数据库和一互联网子数据库,所述自建子数据库和所述互联网子数据库之间基于数据整合的模式构成所述数据库;
或者,构建第一子数据库、第二子数据库和第三子数据库,以共同组成所述数据库,其中,所述第一子数据库用于存储关于不同型号车辆的车标数据,所述关于不同型号车辆的车标数据至少包括车辆尾部处的型号数据、排量数据或者车厂中文信息数据,所述第二子数据库用于存储关于不同型号车辆的车前灯数据,所述第三子数据库用于存储关于不同型号车辆的车尾灯数据;
进一步,在步骤(4)中,根据所述指引信息,查找与标定出所述车辆参数信息具体包括将所述第一图像信息与所述车辆属性信息进行对比和筛选处理,或者将所述第一图像信息、所述第二图像信息与所述车辆属性信息进行对比和筛选处理,从而得到所述指引信息;再以所述指引信息作为数据查找索引信息,在所述数据库中确定查找出所述车辆参数信息。
相比于现有技术,本发明的车辆数据查找系统和查找方法是通过对车辆进行不同角度的拍摄以获取若干不同的车辆图像,再基于图像识别技术对该若干不同的车辆图像进行相应的图像分析处理,并在自建数据库和互联网数据库的基础上,结合该图像分析处理的结果来最终检索查询出与当前拍摄的车辆相匹配的车辆数据参数。可见,本发明的基于图像识别的车辆数据查找系统和查找方法有别于现有技术采用人工操作的方式在数据库中进行逐一分级查询的模式,该车辆数据查找系统和查找方法是通过图像自动识别的方式在数据库中自动匹配和定位相应的目标数据,这使得该数据查找系统和查找方法是完全不依赖于人工操作来实现的,这不仅能够保证车辆数据的查找不受人工操作中的随机因素影响,并且还能够有效地提高车辆数据查找的速度和准确性。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于图像识别的车辆数据查找系统的结构示意图。
图2为本发明提供的一种基于图像识别的车辆数据查找方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1,为本发明实施例提供的一种基于图像识别的车辆数据查找系统的结构示意图。该基于图像识别的车辆数据查找系统可包括但不限于是摄像模块、图像处理模块、数据库模块,数据处理模块和查找标定模块。其中,该摄像模块可优选用于在不同方位角度上拍摄关于车辆不同部位的若干不同第一图像;该图像处理模块可优选用于对该若干不同第一图像进行处理,以此得到关于该若干不同第一图像的第一图像信息;该数据库模块可优选用于存储关于不同车辆的车辆属性信息;该数据处理模块可优选用于根据该第一图像信息和该车辆属性信息,得出指引信息;该查找标定模块可优选用于根据该指引信息,在该数据库模块中查找与标定出当前拍摄的车辆对应的车辆参数信息。
优选地,该摄像模块可包括但不限于是若干摄像设备,该若干摄像设备相对于当前拍摄的车辆分别具有不同的布置位置;其中,该布置位置可包括但不限于是车辆的前部、后部、侧部、顶部和底盘部中的至少一者。
优选地,该摄像模块可包括但不限于是若干摄像设备和六自由度支架,其中,该若干摄像设备可布置于该六自由度支架上,该六自由度支架可用于调整该若干摄像设备中的每一个各自相对于该车辆的位置姿态,以实现在不同方位角度上拍摄关于车辆不同部分的该若干不同第一图像。
优选地,该摄像模块可包括但不限于是若干摄像设备、位姿调整设备和标记检测设备;其中,该标记检测设备用于根据该车辆中不同位置处的光反射信息得到该车辆上对应的车标位置信息,该位置调整设备用于根据该车标位置信息对该若干摄像设备中的每一个进行位姿调整。
优选地,该车辆数据查找系统还可包括结构光扫描模块。其中,该结构光扫描模块用于对该车辆的不同部位投射结构光;该摄像模块还用于获取该结构光在该车辆不同部位上的若干不同第二图像;该图像处理模块还用于对该若干不同第二图像进行处理,以此得到关于该若干不同第一图像的第二图像信息,该第二图像信息可包括该车辆不同部位的三维图像信息;该数据处理模块还可用于根据该第一图像信息、该第二图像信息和该车辆属性信息,得到该指引信息。
优选地,该图像处理模块还可包括图像分类子模块和图像辨识子模块。其中,该图像分类子模块对用于根据该若干不同第一图像或者该若干不同第二图像对应的车辆部位进行分类处理以得到对应的图像区域划分集合;该图像辨识子模块可用于对该图像区域划分集合中的每一个图像进行相应的车辆部位辨识处理,从而得到该第一图像信息或者该第二图像信息。
优选地,该数据库模块还可包括自建数据库子模块和互联网数据库子模块。其中,该自建数据库子模块和该互联网数据库子模块之间可基于数据整合的模式构成该数据库模块。
