CN114494729B - 基于ai识别技术的汽车配件识别方法及装置 - Google Patents
基于ai识别技术的汽车配件识别方法及装置 Download PDFInfo
- Publication number
- CN114494729B CN114494729B CN202210340966.4A CN202210340966A CN114494729B CN 114494729 B CN114494729 B CN 114494729B CN 202210340966 A CN202210340966 A CN 202210340966A CN 114494729 B CN114494729 B CN 114494729B
- Authority
- CN
- China
- Prior art keywords
- accessory
- identified
- automobile part
- picture
- automobile
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于图片识别技术领域,提供了一种基于AI识别技术的汽车配件识别方法及装置,所述方法包括以下步骤:接收待识别配件图片和待识别配件尺寸信息;自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片;根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,所述汽车配件图为抠除背景的图片;将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息。本发明通过对待识别配件图片进行抠除背景处理,避免背景图像对配件主体的相似度计算造成影响,提高汽车配件的形状特征在相似度计算时的作用,提高了相似度计算的准确性。
Description
技术领域
本发明涉及图片识别技术领域,具体是涉及一种基于AI识别技术的汽车配件识别方法及装置。
背景技术
汽车配件是构成汽车整体的各个单元及服务于汽车的一种产品,汽车配件的种类繁多,随着人们生活水平的提高,人们对汽车的消费也越来越多,汽车配件的这个市场变得也越来越大,汽车配件用途各异,对于非专业人员,难以对汽车配件准确识别,随着AI图片识别技术的不断发展,能够根据现有的图片从海量的图片数据库中找到相似的图片,因此,可以利用AI图片识别技术确定汽车配件的信息,但是汽车配件的颜色较为单一,很多汽车配件的颜色都相同,导致AI识别汽车配件的准确率不够高。因此,需要提供一种基于AI识别技术的汽车配件识别方法及装置,旨在解决上述问题。
发明内容
针对现有技术存在的不足,本发明的目的在于提供一种基于AI识别技术的汽车配件识别方法及装置,以解决上述背景技术中存在的问题。
本发明是这样实现的,一种基于AI识别技术的汽车配件识别方法,所述方法包括以下步骤:
接收待识别配件图片和待识别配件尺寸信息;
自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片;
根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,所述汽车配件图库中包含汽车配件图和对应的汽车配件信息,所述汽车配件信息包括汽车配件名称、汽车配件用途和汽车配件尺寸,所述汽车配件图为抠除背景的图片;
将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息。
作为本发明进一步的方案:所述自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片的步骤,具体包括:
自动对待识别配件图片的主体区域进行颜色取样;
根据颜色容差值对取样的颜色进行范围扩大得到保留颜色范围;
根据保留颜色范围对待识别配件图片进行抠除背景处理,得到待识别配件主体图片。
作为本发明进一步的方案:所述将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息的步骤,具体包括:
对待识别配件主体图片进行旋转复制处理得到若干个不同角度的待识别配件主体图样;
将每一个待识别配件主体图样均与筛选后的汽车配件图进行相似度计算;
输出相似度最高的汽车配件图和对应的汽车配件信息。
作为本发明进一步的方案:将待识别配件主体图样与筛选后的汽车配件图进行相似度计算的步骤,具体包括:
用基于DCT的hash方法分别计算待识别配件主体图样与汽车配件图的hash值,得到h_1和h_2;
计算h_1和h_2之间的汉明距离dis_h;
根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度。
作为本发明进一步的方案:所述根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度的步骤,具体包括:
对dis_h的值进行判定;
当dis_h≤10时,相似度P=1-dis_h/100;
当dis_h≥25时,相似度P=4*(64-dis_h)/195;
当10<dis_h<25时,相似度P=[(25-dis_h)/150+0.8]*0.5+pcc*0.5,所述pcc为皮尔逊相关系数。
作为本发明进一步的方案:所述汽车配件图库中的汽车配件图均为拍摄视角能够展示汽车配件最大面积的图片,且汽车配件图中的汽车配件均是正放的。
