[发明专利]车辆损伤识别方法、装置、设备及存储介质在审
| 申请号: | 202011507750.X | 申请日: | 2020-12-18 |
| 公开(公告)号: | CN112287905A | 公开(公告)日: | 2021-01-29 |
| 发明(设计)人: | 高中博 | 申请(专利权)人: | 德联易控科技(北京)有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08;G06Q40/08 |
| 代理公司: | 深圳中一联合知识产权代理有限公司 44414 | 代理人: | 牟蓓佳 |
| 地址: | 100000 北京市朝阳*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 车辆 损伤 识别 方法 装置 设备 存储 介质 | ||
1.一种车辆损伤识别方法,其特征在于,包括:
获取待理赔车辆的车辆损伤图片;
根据预先训练完成的损伤目标检测模型对所述车辆损伤图片进行分类,得到所述车辆损伤图片包括的各个车辆损伤区域;
对各个所述车辆损伤区域进行重叠程度分析及度量,生成各个所述车辆损伤区域的热力图;
基于各个所述车辆损伤区域的热力图,确定各个所述车辆损伤区域包括的过渡区域。
2.如权利要求1所述的方法,其特征在于,所述预先训练完成的损伤目标检测模型为卷积神经网络模型;
所述根据预先训练完成的损伤目标检测模型对所述车辆损伤图片进行分类,得到所述车辆损伤图片包括的各个车辆损伤区域,包括:
根据所述卷积神经网络模型对所述车辆损伤图片进行分类,得到对所述车辆损伤图片的各个损伤预测框;
根据各个所述损伤预测框分别对应的回归损失值,确定所述车辆损伤图片包括的各个车辆损伤区域。
3.如权利要求2所述的方法,其特征在于,在根据各个所述损伤预测框分别对应的回归损失值,确定所述车辆损伤图片包括的各个车辆损伤区域之前,还包括:
基于所述卷积神经网络模型的损失函数分别确定各个所述损伤预测框分别对应的回归损失值;或者,
基于所述卷积神经网络模型的交并比分别确定各个所述损伤预测框对应的回归损失值。
4.如权利要求1至3任一项所述的方法,其特征在于,对各个所述车辆损伤区域进行重叠程度分析及度量,生成各个所述车辆损伤区域的热力图,包括:
针对任意一个所述车辆损伤区域,对该车辆损伤区域进行车辆语义分割,以获得用于指示该车辆损伤区域中的不同像素是否属于同一区域的标签信息和用于指示该车辆损伤区域中的热力图,所述标签信息中的每个像素与该车辆损伤区域中的一个或多个像素相对应,所述标签信息中的像素值一致的像素用于指示该车辆损伤区域中的对应像素属于该车辆损伤区域,所述标签信息中的像素值不一致的像素用于指示该车辆损伤区域中的对应像素属于与该车辆损伤区域相邻的其它车辆损伤区域。
5.如权利要求4所述的方法,其特征在于,基于各个所述车辆损伤区域的热力图,确定各个所述车辆损伤区域的过渡区域,包括:
基于各个所述车辆损伤区域的热力图和各个所述车辆损伤区域的不同像素的所述标签信息,确定各个所述车辆损伤区域的过渡区域。
6.如权利要求5所述的方法,其特征在于,基于各个所述车辆损伤区域的热力图和各个所述车辆损伤区域的各个像素的所述标签信息,确定各个所述车辆损伤区域包含的过渡区域,包括:
针对任意一个所述车辆损伤区域,计算该车辆损伤区域的热力图与标准车辆损伤区域的目标热力图之间的相似度;
将所述相似度与相似度阈值相比较,若所述相似度大于所述相似度阈值,则确定该车辆损伤区域不包括车辆过渡区域;
若所述相似度小于或等于所述相识度阈值,则获取该车辆损伤区域的各个像素的所述标签信息,根据获取的所述标签信息确定所述车辆损伤区域包含的过渡区域。
7.如权利要求6所述的方法,其特征在于,所述根据获取的所述标签信息确定所述车辆损伤区域包含的过渡区域,包括:
根据所述标签信息中的每个像素与车辆损伤区域中的一个或多个像素的对应关系,分别将所述标签信息中的每个像素与预设的每个目标像素进行比较;
若在该车辆损伤区域中,有任意像素与该像素对应的目标像素不同,则确定该像素对应为该车辆损伤区域包括的过渡区域的像素;
根据所述过渡区域的像素确定所述过渡区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于德联易控科技(北京)有限公司,未经德联易控科技(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011507750.X/1.html,转载请声明来源钻瓜专利网。