优选地,该数据库模块还可包括第一数据库子模块、第二数据库子模块和第三数据库子模块。其中,该第一数据库子模块可用于存储关于不同型号车辆的车标数据,该关于不同型号车辆的车标数据至少包括车辆尾部处的型号数据、排量数据或者车厂中文信息数据;该第二数据库子模块可用于存储关于不同型号车辆的车前灯数据;该第三数据库子模块可用于存储关于不同型号车辆的车尾灯数据。
优选地,该数据处理模块得出该指引信息可具体包括,该数据处理模块将该第一图像信息与该车辆属性信息进行对比和筛选处理,或者将该第一图像信息、该第二图像信息与该车辆属性信息进行对比和筛选处理,从而得到该指引信息;该查找标定信息还可用于以该指引信息作为数据查找索引信息,在该数据库模块中确定查找出该车辆参数信息。
参阅图2,为本发明实施例提供的一种基于图像识别的车辆数据查找方法的流程示意图。该基于图像识别的车辆数据查找方法可包括如下步骤:
步骤(1),在不同方位角度上拍摄关于车辆不同部位的若干不同第一图像。
优选地,在步骤(1)中,获取该若干不同第一图像可具体包括拍摄关于车辆的前部、后部、侧部、顶部和底盘部中的至少一者在不同方位角度上的图像;
优选地,在步骤(1)中,还可包括对该车辆的不同部位投射结构光,并获取该结构光在该车辆不同部位上的若干不同第二图像。
步骤(2),根据该若干不同第一图像,得到关于该若干不同第一图像的第一图像信息。
优选地,在步骤(2)中,还可包括对该若干不同第二图像进行处理,以此得到关于该若干不同第一图像的第二图像信息,该第二图像信息包括该车辆不同部位的三维图像信息。
优选地,在步骤(2)中,根据该若干不同第一图像,得到该若干不同第一图像信息具体可为通过对该若干不同第一图像执行适应性的图像处理以得到该若干不同第一图像信息;其中,在执行该图像处理主要包括确定该第一图像中对应的车辆零件拍摄区域以及对该第一图像进行相应的图片信息识别。
优选地,在步骤(2)中,确定该第一图像中对应的车辆零件拍摄区域可包括,首选构建一个相应的关于车辆部位的模板像素矩阵,该模板像素矩阵是在若干不同条件下、针对若干不同车辆拍摄的车辆部位的像素值的均值,由于像素包含有红色R、绿色G、蓝色B三个对应子像素颜色值(解释:通常来说相机等拍摄设备能够拍摄彩色图像是由于其CCD的感光区域对应的成像像素包括能够形成红色、绿色和蓝色这三种三原色的三个子像素,通过这三个子像素分别形成对应颜色的图像最后合并起来就能够形成我们通常意义上的彩色图像,这个RGB子像素的说法是本领域常用的说法),这需要先对该车辆部位对应的模板像素值进行灰度化处理,该灰度化处理对应的公式如下:
grayij=0.3*Rij+0.5*Gij+0.2*Bij
在上述公式中,grayij为第i行第j列点位置对应的像素的RGB像素颜色值经过灰度化处理后的结果,Rij为第i行第j列点位置对应的像素的R像素颜色值,Gij为第i行第j列点位置对应的像素的G像素颜色值,Bij为第i行第j列点位置对应的像素的B像素颜色值;
相应地,该模板像素矩阵可表示为一个n*n的灰度像素矩阵Bn×n,该灰度像素矩阵Bn×n的表达式如下:
在上述表达式中,bnn为该灰度像素矩阵Bn×n中第n行第n列位置所对应的灰度像素值;
当形成关于该模板像素矩阵的数据库后,将该第一图像对应形成的灰度像素矩阵传送到数据处理模块中进行计算,并计算得到下面表达式所表示的矩阵A
在上述表达式中,alm为该第一图像中第一l行第m列点位置的像素对应的灰度像素值;
接着,根据该车辆部位对应的模板尺寸,确定与该模板尺寸相同的选择框,将该选择框分别从该矩阵中的矩阵元素a11位置起开始提取数据,每次提取数据的数据为与该选择框大小对应的子矩阵Cn×n,该子矩阵Cn×n的表达式如下
在上述表达式中,cnn为该选择框所选择确定的子矩阵Cn×n中第n行第n列点位置所对应的像素值;
接着,将该选择框所选择确定的子矩阵Cn×n与该子矩阵Cn×n对应的灰度像素矩阵Bn×n进行相关性值COS(B,C)的计算,该相关性值COS(B,C)计算对应的公式如下:
在上述公式中,bij为灰度像素矩阵Bn×n中第i行第j列所对应的矩阵元素值,cij为子矩阵Cn×n中第i行第j列所对应的矩阵元素值。同时,将上述公式计算得出的相关性值保留下来;
接着,该选择框执行步长为1的移动,即当该子矩阵Cn×n在当前的起始位置c11为该矩阵A的矩阵元素aij,则对应的移动步长1后该子矩阵Cn×n的起始位置c11的调整变动对应如下:
上述调整变动直到满足条件式cnn=Alm为止,并且该选择框完成每次移动后,都需要进行该选择框所选择确定的子矩阵Cn×n与该子矩阵Cn×n对应的灰度像素矩阵Bn×n进行相关性值COS(B,C)的计算,将计算得出的相关性值保留下来;
当对该第一图像的所有位置都进行上述选择框的选择确定和相关性值的计算后,在对该第一图像进行缩小处理或者放大处理,使得在该选择框尺寸不变的情况下,该选择框所选择确定的区域会不同,该缩小处理可具体为直接删除第一图像中相应的行列值以实现相应的图像缩小,其中该缩小处理涉及的公式如下
p=m-s
jg=floor(m/p)
qz={jg,2*jg,…,p*jg}
在上述公式中,p为计算得出需要删除的行数或者列数,m为该第一图像对应的行数或列数,s为经缩小处理后得到的图像的行数或者列数,floor为向下取整函数,qz为计算得出需要删除的位置集合,根据集合qz包含的值,对该矩阵A进行相应的行数或者列数删除处理,以此得到一个新的矩阵A,然后针对该新的矩阵A采用该选择框选择确定所有起始位置对应的子矩阵,并计算出相应的相关性值。
而对该第一图像进行放大处理,则需要利用上面缩小处理所涉及的公式计算出相应的位置,再在相应的位置后面进行插值处理,该插值处理涉及的公式如下:
在上述公式中,CZx为在第X行或者第X列之后插值形成的新的行或者列Ax为矩阵A中第X行或者第X列对应的值。对根据集合qz计算出所有行或者列进行插值处理后,形成一新的矩阵A,然后针对该新的矩阵A采用该选择框选择确定所有起始位置对应的子矩阵,并计算出相应的相关性值。
直至对该第一图像进行S次缩小处理和放大处理后,并将对应的所有相关性值计算出来,最终将最大相关值对应的选择框选择确定的区域作为该第一图像作为车辆零件拍摄区域对应的子矩阵Cn×n
在对车辆零件拍摄区域对应的子矩阵Cn×n确定完成后,还需要对该车辆部件所在区域进行图片信息识别。在该图像信息识别过程中,首选需要针对该车辆零件构建一数据库,该数据库包含与该灰度像素矩阵Bn×n具有相同大小的所有类型的该车辆零件的图像。接着,将该车辆零件的图像进行像素灰度化处理后得到相应的矩阵Wn*n,并计算所有矩阵Wn*n与子矩阵Cn×n之间的相关性值该相关性值的计算公式如下:
在上述公式中,为子矩阵与该数据库中相应的第k个灰度像素矩阵Wn*n之间的相关性值,n为矩阵的行数与列数之和,Cij为子矩阵Cn×n中第i行第j行的元素值,Wn*n为该数据库中第k个图像对应的灰度像素矩阵,E为数学期望。进一步,通过上述公式可计算出子矩阵Cn×n与该数据库中包含的所有矩阵之间的相关性值,并得到相应的相关性向量P
P=(p1,p2,p3…pj)
在上述公式中,pj为对应的并找出该相关性向量P中的最大值,若该最大值大于0.95,则认定该数据库对应的图像信息为该第一图像中拍摄的图像信息。
可见上述对第一图像的计算处理,由于对所有图像都进行了灰度化处理,其能够在不损失图像信息的情况下大大地减小相应的图像计算工作量,以此提高相应的计算效率,并且在进行灰度化处理的过程中,其并不是将RGB对应的值进行等量提取,为根据其重要性的不同,赋予不同的提取权重,以使图像信息的保存更加可靠,同时在对车辆零件对应的图像进行缩小处理或者放大处理时,能够保证后续进行的相关性值计算更加可靠。
步骤(3),构建一包含车辆属性信息的数据库,根据该第一图像信息和该车辆属性信息,得到一指引信息。
优选地,在步骤(3)中,还可包括根据该第一图像信息、该第二图像信息和该车辆属性信息,得到该指引信息。
优选地,在步骤(3)中,构建该数据库可具体包括构建一自建子数据库和一互联网子数据库,该自建子数据库和该互联网子数据库之间基于数据整合的模式构成该数据库。
优选地,在步骤(3)中,构建该数据库可具体包括构建第一子数据库、第二子数据库和第三子数据库,以共同组成该数据库;其中,该第一子数据库可用于存储关于不同型号车辆的车标数据,该关于不同型号车辆的车标数据至少包括车辆尾部处的型号数据、排量数据或者车厂中文信息数据,该第二子数据库可用于存储关于不同型号车辆的车前灯数据,该第三子数据库可用于存储关于不同型号车辆的车尾灯数据。
步骤(4),根据该指引信息,在该数据库中查找与标定出当前拍摄的车辆对应的车辆参数信息。
优选地,在步骤(4)中,根据该指引信息,查找与标定出该车辆参数信息可具体包括将该第一图像信息与该车辆属性信息进行对比和筛选处理,或者将该第一图像信息、该第二图像信息与该车辆属性信息进行对比和筛选处理,从而得到该指引信息;再以该指引信息作为数据查找索引信息,在该数据库中确定查找出该车辆参数信息。
