CN108550080A - 物品定损方法及装置 - Google Patents
物品定损方法及装置 Download PDFInfo
- Publication number
- CN108550080A CN108550080A CN201810220310.2A CN201810220310A CN108550080A CN 108550080 A CN108550080 A CN 108550080A CN 201810220310 A CN201810220310 A CN 201810220310A CN 108550080 A CN108550080 A CN 108550080A
- Authority
- CN
- China
- Prior art keywords
- setting loss
- article
- shooting
- surface structure
- waiting
- 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
Links
- 230000006378 damage Effects 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 34
- 208000027418 Wounds and injury Diseases 0.000 claims abstract description 20
- 208000014674 injury Diseases 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 230000001066 destructive effect Effects 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 12
- 238000010276 construction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 239000000428 dust Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000000472 traumatic effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004922 lacquer Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 208000037974 severe injury Diseases 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/17—Image acquisition using hand-held instruments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/022—Casings
- G01N2201/0221—Portable; cableless; compact; hand-held
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
- G01N2201/1296—Using chemometrical methods using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/12—Acquisition of 3D measurements of objects
- G06V2201/121—Acquisition of 3D measurements of objects using special illumination
Abstract
本说明书实施例提供一种物品定损方法及装置,在物品定损方法中,移动终端在检测到拍摄设备处于拍摄状态时,确定拍摄设备对待定损物品的拍摄区域,并获取对应于该拍摄区域的拍摄图像。向待定损物品的拍摄区域发射多束红外线,以确定待定损物品的损伤部位的表面结构信息和表面材料信息。将拍摄图像、表面结构信息以及表面材料信息输入预先构建的损伤识别模型。输出待定损物品的损伤部位的损伤程度。
Description
技术领域
本说明书一个或多个实施例涉及计算机技术领域,尤其涉及一种物品定损方法及装置。
背景技术
在保险行业,用户在物品损伤提出理赔申请时,保险公司需要对物品的损伤程度进行评估,以确定需要修复的项目清单以及赔付金额。目前的评估方式主要有两种:第一种方式是,通过保险公司或第三方公估机构查勘员,对发生损坏的物品进行现场评估。第二种方式是,由用户在保险公司人员的指导下,对损坏物品拍照,通过网络传递给保险公司,再由定损员通过照片进行远程定损。
因此,需要提供一种更高效地物品定损方案。
发明内容
本说明书一个或多个实施例描述了一种物品定损方法及装置,可以自动地对待定损物品的损伤程度进行评估。
第一方面,提供了一种物品定损方法,包括:
移动终端检测拍摄设备是否处于拍摄状态;
