CN106600422A - 一种车险智能定损方法和系统 - Google Patents

一种车险智能定损方法和系统 Download PDF

Info

Publication number
CN106600422A
CN106600422A CN201611045434.9A CN201611045434A CN106600422A CN 106600422 A CN106600422 A CN 106600422A CN 201611045434 A CN201611045434 A CN 201611045434A CN 106600422 A CN106600422 A CN 106600422A
Authority
CN
China
Prior art keywords
vehicle
damage
loss
extent
setting loss
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201611045434.9A
Other languages
English (en)
Inventor
林晟
郭佳双
顾鹏程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN201611045434.9A priority Critical patent/CN106600422A/zh
Publication of CN106600422A publication Critical patent/CN106600422A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08Insurance, e.g. risk analysis or pensions

Abstract

本发明公开了本发明公开了一种车险智能定损方法和系统。其车险智能定损方法包括:建立车辆理赔定损数据库;接收客户端发送车险理赔指令和车损图片,结合车辆理赔定损数据库识别车辆的损失部位及损失程度;根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格,从而实现了提高定损效率,降低案件定损偏差,减少人为操作风险。在图片识别基础匹配数据库价格,完成系统自动化定损,提供了定损的智能化程度。

Description

一种车险智能定损方法和系统
技术领域
[0001] 本发明涉及车险理赔定损技术,特别涉及一种车险智能定损方法和系统。
背景技术
[0002]随着社会的发展,交通车辆越来越多,车辆参加保险已经是购买车辆后第一道手续。随着车辆的增多,车辆交通事故的绝对数量也相应变大。当投保车辆发生交通事故时,保险公司的第一件事就是到现场查勘定损。
[0003]车辆定损工作一直是一项专业技术性很强的工作,车辆的定损涉及到维修、制造和车主多方面的技术和利益,它是整个车险服务中矛盾比较突出的部分,需要专业人员进行。
[0004]因此,目前车辆定损基本依靠人工识别,由保险公司定损师前往事故现场或汽车维修厂,对出险车辆进行定损。这种传统的人工定损方式存在着以下几个方面的问题:
(1)必须到现场对出险车辆进行检查、测试,对于定损师而言,工作量较大,工作效率低下;
(2)发生事故的位置是随机的,可能会是在距离保险公司定损中心非常遥远的地区,定损师很难及时赶赴事故现场,无法保障车辆定损的时效性。
[0005] 因而现有技术还有待改进和提高。
发明内容
[0006] 鉴于上述现有技术的不足之处,本发明的目的在于提供一种车险智能定损方法和系统,以解决现有定损技术定损效率低、案件定损偏差大的问题。
[0007] 为了达到上述目的,本发明采取了以下技术方案:
一种车险智能定损方法,其包括如下步骤:
建立车辆理赔定损数据库;
接收客户端发送车险理赔指令和车损图片,结合车辆理赔定损数据库识别车辆的损失部位及损失程度;
根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格。
[0008] 所述的车险智能定损方法中,所述根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格的步骤之后,所述的车险智能定损方法还包括:
将定损方案、定损价格、客户需支付的金额、预计取车日期反馈至客户端。
[0009] 所述的车险智能定损方法中,所述建立车辆理赔定损数据库的步骤包括:
利用建图软件建立3D汽车模型,并通过模型分块的方式在3D汽车模型上将车辆的不同部位分割成独立单元;
在赔定损数据库中为被分割的独立单元逐一建立数据标签,每个数据标签对应不同配件的不同级别的受损程度;
各配件与各维修厂的定损数据库的配件价格、维修工时及工时价格进行关联。
[0010] 所述的车险智能定损方法中,在识别车辆的损失部位时,具体包括:
在车辆理赔定损数据库中,对海量的典型样本进行数据预处理;
对各典型样本进行特征提取,并组成特征向量;
对特征向量进行归一化处理;
确认典型样本相对应的受损部件名称和/或受损面积信息;
将特征向量与受损部件名称和/或受损面积信息分别作为分类模型的输入输出,训练并确定分类模型;
将车损图片放入分类模型中进行分析识别处理,确定受损部件名称和/或受损面积信息。
[0011] 所述的车险智能定损方法中,在识别车辆的损失程度时,具体包括:
将车损图片与损失程度训练器中的受损程度对照图片进行比对,并选取与受损车辆的受损部件的受损程度相一致的受损程度对照图片;
结合受损部件名称及受损面积信息,对车损图片的受损深度进行识别处理,以确定受损程度信息。
[0012] 所述的车险智能定损方法中,所述将定损方案、定损价格、客户需支付的金额、预计取车日期反馈至客户端供用户确认的步骤包括:
根据受损车辆品牌、车系、车型、损失配件、损失程度信息判断损失配件是否为常规配件;
当损失配件为常规配件时,根据车型、损失部位及损失程度在工时库中查找已选工时项目、并在配件库中查找已选配件项目;
通知客户端提示客户选择维修厂;
调用所选维修厂的配件价格、工时价格、计算定损金额。
[0013] 一种车险智能定损系统,其包括:
数据库建立及维护模块,用于建立并维护车辆理赔定损数据库;
定损识别模块,用于接收定损客户端发送车险理赔指令和车损图片,结合车辆理赔定损数据库识别车辆的损失部位及损失程度;
定损估价模块,用于根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格。
[0014] 所述的车险智能定损系统,还包括:
定损结果确认模块,用于将损失配件、损失程度、配件价格、工时、定损价格、客户需支付的价格、预计取车日期反馈至客户端。
[0015] 所述的车险智能定损系统中,所述定损识别模块包括:
损失部位识别单元,用于对海量的典型样本进行数据预处理;对典型样本进行特征提取,并组成特征向量;对特征向量进行归一化处理;确认典型样本相对应的受损部件名称和/或受损面积信息;将特征向量与受损部件名称和/或受损面积信息分别作为分类模型的输入输出,训练并确定分类模型;将车损图片放入分类模型中进行分析识别处理,确定受损部件名称和/或受损面积信息; 损失程度识别单元,将车损图片与损失程度训练器中的受损程度对照图片进行比对,并选取与受损车辆的受损部件的受损程度相一致的受损程度对照图片;结合受损部件名称及受损面积信息,对车损图片的受损深度进行识别处理,以确定受损程度信息。
[0016] 所述的车险智能定损系统中,所述定损估价模块包括:
判断单元,用于根据受损车辆品牌、车系、车型、损失配件、损失程度信息判断损失配件是否为常规配件;
查找单元,用于当损失配件为常规配件时,根据车型、损失部位及损失程度在工时库中查找已选工时项目、并在配件库中查找已选配件项目;
发送单元,用于通知客户端提示客户选择维修厂;
定损计价单元,用于调用所选维修厂的配件价格、工时价格、计算定损金额。
[0017] 相较于现有技术,本发明提供的车险智能定损方法和系统,其方法包括:建立车辆理赔定损数据库;接收客户端发送车险理赔指令和车损图片,结合车辆理赔定损数据库识别车辆的损失部位及损失程度;根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格,从而实现了提高定损效率,降低案件定损偏差,减少人为操作风险。在图片识别基础匹配数据库价格,完成系统自动化定损,提供了定损的智能化程度。
附图说明
[0018]图1为本发明实施例提供的车险智能定损方法的流程图。
[0019]图2为本发明实施例提供的车险智能定损方法中步骤SlOO的流程图。
[0020]图3为本发明实施例提供的车险智能定损方法中识别损失部位的流程图。
[0021]图4为本发明实施例提供的车险智能定损方法中识别损失程度的流程图。
[0022]图5为本发明实施例提供的车险智能定损系统的示意图。
具体实施方式