从上述实施例可以看出,该车辆数据查找系统和查找方法是通过对车辆进行不同角度的拍摄以获取若干不同的车辆图像,再基于图像识别技术对该若干不同的车辆图像进行相应的图像分析处理,并在自建数据库和互联网数据库的基础上,结合该图像分析处理的结果来最终检索查询出与当前拍摄的车辆相匹配的车辆数据参数。可见,本发明的基于图像识别的车辆数据查找系统和查找方法有别于现有技术采用人工操作的方式在数据库中进行逐一分级查询的模式,该车辆数据查找系统和查找方法是通过图像自动识别的方式在数据库中自动匹配和定位相应的目标数据,这使得该数据查找系统和查找方法是完全不依赖于人工操作来实现的,这不仅能够保证车辆数据的查找不受人工操作中的随机因素影响,并且还能够有效地提高车辆数据查找的速度和准确性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于图像识别的车辆数据查找系统,其特征在于,所述车辆数据查找系统包括摄像模块、图像处理模块、数据库模块,数据处理模块和查找标定模块;其中,
所述摄像模块用于在不同方位角度上拍摄关于车辆不同部位的若干不同第一图像;
所述图像处理模块用于对所述若干不同第一图像进行处理,以此得到关于所述若干不同第一图像的第一图像信息;
所述数据库模块用于存储关于不同车辆的车辆属性信息;
所述数据处理模块用于根据所述第一图像信息和所述车辆属性信息,得出指引信息;
所述查找标定模块用于根据所述指引信息,在所述数据库模块中查找与标定出当前拍摄的车辆对应的车辆参数信息。
2.如权利要求1所述的基于图像识别的车辆数据查找系统,其特征在于:所述摄像模块包括若干摄像设备,所述若干摄像设备相对于当前拍摄的车辆分别具有不同的布置位置;其中,所述布置位置包括车辆的前部、后部、侧部、顶部和底盘部中的至少一者;
或者,所述摄像模块包括若干摄像设备和六自由度支架,其中,所述若干摄像设备布置于所述六自由度支架上,所述六自由度支架用于调整所述若干摄像设备中的每一个各自相对于所述车辆的位置姿态,以实现在不同方位角度上拍摄关于车辆不同部分的所述若干不同第一图像;
或者,所述摄像模块包括若干摄像设备、位姿调整设备和标记检测设备,其中,所述标记检测设备用于根据所述车辆中不同位置处的光反射信息得到所述车辆上对应的车标位置信息,所述位置调整设备用于根据所述车标位置信息对所述若干摄像设备中的每一个进行位姿调整。
3.如权利要求1所述的基于图像识别的车辆数据查找系统,其特征在于:所述车辆数据查找系统还包括结构光扫描模块;其中,
所述结构光扫描模块用于对所述车辆的不同部位投射结构光;
所述摄像模块还用于获取所述结构光在所述车辆不同部位上的若干不同第二图像;
所述图像处理模块还用于对所述若干不同第二图像进行处理,以此得到关于所述若干不同第一图像的第二图像信息,所述第二图像信息包括所述车辆不同部位的三维图像信息;
所述数据处理模块用于根据所述第一图像信息、所述第二图像信息和所述车辆属性信息,得到所述指引信息。
4.如权利要求1或3所述的基于图像识别的车辆数据查找系统,其特征在于:所述图像处理模块还包括图像分类子模块和图像辨识子模块;其中,所述图像分类子模块对用于根据所述若干不同第一图像或者所述若干不同第二图像对应的车辆部位进行分类处理以得到对应的图像区域划分集合;
所述图像辨识子模块用于对所述图像区域划分集合中的每一个图像进行相应的车辆部位辨识处理,从而得到所述第一图像信息或者所述第二图像信息。
5.如权利要求1所述的基于图像识别的车辆数据查找系统,其特征在于:所述数据库模块包括自建数据库子模块和互联网数据库子模块,其中,所述自建数据库子模块和所述互联网数据库子模块之间基于数据整合的模式构成所述数据库模块;
或者,所述数据库模块包括第一数据库子模块、第二数据库子模块和第三数据库子模块,其中,所述第一数据库子模块用于存储关于不同型号车辆的车标数据,所述关于不同型号车辆的车标数据至少包括车辆尾部处的型号数据、排量数据或者车厂中文信息数据,所述第二数据库子模块用于存储关于不同型号车辆的车前灯数据,所述第三数据库子模块用于存储关于不同型号车辆的车尾灯数据。
6.如权利要求1或3所述的基于图像识别的车辆数据查找系统,其特征在于:所述数据处理模块得出所述指引信息具体包括,所述数据处理模块将所述第一图像信息与所述车辆属性信息进行对比和筛选处理,或者将所述第一图像信息、所述第二图像信息与所述车辆属性信息进行对比和筛选处理,从而得到所述指引信息;
