[發(fā)明專利]車輛定損理賠方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210713006.8
• 申請日: 2022-06-22
• 公開（公告）號: CN114972771A
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計）人: 趙霄鴻;劉莉紅;劉玉宇;肖京
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06V10/40
• 分類號: G06V10/40;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06N3/04;G06N3/08;G06Q10/10;G06Q40/08;G06V10/25
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334
• 代理人: 林麗純;嚴(yán)林

1.一種車輛定損理賠方法，其特征在于，所述車輛定損理賠方法包括：

獲取車輛的多張損傷圖像；

利用特征提取網(wǎng)絡(luò)對所述多張損傷圖像進(jìn)行特征提取，得到每張損傷圖像的特征向量；

基于輸出網(wǎng)絡(luò)對所述特征向量進(jìn)行處理，得到所述每張損傷圖像中車輛的損傷位置及損傷類型；

基于預(yù)先訓(xùn)練完成的邏輯回歸模型對所述特征向量進(jìn)行處理，得到每張損傷圖像的損傷類型的置信度；

將所述每張損傷圖像的特征向量進(jìn)行融合，得到融合特征向量；

基于所述預(yù)先訓(xùn)練完成的邏輯回歸模型對所述融合特征進(jìn)行處理，得到所述多張損傷圖像的總置信度；

根據(jù)所述每張損傷圖像的損傷類型的置信度及所述多張損傷圖像的總置信度，確定所述車輛的理賠方式，其中，所述理賠方式包括人工理賠及機(jī)器理賠。

2.根據(jù)權(quán)利要求1所述的車輛定損理賠方法，其特征在于，所述特征提取網(wǎng)絡(luò)包括主干網(wǎng)絡(luò)、區(qū)域候選網(wǎng)絡(luò)及全連接層，所述利用特征提取網(wǎng)絡(luò)對所述多張損傷圖像進(jìn)行特征提取，得到每張損傷圖像的特征向量包括：

基于所述主干網(wǎng)絡(luò)對所述多張車輛損傷圖像進(jìn)行特征提取，得到淺層特征；

基于所述區(qū)域候選網(wǎng)絡(luò)對所述淺層特征進(jìn)行重新構(gòu)建，得到特征圖；

基于所述全連接層對所述特征圖進(jìn)行處理，得到所述特征向量。

3.根據(jù)權(quán)利要求2所述的車輛定損理賠方法，其特征在于，所述區(qū)域候選網(wǎng)絡(luò)包括區(qū)域卷積層、邊界框回歸層及感興趣區(qū)域?qū)R層，所述基于所述區(qū)域候選網(wǎng)絡(luò)對所述淺層特征進(jìn)行重新構(gòu)建，得到特征圖包括：

基于所述區(qū)域卷積層對所述淺層特征進(jìn)行卷積處理，得到區(qū)域特征；

基于所述邊界框回歸層對所述區(qū)域特征進(jìn)行回歸處理，得到邊界框；

基于所述感興趣區(qū)域?qū)R層對所述邊界框進(jìn)行對齊處理，得到所述特征圖。

4.根據(jù)權(quán)利要求1所述的車輛定損理賠方法，其特征在于，所述輸出網(wǎng)絡(luò)包括邊界框回歸網(wǎng)絡(luò)及損傷類型識別網(wǎng)絡(luò)，所述基于輸出網(wǎng)絡(luò)對所述特征向量進(jìn)行處理，得到所述每張損傷圖像中車輛的損傷位置及損傷類型包括：

基于所述邊界框回歸網(wǎng)絡(luò)對所述特征向量進(jìn)行回歸處理，得到損傷邊界框坐標(biāo)，將所述損傷邊界框坐標(biāo)作為所述損傷位置；

基于所述損傷類型識別網(wǎng)絡(luò)對所述特征向量進(jìn)行回歸處理，得到損傷類型。

5.根據(jù)權(quán)利要求1所述的車輛定損理賠方法，其特征在于，所述預(yù)先訓(xùn)練完成的邏輯回歸模型的訓(xùn)練過程包括：

獲取多張車輛損傷樣本圖像；

對所述多張樣本圖像進(jìn)行預(yù)處理，得到待參與訓(xùn)練邏輯回歸模型的數(shù)據(jù)集；

采用交叉驗證的方法對所述數(shù)據(jù)集進(jìn)行劃分為訓(xùn)練集及測試集；

在所述訓(xùn)練集中隨機(jī)選擇第一預(yù)設(shè)數(shù)量的訓(xùn)練集訓(xùn)練邏輯回歸模型；

利用所述測試集測試所訓(xùn)練的邏輯回歸模型的準(zhǔn)確率；

若所述準(zhǔn)確率大于或者等于預(yù)設(shè)準(zhǔn)確率閾值，則訓(xùn)練結(jié)束，得到所述預(yù)先訓(xùn)練完成的邏輯回歸模型；

若所述準(zhǔn)確率小于所述預(yù)設(shè)準(zhǔn)確率閾值，則重新訓(xùn)練邏輯回歸模型。

6.根據(jù)權(quán)利要求1所述的車輛定損理賠方法，其特征在于，所述根據(jù)所述每張損傷圖像的損傷類型的置信度及所述多張損傷圖像的總置信度，確定所述車輛的理賠方式包括：

若多張損傷圖像中超過一半數(shù)量的損傷圖像的損傷類型的置信度小于第一預(yù)設(shè)閾值，且所述多張損傷圖像的總置信度小于第二預(yù)設(shè)閾值，確定所述理賠方式為機(jī)器理賠；

若多張損傷圖像中超過一半數(shù)量的損傷圖像的損傷類型的置信度小于所述第一預(yù)設(shè)閾值，且所述多張損傷圖像的總置信度大于或等于所述第二預(yù)設(shè)閾值，確定所述理賠方式為人工理賠；

若多張損傷圖像中超過一半數(shù)量的損傷圖像的損傷類型的置信度大于或等于所述第一預(yù)設(shè)閾值，確定所述理賠方式為人工理賠。

7.根據(jù)權(quán)利要求1所述的車輛定損理賠方法，其特征在于，所述確定所述理賠方式為所述機(jī)器理賠時包括：

從所述每張損傷圖像的損傷類型中選擇最嚴(yán)重的損傷類型作為定損結(jié)果，其中所述損傷類型從輕微到嚴(yán)重的排序分別為：擦傷、凹陷、褶皺、開裂、缺失。