本发明的另一目的在于提供一种基于AI识别技术的汽车配件识别装置,所述装置包括:
待识别图片接收模块,用于接收待识别配件图片和待识别配件尺寸信息;
抠除背景处理模块,用于自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片;
汽车配件图筛选模块,用于根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,所述汽车配件图库中包含汽车配件图和对应的汽车配件信息,所述汽车配件信息包括汽车配件名称、汽车配件用途和汽车配件尺寸,所述汽车配件图为抠除背景的图片;
以及相似度计算模块,用于将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息。
作为本发明进一步的方案:所述抠除背景处理模块包括:
颜色取样单元,用于自动对待识别配件图片的主体区域进行颜色取样;
颜色范围扩大单元,用于根据颜色容差值对取样的颜色进行范围扩大得到保留颜色范围;
以及抠除背景处理单元,用于根据保留颜色范围对待识别配件图片进行抠除背景处理,得到待识别配件主体图片。
作为本发明进一步的方案:所述相似度计算模块包括:
旋转复制处理单元,用于对待识别配件主体图片进行旋转复制处理得到若干个不同角度的待识别配件主体图样;
相似度计算单元,用于将每一个待识别配件主体图样均与筛选后的汽车配件图进行相似度计算;
以及汽车配件信息输出单元,用于输出相似度最高的汽车配件图和对应的汽车配件信息。
作为本发明进一步的方案:所述相似度计算单元包括:
hash值计算子单元,用基于DCT的hash方法分别计算待识别配件主体图样与汽车配件图的hash值,得到h_1和h_2;
汉明距离计算子单元,用于计算h_1和h_2之间的汉明距离dis_h;
以及相似度确定子单元,用于根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度。
与现有技术相比,本发明的有益效果是:
本发明通过自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片,这样后续在进行相似度计算时,能够排除背景因素的干扰,避免背景图像对配件主体的相似度计算造成影响,提高汽车配件的轮廓形状特征在相似度计算时的作用,提高了相似度计算的准确性。
附图说明
图1为一种基于AI识别技术的汽车配件识别方法的流程图。
图2为一种基于AI识别技术的汽车配件识别方法中自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片的流程图。
图3为一种基于AI识别技术的汽车配件识别方法中将待识别配件主体图片与筛选后的汽车配件图进行相似度计算的流程图。
图4为一种基于AI识别技术的汽车配件识别方法中将待识别配件主体图样与筛选后的汽车配件图进行相似度计算的流程图。
图5为一种基于AI识别技术的汽车配件识别方法中根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度的流程图。
图6为一种基于AI识别技术的汽车配件识别装置的结构示意图。
图7为一种基于AI识别技术的汽车配件识别装置中抠除背景处理模块的结构示意图。
图8为一种基于AI识别技术的汽车配件识别装置中相似度计算模块的结构示意图。
图9为一种基于AI识别技术的汽车配件识别装置中相似度计算单元的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰,以下结合附图及具体实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述。
如图1所示,本发明实施例提供了一种基于AI识别技术的汽车配件识别方法,所述方法包括以下步骤:
S100,接收待识别配件图片和待识别配件尺寸信息;
S200,自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片;
S300,根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,所述汽车配件图库中包含汽车配件图和对应的汽车配件信息,所述汽车配件信息包括汽车配件名称、汽车配件用途和汽车配件尺寸,所述汽车配件图为抠除背景的图片;
S400,将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息。
需要说明的是,汽车配件是构成汽车整体的各个单元及服务于汽车的一种产品,汽车配件的种类繁多,随着人们生活水平的提高,人们对汽车的消费也越来越多,汽车配件的这个市场变得也越来越大,汽车配件用途各异,对于非专业人员,难以对汽车配件准确识别,随着AI图片识别技术的不断发展,能够根据现有的图片从海量的图片数据库中找到相似的图片,因此,可以利用AI图片识别技术确定汽车配件的信息,但是汽车配件的颜色较为单一,很多汽车配件的颜色都相同,导致AI识别汽车配件的准确率不够高,本发明实施例旨在解决上述问题。
