[發(fā)明專利]車輛損傷識(shí)別方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811089438.6
• 申請(qǐng)日: 2018-09-18
• 公開（公告）號(hào): CN110570389B
• 公開（公告）日: 2020-07-17
• 發(fā)明（設(shè)計(jì)）人: 徐娟
• 申請(qǐng)（專利權(quán)）人: 阿里巴巴集團(tuán)控股有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/60;G06T7/62;G06K9/62;G06N3/08;G06N3/04
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽;周良玉

本說(shuō)明書實(shí)施例提供一種計(jì)算機(jī)執(zhí)行的車輛損傷識(shí)別方法和裝置，方法包括，首先獲取待識(shí)別的車輛損傷圖片，將該圖片分別輸入預(yù)先訓(xùn)練的多個(gè)目標(biāo)檢測(cè)模型，從其中分別獲得對(duì)應(yīng)的多組檢測(cè)結(jié)果。多組檢測(cè)結(jié)果構(gòu)成檢測(cè)結(jié)果集合，其中包括N個(gè)備選邊框，以及各個(gè)備選邊框的類別預(yù)測(cè)結(jié)果。對(duì)于N個(gè)備選邊框中任意的第一備選邊框，至少根據(jù)該第一備選邊框與其他備選邊框的關(guān)聯(lián)關(guān)系，確定該第一備選邊框的綜合特征向量。其中上述關(guān)聯(lián)關(guān)系至少包括邊框內(nèi)容關(guān)聯(lián)關(guān)系、位置關(guān)聯(lián)關(guān)系和類別預(yù)測(cè)結(jié)果關(guān)聯(lián)關(guān)系中的一項(xiàng)或多項(xiàng)。然后，將各個(gè)備選邊框?qū)?yīng)的綜合特征向量分別輸入預(yù)先訓(xùn)練的分類模型，根據(jù)分類模型的輸出結(jié)果，優(yōu)化檢測(cè)結(jié)果集合。

技術(shù)領(lǐng)域

本說(shuō)明書一個(gè)或多個(gè)實(shí)施例涉及機(jī)器學(xué)習(xí)領(lǐng)域，尤其涉及利用機(jī)器學(xué)習(xí)進(jìn)行車輛損傷識(shí)別的方法和裝置。

背景技術(shù)

在傳統(tǒng)車險(xiǎn)理賠場(chǎng)景中,保險(xiǎn)公司需要派出專業(yè)的查勘定損人員到事故現(xiàn)場(chǎng)進(jìn)行現(xiàn)場(chǎng)查勘定損，給出車輛的維修方案和賠償金額，并拍攝現(xiàn)場(chǎng)照片，定損照片留檔以供后臺(tái)核查人員核損核價(jià)。由于需要人工查勘定損，保險(xiǎn)公司需要投入大量的人力成本，和專業(yè)知識(shí)的培訓(xùn)成本。從普通用戶的體驗(yàn)來(lái)說(shuō)，理賠流程由于等待人工查勘員現(xiàn)場(chǎng)拍照、定損員在維修地點(diǎn)定損、核損人員在后臺(tái)核損，理賠周期長(zhǎng)達(dá)1-3天，用戶的等待時(shí)間較長(zhǎng)，體驗(yàn)較差。

針對(duì)需求背景中提到的這一人工成本巨大的行業(yè)痛點(diǎn)，開始設(shè)想將人工智能和機(jī)器學(xué)習(xí)應(yīng)用到車輛定損的場(chǎng)景中，希望能夠利用人工智能領(lǐng)域計(jì)算機(jī)視覺(jué)圖像識(shí)別技術(shù)，根據(jù)普通用戶拍攝的現(xiàn)場(chǎng)損失圖片，自動(dòng)識(shí)別圖片中反映的車損狀況，并自動(dòng)給出維修方案。如此，無(wú)需人工查勘定損核損，大大減少了保險(xiǎn)公司的成本，提升了普通用戶的車險(xiǎn)理賠體驗(yàn)。