所述查找标定信息还用于以所述指引信息作为数据查找索引信息,在所述数据库模块中确定查找出所述车辆参数信息。
7.一种基于图像识别的车辆数据查找方法,其特征在于,所述车辆数据查找方法包括如下步骤:
步骤(1),在不同方位角度上拍摄关于车辆不同部位的若干不同第一图像;
步骤(2),根据所述若干不同第一图像,得到关于所述若干不同第一图像的第一图像信息;
步骤(3),构建一包含车辆属性信息的数据库,根据所述第一图像信息和所述车辆属性信息,得到一指引信息;
步骤(4),根据所述指引信息,在所述数据库中查找与标定出当前拍摄的车辆对应的车辆参数信息。
8.如权利要求7所述的车辆数据查找方法,其特征在于:在步骤(1)中,获取所述若干不同第一图像具体包括拍摄关于车辆的前部、后部、侧部、顶部和底盘部中的至少一者在不同方位角度上的图像;
或者,在步骤(1)中,还包括对所述车辆的不同部位投射结构光,并获取所述结构光在所述车辆不同部位上的若干不同第二图像,在步骤(2)中,还包括对所述若干不同第二图像进行处理,以此得到关于所述若干不同第一图像的第二图像信息,所述第二图像信息包括所述车辆不同部位的三维图像信息,在步骤(3)中,还包括根据所述第一图像信息、所述第二图像信息和所述车辆属性信息,得到所述指引信息。
9.如权利要求7所述的车辆数据查找方法,其特征在于:在步骤(3)中,构建所述数据库具体包括构建一自建子数据库和一互联网子数据库,所述自建子数据库和所述互联网子数据库之间基于数据整合的模式构成所述数据库;
或者,构建第一子数据库、第二子数据库和第三子数据库,以共同组成所述数据库,其中,所述第一子数据库用于存储关于不同型号车辆的车标数据,所述关于不同型号车辆的车标数据至少包括车辆尾部处的型号数据、排量数据或者车厂中文信息数据,所述第二子数据库用于存储关于不同型号车辆的车前灯数据,所述第三子数据库用于存储关于不同型号车辆的车尾灯数据。
10.如权利要求7或8所述的车辆数据查找方法,其特征在于:在步骤(4)中,根据所述指引信息,查找与标定出所述车辆参数信息具体包括将所述第一图像信息与所述车辆属性信息进行对比和筛选处理,或者将所述第一图像信息、所述第二图像信息与所述车辆属性信息进行对比和筛选处理,从而得到所述指引信息;再以所述指引信息作为数据查找索引信息,在所述数据库中确定查找出所述车辆参数信息。
CN201910304129.4A 2019-04-16 2019-04-16 一种基于图像识别的车辆数据查找系统和查找方法 Active CN110059101B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910304129.4A CN110059101B (zh) 2019-04-16 2019-04-16 一种基于图像识别的车辆数据查找系统和查找方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910304129.4A CN110059101B (zh) 2019-04-16 2019-04-16 一种基于图像识别的车辆数据查找系统和查找方法

Publications (2)

Publication Number Publication Date
CN110059101A true CN110059101A (zh) 2019-07-26
CN110059101B CN110059101B (zh) 2021-08-13

Family

ID=67317778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910304129.4A Active CN110059101B (zh) 2019-04-16 2019-04-16 一种基于图像识别的车辆数据查找系统和查找方法

Country Status (1)

Country Link
CN (1) CN110059101B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021238102A1 (zh) * 2020-05-27 2021-12-02 深圳先进技术研究院 一种枪弹信息管理系统和终端

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
