(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210593768.9 (22)申请日 2022.05.27 (71)申请人 浙江大华 技术股份有限公司 地址 310051 浙江省杭州市滨江区滨安路 1187号 (72)发明人 余言勋　黄宇　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/44(2022.01) G06V 10/42(2022.01) G06V 10/26(2022.01) G06V 20/54(2022.01) (54)发明名称 一种车辆清洁度检测方法、 装置和计算机可 读存储介质 (57)摘要 本申请公开了一种车辆清洁度检测方法、 装 置和计算机可读存储介质， 该车辆清洁度检测方 法包括： 获取待检测车辆图像； 对待检测车辆图 像进行分割， 得到多个车辆部件图像， 车辆部件 图像为待检测车辆图像中车辆的关键部件所在 的图像； 采用清洁度识别模型中的特征提取模型 对车辆部件图像进行特征提取， 得到全局特征和 局部特征； 采用清洁度识别模型中的清洁度预测 模型对全局特征和局部特征进行融合得到融合 特征， 并对融合特征进行预测， 得到每个车辆部 件图像的清洁度评分。 通过上述方式， 本申请能 够提高车辆清洁度检测的精度。 权利要求书3页 说明书8页 附图5页 CN 115205615 A 2022.10.18 CN 115205615 A 1.一种车辆清洁度检测方法， 其特 征在于， 包括： 获取待检测车辆图像； 对所述待检测车辆 图像进行分割， 得到多个车辆部件图像， 所述车辆部件图像为所述 待检测车辆图像中车辆的关键 部件所在的图像； 采用清洁度识别模型中的特征提取模型对所述车辆部件图像进行特征提取， 得到全局 特征和局部特征； 采用所述清洁度识别模型中的清洁度预测模型对所述全局特征和所述局部特征进行 融合得到融合特征， 并对所述融合特征进行预测， 得到每个所述车辆部件图像的清洁度评 分。 2.根据权利要求1所述的车辆清洁度检测方法， 其特征在于， 所述特征提取模型包括多 个依次连接的卷积层， 所述采用清洁度识别模 型中的特征提取模型对所述车辆部件图像进 行特征提取， 得到全局特 征和局部特征的步骤， 包括： 采用所述多个依次连接的卷积层对所述车辆部件图像进行特征提取， 得到所述全局特 征； 将部分所述卷积层输出的特 征图确定为所述局部特 征。 3.根据权利要求1所述的车辆清洁度检测方法， 其特征在于， 所述清洁度 预测模型包括 特征拼接层与多个依次连接的全连接层， 所述采用所述清洁度识别模型中的清洁度预测模 型对所述全局特 征和所述局部特 征进行融合得到融合特 征的步骤， 包括： 采用所述特 征拼接层对所述全局特 征和所述局部特 征进行融合， 得到所述融合特 征； 采用所述多个依次连接的全连接层对所述融合特 征进行预测， 得到所述清洁度评分。 4.根据权利要求1所述的车辆清洁度检测方法， 其特征在于， 所述清洁度识别模型的训 练包括： 获取车辆清洁度训练集， 所述车辆清洁度训练集包括车辆部件样本图像以及所述车辆 部件样本图像对应的标签值； 采用所述清洁度识别模型对所述车辆 部件样本图像进行处 理， 得到清洁度预测评分； 对所述清洁度预测评分与对应的标签值进行计算， 得到训练损失； 基于所述训练损失， 判断所述清洁度识别模型是否满足训练结束条件， 若否， 则调整所 述清洁度识别模型的模型参数， 并返回所述采用所述清洁度识别模型对所述车辆部件样本 图像进行处 理的步骤， 直至所述清洁度识别模型满足所述训练结束条件。 5.