[0023] 本发明提供一种车险智能定损方法和系统,旨在解决小额纯车损案件中人工定损定损偏差大、耗时效率低同时定损成本高的问题。
[0024] 为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
[0025] 请参阅图1,图1为本发明实施例提供的车险智能定损方法的流程图。本发明的车险智能定损方法包括如下步骤:
5100、建立车辆理赔定损数据库。
[0026] 步骤SlOO中,在建立定损数据库时,首先、需要在智能定损系统中建立车辆模型,将每个车辆模型分割成不同部位,然后将每个部位进行受损分级设定。其次、将所建车辆模型不同部位与维修厂的定损数据的逻辑关联。其中,建立不同车辆品牌、车系、车型与各维修厂的定损数据的关联,以便于后续定损过程中,得出正确的定损方案。请参阅图2,其具体包括:
5101、利用建图软件建立汽车模型,并通过模型分块的方式在汽车模型上将车辆的不同部位分割成独立单元;所述汽车模型为可旋转的3D车辆模型;
5102、在赔定损数据库中为被分割的独立单元逐一建立数据标签,每个数据标签对应不同配件的不同级别的受损程度;每个配件均设置朋不同受损程度的标签;
5103、将各配件与各维修厂的定损数据库的配件价格、维修工时及工时价格进行关联,以便于后续定损过程中,得出正确的定损方案。在理赔定损数据库建立了基于不同车辆品牌、车系、车型、不同受损部位、不同受损程度、维修行业公允的大数据、维修厂与维修机构定损数据的数据信息之间的逻辑关联;理赔定损数据库和维修机构的定损数据库中均包括所述被分割的独立单元的公允的维修价格、维修方式、维修时间周期信息。
[0027] S200、接收客户端发送车险理赔指令和车损图片,结合车辆理赔定损数据库识别车辆的损失部位及损失程度。
[0028] 本实施例通过自动识别方式进行智能定损,当然也可以采用手动识别方式由查勘人员根据车损图片进行定损操作。
[0029] 在建立理赔定损数据库时还包括:
1)在3D车辆模型上设置触摸,即在3D车辆模型的每个独立单元上设置触摸点;
2)在车辆模型界面上设置点选按钮,如在3D车辆模型的正上方设置受损程度分级的点选按钮;
3)在车辆模型界面上设计“手动识别”按钮选项和“一键定损”按钮选项。
[0030] 在进行定损时,首先:提示客户端输入车辆品牌、车系、车型等信息;之后通知客户端显示计“手动识别”按钮选项和“一键定损”按钮选项(即自动识别方式)供用户或查勘人员选择。
[0031] 在定损查勘时,可由车主或者查勘人员在客户端(如智能手机)上选择手动定损或自动定损选项来选择定损识别类型。
[0032]当采用手动识别模式时,定损系统中显示3D车辆模型,供查勘人员点选车辆模型中损失部位,根据损失部位显示可能损伤的部件及损失程度供查勘人员选择。譬如:当查勘人员点选车辆模型的前部时,显示保险杠、前盖、前车灯等选项,并显示车损险、单玻险、划痕险、损失程度显示:轻、中、重等选项供查勘人员选择,当必备的选项全部被选择时;进入聚焦损失功能,进行定损,并将定损结果反馈至客户端。
[0033]当客户端被选择了自动识别功能时或者一键定损功能时,并在客户端将车损图片传输给智能定损系统后,由智能定损系统对可用的车损图片进行深度识别,分析出损失部位及损失程度。
[0034] 具体来讲,对可用的图片进行深度识别,智能定损系统根据损失识别部位和损失程度,分析出车辆的损失部位及损失程度,形成识别结果,得出部位文字信息和损失程度文字信息,并将定损结果反馈至客户端。本发明需要预先设置受损部件名称和/或受损面积分类模型和损失程度训练器。
[0035] 请参阅图3,在进行深度识别损失部位时,具体包括:
5201、对海量的典型样本进行数据预处理;如对各个受损部件的典型样本、不同损坏面积的各个受损部件典型样本进行数据预处理,所述数据预处理过程包括:模数转换、二值化、图象的平滑、变换、增强、恢复、滤波等;
5202、对各典型样本进行特征提取,并组成特征向量; 5203、对特征向量进行归一化处理;
5204、确认典型样本相对应的受损部件名称和/或受损面积信息;
5205、将特征向量与受损部件名称和/或受损面积信息分别作为分类模型的输入输出,训练并确定分类模型;
5206、将车损图片放入分类模型中进行分析识别处理,确定受损部件名称和/或受损面积信息。其中,分类模型包括根据现有技术中任一分类方式建立的分类模型,如SVM、贝叶斯算法、最近邻分类算法、最大期望算法等。