当检测到所述拍摄设备处于拍摄状态时,确定所述拍摄设备对待定损物品的拍摄区域,所述拍摄区域覆盖所述待定损物品的损伤部位,并获取对应于所述拍摄区域的拍摄图像;
向所述待定损物品的所述拍摄区域发射多束红外线,以确定所述待定损物品的损伤部位的表面结构信息以及表面材料信息;
将所述拍摄图像、所述表面结构信息以及所述表面材料信息输入预先构建的损伤识别模型;
输出所述待定损物品的损伤部位的损伤程度。
第二方面,提供了一种物品定损装置,包括:
检测单元,用于检测拍摄设备是否处于拍摄状态;
确定单元,用于当所述检测单元检测到所述拍摄设备处于拍摄状态时,确定所述拍摄设备对待定损物品的拍摄区域,所述拍摄区域覆盖所述待定损物品的损伤部位,并获取对应于所述拍摄区域的拍摄图像;
通信单元,用于向所述确定单元确定的所述待定损物品的所述拍摄区域发射多束红外线,以确定所述待定损物品的损伤部位的表面结构信息以及表面材料信息;
输入单元,用于将所述拍摄图像、所述表面结构信息以及所述表面材料信息输入预先构建的损伤识别模型;
输出单元,用于输出所述待定损物品的损伤部位的损伤程度。
本说明书一个或多个实施例提供的物品定损方法及装置,移动终端在检测到拍摄设备处于拍摄状态时,确定拍摄设备对待定损物品的拍摄区域,并获取对应于该拍摄区域的拍摄图像。向待定损物品的拍摄区域发射多束红外线,以确定待定损物品的损伤部位的表面结构信息和表面材料信息。将拍摄图像、表面结构信息以及表面材料信息输入预先构建的损伤识别模型。输出待定损物品的损伤部位的损伤程度。由此,实现了对待定损物品损伤程度的自动评估。
附图说明
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本说明书一个实施例提供的物品定损方法的应用场景示意图;
图2为本说明书一个实施例提供的物品定损方法流程图;
图3为本说明书提供的表面起伏分布图的构造过程示意图;
图4为本说明书提供的表面材料分布图的构造过程示意图;
图5为本说明书提供的物品定损过程示意图;
图6为本说明书一个实施例提供的物品定损装置示意图。
具体实施方式
下面结合附图,对本说明书提供的方案进行描述。
本说明书一个实施例提供的物品定损方法可以应用于如图1所示的场景中,图1中的移动终端例如可以为手机、平板电脑等,其可以包括拍摄设备。此外,还可以包括多组红外线发射器以及多组接收传感器。其中,红外线发射器可以发射红外线,接收传感器可以接收来自红外线发射器的红外线,并感知接收的红外线的温度。图1中的待定损物品例如可以为单车或者汽车等。
需要说明的是,图1中,移动终端的拍摄设备可以与红外线发射器和/或接收传感器同时运行。具体地,移动终端可以在对待定损物品的损伤部位拍照时,启用多组红外线发射器向待定损物品的拍摄区域发射多束红外线,以确定待定损物品的损伤部位的表面结构信息(也称深度信息)和表面材料信息。之后,可以将拍摄图像(视觉信息)、表面结构信息以及表面材料信息输入预先构建的损伤识别模型。以输出待定损物品的损伤部位的损伤程度。由此,既可以提高对待定损物品损伤程度的检测效率,又可以提高检测的损伤程度的准确性。
图2为本说明书一个实施例提供的物品定损方法流程图。所述方法的执行主体可以为图1中的移动终端。如图2所示,所述方法具体可以包括:
步骤210,移动终端检测拍摄设备是否处于拍摄状态。
以移动终端为手机为例来说,此处的拍摄设备可以为手机内置的相机。
步骤220,当检测到拍摄设备处于拍摄状态时,确定拍摄设备对待定损物品的拍摄区域,并获取对应于拍摄区域的拍摄图像。
在一种实现方式中,可以是根据拍摄设备的取景器在对待定损物品对焦成功后所显示的取景范围,来确定上述拍摄区域。可以理解的是,在用户通过移动终端对待定损物品的损伤部位进行拍照时,上述取景范围可以覆盖待定损物品的损伤部位,从而确定的拍摄区域可以覆盖待定损物品的损伤部位。
可以理解的是,当拍摄区域覆盖待定损物品的损伤部位时,对应于拍摄区域的拍摄图像即为对待定损物品的损伤部位拍摄的照片。
步骤230,向待定损物品的拍摄区域发射多束红外线,以确定待定损物品的损伤部位的表面结构信息以及表面材料信息。
在一种实现方式中,表面结构信息的确定过程可以为:移动终端通过多组红外线发射器向待定损物品的拍摄区域发射多束红外线,并记录各束红外线的发射时间和发射速度。之后通过多组接收传感器接收待定损物品在接收到多束红外线之后返回的多束红外线,并记录返回的各束红外线的接收时间。最后根据记录的多个发射时间、多个发射速度以及多个接收时间,就可以确定移动终端与损伤部位的多个不同的距离。根据该多个不同的距离,就可以得到损伤部位的三维立体结构,也即可以确定出待定损物品的损伤部位的表面结构信息。
在确定上述表面结构信息之后,移动终端可以构造损伤部位的表面起伏分布图。可以理解的是,根据该构造的表面起伏分布图,可以判断损伤部位的表面是否存在凹陷变形类的损伤。
在一个例子中,上述表面起伏分布图的构造过程可以如图3所示,图3中,移动终端还可以包括转换单元。该转换单元用于将接收的红外线信号转换为数字信号,以便计算机能够对其进行处理。从图3可以看出,最后构造的表面起伏分布图可以是三维的,由此可以更方便对损伤部位的损伤程度进行判断。
