一种车辆定损方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种车辆定损方法、装置、设备及存储介质，所述方法包括：获取连续视频，所述连续视频包括车辆的车架号和受损区域；基于卷积网络，分析所述连续视频，得到所述车辆的外观部件信息和损伤部位信息；根据所述车辆的外观部件信息和损伤部位信息，得到所述车辆的损伤程度。这样，结合神经网络，对连续视频进行分析，进而得到车辆受损情况，可以多角度确认车辆损伤程度，避免以图像判定车辆损伤不准确的情况；同时，可以避免车主利用其他车辆图片替代理赔车辆图片的情况，有利于保障保险公司的利益。的利益。的利益。

【技术实现步骤摘要】
一种车辆定损方法、装置、设备及存储介质


[0001]本申请涉及图像处理的
，特别是涉及一种车辆定损方法、装置、设备及存储介质。

技术介绍

[0002]购买保险的车辆发生交通事故后，保险公司需要对损伤车辆的车主进行理赔，而理赔的金额与车辆的损伤程度成对应关系。
[0003]现有技术对车辆定损时，主要是依靠业务专员按照指定流程进行人为核定；或者车主自主选择受损部位，再上传损伤部位的清晰图像，等待保险公司依据图片核定。尽管上传图片的方式比人为核定节省人力，但是对于较小受损(例如划痕)，基于图像很难精准确定损伤程度；同时无法保证上传的损伤车辆图像与保险车辆为相同车辆。
[0004]因此，如何提高车辆定损的精准程度，是本领域技术人员亟需解决的技术问题。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种车辆定损方法、装置、设备及存储介质，旨在提高车辆定损的精准程度。
[0006]第一方面，本申请实施例提供了一种车辆定损方法，包括：
[0007]获取连续视频，所述连续视频包括车辆的车架号和受损区域；
[0008]基于卷积网络，分析所述连续视频，得到所述车辆的外观部件信息和损伤部位信息；
[0009]根据所述车辆的外观部件信息和损伤部位信息，得到所述车辆的损伤程度。
[0010]可选的，所述获取连续视频，包括：
[0011]在采集视频画面的过程中，输出车架号拍摄提醒；
[0012]响应于所述采集的视频画面包括车架号，确认所述车架号的正确性；
[0013]响应于所述车架号正确，输出受损部位拍摄提醒；
[0014]响应于所述采集的视频画面终止，结束采集所述视频画面，得到连续视频。
[0015]可选的，所述基于卷积网络，分析所述连续视频，得到所述车辆的外观部件信息和损伤部位信息，包括：
[0016]下采样所述连续视频，得到多个无损失下采样图；
[0017]基于融合识别卷积网络，融合所述多个无损失下采样图的特征信息，识别出所述车辆的外观部件信息和损伤部位信息。
[0018]可选的，所述下采样所述连续视频，得到多个无损失下采样图，包括：
[0019]对所述连续视频进行间隔采样，得到多个间隔采样图；
[0020]基于通道维度，拼接所述多个间隔采样图，得到多个无损失下采样图。
[0021]可选的，所述基于融合识别卷积网络，融合所述多个无损失下采样图的特征信息，识别出所述车辆的外观部件信息和损伤部位信息，包括：
[0022]基于movilenetv3
‑
large网络，利用所述多个无损失下采样图，生成多尺度特征；
[0023]基于ConvGRU网络，融合所述多个无损失下采样图的同义尺度的特征信息，得到融合特征信息；
[0024]利用所述多尺度特征和所述融合特征信息，识别出所述车辆的外观部件信息和损伤部位信息。
[0025]可选的，所述车辆的外观部件信息包括所述车辆的外观部件名称、所述车辆的外观部件位置、所述车辆的外观部件面积；所述车辆的损伤部位信息包括所述车辆的损伤部位的位置和所述车辆的损伤部位的面积。
[0026]可选的，所述根据所述车辆的外观部件信息和损伤部位信息，得到所述车辆的损伤程度，包括：
[0027]利用所述车辆的损伤部位的面积除以所述车辆的外观部件面积，得到所述车辆的损伤比例。
[0028]第二方面，本申请实施例提供了一种车辆定损装置，包括：
[0029]获取模块，用于获取连续视频，所述连续视频包括车辆的车架号和受损区域；
[0030]分析模块，用于基于卷积网络，分析所述连续视频，得到所述车辆的外观部件信息和损伤部位信息；
[0031]定损模块，用于根据所述车辆的外观部件信息和损伤部位信息，得到所述车辆的损伤程度。
