【技术实现步骤摘要】
本专利技术涉及人工智能，具体涉及一种基于大模型的智能交通事故保险处理方法及系统。
技术介绍
1、随着汽车保有量的持续增加，交通事故的发生率也随之上升。这不仅对人们的生命安全构成了威胁，而且也给交通管理和保险公司带来了巨大的挑战。特别是事故发生后的损害评估和保险理赔过程，往往需要大量的人力和时间，效率低下且成本高昂。因此，如何快速、准确地评估车辆损害程度，成为了保险行业和交通管理部门亟待解决的问题。
2、传统的车辆损害评估方法主要依赖于专业评估师通过目测和交警来判断，这种方法不仅耗时长、成本高，而且评估结果往往因人而异，缺乏客观性和一致性。随着计算机视觉和机器学习技术的发展，虽然出现了一些自动化的损害评估系统，但这些系统大多依赖于特定的硬件设备，或者在复杂环境下的准确性和鲁棒性还有待提高。此外，现有的自动化系统很少考虑到将图像数据和文本信息相结合进行分析，而这对于全面理解事故情况、准确评估损害程度非常关键。例如，仅通过图像数据难以获取事故发生的具体时间和地点，而这些信息对于理解事故背景、分析损害原因等都非常重要。
3、近年来，随着人工智能技术，特别是大模型、深度学习的快速发展，基于大数据的智能分析方法为解决上述问题提供了新的思路。大模型，如基于变换器的模型（transformer-based models）和卷积神经网络（cnns），已经在图像识别、自然语言处理等领域显示出了卓越的性能。这些模型通过在大量数据上进行预训练，能够学习到丰富的特征表示，从而在特定任务上实现快速准确的分析和预测。
4、
技术实现思路
1、针对现有技术中提到的上述问题，本专利技术提供了一种基于大模型的智能交通事故保险处理方法及系统，该系统计算每一帧图像的颜色直方图，统计帧图像在rgb、hsi颜色空间：采用改进的巴氏距离计算每一帧图像与视频帧图像中所有其他每一帧图像的直方图差异度，并对直方图差异度求和得到总差异度量；选取总差异度量最大的图像以及文本描述输入到训练好的大模型;大模型输出车辆损害程度并进行显示；本申请采用改进的巴氏距离计算每一帧图像与视频帧图像中所有其他每一帧图像的直方图差异度，大大提升了识别的准确性和效率，极大增加用户体验。
2、本申请提供一种基于大模型的智能交通事故保险处理方法，包括步骤：
3、s1：采集事故现场车辆视频帧图像数据，对采集的视频帧图像数据进行预处理；
4、s2：计算视频帧图像数据中的每一帧图像的颜色直方图：对于每一帧图像，将其在rgb、hsi颜色空间中的每个通道划分为n个区间；对于每一帧图像，在每个颜色通道内，计算落入各个区间内的像素数量：
5、
6、其中，是颜色直方图在第个区间的像素计数；是图像中的像素点在颜色通道r、g、b、h、s、i的值，是指示函数，当括号内条件成立时取值1，否则为0；和分别表示直方图的第个区间的下界和上界；r表示红色、g表示绿色、b表示蓝色，h表示色相、s表示饱和度、i 表示亮度；
7、s3：对于每一帧图像，采用改进的巴氏距离计算每一帧图像与视频帧图像中所有其他每一帧图像的直方图差异度，并对每一帧图像的直方图差异度求和得到总差异度量，改进的巴氏距离计算公式为：
8、
9、其中，、分别表示两个不同的直方图，分别表示直方图、均值，n是直方图的区间数，、分别是颜色直方图和在第个区间的像素计数;为第个区间的重要性系数，区间的像素数量越高则值越小；
10、s4：选取总差异度量最大的图像以及文本描述输入到训练好的大模型;
11、s5：大模型输出车辆损害程度并进行显示。
12、优选地，所述s1：采集事故现场车辆视频帧图像数据，对采集的视频帧图像数据进行预处理，包括采用手机或ccd相机采集事故现场车辆视频图像数据，采用高斯滤波进行去噪处理。
13、优选地，所述s4：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，文本描述包括事故发生的时间、地点、涉及的车辆类型。
14、优选地，所述s5：大模型输出车辆损害程度并进行显示，车辆损害程度包括轻微、中等、重大，显示包括在lcd电脑屏幕进行显示或手机进行显示。
15、优选地，所述s4：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，训练好的大模型在训练过程中，使用标注的车辆损害图像和对应的事故描述，以学习识别车辆损害程度。
16、本申请还提供一种基于大模型的智能交通事故保险处理系统，包括：
17、视频帧图像数据采集模块：采用ccd相机或手机终端采集事故现场车辆视频帧图像数据，对采集的视频帧图像数据进行预处理；
18、颜色直方图计算模块：计算视频帧图像数据中的每一帧图像的颜色直方图：对于每一帧图像，将其在rgb、hsi颜色空间中的每个通道划分为n个区间；对于每一帧图像，在每个颜色通道内，计算落入各个区间内的像素数量：
19、
20、其中，是颜色直方图在第个区间的像素计数；是图像中的像素点在颜色通道r、g、b、h、s、i的值，是指示函数，当括号内条件成立时取值1，否则为0；和分别表示直方图的第个区间的下界和上界；r表示红色、g表示绿色、b表示蓝色，h表示色相、s表示饱和度、i 表示亮度；
21、总差异度量计算模块：对于每一帧图像，采用改进的巴氏距离计算每一帧图像与视频帧图像中所有其他每一帧图像的直方图差异度，并对每一帧图像的直方图差异度求和得到总差异度量，改进的巴氏距离计算公式为：
22、
23、其中，、分别表示两个不同的直方图，分别表示直方图、均值，n是直方图的区间数，、分别是颜色直方图和在第个区间的像素计数;为第个区间的重要性系数，区间的像素数量越高则值越小；
24、大模型计算模块：选取总差异度量最大的图像以及文本描述输入到训练好的大模型;
25、输出模块：大模型输出车辆损害程度并进行显示。
26、优选地，所述视频帧图像数据采集模块：采用ccd相机或手机终端采集事故现场车辆视频帧图像数据，对采集的视频帧图像数据进行预处理，包括采用手机或ccd相机采集事故现场车辆视频图像数据，采用高斯滤波进行去噪处理。
27、优选地，所述总差异度量计算模块：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，文本描述包括事故发生的时间、地点、涉及的车本文档来自技高网...
