【技术实现步骤摘要】
车辆损伤等级检测方法、装置、计算机设备及存储介质
[0001]本专利技术涉及人工智能的图像处理领域，尤其涉及一种车辆损伤等级检测方法、装置、计算机设备及存储介质。
技术介绍
[0002]在车辆发生交通事故后，车辆的某些部位会留下破损、凹陷等损伤的痕迹，目前，保险公司一般是人工识别由车主或业务人员拍摄的交通事故之后的车辆损伤的图像，即业务员现场拍摄车辆损伤图像后上传至后台，由后台的工作人员对图像中车辆的损伤部位的损伤类型及损伤区域进行人工识别并判定，如此，业务员获取判定的结果耗时长，无法通过拍摄车辆损伤图像的移动终端快速获取，而且存在因标准理解不一、观察经验不足等影响，导致人工识别的损伤程度及损伤区域不符，最终确定的损伤等级不准确或者不正确；例如：由于车辆中的筋线难以通过目测图像加以分辨，定损人员很容易就将筋线及损伤的区域混淆在一起，从而确定的损伤等级就会错误，上述情况下导致的定损时间长及定损失误，会大大降低了定损的及时性和准确性；在可能会导致保险公司的成本损失的同时，也会降低车主或客户的满意度；此外，人工定损的工作量巨大，定...
【技术保护点】
【技术特征摘要】
1.一种车辆损伤等级检测方法，其特征在于，包括：获取待检测损伤图像；所述待检测损伤图像包含至少一处车辆被损伤位置的图像；基于深度学习和量化感知训练技术，对所述待检测损伤图像进行目标部位识别，识别出目标部位结果；所述目标部位结果包括车辆损伤部位和损伤区域；提取所述损伤区域的图像的凹陷特征，得到凹陷等级结果，同时对所述损伤区域的图像进行形态学操作处理，得到待处理图像；根据所述车辆损伤部位，并对所述待处理图像进行筋线检测，识别出筋线结果，以及根据所述筋线结果，对所述待处理图像进行边缘分割，分割出损伤边缘，并根据所述损伤边缘确定出损伤相对占比；根据所述车辆损伤部位、所述凹陷等级结果、所述损伤相对占比和所述筋线结果，对所述待检测损伤图像进行损伤等级评估，得到损伤等级结果。2.如权利要求1所述的车辆损伤等级检测方法，其特征在于，所述基于深度学习和量化感知训练技术，对所述待检测损伤图像进行目标部位识别，识别出目标部位结果，包括：将所述待检测损伤图像输入目标部位检测模型；通过所述目标部位检测模型对所述待检测损伤图像进行量化操作，得到量化损伤图像；对所述量化损伤图像进行车辆部位特征和损伤特征的提取，以及对提取的所述车辆部位特征以及所述损伤特征进行反量化操作，得到反量化特征数组；对所述反量化特征数组进行目标部位识别，得到所述目标部位结果。3.如权利要求2所述的车辆损伤等级检测方法，其特征在于，所述将所述待检测损伤图像输入目标部位检测模型之前，包括：获取车辆样本集；所述车辆样本集包括车辆样本图像，一个所述车辆样本图像与一个部位标签组关联；一个所述部位标签组包括一个车辆部位标签和一个样本损伤区域；将所述车辆样本图像输入含有初始参数的目标检测模型；通过所述目标检测模型中嵌入的伪量化模块对所有所述初始参数进行量化训练，得到量化分布；对所述车辆样本图像进行所述车辆部位特征和所述损伤特征的提取，以及通过所述伪量化模块对提取过程进行量化训练，更新所述量化分布；对提取的所述车辆部位特征进行车辆部位识别，获得预测标签，以及对提取的所述损伤特征进行损伤区域识别，获得预测损伤区域，同时在所述车辆部位识别和所述损伤区域识别的过程中通过所述伪量化模块更新所述量化分布；通过所述目标检测模型中嵌入的伪反量化模块对所述预测标签和所述预测区域进行反量化训练，得到反量化分布；根据所述预测标签和所述车辆部位标签，确定出第一损失值，并根据所述预测区域和所述样本损伤区域，确定出第二损失值，以及线性推导出与所述量化分布对应的量化参数和与所述反量化分布对应的反量化参数，根据所述量化参数和所述反量化参数，确定出第三损失值；对所述第一损失值、所述第二损失值和所述第三损失值进行加权处理，得到最终损失值；
在所述最终损失值未达到预设的收敛条件时，迭代更新所述目标检测模型的初始参数、所述量化参数和所述反量化参数，直至所述最终损失值达到所述预设的收敛条件时，将收敛之后的所述目标检测模型记录为目标部位检测模型。4.如权利要求3所述的车辆损伤等级检测方法，其特征在于，所述将所述车辆样本图像输入含有初始参数的目标检测模型之前，包括：通过迁移...
【专利技术属性】
技术研发人员：陈攀，刘莉红，刘玉宇，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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。