[0036] 请参阅图4,在进行深度识别损失程度时,具体包括如下步骤:
5211、将客户端提供的受损车辆的受损部件的图像信息与损失程度训练器中预置的受损程度对照图片进行比对,并选取与受损车辆的受损部件的受损程度相一致的受损程度对照图片;如有没有受损程度一致的照片,则选择受损程最接近的一张照片;
5212、结合受损部件名称及受损面积信息,基于已建立的虚拟3D模型对图像信息中的受损深度进行识别处理,以确定受损程度信息。
[0037]预置的受损程度对照图片可为历史受损车辆案例中的实际受损部件的受损程度的样例,引导用户选择与最符合真实损伤的受损程度,降低了用户确定损伤程度的复杂度并提尚准确性。
[0038] S300、根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格。
[0039]具体地,在步骤S300中,所述定损方案包括损失配件、损失程度、配件价格、工时等。具体来讲,首先,根据车辆品牌、车系、车型、损失配件、损失程度等信息判断损失配件是否为常规配件;如果是,则根据车型、损失部位及损失程度在工时库中查找已选工时项目、在配件库中查找已选配件项目;之后,通知客户端提示客户选择维修厂;之后调用所选维修厂的配件价格、工时价格、计算定损金额。其中,已选工时项目和已选配件项目为根据损失配件和损失程度,判断需维护或更换时,必选的项目。
[0040] 如果损失配件中包含特殊配件,则根据车型、损失部位及损失程度在工时库中查找已选工时项目、待先工时,在配件库中查找已选配件项目、待选配件,并提交人工审核,由人工后台确认需更换配件及相关的工时,再通知客户端提示客户选择维修厂;之后根据所选维修厂的配件价格、工时价格、计算定损金额。
[0041] 其中,在步骤S300之后,所述的方法还包括:
S400、将定损方案、定损价格、客户需支付的金额、预计取车日期等信息反馈至客户端供用户确认。
[0042] 在用户确认后,将定损结果提交至进行后台工人审核。当客户端收到用户的确认指令时,直接提示用户将损坏车辆送至相关的维修厂;当客户端收到用户反对该定损结果时,进入人工定损流程。其为现有技术,此处不作详述。
[0043] 本发明还提供一种车险智能定损系统,请参阅图5,其包括:
数据库建立及维护模块10,用于建立并维护车辆理赔定损数据库;
定损识别模块20,用于接收定损客户端发送车险理赔指令和车损图片,结合车辆理赔定损数据库识别车辆的损失部位及损失程度;
定损估价模块30,用于根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格;
定损结果确认模块40,用于将损失配件、损失程度、配件价格、工时、定损价格、客户需支付的价格、预计取车日期等信息反馈至客户端供用户确认;
具体请参阅上述方法对应的实施例。
[0044] 其中,所述所述定损识别模块包括:
损失部位识别单元,用于对海量的典型样本进行数据预处理;对典型样本进行特征提取,并组成特征向量;对特征向量进行归一化处理;确认典型样本相对应的受损部件名称和/或受损面积信息;将特征向量与受损部件名称和/或受损面积信息分别作为分类模型的输入输出,训练并确定分类模型;将车损图片放入分类模型中进行分析识别处理,确定受损部件名称和/或受损面积信息;
损失程度识别单元,将车损图片与损失程度训练器中的受损程度对照图片进行比对,并选取与受损车辆的受损部件的受损程度相一致的受损程度对照图片;结合受损部件名称及受损面积信息,对车损图片的受损深度进行识别处理,以确定受损程度信息。
[0045] 具体请参阅上述方法对应的实施例。
[0046] 所述定损估价模块包括:
判断单元,用于根据受损车辆品牌、车系、车型、损失配件、损失程度信息判断损失配件是否为常规配件;
查找单元,用于当损失配件为常规配件时,根据车型、损失部位及损失程度在工时库中查找已选工时项目、并在配件库中查找已选配件项目;
发送单元,用于通知客户端提示客户选择维修厂;
定损计价单元,用于调用所选维修厂的配件价格、工时价格、计算定损金额。
[0047] 综上所述,本发明提供的车险智能定损方法及系统,通过手动方式和自动识别方式(即一键定损功能)进行车损的识别和计价,提高定损效率,降低案件定损偏差,减少人为操作风险。在图片识别基础匹配数据库价格,完成系统自动化定损。
[0048]可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。

