汽車元器件多區(qū)域特征采集方法、汽車元器件識別方法及其在智能眼鏡的應用
【技術領域】
[0001] 本發(fā)明屬于汽車數據識別領域，尤其涉及一種數據采集和識別的方法。
【背景技術】
[0002] 隨著可穿戴設備技術的迅速發(fā)展，智能眼鏡在人機交互、增強現實等方面被廣泛 地應用到人們的日常生活中。例如語音控制、頭部姿勢矯正及在特定情景下指導人們進行 專業(yè)的操作，這些應用不但方便了人們的日常生活也可以提高工作人員的工作效率。目前， 現有的大多數智能眼鏡都具有獨立的操作系統(tǒng)與多種傳感器，使其能夠被擴展到很多專業(yè) 領域中，比如在坑道中或地質探測過程中輔助工作人員定位及危險預測，在倉庫中對物品 進行分類及最優(yōu)歸放路徑尋找等。但是在汽車維修方面的應用仍處于萌芽階段，而且相關 應用都還處于發(fā)展初期，尤其在應用智能眼鏡進行物體檢測或目標分類的時候，往往存在 實時處理能力差或不同型號物品間難以區(qū)分等問題。

【發(fā)明內容】

[0003] 為了提高現有智能穿戴設備對元器件的識別速度，本發(fā)明提供了一種汽車元器件 多區(qū)域特征采集方法和一種汽車元器件識別方法。
[0004] 本發(fā)明基于上述問題，采用的解決方案是:一種汽車元器件多區(qū)域特征采集方法， 汽車元器件分類訓練時，對汽車元器件分類器使用的特征進行區(qū)間均勻劃分;識別汽車元 器件時，對待采集的汽車元器件的多區(qū)域特征進行并行采集。
[0005] 進一步的，所述對汽車元器件分類器使用的特征進行區(qū)間均勻劃分的具體步驟 為:在汽車元器件分類訓練時，針對不同種類的汽車元器件使用不同維度特征描述;離線學 習并得到分類器所使用的對分類訓練的汽車元器件進行區(qū)分的維度特征，并對分類器使用 該維度特征的進行頻率統(tǒng)計;根據統(tǒng)計結果，將使用的維度特征進行區(qū)間均勻劃分，使各區(qū) 間的特征位置基本相鄰且頻率之和基本相等。
[0006] 進一步的，分類器使用的維度特征，被表示成加權直方圖的形式，實現對分類器使 用到的維度特征的頻率統(tǒng)計，使用如下公式：
[0007]
[0008] 其中：Xi是特征點的位置信息，b (Xi)是Xi在特征空間中量化的對應值，pu表示經過 b(Xl)量化后落入u區(qū)間的概率統(tǒng)計，C是歸一化系數，h表示特征點位置的距離度量， (Xi)-u]是判斷b(Xi)是否等于u，等于為1，否則為0。
[0009] 本發(fā)明還涉及一種汽車元器件識別方法，使用權利上述的任意種汽車元器件多區(qū) 域特征采集方法，對汽車元器件多區(qū)域特征采集。
[0010] 進一步的，檢測終端存儲Numl個汽車元器件分類器的hash表，汽車元器件多區(qū)域 特征采集數據通過查找相應的hash表識別該汽車元器件，并提供該汽車元器件相應信息。
[0011] 進一步的，若汽車元器件多區(qū)域特征采集數據通過查找相應的hash表無法判斷該 汽車元器件的種類，則檢測終端存儲Numl個汽車元器件分類器的hash表中不存在該汽車元 器件對應的hash表，將該汽車元器件多區(qū)域特征采集數據發(fā)送至云端服務器進行識別。
[0012] 進一步的，云端服務器定期將同一修車店面范圍內使用的汽車元器件分類器進行 使用頻率統(tǒng)計并排序，取前Numl個汽車元器件分類器發(fā)送至檢測終端。
[0013] 進一步的，所述識別方法還具有對該元器件所屬廠商和/或品牌識別的步驟，該步 驟包括，離線對汽車元器件的商標與圖標進行海量樣本訓練，使得分類器被訓練為可識別 汽車元器件的商標與圖標的分類器，對同一類汽車元器件的分類器訓練時，選擇若干品牌 的該類汽車元器件的樣本分別進行訓練，得到分類器集合;統(tǒng)計這些分類器使用的特征位 置信息，得到特征集合；
[0014]采集完成汽車元器件的多區(qū)域特征，對汽車元器件的商標與圖標分類識別，守護 進程使用上述離線訓練得到的分類器集合與特征集合處理商標和圖標分類任務，得到被采 集的汽車元器件所屬廠商和/或品牌，并返回該廠商和/或品牌信息，同時給各個守護進程 發(fā)送中斷任務信號。
[0015] 進一步的，所述分類器集合的交集如果不為空，將這些分類器的集合減去它們的 交集。
[0016] 本發(fā)明還涉及汽車元器件多區(qū)域特征采集方法和/或汽車元器件識別方法在智能 眼鏡的應用。
[0017] 有益效果:本發(fā)明通過并行檢測技術，快速實現目標特征采集、計算與檢測，同時， 利用離線訓練的元器件分類器的特征分布頻率，對檢測區(qū)間進行近似的均勻劃分，使得不 同探針上的特征采集與匹配任務基本相等，減少了探針之間的相互等待時間，從而實現元 器件特征采集與初步檢測的任務拆解與并行計算，進而提高了檢測元器件的速度。
[0018] 本發(fā)明利用常用分類器做成hash表，利用二級緩存快速對常用元器件進行分類， 在很大概率程度上降低了發(fā)往云端服務器的數據量，從而節(jié)省了數據傳輸與多級檢索的時 間。
[0019] 本發(fā)明對不同元器件廠商的品牌建立各自的分類器集合，通過集合間的運算與先 驗知識對其進行優(yōu)化，同時利用云端服務器上多個守護進程分別對單一元器件的特征進行 并行異步分類，這里并行任務間沒有等待，從而可以高效地完成分類。
[0020] 本發(fā)明通過智能眼鏡對汽車元器件進行分類識別，同時支持元器件廠商品牌查詢 功能，從而在很大程度上方便汽車維修人員進行汽車零部件的類別查找與品牌定位。
【附圖說明】
[0021] 圖1目標信息采集過程
[0022] 圖2多探針采集過程 [0023]圖3特征分類過程 [0024]圖4更新過程
[0025]圖5元器件廠商品牌分類檢測流程
【具體實施方式】
[0026] 實施例1:
[0027] -種汽車元器件多區(qū)域特征采集方法，汽車元器件分類訓練時，對汽車元器件分 類器使用的特征進行區(qū)間均勻劃分;識別汽車元器件時，對待采集的汽車元器件的多區(qū)域 特征進行并行采集。
[0028] 其中：所述對汽車元器件分類器使用的特征進行區(qū)間均勻劃分的具體步驟為:在 汽車元器件分類訓練時，針對不同種類的汽車元器件使用不同維度特征描述;離線學習并 得到分類器所使用的對分類訓練的汽車元器件進行區(qū)分的維度特征，并對分類器使用該維 度特征的進行頻率統(tǒng)計;根據統(tǒng)計結果，將使用的維度特征進行區(qū)間均勻劃分，使各區(qū)間的 特征位置基本相鄰且頻率之和基本相等