[0032]第三方面，本申请实施例提供了一种设备，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行前述第一方面任一项所述的车辆定损方法。
[0033]第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现前述第一方面任一项所述的车辆定损方法。
[0034]本申请实施例提供了一种车辆定损方法、装置、设备及存储介质，在执行所述方法时，先获取连续视频，所述连续视频包括车辆的车架号和受损区域；后基于卷积网络，分析所述连续视频，得到所述车辆的外观部件信息和损伤部位信息；最后根据所述车辆的外观部件信息和损伤部位信息，得到所述车辆的损伤程度。这样，结合神经网络，对连续视频进行分析，进而得到车辆受损情况，可以多角度确认车辆损伤程度，避免以图像判定车辆损伤不准确的情况；同时，可以避免车主利用其他车辆图片替代理赔车辆图片的情况，有利于保障保险公司的利益。
附图说明
[0035]为更清楚地说明本实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1为本申请实施例提供的车辆定损方法的一种方法流程图；
[0037]图2为本申请实施例提供的车辆定损方法的另一种方法流程图；
[0038]图3为本申请实施例提供的车辆定损方法的下采样原理图；
[0039]图4为本申请实施例提供的车辆定损方法的融合识别示意图；
[0040]图5为本申请实施例提供的车辆定损方法的ConvGRU原理图；
[0041]图6为本申请实施例提供的车辆定损装置的一种结构示意图。
具体实施方式
[0042]现有技术对车辆定损时，主要是依靠业务专员按照指定流程进行人为核定；或者车主自主选择受损部位，再上传损伤部位的清晰图像，等待保险公司依据图片核定。尽管上传图片的方式比人为核定节省人力，但是对于较小受损(例如划痕)，基于图像很难精准确定损伤程度；同时无法保证上传的损伤车辆图像与保险车辆为相同车辆。
[0043]本申请实施例提供的方法由计算机设备执行，用于提高车辆定损的精准程度。
[0044]显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0045]参见图1，图1为本申请实施例提供的车辆定损方法的一种方法流程图，所述实施例由计算机设备执行，例如手机、平板电脑等智能终端等，具体流程包括：
[0046]步骤S101：获取连续视频。
[0047]连续视频包括车辆的车架号和受损区域。车架号是车辆的身份标识信息，每一车辆都具有独一无二的车架号。连续视频中包括车架号，便于保本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆定损方法，其特征在于，所述方法包括：获取连续视频，所述连续视频包括车辆的车架号和受损区域；基于卷积网络，分析所述连续视频，得到所述车辆的外观部件信息和损伤部位信息；根据所述车辆的外观部件信息和损伤部位信息，得到所述车辆的损伤程度。2.根据权利要求1所述的方法，其特征在于，所述获取连续视频，包括：在采集视频画面的过程中，输出车架号拍摄提醒；响应于所述采集的视频画面包括车架号，确认所述车架号的正确性；响应于所述车架号正确，输出受损部位拍摄提醒；响应于所述采集的视频画面终止，结束采集所述视频画面，得到连续视频。3.根据权利要求1所述的方法，其特征在于，所述基于卷积网络，分析所述连续视频，得到所述车辆的外观部件信息和损伤部位信息，包括：下采样所述连续视频，得到多个无损失下采样图；基于融合识别卷积网络，融合所述多个无损失下采样图的特征信息，识别出所述车辆的外观部件信息和损伤部位信息。4.根据权利要求4所述的方法，其特征在于，所述下采样所述连续视频，得到多个无损失下采样图，包括：对所述连续视频进行间隔采样，得到多个间隔采样图；基于通道维度，拼接所述多个间隔采样图，得到多个无损失下采样图。5.根据权利要求4所述的方法，其特征在于，所述基于融合识别卷积网络，融合所述多个无损失下采样图的特征信息，识别出所述车辆的外观部件信息和损伤部位信息，包括：基于movilenetv3
‑
large网络，利用所述多个无损失下采样...

【专利技术属性】
技术研发人员：张新会，
申请(专利权)人：长城汽车股份有限公司，
类型：发明
国别省市：