本发明实施例中,当需要识别一个汽车配件时,先采集待识别配件图片,然后输入待识别配件图片和待识别配件尺寸信息,待识别配件尺寸信息是一个尺寸范围值即可,然后本发明实施例自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片,这样后续在进行相似度计算时,能够排除背景因素的干扰,避免背景图像对配件主体的相似度计算造成影响,提高了相似度计算的准确性,接着根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,这样能够筛除大部分明显不符合的汽车配件图,提高了识别速度,汽车配件图库是事先建立的,工作人员向汽车配件图库中上传大量汽车配件图和对应的汽车配件信息,汽车配件图库需要不断维护和更新,需要注意的是,所述汽车配件图为抠除背景的图片,这样将待识别配件主体图片与筛选后的汽车配件图进行相似度计算时,保证都是配件主体图像的计算,最后输出相似度最高的汽车配件图和对应的汽车配件信息。
如图2所示,作为本发明一个优选的实施例,所述自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片的步骤,具体包括:
S201,自动对待识别配件图片的主体区域进行颜色取样;
S202,根据颜色容差值对取样的颜色进行范围扩大得到保留颜色范围;
S203,根据保留颜色范围对待识别配件图片进行抠除背景处理,得到待识别配件主体图片。
本发明实施例中,需要说明的是,一个汽车配件基本上只有一种颜色,利用这个特征,很容易将汽车配件主体给抠出来,拍摄待识别配件图片时,使得待识别配件位于图片中间的主图区域,本发明实施例自动对待识别配件图片的主体区域进行颜色取样,并根据颜色容差值对取样的颜色进行范围扩大得到保留颜色范围,所述颜色容差值是提前设置的定值,这样能够避免光线、阴影的影响,最后根据保留颜色范围对待识别配件图片进行抠除背景处理,得到待识别配件主体图片,待识别配件主体图片能够保留配件的轮廓形状特征,另外,为了使得抠图效果更好,可以将待识别配件置于颜色反差较大的背景布上进行拍摄。
如图3所示,作为本发明一个优选的实施例,所述将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息的步骤,具体包括:
S401,对待识别配件主体图片进行旋转复制处理得到若干个不同角度的待识别配件主体图样;
S402,将每一个待识别配件主体图样均与筛选后的汽车配件图进行相似度计算;
S403,输出相似度最高的汽车配件图和对应的汽车配件信息。
本发明实施例中,需要说明的是,待识别配件的摆放角度不同,会导致最终的相似度计算结果存在差异,为了使得相似度计算更加准确,需要对待识别配件主体图片进行旋转复制处理得到若干个不同角度的待识别配件主体图样,例如在一周范围内每隔20度旋转复制一次,这样就能够得到18个角度的待识别配件主体图样,然后将每一个待识别配件主体图样均与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息,这样得到的汽车配件信息更加准确无误。
如图4所示,作为本发明一个优选的实施例,将待识别配件主体图样与筛选后的汽车配件图进行相似度计算的步骤,具体包括:
S4021,用基于DCT的hash方法分别计算待识别配件主体图样与汽车配件图的hash值,得到h_1和h_2;
S4022,计算h_1和h_2之间的汉明距离dis_h;
S4023,根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度。
本发明实施例中,基于DCT的hash方法对图片进行识别为现有技术中的一种AI图片识别方法,所述基于DCT的hash方法使用离散余弦变换提取图片的低频成分,先将图片转换成标准大小的灰度图,然后对灰度图做DCT变换,再从系数矩阵中提取出64位的hash值作为指纹,这种计算两张图片之间相似度的方法为现有技术,这里不再详细描述。
如图5所示,作为本发明一个优选的实施例,所述根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度的步骤,具体包括:
S40231,对dis_h的值进行判定;
S40232,当dis_h≤10时,相似度P=1-dis_h/100;
S40233,当dis_h≥25时,相似度P=4*(64-dis_h)/195;
S40234,当10<dis_h<25时,相似度P=[(25-dis_h)/150+0.8]*0.5+pcc*0.5,所述pcc为皮尔逊相关系数。
本发明实施例中,若汉明距离dis_h在设定范围10<dis_h<25内,需要使用基于径向投影的hash方法分别计算两张图片的hash值,所述基于径向投影的hash方法首先会过灰度图中心计算朝等角度间隔的180个方向上像素值的方差,然后计算由这180个方差构成的特征向量的DCT,并从DCT系数矩阵中提取出64位的hash值作为指纹,本发明实施例中相似度计算方法为现有的公开技术。
作为本发明一个优选的实施例,所述汽车配件图库中的汽车配件图均为拍摄视角能够展示汽车配件最大面积的图片,这样能够更好的展示轮廓形状特征,用户在拍摄待识别汽车配件时,也应该尽可能保证拍摄到汽车配件最大面积的视角,且汽车配件图中的汽车配件均是正放的,这样能够告诉用户汽车配件的安装摆放情况。
如图6所示,本发明实施例还提供了一种基于AI识别技术的汽车配件识别装置,所述装置包括:
待识别图片接收模块100,用于接收待识别配件图片和待识别配件尺寸信息;
抠除背景处理模块200,用于自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片;