不過(guò)，目前的智能定損方案，損傷識(shí)別的準(zhǔn)確度還有待進(jìn)一步提高。因此，希望能有改進(jìn)的方案，能夠?qū)囕v的損傷檢測(cè)結(jié)果進(jìn)行進(jìn)一步優(yōu)化，提高識(shí)別準(zhǔn)確度。

發(fā)明內(nèi)容

本說(shuō)明書一個(gè)或多個(gè)實(shí)施例描述了一種車輛損傷識(shí)別方法和裝置，其中利用多個(gè)目標(biāo)檢測(cè)模型對(duì)待識(shí)別圖片進(jìn)行檢測(cè)，得到多個(gè)備選邊框，然后基于各個(gè)備選邊框之間的關(guān)聯(lián)關(guān)系，對(duì)檢測(cè)結(jié)果進(jìn)行優(yōu)化，提高損傷識(shí)別準(zhǔn)確度。

根據(jù)第一方面，提供了一種計(jì)算機(jī)執(zhí)行的車輛損傷識(shí)別方法，包括：

獲取待識(shí)別的車輛損傷圖片；

將所述車輛損傷圖片分別輸入預(yù)先訓(xùn)練的多個(gè)目標(biāo)檢測(cè)模型，從該多個(gè)目標(biāo)檢測(cè)模型分別獲得對(duì)應(yīng)的多組檢測(cè)結(jié)果，該多組檢測(cè)結(jié)果構(gòu)成檢測(cè)結(jié)果集合，所述檢測(cè)結(jié)果集合中包括，所述多個(gè)目標(biāo)檢測(cè)模型檢測(cè)出的N個(gè)備選邊框，以及各個(gè)備選邊框的類別預(yù)測(cè)結(jié)果；

對(duì)于所述N個(gè)備選邊框中任意的第一備選邊框，至少根據(jù)該第一備選邊框與其他備選邊框的關(guān)聯(lián)關(guān)系，確定該第一備選邊框的綜合特征向量，所述關(guān)聯(lián)關(guān)系至少包括邊框內(nèi)容關(guān)聯(lián)關(guān)系、位置關(guān)聯(lián)關(guān)系和類別預(yù)測(cè)結(jié)果關(guān)聯(lián)關(guān)系中的一項(xiàng)或多項(xiàng)；

將各個(gè)備選邊框?qū)?yīng)的綜合特征向量分別輸入預(yù)先訓(xùn)練的分類模型，根據(jù)分類模型的輸出結(jié)果，優(yōu)化所述檢測(cè)結(jié)果集合。

根據(jù)一種可能的實(shí)施方式，上述其他備選邊框包括第二備選邊框，所述關(guān)聯(lián)關(guān)系包括邊框內(nèi)容關(guān)聯(lián)關(guān)系；在這樣的情況下，如下確定該第一備選邊框的綜合特征向量：

獲取各個(gè)備選邊框的卷積特征向量，該卷積特征向量用于表征對(duì)應(yīng)邊框中的圖片內(nèi)容特征；

基于所述第一備選邊框?qū)?yīng)的第一卷積特征向量，和所述第二備選邊框?qū)?yīng)的第二卷積特征向量，確定第一備選邊框與第二備選邊框的內(nèi)容關(guān)聯(lián)特征；

至少根據(jù)所述內(nèi)容關(guān)聯(lián)特征，確定該第一備選邊框的綜合特征向量。

進(jìn)一步地，在一個(gè)實(shí)施例中，通過(guò)以下方式確定第一備選邊框與第二備選邊框的內(nèi)容關(guān)聯(lián)特征：

計(jì)算所述第一卷積特征向量和第二卷積特征向量的點(diǎn)積，基于點(diǎn)積結(jié)果確定所述內(nèi)容關(guān)聯(lián)特征；和/或