[發明專利]車輛定損理賠方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210713006.8
• 申請日: 2022-06-22
• 公開（公告）號: CN114972771A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 趙霄鴻;劉莉紅;劉玉宇;肖京
• 申請（專利權）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權代理有限公司 44334
• 代理人: 林麗純;嚴林

本申請涉及人工智能，提供一種車輛定損理賠方法、裝置、電子設備及存儲介質。該方法獲取車輛的多張損傷圖像，利用特征提取網絡對多張損傷圖像進行特征提取，得到每張損傷圖像的特征向量，基于輸出網絡對特征向量進行處理，得到每張損傷圖像中車輛的損傷位置及損傷類型，基于訓練完成的邏輯回歸模型對特征向量進行處理，得到每張損傷圖像的損傷類型的置信度，將每張損傷圖像的特征向量進行融合，得到融合特征向量，基于訓練完成的邏輯回歸模型對融合特征進行處理，得到多張損傷圖像的總置信度，根據每張損傷圖像的損傷類型的置信度及多張損傷圖像的總置信度，確定車輛的理賠方式。本申請還涉及區塊鏈技術，理賠方式對應的數據可存儲于區塊鏈中。

技術領域

本申請涉及人工智能技術領域，尤其涉及一種車輛定損理賠方法、裝置、電子設備及存儲介質。

背景技術

目前，對事故車輛定損時，一種方法是由定損員在事故現場對受損車輛進行定損，但是這種方法帶來大量的人力成本。另一種方法是基于計算機視覺和深度學習來對受損車輛進行自動定損，但由于光照、角度的不同，基于計算機視覺和深度學習來對受損車輛進行自動定損的方法，無法對包含復雜損傷的受損車輛作出準確判斷。

發明內容

鑒于以上內容，有必要提供一種車輛定損理賠方法、裝置、電子設備及存儲介質，以解決提高人傷定損的準確性及降低人力成本的技術問題。

一方面，本申請提出一種車輛定損理賠方法，所述車輛定損理賠方法包括：

獲取損傷車輛的多張損傷圖像；

利用特征提取網絡對所述多張損傷圖像進行特征提取，得到每張損傷圖像的特征向量；

基于輸出網絡對所述特征向量進行處理，得到所述每張損傷圖像中車輛的損傷位置及損傷類型；

基于預先訓練完成的邏輯回歸模型對所述特征向量進行處理，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行融合，得到融合特征向量；

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

根據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器理賠。

根據本申請優選實施例，所述特征提取網絡包括主干網絡、區域候選網絡及全連接層，所述利用特征提取網絡對所述多張損傷圖像進行特征提取，得到每張損傷圖像的特征向量包括：

基于所述主干網絡對所述多張車輛損傷圖像進行特征提取，得到淺層特征；

基于所述區域候選網絡對所述淺層特征進行重新構建，得到特征圖；

基于所述全連接層對所述特征圖進行處理，得到所述特征向量。

根據本申請優選實施例，所述區域候選網絡包括區域卷積層、邊界框回歸層及感興趣區域對齊層，所述基于所述區域候選網絡對所述淺層特征進行重新構建，得到特征圖包括：

基于所述區域卷積層對所述淺層特征進行卷積處理，得到區域特征；

基于所述邊界框回歸層對所述區域特征進行回歸處理，得到邊界框；

基于所述感興趣區域對齊層對所述邊界框進行對齊處理，得到所述特征圖。

根據本申請優選實施例，所述輸出網絡包括邊界框回歸網絡及損傷類型識別網絡，所述基于輸出網絡對所述特征向量進行處理，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絡對所述特征向量進行回歸處理，得到損傷邊界框坐標，將所述損傷邊界框坐標作為所述損傷位置；