汽车配件图筛选模块300,用于根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,所述汽车配件图库中包含汽车配件图和对应的汽车配件信息,所述汽车配件信息包括汽车配件名称、汽车配件用途和汽车配件尺寸,所述汽车配件图为抠除背景的图片;
以及相似度计算模块400,用于将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息。
本发明实施例中,当需要识别一个汽车配件时,先采集待识别配件图片,然后输入待识别配件图片和待识别配件尺寸信息,待识别配件尺寸信息是一个尺寸范围值即可,然后本发明实施例自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片,这样后续在进行相似度计算时,能够排除背景因素的干扰,避免背景图像对配件主体的相似度计算造成影响,提高了相似度计算的准确性,接着根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,这样能够筛除大部分明显不符合的汽车配件图,提高了识别速度,汽车配件图库是事先建立的,工作人员向汽车配件图库中上传大量汽车配件图和对应的汽车配件信息,汽车配件图库需要不断维护和更新,需要注意的是,所述汽车配件图为抠除背景的图片,这样将待识别配件主体图片与筛选后的汽车配件图进行相似度计算时,保证都是配件主体图像的计算,最后输出相似度最高的汽车配件图和对应的汽车配件信息。
如图7所示,作为本发明一个优选的实施例,所述抠除背景处理模块200包括:
颜色取样单元201,用于自动对待识别配件图片的主体区域进行颜色取样;
颜色范围扩大单元202,用于根据颜色容差值对取样的颜色进行范围扩大得到保留颜色范围;
以及抠除背景处理单元203,用于根据保留颜色范围对待识别配件图片进行抠除背景处理,得到待识别配件主体图片。
本发明实施例中,需要说明的是,一个汽车配件基本上只有一种颜色,利用这个特征,很容易将汽车配件主体给抠出来,拍摄待识别配件图片时,使得待识别配件位于图片中间的主图区域,本发明实施例自动对待识别配件图片的主体区域进行颜色取样,并根据颜色容差值对取样的颜色进行范围扩大得到保留颜色范围,所述颜色容差值是提前设置的定值,这样能够避免光线、阴影的影响,最后根据保留颜色范围对待识别配件图片进行抠除背景处理,得到待识别配件主体图片,待识别配件主体图片能够保留配件的轮廓形状特征,另外,为了使得抠图效果更好,可以将待识别配件置于颜色反差较大的背景布上进行拍摄。
如图8所示,作为本发明一个优选的实施例,所述相似度计算模块400包括:
旋转复制处理单元401,用于对待识别配件主体图片进行旋转复制处理得到若干个不同角度的待识别配件主体图样;
相似度计算单元402,用于将每一个待识别配件主体图样均与筛选后的汽车配件图进行相似度计算;
以及汽车配件信息输出单元403,用于输出相似度最高的汽车配件图和对应的汽车配件信息。
本发明实施例中,需要说明的是,待识别配件的摆放角度不同,会导致最终的相似度计算结果存在差异,为了使得相似度计算更加准确,需要对待识别配件主体图片进行旋转复制处理得到若干个不同角度的待识别配件主体图样,例如在一周范围内每隔20度旋转复制一次,这样就能够得到18个角度的待识别配件主体图样,然后将每一个待识别配件主体图样均与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息,这样得到的汽车配件信息更加准确无误。
如图9所示,作为本发明一个优选的实施例,所述相似度计算单元402包括:
hash值计算子单元4021,用基于DCT的hash方法分别计算待识别配件主体图样与汽车配件图的hash值,得到h_1和h_2;
汉明距离计算子单元4022,用于计算h_1和h_2之间的汉明距离dis_h;
以及相似度确定子单元4023,用于根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度。
以上仅对本发明的较佳实施例进行了详细叙述,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实施例处的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (5)
1.一种基于AI识别技术的汽车配件识别方法,其特征在于,所述方法包括以下步骤:
接收待识别配件图片和待识别配件尺寸信息;
自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片;
根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,所述汽车配件图库中包含汽车配件图和对应的汽车配件信息,所述汽车配件信息包括汽车配件名称、汽车配件用途和汽车配件尺寸,所述汽车配件图为抠除背景的图片,所述汽车配件图库中的汽车配件图均为拍摄视角能够展示汽车配件最大面积的图片,且汽车配件图中的汽车配件均是正放的;
将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息;
其中,所述自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片的步骤,具体包括:自动对待识别配件图片的主体区域进行颜色取样;根据颜色容差值对取样的颜色进行范围扩大得到保留颜色范围;根据保留颜色范围对待识别配件图片进行抠除背景处理,得到待识别配件主体图片,且将待识别配件置于 颜色反差较大的背景布上进行拍摄;