US20130156296A1 (en) * 2010-05-20 2013-06-20 Edge3 Technologies Llc Three Dimensional Gesture Recognition in Vehicles
US20150098661A1 (en) * 2008-08-28 2015-04-09 International Business Machines Corporation Video object classification
CN105320703A (zh) * 2014-08-05 2016-02-10 北京大学 相似车辆检索中的查询扩展方法及装置
CN105389375A (zh) * 2015-11-18 2016-03-09 福建师范大学 一种基于可视域的图像索引设置方法、系统及检索方法
CN106556392A (zh) * 2015-09-24 2017-04-05 扬智科技股份有限公司 车辆查找系统及寻找车辆的方法
CN107194989A (zh) * 2017-05-16 2017-09-22 交通运输部公路科学研究所 基于无人机飞机航拍的交通事故现场三维重建系统及方法
CN107491720A (zh) * 2017-04-01 2017-12-19 江苏移动信息系统集成有限公司 一种基于改进型卷积神经网络的车型识别方法
CN107688830A (zh) * 2017-08-30 2018-02-13 西安邮电大学 一种用于案件串并的现勘视觉信息关联图层生成方法
CN107688819A (zh) * 2017-02-16 2018-02-13 平安科技(深圳)有限公司 车辆的识别方法及装置
CN108171203A (zh) * 2018-01-17 2018-06-15 百度在线网络技术(北京)有限公司 用于识别车辆的方法和装置
CN108537191A (zh) * 2018-04-17 2018-09-14 广州云从信息科技有限公司 一种基于结构光摄像头的三维人脸识别方法
CN108595576A (zh) * 2018-04-17 2018-09-28 高新兴科技集团股份有限公司 一种基于数据库的车辆以图搜图方法
CN108734113A (zh) * 2018-04-27 2018-11-02 淘然视界(杭州)科技有限公司 车辆自动标注方法、存储介质、电子设备、系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150098661A1 (en) * 2008-08-28 2015-04-09 International Business Machines Corporation Video object classification
US20130156296A1 (en) * 2010-05-20 2013-06-20 Edge3 Technologies Llc Three Dimensional Gesture Recognition in Vehicles
CN102654902A (zh) * 2012-01-16 2012-09-05 江南大学 基于轮廓向量特征的嵌入式实时图像匹配方法
CN105320703A (zh) * 2014-08-05 2016-02-10 北京大学 相似车辆检索中的查询扩展方法及装置
CN106556392A (zh) * 2015-09-24 2017-04-05 扬智科技股份有限公司 车辆查找系统及寻找车辆的方法
CN105389375A (zh) * 2015-11-18 2016-03-09 福建师范大学 一种基于可视域的图像索引设置方法、系统及检索方法
CN107688819A (zh) * 2017-02-16 2018-02-13 平安科技(深圳)有限公司 车辆的识别方法及装置
CN107491720A (zh) * 2017-04-01 2017-12-19 江苏移动信息系统集成有限公司 一种基于改进型卷积神经网络的车型识别方法
CN107194989A (zh) * 2017-05-16 2017-09-22 交通运输部公路科学研究所 基于无人机飞机航拍的交通事故现场三维重建系统及方法
CN107688830A (zh) * 2017-08-30 2018-02-13 西安邮电大学 一种用于案件串并的现勘视觉信息关联图层生成方法
CN108171203A (zh) * 2018-01-17 2018-06-15 百度在线网络技术(北京)有限公司 用于识别车辆的方法和装置
