车辆颜色匹配系统和方法与流程

车辆颜色匹配系统和方法


背景技术：

1.当车辆进行维修时，施涂到车辆上的修补漆应匹配原漆。然而，归因于在制造期间施涂到车辆的原漆发生色移，因此难以使修补漆与原漆相匹配。可感知车辆原漆与车辆上的修补漆之间的差异。原始设备制造商生产的油漆的颜色变化使得在众多的汽车车身维修店中将车辆重新刷漆时很难实现颜色匹配。
2.车辆通常包含一个或多个识别标签，包含指出原漆配方的颜色代码。常规上需要汽车车身维修店员工手动输入与维修店中的车辆相关联的元数据，以便识别与正在维修的车辆的油漆最匹配的颜色代码。所述元数据包含车辆品牌、型号、年份、颜色代码、vin等。然而，手动输入容易出错、繁琐且费时。另外，车身上的颜色代码越来越难以定位，这使得维修店员工查找和输入颜色代码数据成为一项劳动密集型工作。在维修过程中与补漆颜色匹配相关联的延迟对汽车车身维修店就生产力和相关费用来说是昂贵的。
3.因此，有很多机会来开发帮助维修店选择油漆颜色的新系统和新方法。


技术实现要素：

4.一种用于使用数字图像识别涂层颜色的计算机系统包括一个或多个处理器和存储有可执行指令的一个或多个计算机可读介质，所述可执行指令在由所述一个或多个处理器执行时将所述计算机系统配置为执行各种动作。举例来说，计算机系统可通过网络连接接收车辆的用户提供的数字图像。所述计算机系统也可存取车辆模板数据库内的一个或多个车辆模板。另外，计算机系统可将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码。所述计算机系统也可通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值。最后，所述计算机系统从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配。
5.一种计算机化方法供在计算机系统上使用，所述计算机系统包括一个或多个处理器和存储有可执行指令的一个或多个计算机可读介质，所述可执行指令在由所述一个或多个处理器执行时将所述计算机系统配置为执行使用数字图像识别涂层颜色的方法。所述方法可包括：通过网络连接接收车辆的用户提供的数字图像。所述方法也可包括存取车辆模板数据库内的一个或多个车辆模板。所述方法还可包括将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码。而且，所述方法可包含通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值。所述方法可包括从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配。最后，所述方法可包括向用户提供所计算的最接近匹配。
6.一种计算机程序产品包括存储有计算机可执行指令的一个或多个计算机存储介
质，所述计算机可执行指令当在处理器处执行时，使计算机系统执行用于使用数字图像识别涂层颜色的方法。所述方法可包括通过网络连接接收车辆的用户提供的数字图像。所述方法还可包含存取车辆模板数据库内的一个或多个车辆模板。所述方法还可包括将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码。而且，所述方法可包含通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值。所述方法可包括从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配。另外，所述方法可包含向用户提供所计算的最接近匹配。另外，所述方法可包括接收所述所计算的最接近匹配不正确的用户反馈；计算色移分布曲线；以及将所述色移分布曲线应用于车辆的用户提供的数字图像，包括应用于所述车辆的所述用户提供的数字图像的相机和照明特性。
7.额外特征和优点将在以下描述中进行部分阐述，并且部分将通过描述而清楚，或者可通过实践本公开获悉。所述特征和优点可通过所附权利要求书中特别指出的仪器和组合来实现和获得。这些和其它特征将从以下描述和所附权利要求书中变得更加明显，或者可通过在下文阐述的实例的实践而获悉。
附图说明
8.为了描述可获得上述以及其它优点和特征的方式，将通过参考具体实施例来呈现对以上简要描述的更具体描述，且在附图中说明其具体实施例。应理解，这些图仅为说明性的且因而不应被视为限制其范围，将通过使用附图以额外特定性和细节描述和解释用于动态解析数字图像以识别涂层颜色的计算机系统，在附图中：
9.图1描绘用于使用数字图像识别涂层颜色的基于网络的系统的示意图；
10.图2描绘车辆的用户提供的示范性数字图像；
11.图3描绘包括车辆模板的示范性车辆模板数据库；
12.图4描绘图2中示出的用户提供的示范性数字图像，其中相符车辆模板映射到车辆；
13.图5描绘包括维修模板的示范性维修模板数据库；
14.图6描绘图2中示出的用户提供的示范性数字图像，其中相符维修模板映射到车辆；
15.图7描绘用户提供的经修改数字图像；以及
16.图8说明用于使用数字图像识别涂层颜色的方法中的一系列动作的流程图。
具体实施方式
17.用于使用数字图像识别涂层颜色的计算机系统包括一个或多个处理器以及存储有可执行指令的一个或多个计算机可读介质，所述可执行指令在由一个或多个处理器执行时将计算机系统配置为执行各种动作。举例来说，计算机系统可通过网络连接接收车辆的用户提供的数字图像。计算机系统也可存取车辆模板数据库内的一个或多个车辆模板。另外，计算机系统可将至少一个相符车辆模板映射到用户提供的数字图像内的车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括一个或多个车辆特
性，所述车辆特性包含一个或多个相关联颜色代码。如本文中所使用，“车辆特性”也可包括车辆品牌、型号、年份或车辆识别号(vin)。计算机系统也可通过图像处理模块识别与用户提供的数字图像内的车辆相关联的颜色值。最后，计算机系统从一个或多个相关联颜色代码计算与车辆相关联的所识别的颜色值的最接近匹配。
18.因而，计算机系统可在所属领域提供数个益处。举例来说，所描述的涂层颜色识别过程可减少当输入车辆特性时发生人为错误的机率。颜色识别过程也可检测人眼不可检测的细微的颜色差异。另外，所描述的计算机系统可提高汽车车身维修店识别补漆颜色的速度，进而增加其生产力。
19.现转而参考图，图1说明用于使用数字图像识别涂层颜色的计算机化系统的示意图。如所示出，计算机系统100通过网络连接110与涂层颜色分析软件105通信。本领域技术人员将了解，所描绘的示意图仅为示范性的，虽然计算机系统100在图1中描绘为移动电话，但计算机系统100可呈多种形式。举例来说，计算机系统100可为手提式计算机、平板计算机、可穿戴装置、台式计算机、大型主机等。如本文中所使用，术语“计算机系统”包含任何装置、系统或其组合，其包含一个或多个处理器以及能够在上面具有可由一个或多个处理器执行的计算机可执行指令的物理和有形计算机可读存储器。
20.一个或多个处理器可包括集成电路、现场可编程门阵列(fpga)、微控制器、模拟电路，或能够处理输入信号的任何其它电子电路。存储器可为物理系统存储器，其可为易失性存储器、非易失性存储器，或这两者的某种组合。术语“存储器”在本文中还可用于指代非易失性大容量存储装置，例如物理存储介质。计算机可读物理存储介质的实例包含ram、rom、eeprom、固态硬盘(“ssd”)、快闪存储器、相变存储器(“pcm”)、光盘存储装置、磁盘存储装置或其它磁性存储装置，或任何其它硬件存储装置。计算机系统100可分布在网络环境中且可包含多个组员计算机系统。
21.计算机系统100可包括上面存储有可执行指令的一个或多个计算机可读存储介质，所述可执行指令在由一个或多个处理器执行时将计算机系统100配置为执行涂层颜色分析软件105。涂层颜色分析软件105可包括各种模块，例如接口模块120和图像处理模块125。如本文中所使用，模块可包括软件组件(包含软件对象)、硬件组件(例如离散电路、fpga、计算机处理器)，或硬件和软件的某种组合。
22.然而，将理解，将模块分离成离散单元至少在某种程度上是任意的且模块可以除图1中示出的方式以外的方式组合、关联或分离且仍实现计算机系统的目的。因此，图1的模块120和125仅出于说明性和示范性目的示出。
23.涂层颜色分析软件105也可与一个或多个数据库通信。举例来说，涂层颜色分析软件105可与车辆模板数据库130、车辆识别号(“vin”)数据库135和维修模板数据库140通信。如本文中所使用，数据库可包括本地存储的数据、远程存储的数据、存储在组织数据结构内的数据、存储在文件系统内的数据，或涂层颜色分析软件105可存取的任何其它所存储数据。
24.涂层颜色分析软件105可被配置成接收车辆115的用户提供的数字图像。举例来说，用户可使用计算机系统100将用户提供的数字图像115经由网络连接110上传到涂层颜色分析软件105。如本文中所使用，数字图像可包括以数字方式表示现实或以数字方式创建的伪影的照片(例如，物理现实的定格画面(still))或/和图像。接口模块120可提供可供用
户使用的数字图像并且将用户提供的数字图像115上传到涂层颜色分析软件105中的接口。另外或替代地，接口模块120可允许用户提供额外或替代性车辆识别数据。举例来说，接口模块120可允许用户键入、说出或以其它方式识别关于车辆的细节(例如，品牌、型号、颜色等)。
25.接口模块120可被配置成接收用户导出的音频(包括车辆特性)并将用户导出的音频转译为机器编码的文本。举例来说，涂层颜色分析软件105可被配置成从安装于计算机系统100上的话音辨识系统接收用户导出的音频。另外或替代地，话音辨识系统可将用户导出的音频转译成机器编码的文本，此后将机器编码的文本发送到涂层颜色分析软件105。
26.用户提供的数字图像115可包括车辆的彩色或黑色/白色照片，其展示车辆的车身的至少一部分。接口模块120可提供用于识别拍摄用户提供的数字图像115时所处的角度的接口。接口模块120也可提供用于以多个角度上传车辆的多于一个图像的接口。图像处理模块125可被配置成在没有来自用户的输入的情况下识别用户提供的数字图像115的观察角度。
27.如图1中所示，接口模块120可与图像处理模块125通信且被配置成将用户提供的数字图像115发送到图像处理模块125。图像处理模块125可存取车辆模板数据库130内的一个或多个车辆模板，并且将相符车辆模板映射到用户提供的数字图像115内的车辆。相符车辆模板可包括相关联的元数据，所述相关联的元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码。
28.车辆模板可包括特定车辆的物理可视特性的数字描述。在一些情况下，车辆模板可包括可加载到神经网络中的与车辆有关的带标记数据。车辆模板也可与描述基础车辆的各个方面的元数据相关联。所述元数据可包含车辆特性，例如型号、品牌、款式、年份、颜色，以及一个或多个相关联颜色代码。在相符车辆模板映射到用户提供的数字图像115内的车辆之后，图像处理模块125可基于与相符车辆模板相关联的元数据来识别车辆特性。
29.车辆模板可包括车辆的线条图。车辆模板也可包括车辆的三维模型。因此，图像处理模块125可通过线条匹配将相符车辆模板映射到用户提供的数字图像115中的车辆。图像处理模块125还可被配置成自动调整相符车辆模板的大小以与用户提供的数字图像115中的车辆对准。因此，车辆模板可通过匹配各种车辆模板并且通过线条匹配选择具有最小差异(例如，结构差异)的车辆模板而被符合。
30.车辆模板也可包括颜色元素，且图像处理模块125可被配置成确定用户提供的数字图像115中的车辆的颜色并将颜色匹配的相符车辆模板映射到车辆。因此，相符车辆模板的颜色匹配另外会将用户提供的数字图像115中的车辆的所确定的颜色与车辆模板的颜色信息匹配，其中颜色在特定颜色空间中的定量差异例如“差量e(δe)小于x”的情况下匹配。
31.另外或替代地，图像处理模块125可包括被配置成识别用户提供的数字图像115内的车辆特性的机器学习算法。可使用存储在车辆模板数据库130内的有注释的车辆模板来教示机器学习算法。在一些情况下，机器学习算法也可将所识别的车辆映射到车辆模板数据库130内的车辆模板。机器学习算法可包括任何数目个不同对象辨识和对象分类算法，包含卷积神经网络。随后可从与车辆模板相关联的元数据搜集信息。
32.车辆模板数据库130可包含基于用户提供的信息组织的数据库子集。举例来说，如果用户指示车辆是丰田(toyota)，那么车辆模板数据库130可包含具有特定于丰田车辆的
车辆模板的数据库子集。另外或替代地，图像处理模块125可首先确定用户提供的数字图像115中的车辆的颜色，且车辆模板数据库130可包含具有特定于所识别的颜色的车辆模板的数据库子集。举例来说，特定的车型可具有八种不同的出厂颜色。车辆模板数据库130可包括具有八种不同出厂颜色中的每一种的车型的车辆模板。
33.另外，图像处理模块125可识别与用户提供的数字图像115内的车辆相关联的颜色值。与车辆相关联的颜色值可为rgb值。另外或替代地，颜色值可为色系(例如，白色、红色、蓝色、银色)。图像处理模块也可从一个或多个相关联颜色代码计算与车辆相关联的所识别的颜色值的最接近匹配。最接近匹配可通过比较特定颜色空间中的定量差异例如“差量e(δe)小于x”来确定。最接近匹配可表示轿车的最可能颜色代码。
34.如图1中所示，图像处理模块125可通过网络连接110与计算机系统100通信且被配置成将最接近匹配145发送给计算机系统100。最接近匹配145的主体、变体和特别体也可发送到计算机系统100。另外或替代地，接口模块120可被配置成基于与相符车辆模板相关联的元数据来显示所识别的车辆特性。
35.另外或替代地，图像处理模块可包含智能学习颜色校验过程。举例来说，接口模块120或图像处理模块125可被配置成从计算机系统100接收最接近匹配颜色代码不正确的用户反馈。接口模块120或图像处理模块125可被进一步配置成从用户接收车辆的正确颜色代码的指示。基于不正确的最接近匹配颜色代码与用户识别的颜色代码之间的变化，图像处理模块可计算色移分布曲线。图像处理模块125可将色移分布曲线应用于后续用户提供的数字图像，包括应用于用户提供的数字图像115的相机和照明特性。图像处理模块125可在计算最接近匹配145之前对用户提供的数字图像进行替代性修改或额外的修改。
36.另外或替代地，图像处理模块125可确定车辆115是否已经重漆。举例来说，图像处理模块125可被配置成识别最接近匹配何时落在预定阈值之外，例如“差量e(δe)小于x”。如果最接近匹配被识别为落在那个阈值之外，那么图像处理模块125可被配置成将车辆可能被重漆的指示发送给计算机系统100。如上文所论述，图像处理模块125可被配置成基于所识别的颜色值与颜色代码之间的定量差异，将置信度信息发送给计算机系统100。
37.用户提供的数字图像115可另外或替代地包括与车辆相关联的图像文本的照片。所述图像文本可包含车辆的vin、颜色代码、品牌、型号和/或年份。图像处理模块125可被配置成识别用户提供的数字图像115内的图像文本，且此后使用光学字符辨识技术将所识别的图像文本转译成机器编码的文本。如果所述图像文本包括vin，那么图像处理模块125可与vin数据库135通信。图像处理模块125因而可使用机器编码的文本搜索vin数据库135并且识别车辆特性。替代地，车辆模板数据库130可包括vin查找表。
38.vin数据库135可包括与vin中的特定字母或数字对应的多个查找表。举例来说，vin数据库可包括制造者查找表。图像处理模块125可使用vin中的第二和第三数字搜索制造者查找表并且识别制造者。类似地，vin数据库可包括车辆描述符查找表。图像处理模块125可使用vin的第四到第八数字搜索车辆描述符查找表并且识别车辆的品牌、发动机大小和类型。另外或替代地，图像处理模块可使用机器学习算法基于vin来识别车辆特性。可使用存储在vin数据库135内的有注释的vin来教示机器学习算法。接口模块120可被配置成基于vin向用户显示所识别的车辆特性。
39.vin数据库可另外包括颜色代码查找表。图像处理模块125可使用所识别的车辆特
性左颜色代码查找表内进行搜索并且基于车辆的品牌、型号、年份等识别可能的颜色代码。举例来说，图像处理模块125可识别颜色代码查找表内存在2014丰田卡罗拉(toyota corolla)的九个可能的颜色代码。如果不知道关于车辆的其它信息，那么图像处理模块125可被配置成通过网络110将所有可能的颜色代码发送给计算机系统100。如果用户识别车辆的颜色，或这用户提供的数字图像115中识别车辆的颜色，那么图像处理模块125可种将颜色代码发送给计算机系统100之前筛选可能的颜色代码。举例来说，如果用户或图像处理模块125识别2014丰田卡罗拉是白色的，那么图像处理模块125可被配置成将白色代码(例如暴雪/珍珠水晶白070和超白040)发送给计算机系统颜色100。
40.图像处理模块125还可被配置成识别用户提供的数字图像115内的维修区域。图像处理模块125可通过识别映射的车辆模板与车辆的不同之处来检测维修区域。图像处理模块125可存取维修模板数据库140内的维修模板并且将相符维修模板映射到用户提供的数字图像115内的维修区域。维修模板数据库140可基于车辆特性或维修区域特性组织成数据库子集。
41.维修模板可包括特定维修的物理可视特性的数字描述。如同车辆模板一样，维修模板可包括可加载到神经网络中的与修复有关的带标记数据。维修模板也可与描述基础维修的各个方面的元数据相关联。所述元数据可包含关于维修的详细说明书、所估计的维修成本，以及所估计的维修油漆使用要求。
42.维修模板可包括车辆的线条图。因此，图像处理模块125可通过线条匹配将相符维修模板映射到用户提供的数字图像115中的维修区域。图像处理模块125还可被配置成自动调整相符维修模板的大小或角度以与用户提供的数字图像115中的维修区域对准。
43.另外或替代地，图像处理模块125可包括被配置成识别用户提供的数字图像115内的维修区域的机器学习算法。可使用存储在维修模板数据库140内的有注释的维修模板来教示机器学习算法。在一些情况下，机器学习算法也可将所识别的维修区域到车辆模板数据库130内的维修模板。机器学习算法可包括任何数目个不同对象辨识和对象分类算法，包含卷积神经网络。随后可从与维修模板相关联的元数据搜集信息。
44.在相符维修模板映射到用户提供的数字图像115内的维修区域之后，图像处理模块125可基于与相符维修模板相关联的元数据来识别维修特性150。图像处理模块125可通过网络连接110与计算机系统100通信且被配置成将所识别的维修特性150发送给计算机系统100。另外或替代地，接口模块120可被配置成基于与相符维修模板相关联的元数据来显示所识别的维修特性150。
45.另外，图像处理模块125可从用户提供的数字图像115解析维修区域并且通过将经解析的至少一个维修区域更换为来自相符车辆模板的视觉数据来创建经修改的用户提供的数字图像700(未示出，参见图7)。图像处理模块125可被配置成通过网络110将经修改的用户提供的数字图像发送到计算机系统100。另外或替代地，接口模块120可被配置成向用户展示经修改的用户提供的数字图像700(未示出，参见图7)。
46.图2描绘示范性的用户提供的数字图像115。图2中示出的用户提供的数字图像115的角度仅为示范性的。可从任何角度获取用户提供的数字图像115。用户提供的数字图像115包含车辆200和维修区域205。
47.图3描绘包括车辆模板300a-300c的示范性车辆模板数据库130的一部分。如所示
出，车辆模板数据库130包含与图1中示出的车辆200的颜色和形状对应的车辆模板300a。车辆模板数据库130还包含车辆模板300b，其包括与图1中的车辆200相同的形状但颜色不同。车辆模板300c不具有图2中示出的车辆200的对应颜色和形状两者。另外或替代地，车辆模板数据库130可基于车辆特性组织成车辆模板数据库子集。
48.图4示出用户提供的数字图像115,其中相符车辆模板300a已经映射到车辆200。如上文所描述，图像处理模块125可通过线条匹配和/或颜色匹配来映射相符车辆模板300a。图像处理模块125还可被配置成调整相符车辆模板300a的大小以与车辆200对准。
49.相符车辆模板300a可与描述基础车辆200的各个方面的元数据相关联。所述元数据可包含车辆特性，例如型号、品牌、款式、年份、颜色，以及至少一个颜色代码。如上文所陈述，图像处理模块125可通过网络连接110与计算机系统100通信且被配置成将至少一个所识别的最接近匹配145发送给计算机系统100。另外或替代地，接口模块120可被配置成基于与相符车辆模板300a相关联的元数据来显示所识别的车辆特性。
50.如图4中所示，维修区域205被取消映射，这是因为相符车辆模板300a不包含相同的维修区域。图像处理模块125可被配置成通过识别映射的相符车辆模板300a与车辆200的不同之处来检测维修区域205。举例来说，所描绘的维修区域205可包括前部驾驶侧挡板中的凹痕。车辆模板300a将不包括等效凹痕。因而，车辆模板300a可以数字方式重叠到用户提供的数字图像115上。随后可执行差异计算以识别前部驾驶侧挡板(即，维修区域)与车辆模板相差预定阈值。预定阈值可包括体积量、颜色量、线条匹配偏差，或数种其它差异测量值。
51.在识别在前部驾驶侧挡板处存在差异之后，图像处理模块125可即刻存取维修模板数据库150内的维修模板，如图5所示。图5描绘包括特定于车辆200的维修模板500a-500c的维修模板数据库150内的示范性维修模板数据库子集的一部分。维修模板500a包括与用户提供的数字图像115中的维修区域205相同的维修区域。另外或替代地，维修模板数据库子集可包括特定于车辆的区域(例如，右侧前保险杠)的维修模板。
52.图6示出用户提供的数字图像115，其中相符维修模板500a已经映射到维修区域205。如上文所描述，图像处理模块125可通过将可用维修模板子集之间的差异降到最低来映射相符维修模板500a。举例来说，可存在包括前部驾驶侧挡板受损的多个维修模板。图像处理模块125可将与前部驾驶侧挡板受损相关联的模板中的每一个与用户提供的数字图像115进行比较直到识别最接近匹配为止。可通过将模板与用户提供的数字图像之间的体积差异降到最低，通过将线条匹配之间的差异降到最低，或通过将任何数目的其它差异测量值降到最低来识别最接近匹配。图像处理模块125还可被配置成调整相符维修模板500a的大小或角度以与维修区域205对准。
53.相符维修模板500a可与描述基础维修的各个方面的元数据相关联。所述元数据可包含关于维修的详细说明书、所估计的维修成本，以及所估计的维修油漆使用要求。在相符维修模板500a映射到维修区域205之后，图像处理模块125可基于与相符维修模板500a相关联的元数据来识别维修特性。图像处理模块125可通过网络连接110与计算机系统100通信且被配置成将所识别的维修特性发送给计算机系统100。
54.举例来说，在一种情况下，前部驾驶侧挡板轻微受损映射到与特定地相同的轻微受损相关联的相符维修模板500a。那个相符维修模板500a与指示汽车车身填料和油漆可用以修复损坏的元数据相关联。所述元数据可另外指示与小修相关联的预期成本。相比之下，
在另一情况下，前部驾驶侧挡板严重受损映射到与特定地相同的严重受损相关联的相符维修模板500a。那个相符维修模板500a与指示整个前部驾驶侧挡板面板必须更换和喷涂以匹配车辆的剩余部分的元数据相关联。所述元数据可指示与大修相关联的相对较高的预期成本。
55.将了解，提供上述实例是为了清楚和简单起见。相同方法和系统可应用于车辆的其它区域上的受损。另外，相同方法和系统可应用于车辆的多个区域的受损。举例来说，车辆的前部驾驶侧挡板、引擎盖和驾驶侧门板可能已经受损。在这类情况下，这些相同的维修区域205受损的维修模板可映射到轿车的数字图像。类似地，多个不同维修模板可各自映射到轿车的不同的相应区域。举例来说，第一修复模板可映射到前部驾驶侧挡板，第二维修模板可映射到引擎盖，且第三维修模板可映射到驾驶侧门板。随后可聚合与每一模板相关联的元数据以识别与修复相关联的潜在成本和部件。
56.图7示出经修改的用户提供的数字图像700，其中从用户提供的数字图像115解析维修区域并将维修区域替换为来自相符车辆模板的视觉数据。如图7中所示，经修改的用户提供的数字图像700包括车辆200，但不包含维修区域205。图像处理模块125可被配置成通过网络110将经修改的用户提供的数字图像700发送到计算机系统100。另外或替代地，接口模块120可被配置成显示经修改的用户提供的数字图像700。
57.图8说明用于使用数字图像识别涂层颜色的方法800。如图8中所示，动作805包括接收车辆的用户提供的数字图像。动作805包含通过网络连接接收车辆的用户提供的数字图像。举例来说，如图1中所描绘，用户可使用计算机系统100经由网络连接110将用户提供的数字图像115上传到涂层颜色分析软件105。接口模块120可提供用于选择可供用户使用的数字图像并将用户提供的数字图像115上传到涂层颜色分析软件105中的接口。另外或替代地，接口模块120可允许用户键入、说出或以其它方式识别关于车辆的细节(例如，品牌、型号、颜色等)。
58.用户提供的数字图像115可包括车辆的彩色照片，其展示车辆的车身的至少一部分。接口模块120可提供用于识别拍摄用户提供的数字图像115时所处的角度的接口。接口模块120也可提供用于以多个角度上传车辆的多于一个图像的接口。图像处理模块125可被配置成在没有来自用户的输入的情况下识别用户提供的数字图像115的观察角度。
59.另外，如图8中所示，动作810包括存取一个或多个车辆模板。动作805包含存取车辆模板数据库内的一个或多个车辆模板。举例来说，如图1中所示，图像处理模块125可存取车辆模板数据库130。
60.图8另外示出动作815包括将至少一个相符车辆模板映射到用户提供的数字图像内的车辆。动作815包含将至少一个相符车辆模板映射到用户提供的数字图像内的车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码。
61.举例来说，如图4中所描绘，图像处理模块125可将相符车辆模板300a映射到用户提供的数字图像115内的车辆200。车辆模板可包括特定车辆的物理可视特性的数字描述。在一些情况下，车辆模板可包括可加载到神经网络中的与车辆有关的带标记数据。车辆模板也可与描述基础车辆的各个方面的元数据相关联。所述元数据可包含车辆特性，例如型号、品牌、款式、年份、颜色，以及一个或多个相关联颜色代码。在相符车辆模板映射到用户
提供的数字图像115内的车辆之后，图像处理模块125可基于与相符车辆模板相关联的元数据来识别车辆特性。
62.车辆模板可包括车辆的线条图。车辆模板也可包括车辆的三维模型。因此，图像处理模块125可通过线条匹配将相符车辆模板映射到用户提供的数字图像115中的车辆。图像处理模块125还可被配置成自动调整相符车辆模板的大小以与用户提供的数字图像115中的车辆对准。因此，车辆模板可通过匹配各种车辆模板并且通过线条匹配选择具有最小差异(例如，结构差异)的车辆模板而被符合。
63.车辆模板也可包括颜色元素，且图像处理模块125可被配置成确定用户提供的数字图像115中的车辆的颜色并将颜色匹配的相符车辆模板映射到车辆。因此，相符车辆模板的颜色匹配另外会将用户提供的数字图像115中的车辆的所确定的颜色与车辆模板的颜色信息匹配，其中颜色在特定颜色空间中的定量差异例如“差量e(δe)小于x”的情况下匹配。
64.另外，动作820包括识别与用户提供的数字图像内的车辆相关联的颜色值。动作820包含通过图像处理模块识别与用户提供的数字图像内的车辆相关联的颜色值。举例来说，与车辆相关联的颜色值可为rgb值。
65.如图8中所示，动作825包括从一个或多个相关联颜色代码计算与车辆相关联的所识别的颜色值的最接近匹配。举例来说，最接近匹配可通过比较特定颜色空间中的定量差异例如“差量e(δe)小于x”来确定。
66.最后，动作830包括向用户提供所计算的最接近匹配。举例来说，如图1中所示，图像处理模块125可通过网络连接110与计算机系统100通信且被配置成将最接近匹配145发送给计算机系统100。另外或替代地，接口模块120可被配置成基于与相符车辆模板相关联的元数据来显示所识别的车辆特性。
67.尽管已经以结构特征和/或方法动作特定的语言描述了本主题，但应理解，随附权利要求书中限定的主题不一定限于上述特征或上述动作，或上述动作的顺序。实际上，所描述的特征和动作被公开为实施权利要求的实例形式。
68.计算机系统可包括或利用专用或通用计算机系统，其包含计算机硬件，诸如例如一个或多个处理器和系统内存，如下文更详细讨论的。计算机系统还可包含用于携载或存储计算机可执行指令和/或数据结构的物理和其它计算机可读介质。此类计算机可读介质可为可由通用或专用计算机系统存取的任何可用介质。存储计算机可执行指令和/或数据结构的计算机可读介质为计算机存储介质。携载计算机可执行指令和/或数据结构的计算机可读介质是传输介质。因此，借助于实例而非限制，计算机系统可包括至少两种截然不同的计算机可读介质：计算机存储介质和传输介质。
69.计算机存储介质为存储计算机可执行指令和/或数据结构的物理存储介质。物理存储介质包含计算机硬件，例如ram、rom、eeprom、固态硬盘(“ssd”)、快闪存储器、相变存储器(“pcm”)、光盘存储装置、磁盘存储装置或其它磁性存储装置，或可用于以计算机可执行指令或数据结构的形式存储程序代码的任何其它硬件存储装置，所述程序代码可由通用或专用计算机系统存取和执行以实现计算机系统的所公开的功能。
70.传输介质可包含网络和/或数据链路，所述网络和/或数据链路可用于携载计算机可执行指令或数据结构形式的程序代码，并且可由通用或专用计算机系统存取。“网络”定义为能够实现在计算机系统和/或模块和/或其它电子装置之间传送电子数据的一个或多
个数据链路。当信息通过网络或另一种通信连接(硬连线、无线或者硬连线或无线的组合)传送或提供到计算机系统时，计算机系统可将所述连接视为传输介质。上述各项的组合也应包含在计算机可读介质的范围内。
71.另外，在到达各种计算机系统组件时，呈计算机可执行指令或数据结构形式的程序代码可从传输介质自动传送到计算机存储介质(或反之亦然)。举例来说，经由网络或数据链路接收到的计算机可执行指令或数据结构可缓存在网络接口模块(例如，“nic”)内的ram中，且接着最终传送到计算机系统ram和/或计算机系统处的低易失性计算机存储介质。因此，应理解，计算机存储介质可包含在也(或甚至主要)利用传输介质的计算机系统组件中。
72.计算机可执行指令包括例如指令和数据，当在一个或多个处理器处执行时，所述指令和数据使通用计算机系统、专用计算机系统或专用处理设备执行某项功能或一组功能。计算机可执行指令可为例如二进制、中间格式指令(例如汇编语言)或甚至源代码。
73.本领域技术人员将理解，计算机系统可在具有多种类型的计算机系统配置(包含个人计算机、台式计算机、膝上型计算机、消息处理器、手持设备、多处理器系统、基于微处理器或可编程的消费电子产品、网络pc、小型计算机、大型计算机、移动电话、pda、平板电脑、寻呼机、路由器、交换机等等)的网络计算环境中实践。也可在分布式系统环境中实践计算机系统，在所述分布式系统环境中通过网络链接(通过硬接线数据链路、无线数据链路，或通过硬接线数据链路和无线数据链路的组合)的本地计算机系统和远程计算机系统均执行任务。因此，在分布式系统环境中，计算机系统可包含多个构成的计算机系统。在分布式系统环境中，程序模块可位于本地和远程存储器存储装置二者中。
74.本领域技术人员还将理解，可在云计算环境中实践计算机系统。云计算环境可为分布式的，但这不是必需的。当为分布式时，云计算环境可在一个组织内在国际上分布和/或具有跨多个组织拥有的组件。在本说明书和所附权利要求书中，“云计算”定义为一种模型，用于实现对可配置计算资源(例如，网络、服务器、存储装置、应用程序和服务)的共享池的按需网络存取。“云计算”的定义不限于在适当部署时可从此类模型中获得的其它众多优势中的任何一个。
75.云计算模型可由各种特性(例如，按需自助服务、宽网络接入、资源池化、快速弹性、可测量的服务等等)组成。云计算模型还可以各种服务模型(例如，软件即服务(“saas”)、平台即服务(“paas”)和基础设施即服务(“iaas”))的形式出现。还可使用不同的部署模型(例如，私有云、社区云、公共云、混合云等)来部署云计算模型。
76.云计算环境可包括一种系统，所述系统包含一个或多个主机，每个主机都能够运行一个或多个虚拟机。在操作期间，虚拟机模拟操作计算系统，从而支持操作系统以及可能还有一个或多个其它应用程序。每个主机可包含超级监视器，所述超级监视器使用从虚拟机的角度看为抽象的物理资源来模拟虚拟机的虚拟资源。超级监视器还提供了虚拟机之间的适当分离。因此从任何给定虚拟机的角度，超级监视器提供了虚拟机与物理资源介接的错像，即使虚拟机仅与物理资源的外表(例如，虚拟资源)介接也是如此。物理资源的实例包含处理能力、存储器、磁盘空间、网络带宽、介质驱动器等。
77.鉴于前述内容，本发明计算机系统涉及例如但不限于以下方面和配置。
78.举例来说，在第一方面中，一种用于使用数字图像识别涂层颜色的计算机系统可
包含一个或多个处理器；以及一个或多个计算机可读介质，存储有可执行指令，所述可执行指令在由所述一个或多个处理器执行时将所述计算机系统配置为特定来说，在执行根据第十三到第二十一方面中任一项所述的计算机化方法时至少执行以下操作：通过网络连接接收车辆的用户提供的数字图像；存取车辆模板数据库内的一个或多个车辆模板；将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码；通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值；以及从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配。
79.在第二方面中，在第一方面所述的计算机系统中，与所述车辆相关联的所述颜色值是rgb值。在第三方面中，在第一或第二方面中任一项所述的计算机系统中，所述图像处理模块被配置成确定所述用户提供的数字图像中的所述车辆的颜色并且将颜色匹配的相符车辆模板映射到所述车辆，其中至少一个颜色匹配的相符车辆模板包括相关联元数据，所述相关联元数据包括所述一个或多个车辆特性。在第四方面中，在第一到第三方面中任一项所述的计算机系统中，所述可执行指令包含可执行以将所述计算机系统配置为向用户提供包括所述一个或多个车辆特性的所述相关联元数据的指令。在第五方面中，在第一到第四方面中任一项所述的计算机系统中，所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：接收所述最接近匹配不正确的用户反馈；计算色移分布曲线；以及将所述色移分布曲线应用于车辆的用户提供的数字图像，包括应用于所述车辆的所述用户提供的数字图像的相机和照明特性。
80.在第六方面中，在第一到第五方面中任一项所述的计算机系统中，所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：识别所述最接近匹配落在预定阈值之外；向用户提供所述车辆可能被重漆的指示。在第七方面中，在第一到第六方面中任一项所述的计算机系统中，所述可执行指令包含可执行以将所述计算机系统配置为识别所述用户提供的数字图像内的至少一个维修区域的指令。在第八方面中，在第七方面所述的计算机系统中，识别所述用户提供的数字图像内的至少一个维修区域的步骤包括：检测所映射的至少一个相符车辆模板与所述车辆不同的所述至少一个维修区域；存取维修模板数据库内的一个或多个维修模板；以及将至少一个相符维修模板映射到所述用户提供的数字图像内的所述至少一个维修区域。
81.在第九方面中，在第七到第八方面所述的计算机系统中，所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：从所述用户提供的数字图像解析所述至少一个维修区域；以及通过将所述经解析的至少一个维修区域更换为来自所述至少一个相符车辆模板的视觉数据来创建经修改的用户提供的数字图像。在第十方面中，在第一到第九方面中任一项所述的计算机系统中，所述可执行指令包含可执行以将所述计算机系统配置为识别所述用户提供的数字图像内的图像文本的指令。在第十一方面中，在第一到第十方面中任一项所述的计算机系统中，所述图像处理模块可包含机器学习算法。在第十二方面中，在第一到第十一方面中任一项所述的计算机系统中，所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：通过所述网络连接接收包括一个或多个车辆特性的用户导出的音频；以及将所述用户导出的音频转译为机器编码的文本。
82.在本发明的另一配置中，一种计算机化方法，其供在计算机系统上使用，所述计算机系统包含一个或多个处理器和存储有可执行指令的一个或多个计算机可读介质，所述可执行指令在由所述一个或多个处理器执行时将所述计算机系统配置为例如对如在第一到第十二方面中定义的计算机系统执行使用数字图像识别涂层颜色的方法，所述方法可包含：通过网络连接接收车辆的用户提供的数字图像；存取车辆模板数据库内的一个或多个车辆模板；将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板可包含相关联元数据，所述相关联元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码；通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值，其中所述颜色值是rgb值；从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配；以及向用户提供所计算的最接近匹配。
83.在第十四方面中，在第十三方面所述的计算机化方法中，所述图像处理模块被配置成确定所述用户提供的数字图像中的所述车辆的颜色并且将颜色匹配的相符车辆模板映射到所述车辆，其中至少一个颜色匹配的相符车辆模板可包含相关联元数据，所述相关联元数据包括所述一个或多个车辆特性。在第十五方面中，在第十三到第十四方面中任一项所述的计算机化方法中，所述方法可另外包含向用户提供包括所述一个或多个车辆特性的所述相关联元数据。在第十六方面中，第十三到第十四方面中任一项所述的所述计算机化方法可另外包含接收所述所计算的最接近匹配不正确的用户反馈；计算色移分布曲线；以及将所述色移分布曲线应用于车辆的用户提供的数字图像，包括应用于所述车辆的所述用户提供的数字图像的相机和照明特性。在第十七方面中，第十三到第十六方面中任一项所述的计算机化方法可另外包含识别所述最接近匹配落在预定阈值之外；以及向所述用户提供所述车辆可能被重漆的指示。
84.在第十八方面中，第十三到第十七方面中任一项所述的计算机化方法可另外包含识别所述用户提供的数字图像内的至少一个维修区域。在第十八方面所述的计算机化方法中，识别所述用户提供的数字图像内的至少一个维修区域的步骤可包含：检测所映射的至少一个相符车辆模板与所述车辆不同的所述至少一个维修区域；存取维修模板数据库内的一个或多个维修模板的数据库子集；以及将至少一个相符维修模板映射到所述用户提供的数字图像内的所述至少一个维修区域。在第二十方面中，在第十三到第十九方面中任一项所述的计算机化方法中，所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：从所述用户提供的数字图像解析所述至少一个维修区域；以及通过将所述经解析的至少一个维修区域更换为来自所述至少一个相符车辆模板的视觉数据来创建经修改的用户提供的数字图像。
85.在第二十一方面中，在第十三到第二十方面中任一项所述的计算机化方法中，通过所述图像处理模块识别所述用户提供的数字图像内的所述一个或多个车辆特性可包含：识别所述用户提供的数字图像内的图像文本；以及使用光学字符辨识技术将所识别的图像文本转译为机器编码的文本。
86.在另一配置中，本发明的第二十二方面可包含一种计算机程序产品，其包含存储有计算机可执行指令的一个或多个计算机存储介质，所述计算机可执行指令当在处理器处执行时，使计算机系统特定来说，在执行根据权利要求第十三到第二十一方面中任一项所
述的计算机化方法时，例如对如在第一到第十二方面中定义的计算机系统执行用于使用数字图像识别涂层颜色的方法，所述方法可包含：通过网络连接接收车辆的用户提供的数字图像；存取车辆模板数据库内的一个或多个车辆模板；将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板可包含相关联元数据，所述相关联元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码；通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值；从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配；向用户提供所计算的最接近匹配；接收所述所计算的最接近匹配不正确的用户反馈；计算色移分布曲线；以及将所述色移分布曲线应用于车辆的用户提供的数字图像，包括应用于所述车辆的所述用户提供的数字图像的相机和照明特性。

技术特征：
1.一种用于使用数字图像识别涂层颜色的计算机系统，其包括：一个或多个处理器；以及一个或多个计算机可读介质，存储有可执行指令，所述可执行指令在由所述一个或多个处理器执行时将所述计算机系统配置为特定来说，在执行根据权利要求13至21中任一项所述的计算机化方法时至少执行以下操作：通过网络连接接收车辆的用户提供的数字图像；存取车辆模板数据库内的一个或多个车辆模板；将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码；通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值；以及从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配。2.根据权利要求1所述的计算机系统，其中与所述车辆相关联的所述颜色值是rgb值。3.根据权利要求1或2中任一项所述的计算机系统，其中：所述图像处理模块被配置成确定所述用户提供的数字图像中的所述车辆的颜色并且将颜色匹配的相符车辆模板映射到所述车辆；且至少一个颜色匹配的相符车辆模板包括相关联元数据，所述相关联元数据包括所述一个或多个车辆特性。4.根据权利要求1至3中任一项所述的计算机系统，其中所述可执行指令包含可执行以将所述计算机系统配置为向用户提供包括所述一个或多个车辆特性的所述相关联元数据的指令。5.根据权利要求1至4中任一项所述的计算机系统，其中所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：接收所述最接近匹配不正确的用户反馈；计算色移分布曲线；以及将所述色移分布曲线应用于车辆的用户提供的数字图像，包括应用于所述车辆的所述用户提供的数字图像的相机和照明特性。6.根据权利要求1至5中任一项所述的计算机系统，其中所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：识别所述最接近匹配落在预定阈值之外；向用户提供所述车辆可能被重漆的指示。7.根据权利要求1至6中任一项所述的计算机系统，其中所述可执行指令包含可执行以将所述计算机系统配置为识别所述用户提供的数字图像内的至少一个维修区域的指令。8.根据权利要求7所述的计算机系统，其中识别所述用户提供的数字图像内的至少一个维修区域包括：检测所映射的至少一个相符车辆模板与所述车辆不同的所述至少一个维修区域；存取维修模板数据库内的一个或多个维修模板；以及