其中,所述将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息的步骤,具体包括:对待识别配件主体图片进行旋转复制处理得到若干个不同角度的待识别配件主体图样;将每一个待识别配件主体图样均与筛选后的汽车配件图进行相似度计算;输出相似度最高的汽车配件图和对应的汽车配件信息。
2.根据权利要求1所述一种基于AI识别技术的汽车配件识别方法,其特征在于,将待识别配件主体图样与筛选后的汽车配件图进行相似度计算的步骤,具体包括:
用基于DCT的hash方法分别计算待识别配件主体图样与汽车配件图的hash值,得到h_1和h_2;
计算h_1和h_2之间的汉明距离dis_h;
根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度。
3.根据权利要求2所述一种基于AI识别技术的汽车配件识别方法,其特征在于,所述根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度的步骤,具体包括:
对dis_h的值进行判定;
当dis_h≤10时,相似度P=1-dis_h/100;
当dis_h≥25时,相似度P=4*(64-dis_h)/195;
当10<dis_h<25时,相似度P=[(25-dis_h)/150+0.8]*0.5+pcc*0.5,所述pcc为皮尔逊相关系数。
4.一种基于AI识别技术的汽车配件识别装置,用于实现如权利要求1所述的汽车配件识别方法,其特征在于,所述装置包括:
待识别图片接收模块,用于接收待识别配件图片和待识别配件尺寸信息;
抠除背景处理模块,用于自动对待识别配件图片进行抠除背景处理,得到待识别配件主体图片;
汽车配件图筛选模块,用于根据待识别配件尺寸信息对汽车配件图库中的汽车配件图进行筛选,所述汽车配件图库中包含汽车配件图和对应的汽车配件信息,所述汽车配件信息包括汽车配件名称、汽车配件用途和汽车配件尺寸,所述汽车配件图为抠除背景的图片,所述汽车配件图库中的汽车配件图均为拍摄视角能够展示汽车配件最大面积的图片,且汽车配件图中的汽车配件均是正放的;
以及相似度计算模块,用于将待识别配件主体图片与筛选后的汽车配件图进行相似度计算,输出相似度最高的汽车配件图和对应的汽车配件信息;
其中,所述抠除背景处理模块包括:颜色取样单元,用于自动对待识别配件图片的主体区域进行颜色取样;颜色范围扩大单元,用于根据颜色容差值对取样的颜色进行范围扩大得到保留颜色范围;以及抠除背景处理单元,用于根据保留颜色范围对待识别配件图片进行抠除背景处理,得到待识别配件主体图片;
其中,所述相似度计算模块包括:旋转复制处理单元,用于对待识别配件主体图片进行旋转复制处理得到若干个不同角度的待识别配件主体图样;相似度计算单元,用于将每一个待识别配件主体图样均与筛选后的汽车配件图进行相似度计算;以及汽车配件信息输出单元,用于输出相似度最高的汽车配件图和对应的汽车配件信息。
5.根据权利要求4所述一种基于AI识别技术的汽车配件识别装置,其特征在于,所述相似度计算单元包括:
hash值计算子单元,用基于DCT的hash方法分别计算待识别配件主体图样与汽车配件图的hash值,得到h_1和h_2;
汉明距离计算子单元,用于计算h_1和h_2之间的汉明距离dis_h;
以及相似度确定子单元,用于根据汉明距离dis_h计算得到待识别配件主体图样与汽车配件图之间的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210340966.4A CN114494729B (zh) | 2022-04-02 | 2022-04-02 | 基于ai识别技术的汽车配件识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210340966.4A CN114494729B (zh) | 2022-04-02 | 2022-04-02 | 基于ai识别技术的汽车配件识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114494729A CN114494729A (zh) | 2022-05-13 |
CN114494729B true CN114494729B (zh) | 2022-07-12 |
Family
ID=81487822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210340966.4A Active CN114494729B (zh) | 2022-04-02 | 2022-04-02 | 基于ai识别技术的汽车配件识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494729B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095842A (zh) * | 2014-05-22 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种单据的信息识别的方法和装置 |
CN106650829A (zh) * | 2017-01-04 | 2017-05-10 | 华南理工大学 | 一种图片相似度计算方法 |