【技术保护点】
1.一种基于大模型的智能交通事故保险处理方法，其特征在于，包括步骤：
2.如权利要求1所述的一种基于大模型的智能交通事故保险处理方法，其特征在于，所述S1：采集事故现场车辆视频帧图像数据，对采集的视频帧图像数据进行预处理，包括采用手机或CCD相机采集事故现场车辆视频图像数据，采用高斯滤波进行去噪处理。
3.如权利要求1所述的一种基于大模型的智能交通事故保险处理方法，其特征在于，所述S4：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，文本描述包括事故发生的时间、地点、涉及的车辆类型。
4.如权利要求1所述的一种基于大模型的智能交通事故保险处理方法，其特征在于，所述S5：大模型输出车辆损害程度并进行显示，车辆损害程度包括轻微、中等、重大，显示包括在LCD电脑屏幕进行显示或手机进行显示。
5.如权利要求1所述的一种基于大模型的智能交通事故保险处理方法，其特征在于，所述S4：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，训练好的大模型在训练过程中，使用标注的车辆损害图像和对应的事故描述，以学习识别车辆损害程度。>
6.一种基于大模型的智能交通事故保险处理系统，其特征在于，包括：
7.如权利要求6所述的一种基于大模型的智能交通事故保险处理系统，其特征在于，所述视频帧图像数据采集模块：采用CCD相机或手机终端采集事故现场车辆视频帧图像数据，对采集的视频帧图像数据进行预处理，包括采用手机或CCD相机采集事故现场车辆视频图像数据，采用高斯滤波进行去噪处理。
8.如权利要求6所述的一种基于大模型的智能交通事故保险处理系统，其特征在于，所述总差异度量计算模块：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，文本描述包括事故发生的时间、地点、涉及的车辆类型。
9.如权利要求6所述的一种基于大模型的智能交通事故保险处理系统，其特征在于，所述大模型计算模块：大模型输出车辆损害程度并进行显示，车辆损害程度包括轻微、中等、重大，显示包括在LCD电脑屏幕进行显示或手机进行显示。
10.如权利要求6所述的一种基于大模型的智能交通事故保险处理系统，其特征在于，所述总差异度量计算模块：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，训练好的大模型在训练过程中，使用标注的车辆损害图像和对应的事故描述，以学习识别车辆损害程度。
...【技术特征摘要】
1.一种基于大模型的智能交通事故保险处理方法，其特征在于，包括步骤：
2.如权利要求1所述的一种基于大模型的智能交通事故保险处理方法，其特征在于，所述s1：采集事故现场车辆视频帧图像数据，对采集的视频帧图像数据进行预处理，包括采用手机或ccd相机采集事故现场车辆视频图像数据，采用高斯滤波进行去噪处理。
3.如权利要求1所述的一种基于大模型的智能交通事故保险处理方法，其特征在于，所述s4：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，文本描述包括事故发生的时间、地点、涉及的车辆类型。
4.如权利要求1所述的一种基于大模型的智能交通事故保险处理方法，其特征在于，所述s5：大模型输出车辆损害程度并进行显示，车辆损害程度包括轻微、中等、重大，显示包括在lcd电脑屏幕进行显示或手机进行显示。
5.如权利要求1所述的一种基于大模型的智能交通事故保险处理方法，其特征在于，所述s4：选取总差异度量最大的图像以及文本描述输入到训练好的大模型，训练好的大模型在训练过程中，使用标注的车辆损害图像和对应的事故描述，以学习识别车辆损害程度。
6.一种基于大模型的智能交通事故...
【专利技术属性】
技术研发人员：马昌明，高云，姚磊，
申请(专利权)人：国任财产保险股份有限公司，
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。