Claims (10)

1.一种车险智能定损方法,其特征在于,包括如下步骤: 建立车辆理赔定损数据库; 接收客户端发送车险理赔指令和车损图片,结合车辆理赔定损数据库识别车辆的损失部位及损失程度; 根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格。
2.根据权利要求1所述的车险智能定损方法,其特征在于,所述根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格的步骤之后,所述的车险智能定损方法还包括: 将定损方案、定损价格、客户需支付的金额、预计取车日期反馈至客户端。
3.根据权利要求1或2所述的车险智能定损方法,其特征在于,所述建立车辆理赔定损数据库的步骤包括: 利用建图软件建立3D汽车模型,并通过模型分块的方式在3D汽车模型上将车辆的不同部位分割成独立单元; 在赔定损数据库中为被分割的独立单元逐一建立数据标签,每个数据标签对应不同配件的不同级别的受损程度; 将各配件与各维修厂的定损数据库的配件价格、维修工时及工时价格进行关联。
4.根据权利要求3所述的车险智能定损方法,其特征在于,在识别车辆的损失部位时,具体包括: 在车辆理赔定损数据库中,对海量的典型样本进行数据预处理; 对各典型样本进行特征提取,并组成特征向量; 对特征向量进行归一化处理; 确认典型样本相对应的受损部件名称和/或受损面积信息; 将特征向量与受损部件名称和/或受损面积信息分别作为分类模型的输入输出,训练并确定分类模型; 将车损图片放入分类模型中进行分析识别处理,确定受损部件名称和/或受损面积信息。
5.根据权利要求4所述的车险智能定损方法,其特征在于,在识别车辆的损失程度时,具体包括: 将车损图片与损失程度训练器中的受损程度对照图片进行比对,并选取与受损车辆的受损部件的受损程度相一致的受损程度对照图片; 结合受损部件名称及受损面积信息,对车损图片的受损深度进行识别处理,以确定受损程度信息。
6.根据权利要求4所述的车险智能定损方法,其特征在于,所述将定损方案、定损价格、客户需支付的金额、预计取车日期反馈至客户端供用户确认的步骤包括: 根据受损车辆品牌、车系、车型、损失配件、损失程度信息判断损失配件是否为常规配件; 当损失配件为常规配件时,根据车型、损失部位及损失程度在工时库中查找已选工时项目、并在配件库中查找已选配件项目; 通知客户端提示客户选择维修厂; 调用所选维修厂的配件价格、工时价格、计算定损金额。
7.一种车险智能定损系统,其特征在于,包括: 数据库建立及维护模块,用于建立并维护车辆理赔定损数据库; 定损识别模块,用于接收定损客户端发送车险理赔指令和车损图片,结合车辆理赔定损数据库识别车辆的损失部位及损失程度; 定损估价模块,用于根据车型、损失部位及损失程度、客户端选择的维修厂从车辆理赔定损数据库中查找定损方案,并计算定损价格。
8.根据权利要求7所述的车险智能定损系统,其特征在于,还包括: 定损结果确认模块,用于将损失配件、损失程度、配件价格、工时、定损价格、客户需支付的价格、预计取车日期反馈至客户端。
9.根据权利要求7或8所述的车险智能定损系统,其特征在于,所述定损识别模块包括: 损失部位识别单元,用于对海量的典型样本进行数据预处理;对典型样本进行特征提取,并组成特征向量;对特征向量进行归一化处理;确认典型样本相对应的受损部件名称和/或受损面积信息;将特征向量与受损部件名称和/或受损面积信息分别作为分类模型的输入输出,训练并确定分类模型;将车损图片放入分类模型中进行分析识别处理,确定受损部件名称和/或受损面积信息; 损失程度识别单元,将车损图片与损失程度训练器中的受损程度对照图片进行比对,并选取与受损车辆的受损部件的受损程度相一致的受损程度对照图片;结合受损部件名称及受损面积信息,对车损图片的受损深度进行识别处理,以确定受损程度信息。
10.根据权利要求7或8所述的车险智能定损系统,其特征在于,所述定损估价模块包括: 判断单元,用于根据受损车辆品牌、车系、车型、损失配件、损失程度信息判断损失配件是否为常规配件; 查找单元,用于当损失配件为常规配件时,根据车型、损失部位及损失程度在工时库中查找已选工时项目、并在配件库中查找已选配件项目; 发送单元,用于通知客户端提示客户选择维修厂; 定损计价单元,用于调用所选维修厂的配件价格、工时价格、计算定损金额。
CN201611045434.9A 2016-11-24 2016-11-24 一种车险智能定损方法和系统 Pending CN106600422A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611045434.9A CN106600422A (zh) 2016-11-24 2016-11-24 一种车险智能定损方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611045434.9A CN106600422A (zh) 2016-11-24 2016-11-24 一种车险智能定损方法和系统