将至少一个相符维修模板映射到所述用户提供的数字图像内的所述至少一个维修区域。9.根据权利要求7或8所述的计算机系统，其中所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：从所述用户提供的数字图像解析所述至少一个维修区域；以及通过将经解析的至少一个维修区域更换为来自所述至少一个相符车辆模板的视觉数据来创建经修改的用户提供的数字图像。10.根据权利要求1至9中任一项所述的计算机系统，其中所述可执行指令包含可执行以将所述计算机系统配置为识别所述用户提供的数字图像内的图像文本的指令。11.根据权利要求1至10中任一项所述的计算机系统，其中所述图像处理模块包括机器学习算法。12.根据权利要求1至11中任一项所述的计算机系统，其中所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：通过所述网络连接接收包括一个或多个车辆特性的用户导出的音频；以及将所述用户导出的音频转译为机器编码的文本。13.一种计算机化方法，其供在计算机系统上使用，所述计算机系统包括一个或多个处理器和存储有可执行指令的一个或多个计算机可读介质，所述可执行指令在由所述一个或多个处理器执行时将所述计算机系统配置为例如对如在权利要求书1至12中定义的计算机系统执行使用数字图像识别涂层颜色的方法，所述方法包括：通过所述网络连接接收车辆的用户提供的数字图像；存取车辆模板数据库内的一个或多个车辆模板；将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括所述一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码；通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值，其中所述颜色值是rgb值；从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配；以及向用户提供所计算的最接近匹配。14.根据权利要求13所述的计算机化方法，其中：所述图像处理模块被配置成确定所述用户提供的数字图像中的所述车辆的所述颜色并且将颜色匹配的相符车辆模板映射到所述车辆；且所述至少一个颜色匹配的相符车辆模板包括相关联元数据，所述相关联元数据包括所述一个或多个车辆特性。15.根据权利要求13至14中任一项所述的计算机化方法，其另外包括向用户提供包括所述一个或多个车辆特性的所述相关联元数据。16.根据权利要求13至15中任一项所述的计算机化方法，其另外包括：接收所述所计算的最接近匹配不正确的用户反馈；计算色移分布曲线；以及
将所述色移分布曲线应用于车辆的用户提供的数字图像，包括应用于所述车辆的所述用户提供的数字图像的相机和照明特性。17.根据权利要求13至16中任一项所述的计算机化方法，其另外包括：识别所述最接近匹配落在预定阈值之外；以及向所述用户提供所述车辆可能被重漆的指示。18.根据权利要求13至17中任一项所述的计算机化方法，其另外包括识别所述用户提供的数字图像内的至少一个维修区域。19.根据权利要求18所述的计算机化方法，其中识别所述用户提供的数字图像内的至少一个维修区域包括：检测所述所映射的至少一个相符车辆模板与所述车辆不同的所述至少一个维修区域；存取维修模板数据库内的一个或多个维修模板的数据库子集；以及将至少一个相符维修模板映射到所述用户提供的数字图像内的所述至少一个维修区域。20.根据权利要求13至19中任一项所述的计算机化方法，其中所述可执行指令包含可执行以将所述计算机系统配置为进行以下操作的指令：从所述用户提供的数字图像解析所述至少一个维修区域；以及通过将所述经解析的至少一个维修区域更换为来自所述至少一个相符车辆模板的视觉数据来创建经修改的用户提供的数字图像。21.根据权利要求13至20中任一项所述的计算机化方法，其中通过所述图像处理模块识别所述用户提供的数字图像内的所述一个或多个车辆特性包括：识别所述用户提供的数字图像内的图像文本；以及使用光学字符辨识技术将所识别的图像文本转译为机器编码的文本。22.一种计算机程序产品，其包括存储有计算机可执行指令的一个或多个计算机存储介质，所述计算机可执行指令当在处理器处执行时，使计算机系统特定来说，在执行根据权利要求13至21中任一项所述的计算机化方法时，例如对如在权利要求书1至12中定义的计算机系统执行用于使用数字图像识别涂层颜色的方法，所述方法包括：通过网络连接接收车辆的用户提供的数字图像；存取车辆模板数据库内的一个或多个车辆模板；将至少一个相符车辆模板映射到所述用户提供的数字图像内的所述车辆，其中所述至少一个相符车辆模板包括相关联元数据，所述相关联元数据包括所述一个或多个车辆特性，所述车辆特性包含一个或多个相关联颜色代码；通过图像处理模块识别与所述用户提供的数字图像内的所述车辆相关联的颜色值；从所述一个或多个相关联颜色代码计算与所述车辆相关联的所识别的颜色值的最接近匹配；向用户提供所述所计算的最接近匹配；接收所述所计算的最接近匹配不正确的用户反馈；计算色移分布曲线；以及将所述色移分布曲线应用于车辆的用户提供的数字图像，包括应用于所述车辆的所述用户提供的数字图像的相机和照明特性。

技术总结
一种用于使用数字图像识别涂层颜色的计算机系统包括一个或多个处理器和存储有可执行指令的一个或多个计算机可读介质，所述可执行指令在由所述一个或多个处理器执行时将所述计算机系统配置为执行各种动作。举例来说，所述计算机系统可通过网络连接接收车辆的用户提供的数字图像。所述计算机系统也可通过图像处理模块识别所述用户提供的数字图像内的一个或多个车辆特性。另外，所述计算机系统可基于所述一个或多个车辆特性识别至少一种涂层颜色。层颜色。层颜色。


技术研发人员：A
受保护的技术使用者：PPG工业俄亥俄公司
技术研发日：2021.11.05
技术公布日：2023/7/13