当然,在实际应用中,当移动终端还包括景深摄像头或者双目摄像头时,还可以结合景深摄像头或者双目摄像头采集的图像,来进一步对上述表面结构信息进行修正,由此,可以提高对损伤部位损伤程度判断的准确性。
上述是表面结构信息的确定过程,表面材料信息的确定过程可以为:移动终端通过多组红外线发射器向待定损物品的拍摄区域发射多束红外线。之后通过多组接收传感器接收待定损物品在接收到多束红外线之后返回的多束红外线,并记录返回的各束红外线的接收温度。最后根据记录的多个接收温度,就可以确定损伤部位的表面材料信息。该确定过程的原理是:不同材料返回的红外线的温度不同。
在确定出上述表面结构信息之后,移动终端可以构造损伤部位的表面材料分布图。可以理解的是,根据该构造的表面材料分布图,可以判断损伤部位是否存在漆面脱落,是否有尘土覆盖,是否有金属层漏出等。
在一个例子中,上述表面材料分布图的构造过程可以如图4所示,图4中,移动终端也可以包括转换单元(同上所述)。
可以理解的是,上述表面结构信息和表面材料信息的确定过程可以分开进行,也可以同时进行,本说明书对此不作限定。
步骤240,将拍摄图像、表面结构信息以及表面材料信息输入预先构建的损伤识别模型。
步骤250,输出待定损物品的损伤部位的损伤程度。
此处的损伤识别模型可以是根据多个样本物品的损伤部位的拍摄图像、表面结构信息、表面材料信息以及深度神经网络算法得到的。具体地,可以预先收集多个样本物品,并为其添加样本标签(如,轻微损伤、中度损伤或者重度损伤等)。然后针对该样本物品的损伤部位进行拍照,并获取损伤部位的表面结构信息和表面材料信息(其获取过程同上所述)。最后,基于样本物品的样本标签、损伤部位的拍摄图像、表面结构信息以及表面材料信息,对深度神经网络算法进行训练,就可以得到损伤识别模型。其中,基于样本数据训练模型属于传统常规技术,在此不复赘述。
需要说明的是,当深度神经网络算法为卷积神经网络算法时,训练得到的损伤识别模型可以包括:卷积层、池化层以及全连接层。
在一个例子中,将拍摄图像、表面结构信息以及表面材料信息输入根据卷积神经网络算法训练得到的损伤识别模型,以识别损伤部位的损伤程度的过程示意图可以如图5所示。
本实施例最后输出的损伤程度例如可以为:轻微损伤(包括轻微的凹陷、油漆脱落等)、中度损伤以及中度损伤等。当然,在实际应用中,还可以为其它用于表示损伤程度的信息,本说明书对此不作限定。
综上,本说明书实施例提供的方案具有如下优点:
1)结合待定损物品的损伤部位的表面结构信息和拍摄图像,可以提升凹陷、变形类损伤识别的准确率。
2)利用损伤部位的表面材质信息和表面结构信息,可以对反光、倒影、尘土污渍等视觉干扰因素进行修正,防止深度神经网络将上述视觉干扰因素错误识别为损伤。
3)对损伤程度进行更精准地判断,尤其对轻微的凹陷、油漆脱落等损伤,能够将准确程度提升到单凭视觉信息无法达到的高度。
总之,本方案在对待定损物品的损伤部位进行定损时,在将损伤部位的图像作为考量特征的同时,考虑了损伤部位的表面结构信息和表面材料信息的方式,可以提供更完整的损伤识别能力。此外,本方案通过移动终端自动对损伤部位定损,可以大幅减少损伤鉴定对人员经验的要求,提供公正客观的鉴定结果,提高欺诈造假的难度,以及让用户能够自行提供准确可靠的鉴定结果,减少保险公司现场人工查勘的成本。
与上述物品定损方法对应地,本说明书一个实施例还提供的一种物品定损装置,如图6所示,该装置包括:
检测单元601,用于检测拍摄设备是否处于拍摄状态。
确定单元602,用于当检测单元601检测到拍摄设备处于拍摄状态时,确定拍摄设备对待定损物品的拍摄区域,该拍摄区域覆盖待定损物品的损伤部位,并获取对应于拍摄区域的拍摄图像。
通信单元603,用于向确定单元602确定的待定损物品的拍摄区域发射多束红外线,以确定待定损物品的损伤部位的表面结构信息以及表面材料信息。
该通信单元603可以包括多组红外线发射器和与多组红外线发射器对应的多组接收传感器。
输入单元604,用于将拍摄图像、表面结构信息以及表面材料信息输入预先构建的损伤识别模型。
输出单元605,用于输出待定损物品的损伤部位的损伤程度。
可选地,通信单元603具体可以用于:
向待定损物品的拍摄区域发射多束红外线,并记录发射时间和发射速度。
接收待定损物品在接收到多束红外线之后返回的多束红外线,并记录接收时间和接收温度。
根据发射时间、发射速度以及接收时间,确定待定损物品的损伤部位的表面结构信息。
根据接收温度,确定待定损物品的损伤部位的表面材料信息。
可选地,该装置还可以包括:
采集单元606,用于通过景深摄像头或者双目摄像头采集待定损物品的目标图像。
修正单元607,用于根据采集单元606采集的目标图像,对表面结构信息进行修正,得到修正后的表面结构信息。
输入单元604具体可以用于:
将拍摄图像、修正后的表面结构信息以及表面材料信息输入预先构建的损伤识别模型。
该损伤识别模型可以是根据多个样本物品的损伤部位的拍摄图像、表面结构信息、表面材料信息以及深度神经网络算法得到的。
本说明书上述实施例装置的各功能模块的功能,可以通过上述方法实施例的各步骤来实现,因此,本说明书一个实施例提供的装置的具体工作过程,在此不复赘述。
本说明书一个实施例提供的物品定损装置,检测单元601检测拍摄设备是否处于拍摄状态。当检测到拍摄设备处于拍摄状态时,确定单元602确定拍摄设备对待定损物品的拍摄区域,并获取对应于拍摄区域的拍摄图像。通信单元603向待定损物品的拍摄区域发射多束红外线,以确定待定损物品的损伤部位的表面结构信息以及表面材料信息。输入单元604将拍摄图像、表面结构信息以及表面材料信息输入预先构建的损伤识别模型。输出单元605输出待定损物品的损伤部位的损伤程度。由此,实现了对待定损物品损伤程度的自动评估。
本说明书实施例提供的物品定损装置可以为图1中移动终端的一个模块或者单元。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本说明书所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式,对本说明书的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本说明书的具体实施方式而已,并不用于限定本说明书的保护范围,凡在本说明书的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本说明书的保护范围之内。
Claims (10)
1.一种物品定损方法,其特征在于,包括:
移动终端检测拍摄设备是否处于拍摄状态;
当检测到所述拍摄设备处于拍摄状态时,确定所述拍摄设备对待定损物品的拍摄区域,所述拍摄区域覆盖所述待定损物品的损伤部位,并获取对应于所述拍摄区域的拍摄图像;
向所述待定损物品的所述拍摄区域发射多束红外线,以确定所述待定损物品的损伤部位的表面结构信息以及表面材料信息;
将所述拍摄图像、所述表面结构信息以及所述表面材料信息输入预先构建的损伤识别模型;
输出所述待定损物品的损伤部位的损伤程度。
2.根据权利要求1所述的方法,其特征在于,所述向所述待定损物品的所述拍摄区域发射多束红外线,以确定所述待定损物品的损伤部位的表面结构信息和表面材料信息,包括:
向所述待定损物品的所述拍摄区域发射多束红外线,并记录发射时间和发射速度;
接收所述待定损物品在接收到所述多束红外线之后返回的多束红外线,并记录接收时间和接收温度;
根据所述发射时间、所述发射速度以及所述接收时间,确定所述待定损物品的损伤部位的表面结构信息;
根据所述接收温度,确定待定损物品的损伤部位的表面材料信息。
3.根据权利要求2所述的方法,其特征在于,还包括:
通过景深摄像头或者双目摄像头采集所述待定损物品的目标图像;
根据所述目标图像,对所述表面结构信息进行修正,得到修正后的表面结构信息;
所述将所述拍摄图像、所述表面结构信息以及所述表面材料信息输入预先构建的损伤识别模型,包括:
将所述拍摄图像、所述修正后的表面结构信息以及所述表面材料信息输入预先构建的损伤识别模型。
4.根据权利要求2所述的方法,其特征在于,所述移动终端通过多组红外线发射器发射所述多束红外线;所述移动终端通过与所述多组红外线发射器对应的多组接收传感器接收返回的多束红外线。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述损伤识别模型是根据多个样本物品的损伤部位的拍摄图像、表面结构信息、表面材料信息以及深度神经网络算法得到的。
6.一种物品定损装置,其特征在于,包括:
检测单元,用于检测拍摄设备是否处于拍摄状态;
确定单元,用于当所述检测单元检测到所述拍摄设备处于拍摄状态时,确定所述拍摄设备对待定损物品的拍摄区域,所述拍摄区域覆盖所述待定损物品的损伤部位,并获取对应于所述拍摄区域的拍摄图像;
通信单元,用于向所述确定单元确定的所述待定损物品的所述拍摄区域发射多束红外线,以确定所述待定损物品的损伤部位的表面结构信息以及表面材料信息;
输入单元,用于将所述拍摄图像、所述表面结构信息以及所述表面材料信息输入预先构建的损伤识别模型;
输出单元,用于输出所述待定损物品的损伤部位的损伤程度。
7.根据权利要求6所述的装置,其特征在于,所述通信单元具体用于:
向所述待定损物品的所述拍摄区域发射多束红外线,并记录发射时间和发射速度;
接收所述待定损物品在接收到所述多束红外线之后返回的多束红外线,并记录接收时间和接收温度;
根据所述发射时间、所述发射速度以及所述接收时间,确定所述待定损物品的损伤部位的表面结构信息;
根据所述接收温度,确定待定损物品的损伤部位的表面材料信息。
8.根据权利要求7所述的装置,其特征在于,还包括:
采集单元,用于通过景深摄像头或者双目摄像头采集所述待定损物品的目标图像;
修正单元,用于根据所述采集单元采集的所述目标图像,对所述表面结构信息进行修正,得到修正后的表面结构信息;
所述输入单元具体用于:
将所述拍摄图像、所述修正后的表面结构信息以及所述表面材料信息输入预先构建的损伤识别模型。
9.根据权利要求7所述的装置,其特征在于,所述通信单元包括多组红外线发射器和与所述多组红外线发射器对应的多组接收传感器。