Publications (1)

Publication Number Publication Date
CN106600422A true CN106600422A (zh) 2017-04-26

Family

ID=58593046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611045434.9A Pending CN106600422A (zh) 2016-11-24 2016-11-24 一种车险智能定损方法和系统

Country Status (1)

Country Link
CN (1) CN106600422A (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133876A (zh) * 2017-05-08 2017-09-05 明觉科技(北京)有限公司 车辆定损方法及定损客户端
CN107194323A (zh) * 2017-04-28 2017-09-22 阿里巴巴集团控股有限公司 车辆定损图像获取方法、装置、服务器和终端设备
CN107622448A (zh) * 2017-08-28 2018-01-23 武汉六点整北斗科技有限公司 一种交通事故的保险验证方法及相关产品
CN107679996A (zh) * 2017-10-10 2018-02-09 民太安财产保险公估股份有限公司 车险理赔方法及系统
CN108062712A (zh) * 2017-11-21 2018-05-22 阿里巴巴集团控股有限公司 一种车险定损数据的处理方法、装置和处理设备
CN108090733A (zh) * 2017-12-11 2018-05-29 东软集团股份有限公司 一种实现车险直赔的方法和装置
CN108197007A (zh) * 2018-01-23 2018-06-22 广东欧珀移动通信有限公司 电子设备、数据处理方法及相关产品
CN108205758A (zh) * 2017-12-12 2018-06-26 北京好修科技有限公司 一种信息获取方法及其应用服务器、系统
CN108334906A (zh) * 2018-02-08 2018-07-27 杭州华选信息科技有限公司 一种金融典当服务的抵押物自动识别评估方法和装置
CN109443301A (zh) * 2018-09-25 2019-03-08 平安科技(深圳)有限公司 一种车辆定损方法、计算机可读存储介质及服务器
CN109614935A (zh) * 2018-12-12 2019-04-12 泰康保险集团股份有限公司 车辆定损方法及装置、存储介质及电子设备
CN109767339A (zh) * 2018-12-03 2019-05-17 中国人民财产保险股份有限公司 一种事故车辆的理赔数据确定方法、装置及系统
WO2019100839A1 (zh) * 2017-11-21 2019-05-31 阿里巴巴集团控股有限公司 识别车辆受损部件的方法、装置、服务器、客户端及系统
CN109948811A (zh) * 2019-01-31 2019-06-28 德联易控科技(北京)有限公司 车辆定损的处理方法、装置及电子设备
WO2020206900A1 (zh) * 2019-04-09 2020-10-15 平安科技(深圳)有限公司 车辆定损方法、装置、计算机设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310223A (zh) * 2013-03-13 2013-09-18 四川天翼网络服务有限公司 一种基于图像识别的车辆定损系统及方法
CN106021548A (zh) * 2016-05-27 2016-10-12 大连楼兰科技股份有限公司 基于分布式人工智能图像识别的远程定损方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310223A (zh) * 2013-03-13 2013-09-18 四川天翼网络服务有限公司 一种基于图像识别的车辆定损系统及方法
CN106021548A (zh) * 2016-05-27 2016-10-12 大连楼兰科技股份有限公司 基于分布式人工智能图像识别的远程定损方法及系统