CN108537191A (zh) * 2018-04-17 2018-09-14 广州云从信息科技有限公司 一种基于结构光摄像头的三维人脸识别方法
CN108595576A (zh) * 2018-04-17 2018-09-28 高新兴科技集团股份有限公司 一种基于数据库的车辆以图搜图方法
CN108734113A (zh) * 2018-04-27 2018-11-02 淘然视界(杭州)科技有限公司 车辆自动标注方法、存储介质、电子设备、系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZAKARYA ZYADA1 等: "3D Template Based Automatic Landmine Detection from GPR Data", 《SICE ANNUAL CONFERENCE 2007》 *
王菁 等: "集合图像识别及3D 技术的轨道车辆底部装备", 《新型工业化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021238102A1 (zh) * 2020-05-27 2021-12-02 深圳先进技术研究院 一种枪弹信息管理系统和终端

Also Published As

Publication number Publication date
CN110059101B (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
US9953437B1 (en) Method and device for constructing a table including information on a pooling type and testing method and testing device using the same
CN109509230A (zh) 一种应用于多镜头组合式全景相机的slam方法
CN111551167B (zh) 一种基于无人机拍摄和语义分割的全局导航辅助方法
CN111260615B (zh) 基于激光和机器视觉融合的无人机桥梁表观病害检测方法
CN109801220B (zh) 一种在线求解车载视频拼接中映射参数方法
CN111241988B (zh) 一种结合定位信息的大场景内运动目标检测识别方法
CN106373088A (zh) 大倾斜低重叠率航空图像的快速拼接方法
CN107273866A (zh) 一种基于监控系统的人体异常行为识别方法
CN111738048B (zh) 一种行人再识别的方法
CN111967337A (zh) 一种基于深度学习和无人机影像的管道线变化检测方法
CN113298035A (zh) 基于图像识别的无人机电力杆塔检测及自主巡航方法
CN114495068B (zh) 基于人机交互和深度学习的路面健康检测方法
CN108805864A (zh) 基于图像数据的违章建筑物的获取方法以及装置
CN115272077B (zh) 一种基于视域融合的图像拼接方法及系统
CN116416702A (zh) 一种基于增强现实的无人机电力设备巡检系统
JPH05181411A (ja) 地図情報照合更新方式
CN110059101A (zh) 一种基于图像识别的车辆数据查找系统和查找方法
CN117635421A (zh) 图像拼接融合的方法及装置
JPH05215547A (ja) ステレオ画像間対応点決定方法
US11636582B1 (en) Stitching quality evaluation method and system and redundancy reduction method and system for low-altitude unmanned aerial vehicle remote sensing images
CN113313058B (zh) 一种基于自适应模型集成的无人机航拍图像目标检测方法
CN112257514B (zh) 一种用于设备故障巡检的红外视觉智检的拍摄方法
CN113379738A (zh) 一种基于图像的疫木检测与定位方法及系统
CN114037895A (zh) 一种无人机杆塔巡检图像识别方法
CN112562008A (zh) 一种局部双目视觉测量中的靶标点匹配方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant