图像增强方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及大数据领域，公开了一种图像增强方法、装置、设备及存储介质。本方法包括：预置图像识别模型对从交通事故现场获取的现场图像数据进行识别，判断现场图像数据是否满足预设图像标准；若现场图像数据不满足预设图像标准，则提示用户重新拍摄；若现场图像数据满足预设图像标准，则进入下一张拍摄任务，得到交通事故现场的目标事故车辆图像；将目标事故车辆图像输入预置图像增强模型进行图像增强，生成目标增强图像。本方案只需要高质量的图片进行映射函数的学习即可完成低质量到高质量图像的转化，提升车险理赔的准确性和处理时效，解决了理赔效率低下的技术问题。

【技术实现步骤摘要】
图像增强方法、装置、设备及存储介质
本专利技术涉及大数据领域，尤其涉及一种图像增强方法、装置、设备及存储介质。
技术介绍
随着个人手机的普及和科技的进步，传统车险理赔流程中的影像化处理流程由于通常需要专业团队，使用较为专业的摄影器材，并根据一套完整的采集流程对各个区域进行拍摄采集图像数据。而面对日益增多的私家车保有量和各类小型事故，对车险理赔造成了较大的压力，无论是人员的数量还是处理的效率都无法满足目前的需求，因此近年来出现的自助式服务、在线提交材料、快捷理赔甚至全自动理赔，已经成为互联网保险理赔服务的标志性卖点。然而由于对车险理赔材料的拍摄、上传这一步所采集的图像或视频信息的质量，将直接决定后续步骤的准确率，而普通用户往往不具备专业人员的操作技能，所使用的设备是普通手机自带的相机，而车险定损时往往无法确定所在地的拍摄条件，因此所拍摄的图像或视频往往可能存在拍摄目标错误、拍摄角度不合理、成像模糊、曝光不足或强光反射等问题，这些问题相比由专业人员采集的图像相差较多，会加大后期的OCR识别或人工审核难度，无法提升处理效率。
技术实现思路
本专利技术的主要目的是提升车险理赔的准确性和处理时效，解决理赔效率低下的技术问题。本专利技术第一方面提供了一种图像增强方法，包括：获取交通事故现场的现场图像数据；通过预置图像识别模型对所述现场图像数据进行识别，判断所述现场图像数据是否满足预设图像标准；若否，则提示用户重新拍摄；若是，则进入下一张拍摄任务，得到所述交通事故现场的目标事故车辆图像；将所述目标事故车辆图像输入预置图像增强模型，对所述目标事故车辆图像进行图像增强，生成目标增强图像。可选地，在本专利技术第一方面的第一种实现方式中，在所述获取交通事故现场的现场图像数据之前，还包括：从预置数据库中获取事故现场的历史车辆图像；将所述历史车辆图像作为训练样本构建训练样本数据集；将所述训练样本数据集输入预置图像增强生成器，对所述图像增强生成器进行训练，得到目标图像增强模型。可选地，在本专利技术第一方面的第二种实现方式中，在所述通过预置图像识别模型对所述现场图像数据进行识别，判断所述现场图像数据是否满足预设图像标准之前，还包括：从预置训练图片数据库中获取多张训练图片，并将所述训练图片输入预置神经网络模型，得到所述训练图片的预测类别标签；根据所述训练图片的类别，生成所述训练图片的真实类别标签；根据所述训练图片的预测类别标签和所述训练图片的真实类别标签，生成所述训练图片的第一损失函数；根据所述第一损失函数对所述神经网络模型中的参数进行更新，得到目标图片识别模型。可选地，在本专利技术第一方面的第三种实现方式中，所述将所述训练样本数据集输入预置图像增强生成器，对所述图像增强生成器进行训练，得到目标图像增强模型包括：对所述训练样本数据集进行图像增强，得到预设数量个目标原始图像和对应的增强图像；将所述目标原始图像输入到预置图像增强生成器中的CNN图像增强网络中，得到所述目标原始图像对应的输出图像；确定所述输出图像和增强图像之间的第二损失函数；基于所述第二损失函数，对所述图像增强生成器中的CNN图像增强网络进行迭代训练，直到所述CNN图像增强网络收敛得到目标图像增强模型。可选地，在本专利技术第一方面的第四种实现方式中，所述将所述目标事故车辆图像输入预置图像增强模型，对所述目标事故车辆图像进行图像增强，生成目标增强图像包括：对所述目标事故车辆图像进行下采样处理，得到下采样图像；将所述下采样图像输入所述目标图像增强模型，得到所述目标事故车辆图像对应的图像增强数据；确定所述目标事故车辆图像中的每一像素点在所述下采样图像中的匹配点；基于所述图像增强数据中所述像素点的匹配点所对应的增强数据，确定所述像素点对应的目标增强参数；基于所述像素点对应的目标增强参数，调整所述像素点的像素值，得到所述目标事故车辆图像对应的目标增强图像。可选地，在本专利技术第一方面的第五种实现方式中，在所述将所述目标事故车辆图像输入预置图像增强模型，对所述目标事故车辆图像进行图像增强，生成目标增强图像之后，还包括：获取用户的车主身份信息和所述事故车辆的受损信息，其中，所述车辆信息包括所述事故车辆的车险信息；接收所述用户上传的理赔请求，并将所述目标增强图像输入训练后的卷积神经网络模型中进行预测，得到所述目标增强图像的理赔概率；判断所述目标增强图像的理赔概率是否大于预设阈值；若所述目标增强图片的理赔概率大于预设阈值，则确定所述目标增强图像可理赔；基于所述用户的车主身份信息和所述事故车辆的标识信息，对所述事故车辆进行理赔。本专利技术第二方面提供了一种图像增强装置，包括：第一获取模块，用于获取交通事故现场的现场图像数据；第一判断模块，用于通过预置图像识别模型对所述现场图像数据进行识别，判断所述现场图像数据是否满足预设图像标准；提示模块，用于当所述现场图像数据不满足预设图像标准时，提示用户重新拍摄；拍摄模块，用于当所述现场图像数据满足预设图像标准时，进入下一张拍摄任务，得到所述交通事故现场的目标事故车辆图像；图像增强模块，用于将所述目标事故车辆图像输入预置图像增强模型，对所述目标事故车辆图像进行图像增强，生成目标增强图像。可选地，在本专利技术第二方面的第一种实现方式中，所述图像增强装置还包括：第二获取模块，用于从预置数据库中获取事故现场的历史车辆图像；构建模块，用于将所述历史车辆图像作为训练样本构建训练样本数据集；训练模块，用于将所述训练样本数据集输入预置图像增强生成器，对所述图像增强生成器进行训练，得到目标图像增强模型。可选地，在本专利技术第二方面的第二种实现方式中，图像增强装置还包括：输入模块，用于从预置训练图片数据库中获取多张训练图片，并将所述训练图片预置神经网络模型，得到所述训练图片的预测类别标签；生成模块，用于根据所述训练图片的类别，生成所述训练图片的真实类别标签；根据所述训练图片的预测类别标签和所述训练图片的真实类别标签，生成所述训练图片的第一损失函数；更新模块，用于根据所述第一损失函数对所述神经网络模型中的参数进行更新，得到目标图片识别模型。可选地，在本专利技术第二方面的第三种实现方式中，所述训练模块包括：图像增强单元，用于对所述训练样本数据集进行图像增强，得到预设数量个目标原始图像和对应的增强图像；输入单元，用于将所述目标原始图像输入到预置图像增强生成器中的CNN图像增强网络中，得到所述目标原始图像对应的输出图像；确定单元，用于确定所述输出图像和增强图像之间的第二损失函数；迭代训练单元，用于基于所述第二损失函数，对所述图像增强生成器中的CNN图像增强网络进行，直到所述CNN图像增强网络收敛得到目标图像增强模型。可选地，在本专利技术第二方本文档来自技高网...

【技术保护点】
1.一种图像增强方法，其特征在于，所述图像增强方法包括：/n获取交通事故现场的现场图像数据；/n通过预置图像识别模型对所述现场图像数据进行识别，判断所述现场图像数据是否满足预设图像标准；/n若否，则提示用户重新拍摄；/n若是，则进入下一张拍摄任务，得到所述交通事故现场的目标事故车辆图像；/n将所述目标事故车辆图像输入预置图像增强模型，对所述目标事故车辆图像进行图像增强，生成目标增强图像。/n

【技术特征摘要】
1.一种图像增强方法，其特征在于，所述图像增强方法包括：
获取交通事故现场的现场图像数据；
通过预置图像识别模型对所述现场图像数据进行识别，判断所述现场图像数据是否满足预设图像标准；
若否，则提示用户重新拍摄；
若是，则进入下一张拍摄任务，得到所述交通事故现场的目标事故车辆图像；
将所述目标事故车辆图像输入预置图像增强模型，对所述目标事故车辆图像进行图像增强，生成目标增强图像。


2.根据权利要求1所述的图像增强方法，其特征在于，在所述获取交通事故现场的现场图像数据之前，还包括：
从预置数据库中获取事故现场的历史车辆图像；
将所述历史车辆图像作为训练样本构建训练样本数据集；
将所述训练样本数据集输入预置图像增强生成器，对所述图像增强生成器进行训练，得到目标图像增强模型。


3.根据权利要求1所述的图像增强方法，其特征在于，在所述通过预置图像识别模型对所述现场图像数据进行识别，判断所述现场图像数据是否满足预设图像标准之前，还包括：
从预置训练图片数据库中获取多张训练图片，并将所述训练图片输入预置神经网络模型，得到所述训练图片的预测类别标签；
根据所述训练图片的类别，生成所述训练图片的真实类别标签；
根据所述训练图片的预测类别标签和所述训练图片的真实类别标签，生成所述训练图片的第一损失函数；
根据所述第一损失函数对所述神经网络模型中的参数进行更新，得到目标图片识别模型。


4.根据权利要求2所述的图像增强方法，其特征在于，所述将所述训练样本数据集输入预置图像增强生成器，对所述图像增强生成器进行训练，得到目标图像增强模型包括：
对所述训练样本数据集进行图像增强，得到预设数量个目标原始图像和对应的增强图像；
将所述目标原始图像输入到预置图像增强生成器中的CNN图像增强网络中，得到所述目标原始图像对应的输出图像；
确定所述输出图像和增强图像之间的第二损失函数；
基于所述第二损失函数，对所述图像增强生成器中的CNN图像增强网络进行迭代训练，直到所述CNN图像增强网络收敛得到目标图像增强模型。


5.根据权利要求1所述的图像增强方法，其特征在于，所述将所述目标事故车辆图像输入预置图像增强模型，对所述目标事故车辆图像进行图像增强，生成目标增强图像包括：
对所述目标事故车辆图像进行下采样处理，得到下采样图像；
将所述下采样图像输入所述目标图像增强模型，得到所述目标事故车辆图像对应的图像增强数据；
确定所述目标事故车辆图像中的每一像素点在所述下采样图像中的匹配点；...

【专利技术属性】
技术研发人员：李佳琳，王健宗，瞿晓阳，
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