CN107886496A (zh) * | 2017-09-30 | 2018-04-06 | 北京得华机器人技术研究院有限公司 | 一种基于形状匹配的汽车零配件的质量检测方法 |
CN113591882A (zh) * | 2021-08-11 | 2021-11-02 | 卓尔智联(武汉)研究院有限公司 | 汽车配件识别方法、计算机装置及可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9672226B2 (en) * | 2011-10-27 | 2017-06-06 | Agency For Science, Technology And Research | Method to identify an object and a system for doing the same |
JP5742873B2 (ja) * | 2013-05-08 | 2015-07-01 | 株式会社デンソー | 物体識別装置 |
-
2022
- 2022-04-02 CN CN202210340966.4A patent/CN114494729B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095842A (zh) * | 2014-05-22 | 2015-11-25 | 阿里巴巴集团控股有限公司 | 一种单据的信息识别的方法和装置 |
CN106650829A (zh) * | 2017-01-04 | 2017-05-10 | 华南理工大学 | 一种图片相似度计算方法 |
CN107886496A (zh) * | 2017-09-30 | 2018-04-06 | 北京得华机器人技术研究院有限公司 | 一种基于形状匹配的汽车零配件的质量检测方法 |
CN113591882A (zh) * | 2021-08-11 | 2021-11-02 | 卓尔智联(武汉)研究院有限公司 | 汽车配件识别方法、计算机装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114494729A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6711293B1 (en) | Method and apparatus for identifying scale invariant features in an image and use of same for locating an object in an image | |
CN109753971B (zh) | 扭曲文字行的矫正方法及装置、字符识别方法及装置 | |
CN111738045B (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
JPH0528273A (ja) | 画像処理方法および装置 | |
CN110826418B (zh) | 脸部特征提取方法及装置 | |
CN117372432B (zh) | 基于图像分割的电子烟表面缺陷检测方法及系统 | |
JP2002010067A (ja) | 電子透かし検出方法、電子透かし検出装置、領域決定方法、および、記憶媒体 | |
CN113762253B (zh) | 散斑的提取方法、装置、电子设备及存储介质 | |
CN106778777B (zh) | 一种车辆匹配方法及系统 | |
CN111553268A (zh) | 车辆部件识别方法、装置、计算机设备和存储介质 | |
CN110532973B (zh) | 基于特殊锚点的双页文本图像识别及定位分割方法 | |
WO2015011185A1 (en) | Keypoint identification | |
CN114494729B (zh) | 基于ai识别技术的汽车配件识别方法及装置 | |
CN112926695B (zh) | 基于模板匹配的图像识别方法和系统 | |
CN1573798A (zh) | 图像处理装置 | |
CN117036756B (zh) | 基于变分自动编码器的遥感图像匹配方法及系统 | |
Tuba et al. | Digital image forgery detection based on shadow texture features | |
CN117710703A (zh) | 图像处理方法、装置、计算机设备及可读存储介质 | |
CN109785343B (zh) | 基于清晰度的人脸抠图图片的优选方法及装置 | |
CN116152079A (zh) | 图像处理方法及图像处理模型训练方法 | |
CN114581433A (zh) | 一种获取金属球腔内表面形貌检测图像的方法及系统 | |
CN114119952A (zh) | 一种基于边缘信息的图像匹配方法及装置 | |
CN113033578A (zh) | 基于多尺度特征匹配的图像校准方法、系统、终端及介质 | |
CN112052859A (zh) | 一种自由场景下的车牌精准定位方法及装置 | |
JP5395795B2 (ja) | 画像照合装置及び画像照合方法 |
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 |