(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210829597.5 (22)申请日 2022.07.15 (65)同一申请的已公布的文献号 申请公布号 CN 114913512 A (43)申请公布日 2022.08.16 (73)专利权人 南通浩盛汽车科技有限公司 地址 226200 江苏省南 通市启东市汇龙镇 世纪大道3 577号 (72)发明人 庄淑华　黄桂华　 (74)专利代理 机构 杭州聚邦知识产权代理有限 公司 33269 专利代理师 周美锋 (51)Int.Cl. G06V 20/59(2022.01) G06V 10/46(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 113850808 A,2021.12.28 CN 110188806 A,2019.08.3 0 CN 110516661 A,2019.1 1.29 CN 103093216 A,2013.0 5.08 审查员 夏冰 (54)发明名称 基于计算机视觉的汽 车座椅皮革分类方法、 装置及系统 (57)摘要 本发明公开了一种基于计算机视觉的汽车 座椅皮革分类方法、 装置及系统， 涉及人工智能 领域。 主要包括： 采集待分类的各皮革的表面图 像并分别进行灰度化获得各灰度图像； 分别获得 灰度图像中各像素点的LBP值， 并对灰度图像中 像素点的灰度值及LBP值进行统计获得统计矩 阵； 分别计算统计矩阵的各GLCM 特征值并进行排 列， 获得灰度图像对应的统计特征向量； 将各灰 度图像对应的统计特征向量进行均值漂移聚类， 将均值漂移聚类的结果作为对各皮革的分类结 果。 本发明实施例能够对生产过程中的汽车座椅 皮革进行分类， 避免了人工目视检测的主观性， 提高了对皮革进行分类的效率和准确度。 权利要求书3页 说明书8页 附图1页 CN 114913512 B 2022.09.23 CN 114913512 B 1.基于计算机 视觉的汽车座椅皮革分类方法， 其特 征在于， 包括： 采集待分类的各皮革的表面图像并分别进行 灰度化获得 各灰度图像； 分别获得灰度图像中各像素点的LBP值， 并对灰度图像中像素点的灰度值及LBP值进行 统计获得统计矩阵； 分别计算统计矩阵的各GLC M特征值并进行排列， 获得 灰度图像对应的统计特 征向量； 将各灰度图像对应的统计特征向量进行均值漂移聚类， 将均值漂移聚类的结果作为对 各皮革的分类结果； 其中， 均值漂移聚类中包括多个圆形空间， 将圆形空间内所有统计特征向量的均值作 为漂移向量， 将各漂移向量的模分别作为各圆形空间的漂移距离， 根据圆形空间及其预设 范围内其他圆形空间的漂移向量， 分别确定各圆形空间在均值漂移聚类过程中的漂移方 向； 其中， 根据圆形空间及其预设范围内其他圆形空间的漂移向量， 分别确定各圆形空间 在均值漂移聚类过程中的漂移方向， 包括： 分别获得圆形空间预设范围内其 他各圆形空间的漂移向量对应的漂移权 重： 其中， 为圆形空间预设范围内第 个其他圆形空间对应的漂移权重， 为圆形空间预 设范围内其他圆形空间的数量， 为圆形空间预设范围内第 个其他圆形空间对应的漂移 向量的模， 为该圆形空间本身的漂移向量的模， 为自然常数； 将圆形空间预设范围内其 他各圆形空间对应的漂移权 重进行归一 化处理； 利用归一化后的其他各圆形空间的漂移权重， 对各其他各圆形空间的漂移向量进行第 一加权求和， 并将求和结果与该圆形空间的漂移权重进行第二加权求和， 且第二加权求和 过程中圆形空间的权 重在0.6至0.9之间； 将第二加权求和获得的向量的方向作为圆形空间在均值漂移聚类过程中的漂移方向。 2.