[發明專利]長度獲取方法、裝置、保險理賠系統、介質及電子設備

在審

• 申請號: 201910271246.5
• 申請日: 2019-04-04
• 公開（公告）號: CN110175503A
• 公開（公告）日: 2019-08-27
• 發明（設計）人: 李立琛;辛愿
• 申請（專利權）人: 財付通支付科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/11;G06T7/60;G06Q40/08
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種長度獲取方法，其特征在于，包括：

獲取包含目標物和參照物的圖像；

基于圖像分割模型，從所述圖像中分割得到目標物區域和參照物區域；

獲取所述參照物區域的像素長度與所述參照物的實際長度，以及獲取所述目標物區域的像素長度；

結合所述參照物區域的像素長度與所述參照物的實際長度，根據所述目標物區域的像素長度獲取所述目標物的實際長度。

2.如權利要求1所述的方法，其特征在于，所述結合所述參照物區域的像素長度與所述參照物的實際長度，根據所述目標物區域的像素長度獲取所述目標物的實際長度之后，所述方法還包括：

基于學習得到的校正因子，對所述目標物的實際長度進行縮放處理；

將縮放處理結果更新為所述目標物的實際長度。

3.如權利要求2所述的方法，其特征在于，所述基于學習得到的校正因子，對所述目標物的實際長度進行縮放處理之前，所述方法還包括：

獲取待學習樣本；

根據所述待學習樣本中待學習目標物的實際長度和真實長度，進行所述校正因子的學習。

4.如權利要求3所述的方法，其特征在于，所述根據所述待學習樣本中待學習目標物的實際長度和真實長度，進行所述校正因子的學習，包括：

針對每一個待學習樣本，獲取該待學習樣本中待學習目標物的實際長度和真實長度之間的相對誤差；

對所述相對誤差進行求平均值處理，以所述平均值作為所述校正因子。

5.如權利要求1至4任一項所述的方法，其特征在于，所述基于圖像分割模型，從所述圖像中分割得到目標物區域和參照物區域，包括：

將所述圖像由所述圖像分割模型的輸入層傳輸至卷積層；

通過所述卷積層對所述圖像進行特征提取，得到所述圖像的局部特征；

通過連接層對所述圖像的局部特征進行特征融合，得到所述圖像的全局特征；

通過輸出層對所述圖像的全局特征進行區域類別預測，得到所述圖像中的目標物區域和參照物區域。

6.如權利要求1至4任一項所述的方法，其特征在于，所述方法還包括：

獲取訓練樣本，所述訓練樣本是進行了目標物區域標注和參照物區域標注的圖像；

構建基礎模型，并利用所述訓練樣本對所述基礎模型進行模型訓練，得到所述圖像分割模型。

7.如權利要求6所述的方法，其特征在于，所述利用所述訓練樣本對所述基礎模型進行模型訓練，得到所述圖像分割模型，包括：

基于當前一個訓練樣本和所述基礎模型的參數，構建所述基礎模型的損失函數；

獲取所述損失函數的損失值；

如果所述損失函數的損失值指示所述損失函數收斂，則由所述基礎模型收斂得到所述圖像分割模型；

否則，更新所述基礎模型的參數，并結合后一個訓練樣本，繼續構建所述基礎模型的損失函數。

8.如權利要求7所述的方法，其特征在于，所述基礎模型的損失函數為用于區域類別預測的分類損失函數、對候選區域進行位置回歸的損失函數、在所述候選區域上引入分隔掩模的損失函數之和，其中，所述候選區域包括所述目標物區域、所述參照物區域。

9.如權利要求1至4任一項所述的方法，其特征在于，所述獲取所述目標物區域的像素長度和所述參照物區域的像素長度，包括：

分別對所述目標物區域和所述參照物區域進行曲線擬合，得到對應于所述目標物區域的第一擬合區域和對應于所述參照物區域的第二擬合區域；

根據所述第一擬合區域和所述第二擬合區域，得到所述目標物區域的像素長度和所述參照物區域的像素長度。