[發明專利]用于車輛的定損方法、裝置、電子設備和計算機存儲介質

有效

• 申請號: 201910372962.2
• 申請日: 2019-05-06
• 公開（公告）號: CN110135437B
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 張偉;譚嘯;孫昊;文石磊;丁二銳
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/764;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 趙林琳;張昊

本公開的實施例涉及一種用于車輛的定損方法、裝置、電子設備和計算機可讀存儲介質。該方法包括從輸入圖像中提取用于表征所述車輛的部件的第一特征和用于表征所述車輛的損傷類型的第二特征。此外，該方法還包括合并所述第一特征與所述第二特征，以生成第三特征，所述第三特征表征所述部件與所述損傷類型的對應關系。該方法進一步包括將所述第三特征變換為特征向量以及基于所述特征向量，確定所述車輛的損傷識別結果。本公開的技術方案通過提供受損車輛的照片或視頻來快速且準確地車輛的受損情況，以便為定損、理賠、修理等后續工作提供客觀依據。

技術領域

本公開的實施例主要涉及計算機領域，并且更具體地，涉及用于車輛的定損方法、裝置、電子設備和計算機可讀存儲介質。

背景技術

目前，對于車輛損傷理賠的判斷(即，定損業務)主要依賴人工，如查勘員在車輛事故現場進行現場查勘判斷，或者由用戶通過手機對事故現場進行拍照或視頻連線保險公司工作人員等。自動化的智能定損業務正在興起。例如，傳統的智能定損業務通常將針對用戶輸入的圖像的特征提取與末端分類器(例如，SVM或xgboost等)進行結合，來對事故車輛進行定損。然而，這種定損方法是將特征提取訓練與分類器訓練劃分為獨立的兩個環節，分類器訓練無法指導特征提取訓練，這嚴重地影響了性能。此外，這種傳統的定損方法需要對提取的特征進行緩存，因此耗時費力。在目前的車輛定損業務中，尚未開發出基于全鏈路深度學習的并且支持受損部位和損傷類別同步識別的方案。

發明內容

根據本公開的示例實施例，提供了一種用于車輛定損的方案。

在本公開的第一方面中，提供了一種用于車輛的定損方法。該方法包括從輸入圖像中提取用于表征所述車輛的部件的第一特征和用于表征所述車輛的損傷類型的第二特征。此外，該方法還包括合并所述第一特征與所述第二特征，以生成第三特征，所述第三特征表征所述部件與所述損傷類型的對應關系。該方法進一步包括將所述第三特征變換為特征向量以及基于所述特征向量，確定所述車輛的損傷識別結果。

在本公開的第二方面中，提供了一種用于車輛的定損裝置。該裝置包括特征提取模塊，被配置為從輸入圖像中提取用于表征所述車輛的部件的第一特征和用于表征所述車輛的損傷類型的第二特征。該裝置還可以包括特征合并模塊，被配置為合并所述第一特征與所述第二特征，以生成第三特征，所述第三特征表征所述部件與所述損傷類型的對應關系。此外，該裝置進一步包括特征變換模塊，被配置為將所述第三特征變換為特征向量。該裝置還包括損傷識別模塊，被配置為基于所述特征向量，確定所述車輛的損傷識別結果。

在本公開的第三方面中，提供了一種設備，包括一個或多個處理器；以及存儲裝置，用于存儲一個或多個程序，當一個或多個程序被一個或多個處理器執行，使得一個或多個處理器實現根據本公開的第一方面的方法。

在本公開的第四方面中，提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現根據本公開的第一方面的方法。

應當理解，發明內容部分中所描述的內容并非旨在限定本公開的實施例的關鍵或重要特征，亦非用于限制本公開的范圍。本公開的其它特征將通過以下的描述變得容易理解。

附圖說明

結合附圖并參考以下詳細說明，本公開各實施例的上述和其他特征、優點及方面將變得更加明顯。在附圖中，相同或相似的附圖標注表示相同或相似的元素，其中：

圖1示出了本公開的多個實施例能夠在其中實現的示例環境的示意圖；

圖2示出了本公開的多個實施例能夠在其中實現的詳細示例環境的示意圖；

圖3示出了根據本公開的實施例的用于車輛定損的示例環境的示意圖；

圖4示出了根據本公開的實施例的用于車輛定損的過程的流程圖；

圖5示出了根據本公開的實施例的用于車輛定損的裝置的示意框圖；以及