车损判定方法、服务器及存储介质技术

本发明专利技术提供了一种车损判定方法、服务器及存储介质，该方法接收定损请求及用户上传的待定损照片。接着，该方法利用预先训练的分类模型对所述待定损照片进行分析，获取每张待定损照片中车辆各个部位的分类信息，再根据每张待定损照片中车辆各个部位的分类信息，利用预先确定的拍摄角度判定规则，判断每张待定损照片的拍摄角度。最后，该方法结合拍摄角度以及车辆部位的分类信息，利用预先训练的定损模型分析出每张待定损照片中车辆各个部位的损伤情况，输出每张待定损照片的损伤分析结果。利用本发明专利技术，能够有效降低车险理赔环节的人力物力，提高车损勘查准确性及查全率。

Vehicle damage determination method, server and storage medium

The invention provides a method for determining vehicle loss, a server and a storage medium. The method receives a fixed loss request and an undetermined loss photo uploaded by a user. Then, the method uses the pre-trained classification model to analyze the undetermined damage photographs, obtains the classification information of each part of the vehicle in each undetermined damage photograph, and then judges each undetermined damage photograph according to the classification information of each part of the vehicle in each undetermined damage photograph, using the pre-determined shooting angle determination rule. The shooting angle of the film. Finally, the method combines the shooting angle and the classification information of the vehicle location, uses the pre-trained fixed-loss model to analyze the damage situation of each part of the vehicle in each photo to be damaged, and outputs the damage analysis results of each photo to be damaged. The invention can effectively reduce the manpower and material resources in the process of vehicle insurance claims settlement, and improve the accuracy and recall rate of vehicle damage detection.

【技术实现步骤摘要】
车损判定方法、服务器及存储介质
本专利技术涉及图片识别
，尤其涉及一种车损判定方法、服务器及计算机可读存储介质。
技术介绍
随着人工智能(ArtificialIntelligence,AI)的发展技术的不断成熟，其应用领域也不断扩大。全球知名的科技公司都在各个领域中做出了关于人工智能的产业布局。在保险领域，保险公司也抓准此次机遇，利用人工智能解决现有保险业务的难点，实现产业的转型升级。对于保险业务而言，车险业务是其中一个重要的组成部分，而目前车险业务的一个难点在于车险理赔环节需要投入大量的人力、物力进行车损勘查。为了有效降低车险理赔环节的人力、物力。目前部分保险公司接受用户利用手持终端在事故现场拍摄车损照片，上传至车险理赔服务器进行自动检测，发起自助车险理赔。然而，目前现有的自动检测方案中，用户拍摄的车损照片经常因拍摄角度问题导致容易受损部位检测遗漏甚至识别错误，查全率及识别的准确率低。
技术实现思路
鉴于以上内容，本专利技术提供一种车损判定方法、服务器及计算机可读存储介质，其主要目的在于提高车辆受损部位检测的全面性及准确性。为实现上述目的，本专利技术提供一种车损判定方法，该方法包括：接收步骤：接收定损请求及用户上传的待定损照片；分类步骤：利用预先训练的分类模型对所述待定损照片进行分析，获取每张待定损照片中车辆各个部位的分类信息；角度判定步骤：根据每张待定损照片中车辆各个部位的分类信息，利用预先确定的拍摄角度判定规则，判断每张待定损照片的拍摄角度；定损步骤：结合拍摄角度以及车辆部位的分类信息，利用预先训练的定损模型分析出每张待定损照片中车辆各个部位的损伤情况，输出每张待定损照片中车辆的损伤分析结果。优选地，所述分类模型为单次检测器(SingleShotMultiBoxDetector,SSD)模型，所述分类模型的训练步骤如下：获取第一预设数量的包含车辆的样本图片，并在每张样本图片上进行分类标注；将分类标注后的样本图片分成第一比例的训练集和第二比例的验证集，其中，第一比例大于第二比例；利用训练集中的样本图片对所述分类模型进行训练，并在训练完后利用验证集中的样本图片验证所述分类模型的准确率；若准确率大于预设值，则训练完成，若准确率小于或等于预设值，则增加样本图片的数量，之后返回将样本图片分成训练集和验证集的步骤。优选地，所述定损模型为视觉几何组-16(VisualGeometryGroup-16,VGG-16)模型，所述定损模型的训练步骤如下：针对车辆的每个部位，获取第二预设数量的该部位的样本图片，并对该部位的每张样本图片进行损伤标注，其中，该第二预设数量的样本图片包含第三比例的该部位存在损伤的样本图片和第四比例的该部位不存在损伤的样本图片；将损伤标注后的该部位的样本图片随机分成第五比例的训练集和第六比例的验证集，其中，第五比例大于第六比例；利用训练集中的样本图片对所述定损模型进行训练，并在训练完后利用验证集中的样本图片验证所述定损模型的准确率；若准确率大于预设阈值，则训练完成，若准确率小于或等于预设阈值，则增加该部位的样本图片的数量，之后返回将样本图片分成训练集和验证集的步骤。优选地，该方法还包括：提示步骤：若判断出的拍摄角度中未包含某个预设角度，则提醒用户重新拍摄并上传该预设角度的待定损照片。优选地，所述预设角度包括第一预设角度、第二预设角度、第三预设角度、第四预设角度，所述预先确定的拍摄角度判定规则包括：若一张待定损照片被分析出的车辆部位包括左前车门、左前叶子板、左前车窗、左前车灯，则判断该待定损照片的拍摄角度为第一预设角度；若一张待定损照片被分析出的车辆部位包括左后车门、左后叶子板、左后车窗、左后车灯，则判断该待定损照片的拍摄角度为第二预设角度；若一张待定损照片被分析出的车辆部位包括右前车门、右前叶子板、右前车窗、右前车灯，则判断该待定损照片的拍摄角度为第三预设角度；若一张待定损照片被分析出的车辆部位包括右后车门、右后叶子板、右后车窗、右后车灯，则判断该待定损照片的拍摄角度为第四预设角度。此外，本专利技术还提供一种服务器，该服务器包括：存储器及处理器，所述存储器上存储车损判定程序，所述车损判定程序被所述处理器执行，可实现如下步骤：接收步骤：接收定损请求及用户上传的待定损照片；分类步骤：利用预先训练的分类模型对所述待定损照片进行分析，获取每张待定损照片中车辆各个部位的分类信息；角度判定步骤：根据每张待定损照片中车辆各个部位的分类信息，利用预先确定的拍摄角度判定规则，判断每张待定损照片的拍摄角度；定损步骤：结合拍摄角度以及车辆部位的分类信息，利用预先训练的定损模型分析出每张待定损照片中车辆各个部位的损伤情况，输出每张待定损照片中车辆的损伤分析结果。优选地，所述分类模型为SSD模型，所述分类模型的训练步骤如下：获取第一预设数量的包含车辆的样本图片，并在每张样本图片上进行分类标注；将分类标注后的样本图片分成第一比例的训练集和第二比例的验证集，其中，第一比例大于第二比例；利用训练集中的样本图片对所述分类模型进行训练，并在训练完后利用验证集中的样本图片验证所述分类模型的准确率；若准确率大于预设值，则训练完成，若准确率小于或等于预设值，则增加样本图片的数量，之后返回将样本图片分成训练集和验证集的步骤。优选地，所述定损模型为VGG-16模型，所述定损模型的训练步骤如下：针对车辆的每个部位，获取第二预设数量的该部位的样本图片，并对该部位的每张样本图片进行损伤标注，其中，该第二预设数量的样本图片包含第三比例的该部位存在损伤的样本图片和第四比例的该部位不存在损伤的样本图片；将损伤标注后的该部位的样本图片随机分成第五比例的训练集和第六比例的验证集，其中，第五比例大于第六比例；利用训练集中的样本图片对所述定损模型进行训练，并在训练完后利用验证集中的样本图片验证所述定损模型的准确率；若准确率大于预设阈值，则训练完成，若准确率小于或等于预设阈值，则增加该部位的样本图片的数量，之后返回将样本图片分成训练集和验证集的步骤。优选地，所述车损判定程序被所述处理器执行，还可实现如下步骤：提示步骤：若判断出的拍摄角度中未包含某个预设角度，则提醒用户重新拍摄并上传该预设角度的待定损照片。此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中包括车损判定程序，所述车损判定程序被处理器执行时，可实现如上所述车损判定方法中的任意步骤。本专利技术提出的车损判定方法、服务器及计算机可读存储介质，通过利用分类模型对用户上传的待定损照片中车辆各个部位进行分类，接着利用预先确定的拍摄角度判定规则判断该照片的拍摄角度，最后车辆部位分类信息和拍摄角度，利用定损模型分析对车辆的部位进行损伤分析，反馈损伤分析结果，从而全面的对车辆进行检测，提高检测精准度。附图说明图1为本专利技术服务器较佳实施例的示意图；图2为图1中车损判定程序较佳实施例的模块示意图；图3为本专利技术车损判定方法较佳实施例的流程图；图4为本专利技术分类模型训练的流程图；图5为本专利技术定损模型训练的流程图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，是本专利技术服务器1较佳实施本文档来自技高网...

【技术保护点】
1.一种车损判定方法，应用于服务器，其特征在于，所述方法包括：接收步骤：接收定损请求及用户上传的待定损照片；分类步骤：利用预先训练的分类模型对所述待定损照片进行分析，获取每张待定损照片中车辆各个部位的分类信息；角度判定步骤：根据每张待定损照片中车辆各个部位的分类信息，利用预先确定的拍摄角度判定规则，判断每张待定损照片的拍摄角度；定损步骤：结合拍摄角度以及车辆部位的分类信息，利用预先训练的定损模型分析出每张待定损照片中车辆各个部位的损伤情况，输出每张待定损照片中车辆的损伤分析结果。

【技术特征摘要】
1.一种车损判定方法，应用于服务器，其特征在于，所述方法包括：接收步骤：接收定损请求及用户上传的待定损照片；分类步骤：利用预先训练的分类模型对所述待定损照片进行分析，获取每张待定损照片中车辆各个部位的分类信息；角度判定步骤：根据每张待定损照片中车辆各个部位的分类信息，利用预先确定的拍摄角度判定规则，判断每张待定损照片的拍摄角度；定损步骤：结合拍摄角度以及车辆部位的分类信息，利用预先训练的定损模型分析出每张待定损照片中车辆各个部位的损伤情况，输出每张待定损照片中车辆的损伤分析结果。2.根据权利要求1所述的车损判定方法，其特征在于，所述分类模型为单次检测器模型，所述分类模型的训练步骤如下：获取第一预设数量的包含车辆的样本图片，并在每张样本图片上进行分类标注；将分类标注后的样本图片分成第一比例的训练集和第二比例的验证集，其中，第一比例大于第二比例；利用训练集中的样本图片对所述分类模型进行训练，并在训练完后利用验证集中的样本图片验证所述分类模型的准确率；若准确率大于预设值，则训练完成，若准确率小于或等于预设值，则增加样本图片的数量，之后返回将样本图片分成训练集和验证集的步骤。3.根据权利要求1所述的车损判定方法，其特征在于，所述定损模型为视觉几何组-16模型，所述定损模型的训练步骤如下：针对车辆的每个部位，获取第二预设数量的该部位的样本图片，并对该部位的每张样本图片进行损伤标注，其中，该第二预设数量的样本图片包含第三比例的该部位存在损伤的样本图片和第四比例的该部位不存在损伤的样本图片；将损伤标注后的该部位的样本图片随机分成第五比例的训练集和第六比例的验证集，其中，第五比例大于第六比例；利用训练集中的样本图片对所述定损模型进行训练，并在训练完后利用验证集中的样本图片验证所述定损模型的准确率；若准确率大于预设阈值，则训练完成，若准确率小于或等于预设阈值，则增加该部位的样本图片的数量，之后返回将样本图片分成训练集和验证集的步骤。4.根据权利要求1所述的车损判定方法，其特征在于，该方法还包括：提示步骤：若判断出的拍摄角度中未包含某个预设角度，则提醒用户重新拍摄并上传该预设角度的待定损照片。5.根据权利要求1或4所述的车损判定方法，其特征在于，所述预设角度包括第一预设角度、第二预设角度、第三预设角度、第四预设角度，所述预先确定的拍摄角度判定规则包括：若一张待定损照片被分析出的车辆部位包括左前车门、左前叶子板、左前车窗、左前车灯，则判断该待定损照片的拍摄角度为第一预设角度；若一张待定损照片被分析出的车辆部位包括左后车门、左后叶子板、左后车窗、左后车灯，则判断该待定损照片的拍摄角度为第二预设角度；若一张待定损照片被分析出的车辆部位包括右前车门、右前叶...

【专利技术属性】
技术研发人员：王健宗，王晨羽，马进，肖京，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44