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194323A (zh) * 2017-04-28 2017-09-22 阿里巴巴集团控股有限公司 车辆定损图像获取方法、装置、服务器和终端设备
CN107194323B (zh) * 2017-04-28 2020-07-03 阿里巴巴集团控股有限公司 车辆定损图像获取方法、装置、服务器和终端设备
CN107133876A (zh) * 2017-05-08 2017-09-05 明觉科技(北京)有限公司 车辆定损方法及定损客户端
WO2018205904A1 (zh) * 2017-05-08 2018-11-15 周凯 车辆定损方法、定损客户端及计算机可读介质
CN107622448A (zh) * 2017-08-28 2018-01-23 武汉六点整北斗科技有限公司 一种交通事故的保险验证方法及相关产品
CN107679996A (zh) * 2017-10-10 2018-02-09 民太安财产保险公估股份有限公司 车险理赔方法及系统
TWI686746B (zh) * 2017-11-21 2020-03-01 香港商阿里巴巴集團服務有限公司 識別車輛受損部件的方法、裝置、伺服器、客戶端及系統
WO2019100839A1 (zh) * 2017-11-21 2019-05-31 阿里巴巴集团控股有限公司 识别车辆受损部件的方法、装置、服务器、客户端及系统
CN108062712B (zh) * 2017-11-21 2020-11-06 创新先进技术有限公司 一种车险定损数据的处理方法、装置和处理设备
CN108062712A (zh) * 2017-11-21 2018-05-22 阿里巴巴集团控股有限公司 一种车险定损数据的处理方法、装置和处理设备
CN108090733A (zh) * 2017-12-11 2018-05-29 东软集团股份有限公司 一种实现车险直赔的方法和装置
CN108205758A (zh) * 2017-12-12 2018-06-26 北京好修科技有限公司 一种信息获取方法及其应用服务器、系统
CN108197007A (zh) * 2018-01-23 2018-06-22 广东欧珀移动通信有限公司 电子设备、数据处理方法及相关产品
CN108197007B (zh) * 2018-01-23 2021-06-29 Oppo广东移动通信有限公司 电子设备、数据处理方法及相关产品
CN108334906A (zh) * 2018-02-08 2018-07-27 杭州华选信息科技有限公司 一种金融典当服务的抵押物自动识别评估方法和装置
CN108334906B (zh) * 2018-02-08 2021-02-23 北京鑫车科技有限公司 一种金融典当服务的抵押物自动识别评估方法和装置
CN109443301A (zh) * 2018-09-25 2019-03-08 平安科技(深圳)有限公司 一种车辆定损方法、计算机可读存储介质及服务器
CN109767339A (zh) * 2018-12-03 2019-05-17 中国人民财产保险股份有限公司 一种事故车辆的理赔数据确定方法、装置及系统
CN109614935A (zh) * 2018-12-12 2019-04-12 泰康保险集团股份有限公司 车辆定损方法及装置、存储介质及电子设备
CN109948811A (zh) * 2019-01-31 2019-06-28 德联易控科技(北京)有限公司 车辆定损的处理方法、装置及电子设备
WO2020206900A1 (zh) * 2019-04-09 2020-10-15 平安科技(深圳)有限公司 车辆定损方法、装置、计算机设备及存储介质

Similar Documents

Publication Publication Date Title
CN106600422A (zh) 一种车险智能定损方法和系统
CN106780048A (zh) 一种智能车险的自助理赔方法、自助理赔装置及系统
CN106600421A (zh) 一种基于图片识别的车险智能定损方法及系统
CN104268783B (zh) 车辆定损估价的方法、装置和终端设备
US8510196B1 (en) Feedback loop in mobile damage assessment and claims processing
EP3520051A1 (en) Image-based vehicle damage determining method, apparatus, and electronic device
CN101449280B (zh) 验证引擎
US10803532B1 (en) Processing insured items holistically with mobile damage assessment and claims processing
WO2008030360A2 (en) Method for vehicle repair estimate and scheduling
KR101495306B1 (ko) 온라인 동산담보대출시스템
CN108305391A (zh) 加油信息采集处理方法及加油服务系统
KR20160091834A (ko) 네트워크 실시간 동영상 서비스 거래에 대한 관리시스템
CN106600420A (zh) 一种车险智能定损网询询价方法及系统
KR20190137669A (ko) 자동으로 사고 차량의 파손 정도를 산출하는 장치, 방법 및 컴퓨터 프로그램
CN110781381A (zh) 基于神经网络的数据验证方法、装置、设备及存储介质
WO2015192593A1 (zh) 公交自动扣费方法、公交终端及公交系统
US10373260B1 (en) Imaging processing system for identifying parts for repairing a vehicle
KR20120114099A (ko) 차량 인식장치와 그 방법 및 차량 인식 기반 차량 출입 관리방법
TWI710997B (zh) 車險自動賠付方法和系統
US20180350163A1 (en) Method of Externally Assessing Damage to a Vehicle
KR102064776B1 (ko) 무인 주차장 차량 데이터베이스 관리 시스템 및 방법
TWM602258U (zh) 車體定損輔助系統
KR102270499B1 (ko) 이미지 기반의 차량 손상 판정 방법과 장치, 및 전자기기
CN112053250A (zh) 基于视频的车险自助理赔方法、装置、设备
KR102274107B1 (ko) 무인 키오스크 플랫폼과 이를 이용한 드라이브 스루 주문 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170426

RJ01 Rejection of invention patent application after publication