[發明專利]基于圖像處理和深度學習的車險事故鑒別方法、系統及存儲介質

在審

• 申請號: 201810283452.3
• 申請日: 2018-04-02
• 公開（公告）號: CN108491821A
• 公開（公告）日: 2018-09-04
• 發明（設計）人: 余凱銳;李舸;楊謙
• 申請（專利權）人: 深圳市亞來科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q50/18;G06Q50/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于圖像處理和深度學習的車險事故鑒別方法，其特征在于，所述方法包括以下步驟：

在接到車險報案時，獲取出險現場事故車輛和相關車輛的照片和/或視頻；

對所述出險現場事故車輛的照片和/或視頻進行信息預處理，得到事故車輛的相關信息；

若所述相關信息符合預設條件，則對所述出險現場事故車輛和相關車輛的照片和/或視頻進行圖像處理，得到所述事故車輛和相關車輛創面的處理后的照片和/或視頻；

采用深度學習方法將所述事故車輛和相關車輛創面處理后的照片和/或視頻進行匹配；

若匹配結果達到預設值，則判斷本次事故由所述事故車輛和相關車輛相撞產生。

2.根據權利要求1所述的基于圖像處理和深度學習的車險事故鑒別方法，其特征在于，

若所述相關信息符合預設條件，則對所述出險現場事故車輛和相關車輛的照片和/或視頻進行圖像處理的步驟包括：

若所述相關信息符合預設條件，則對所述出險現場事故車輛和相關車輛的照片和/或視頻進行數據預處理，得到數據預處理后的所述出險現場事故車輛和相關車輛的照片和/或視頻，所述數據預處理包括去霧、去反光、旋轉、或者平移中的一種或者幾種；

所述采用深度學習方法將所述事故車輛和相關車輛創面處理后的照片和/或視頻進行匹配的步驟包括：

對所述數據預處理后的所述出險現場事故車輛和相關車輛的照片和/或視頻放入已訓練的分類網絡模型中進行分類處理，識別所述事故車輛和相關車輛的受損部位；

將所述事故車輛和相關車輛的受損部位、數據預處理后的所述出險現場事故車輛和相關車輛的照片和/或視頻作為已訓練的創面匹配模型的輸入，得到所述事故車輛和相關車輛創面照片的匹配度。

3.根據權利要求2所述的基于圖像處理和深度學習的車險事故鑒別方法，其特征在于，所述事故車輛的相關信息包括：事故車輛的車牌號碼信息；

所述對所述出險現場事故車輛的照片和/或視頻進行信息預處理，得到事故車輛的相關信息的步驟之后包括：

根據報案人員ID查詢數據庫中與所述報案人員ID綁定的車輛車牌號碼信息；

將所述數據庫中與所述報案人員ID綁定的車輛車牌號信息與所述事故車輛的車牌號碼信息相比對；

若比對結果為匹配，則執行對所述出險現場事故車輛和相關車輛的照片和/或視頻進行數據預處理的步驟；

若比對結果為不匹配，則在后臺管理系統提示操作人員進行人工介入處理。

4.根據權利要求3所述的基于圖像處理和深度學習的車險事故鑒別方法，其特征在于，所述事故車輛的相關信息還包括：拍攝出險現場事故車輛和相關車輛的照片和/或視頻的時間信息和地點信息；

所述對所述出險現場事故車輛的照片和/或視頻進行信息預處理，得到事故車輛的相關信息的步驟之后還包括：

將所述拍攝出險現場事故車輛和相關車輛的照片和/或視頻的時間信息和地點信息，與獲取出險現場事故車輛和相關車輛的照片和/或視頻的時間信息和地點信息相比對；

若比對結果為匹配，且所述數據庫中與所述報案人員ID綁定的車輛車牌號信息與所述事故車輛的車牌號碼信息相比對的比對結果為匹配，則執行對所述出險現場事故車輛和相關車輛的照片和/或視頻進行數據預處理的步驟；

若比對結果為不匹配，則在后臺管理系統提示操作人員進行人工介入處理。

5.根據權利要求1所述的基于圖像處理和深度學習的車險事故鑒別方法，其特征在于，在接到車險報案時，由報案人員拍攝所述出險現場事故車輛和相關車輛的照片和/或視頻，

所述在接到車險報案時，獲取出險現場事故車輛和相關車輛的照片和/或視頻的步驟包括：

識別所述報案人員拍攝的所述出險現場事故車輛和相關車輛的照片和/或視頻中的事故車輛的車牌號碼；

若識別不成功，則提示所述報案人員重新拍攝出險現場事故車輛和相關車輛的照片和/或視頻。