根据权利要求4所述的车辆清洁度检测方法， 其特征在于， 所有所述车辆部件样本图 像的尺寸均为预设尺寸； 所述获取 车辆清洁度训练集的步骤， 包括： 获取原始样本 图像， 并判断所述原始样本 图像的尺寸是否为所述预设尺寸， 所述预设 尺寸包括预设长度与预设宽度； 若是， 则将所述原 始样本图像确定为所述车辆 部件样本图像； 若否， 则计算所述原始样本图像的长度与所述预设长度的比值， 得到第 一比值， 计算所 述原始样本图像的宽度与所述预设宽度的比值， 得到第二比值； 基于所述第一比值与所述 第二比值， 对所述原 始样本图像进行处 理， 以生成所述车辆 部件样本图像。 6.根据权利要求5所述的车辆清洁度检测方法， 其特征在于， 所述基于所述第 一比值与 所述第二比值， 对所述原始样本图像进行处理， 以生成所述车辆部件样本图像的步骤， 包权　利　要　求　书 1/3 页 2 CN 115205615 A 2括： 在所述第一比值等于所述第二比值时， 将所述第一比值确定为缩放比例， 按照所述缩 放比例对所述原 始样本图像进行缩放， 得到所述车辆 部件样本图像； 在所述第一比值小于所述第二比值时， 将所述第一比值确定为缩放比例， 按照所述缩 放比例对所述原始样本图像进行缩放， 得到第一缩放样本图像， 并对所述第一缩放样本图 像进行填充处 理， 得到所述车辆 部件样本图像； 在所述第一比值大于所述第二比值时， 将所述第二比值确定为缩放比例， 按照所述缩 放比例对所述原始样本图像进行缩放， 得到第二缩放样本图像， 并对所述第二缩放样本图 像进行填充处 理， 得到所述车辆 部件样本图像。 7.根据权利要求1所述的车辆清洁度检测方法， 其特征在于， 所述获取待检测车辆图像 的步骤， 包括： 获取原始车辆 图像， 并利用车型识别模型对所述原始车辆 图像进行检测， 得到所述原 始车辆图像中车辆的类型； 判断所述车辆的类型 是否为预设车 型； 若是， 则确定所述原 始车辆图像为所述待检测车辆图像； 若否， 则返回所述获取原 始车辆图像的步骤， 直至生成所述待检测车辆图像。 8.根据权利要求7所述的车辆清洁度检测方法， 其特征在于， 所述车型识别模型包括数 据输入层、 特征提取层以及分类层， 所述特征提取层 包括子特征提取模块与 注意力模块； 所 述利用车型识别模型对所述原始车辆图像进 行检测， 得到所述原始车辆图像中车辆的类型 的步骤， 包括： 采用所述数据输入层将所述原 始车辆图像输入至所述子特 征提取模块； 采用所述子特 征提取模块对所述原 始车辆图像进行 特征提取， 得到原 始图像特 征； 采用所述注意力模块对所述原 始图像特 征进行增强， 得到增强特 征； 采用所述分类层对所述增强特 征进行分类， 得到所述车辆的类型。 9.根据权利要求1所述的车辆清洁度检测方法， 其特 征在于， 所述方法还 包括： 对所有所述清洁度评分进行加权求和， 得到整体清洁度评分； 判断所述整体清洁度评分是否超过 预设阈值； 若是， 则确定所述车辆无需清洁； 若否， 则确定所述车辆需要清洁。 10.根据权利要求9所述的车辆清洁度检测方法， 其特征在于， 所述对所有所述清洁度 评分进行加权求和， 得到整体清洁度评分的步骤， 包括： 获取预设权重映射表， 所述预设权重映射表包括所述关键部件的种类与权重值之间的 对应关系； 将所述关键部件的种类与 所述预设权重映射表进行匹配， 得到所述车辆部件图像对应 的权重值； 基于所述车辆部件图像对应的权重值， 对所述多个清洁度评分进行加权求和， 得到所 述整体清洁度评分。 11.根据权利要求1所述的车辆清洁度检测方法， 其特征在于， 所述对所述待检测车辆 图像进行分割， 得到多个车辆 部件图像的步骤， 包括：权　利　要　求　书 2/3 页 3 CN 115205615 A 3