[發明專利]目標物定損方法、裝置、電子設備及計算機可讀存儲介質

有效

• 申請號: 202011204228.4
• 申請日: 2020-11-02
• 公開（公告）號: CN112329596B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 高揚磊;任稱心;張文杰;陳蓮蓮
• 申請（專利權）人: 中國平安財產保險股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種目標物定損方法，其特征在于，所述方法包括：

獲取目標物的圖片集，對所述圖片集中的圖片進行拼接，得到拼接圖；

識別出所述拼接圖的像素點集；

對所述像素點集中的像素點粗分類，根據所述粗分類對一個預構建的超平面分類模型進行訓練，得到訓練完成的超平面分類模型；

利用所述訓練完成的超平面分類模型對所述像素點集中的像素點進行精分類，得到不同類別的像素點集；

根據所述不同類別的像素點集利用預設的目標物定損算法分析所述目標物的定損結果，所述目標物定損算法的公式為：

其中，H表示定損結果，J表示輕度受損的像素點個數，K表示中度受損的像素點個數，M表示重度受損的像素點個數，P表示原始像素點集的像素點個數，δ，μ，σ為預設的百分比。

2.如權利要求1所述的目標物定損方法，其特征在于，所述對所述圖片集中的圖片進行拼接，得到拼接圖，包括：

獲取所述目標物的全景二維模型；

對所述圖片集中的每一張圖片執行去噪操作，得到標準圖片集；

利用所述全景二維模型匹配所述標準圖片集中的每一張圖片，得到所述目標物的拼接圖。

3.如權利要求1所述的目標物定損方法，其特征在于，所述識別出所述拼接圖的像素點集，包括：

對所述拼接圖進行卷積操作，得到拼接圖二維畫布；

映射所述拼接圖二維畫布至處理器，得到原始像素點集；

對所述原始像素點集進行池化操作，得到所述拼接圖的像素點集。

4.如權利要求3所述的目標物定損方法，其特征在于，所述映射所述拼接圖二維畫布至處理器，得到原始像素點集，包括：

利用如下公式映射所述拼接圖二維畫布：

其中，z_x,y表示原始像素點集，p*q表示卷積核，w表示卷積核權重，v表示卷積核通道數，b表示偏置數，h()表示非線性激活函數。

5.如權利要求1所述的目標物定損方法，其特征在于，所述根據所述粗分類對一個預構建的超平面分類模型進行訓練，得到訓練完成的超平面分類模型，包括：

根據所述粗分類，得到不同類別的訓練集；

構建初始超平面；

構建所述初始超平面與所述訓練集的幾何間隔函數；

根據所述幾何間隔函數構建幾何間隔最小值優化函數；

求解所述幾何間隔最小值優化函數的約束條件；

根據所述約束條件及所述幾何間隔最小值優化函數，重復訓練所述初始超平面，得到所述超平面分類模型。

6.如權利要求5所述的目標物定損方法，其特征在于，所述構建所述初始超平面與所述訓練集的幾何間隔函數，包括：

利用下述公式構建所述初始超平面與所述訓練集的幾何間隔函數：

其中,λ_i表示幾何間隔的值，y_i表示所述初始超平面中y軸的值，x_i表示所述初始超平面中x軸的值，w表示一元一次方程的系數，||w||表示w的轉置共軛矩陣與w的積的最大特征根的平方根值，d表示一元一次方程的常數。

7.一種目標物定損裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取目標物的圖片集，對所述圖片集中的圖片進行拼接，得到拼接圖；

識別模塊，用于識別出所述拼接圖的像素點集；

分類模塊，用于對所述像素點集中的像素點粗分類，根據所述粗分類對一個預構建的超平面分類模型進行訓練，得到訓練完成的超平面分類模型；利用所述訓練完成的超平面分類模型對所述像素點集中的像素點進行精分類，得到不同類別的像素點集；

計算模塊，用于根據所述不同類別的像素點集利用預設的目標物定損算法分析所述目標物的定損結果，所述目標物定損算法的公式為：

其中，H表示定損結果，J表示輕度受損的像素點個數，K表示中度受損的像素點個數，M表示重度受損的像素點個數，P表示原始像素點集的像素點個數，δ，μ，σ為預設的百分比。