根据权利要求1所述的基于计算机视觉的汽车座椅皮革分类方法， 其特征在于， 统计 矩阵的各GLCM特征值包括： 统计矩阵的GLCM的角二阶距ASM、 对比度CON、 相关性COR、 和熵 SOE、 方差V AR、 均值和SOA、 方差和SOV、 逆差矩IDM、 差方差DOV、 差熵DOE以及熵ENT。 3.根据权利要求1所述的基于计算机视觉的汽车座椅皮革分类方法， 其特征在于， 分别 获得灰度图像中各像素点的LBP值后， 所述方法还包括： 将灰度图像中所对应的二进制数为 等价模式类的LBP值的像素点保留。 4.根据权利要求1所述的基于计算机视觉的汽车座椅皮革分类方法， 其特征在于， 获得 灰度图像对应的统计特 征向量后， 所述方法还 包括： 利用PAC分别获得统计特 征向量中各分量对应的权 重； 对统计特 征向量中各分量对应的权 重进行归一 化处理， 使各权 重之和为1； 将归一化处理后的各权重分别与对应的统计特征向量中各分量相乘， 获得新的统计特 征向量。 5.根据权利要求1所述的基于计算机视觉的汽车座椅皮革分类方法， 其特征在于， 将均 值漂移聚类的结果作为对各皮革的分类结果后， 所述方法还 包括：权　利　要　求　书 1/3 页 2 CN 114913512 B 2对分类得到的不同类别的皮革进行编号， 构建初始神经网络； 将不同编 号对应的皮革的表面图像作为初始网络的输入， 将皮革的编号作为初始神经 网络的输出， 对所述初始神经网络进行训练获得训练完成的神经网络； 将新的待分类的皮革表面图像输入到训练完成的神经网络 中， 得到对新的待分类的皮 革的分类结果。 6.根据权利要求1所述的基于计算机视觉的汽车座椅皮革分类方法， 其特征在于， 对表 面图像进行 灰度化获得 灰度图像， 包括： 将表面图像中像素点在RGB三个通道中像素值的最大值， 作为所述灰度图像中的像素 点的灰度值。 7.基于计算机 视觉的汽车座椅皮革分类装置， 其特 征在于， 包括： 灰度图像获取模块， 用于采集待分类的各皮革的表面图像并分别进行灰度化获得各灰 度图像； 统计矩阵获取模块， 用于分别获得灰度图像 中各像素点的LBP值， 并对灰度图像 中像素 点的灰度值及LBP值进行统计获得统计矩阵； 统计特征向量计算模块， 用于分别计算统计矩阵的各GLCM特征值并进行排列， 获得灰 度图像对应的统计特 征向量； 均值漂移聚类模块， 用于将各灰度图像对应的统计特征向量进行均值漂移聚类， 将均 值漂移聚类的结果作为对各皮革的分类结果； 其中， 均值漂移聚类模块在进行均值漂移聚类中包括多个圆形空间， 将圆形空间内所 有统计特征向量的均值作为漂移向量， 将各漂移向量的模分别作为各圆形空间的漂移距 离， 根据圆形空间及其预设范围内其他圆形空间的漂移向量， 分别确定各圆形空间在均值 漂移聚类过程中的漂移方向； 其中， 根据圆形空间及其预设范围内其他圆形空间的漂移向量， 分别确定各圆形空间 在均值漂移聚类过程中的漂移方向， 包括： 分别获得圆形空间预设范围内其 他各圆形空间的漂移向量对应的漂移权 重： 其中， 为圆形空间预设范围内第 个其他圆形空间对应的漂移权重， 为圆形空间预 设范围内其他圆形空间的数量， 为圆形空间预设范围内第 个其他圆形空间对应的漂移 向量的模， 为该圆形空间本身的漂移向量的模， 为自然常数； 将圆形空间预设范围内其 他各圆形空间对应的漂移权 重进行归一 化处理； 利用归一化后的其他各圆形空间的漂移权重， 对各其他各圆形空间的漂移向量进行第 一加权求和， 并将求和结果与该圆形空间的漂移权重进行第二加权求和， 且第二加权求和 过程中圆形空间的权 重在0.6至0.9之间； 将第二加权求和获得的向量的方向作为圆形空间在均值漂移聚类过程中的漂移方向。 8.根据权利要求7所述的基于计算机视觉的汽车座椅皮革分类装置， 其特征在于， 所述 装置还包括： 神经网络训练模块， 用于对分类得到的不同类别的皮革进行编号， 并构建初始神经网权　利　要　求　书 2/3 页 3 CN 114913512 B 3