10.根据权利要求6-9任一项所述的装置,其特征在于,所述损伤识别模型是根据多个样本物品的损伤部位的拍摄图像、表面结构信息、表面材料信息以及深度神经网络算法得到的。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810220310.2A CN108550080A (zh) | 2018-03-16 | 2018-03-16 | 物品定损方法及装置 |
EP18909705.8A EP3716204A4 (en) | 2018-03-16 | 2018-11-28 | ARTICLE DAMAGE ASSESSMENT PROCESS AND DEVICE |
PCT/CN2018/117861 WO2019174306A1 (zh) | 2018-03-16 | 2018-11-28 | 物品定损方法及装置 |
SG11202005713XA SG11202005713XA (en) | 2018-03-16 | 2018-11-28 | Article damage evaluation method and apparatus |
TW108100204A TWI683260B (zh) | 2018-03-16 | 2019-01-03 | 物品定損方法及裝置 |
US16/888,598 US11300522B2 (en) | 2018-03-16 | 2020-05-29 | Article damage evaluation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810220310.2A CN108550080A (zh) | 2018-03-16 | 2018-03-16 | 物品定损方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108550080A true CN108550080A (zh) | 2018-09-18 |
Family
ID=63516626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810220310.2A Pending CN108550080A (zh) | 2018-03-16 | 2018-03-16 | 物品定损方法及装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11300522B2 (zh) |
EP (1) | EP3716204A4 (zh) |
CN (1) | CN108550080A (zh) |
SG (1) | SG11202005713XA (zh) |
TW (1) | TWI683260B (zh) |
WO (1) | WO2019174306A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803205A (zh) * | 2016-12-27 | 2017-06-06 | 北京量子保科技有限公司 | 一种用于保险自动核赔的系统和方法 |
CN109900702A (zh) * | 2018-12-03 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 车辆损伤检测的处理方法、装置、设备、服务器和系统 |
CN110045382A (zh) * | 2018-12-03 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 车辆损伤检测的处理方法、装置、设备、服务器和系统 |
WO2019174306A1 (zh) * | 2018-03-16 | 2019-09-19 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
WO2020088076A1 (zh) * | 2018-10-31 | 2020-05-07 | 阿里巴巴集团控股有限公司 | 一种图像标注方法、装置及系统 |
CN111586225A (zh) * | 2020-05-19 | 2020-08-25 | 杨泽鹏 | 一种影像采集辅助系统 |
CN113379745A (zh) * | 2021-08-13 | 2021-09-10 | 深圳市信润富联数字科技有限公司 | 产品缺陷识别方法、装置、电子设备和存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115184378B (zh) * | 2022-09-15 | 2024-03-29 | 北京思莫特科技有限公司 | 一种基于移动设备的混凝土结构病害检测系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995395A (zh) * | 2009-08-14 | 2011-03-30 | 上海镭立激光科技有限公司 | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 |
WO2011042606A1 (en) * | 2009-10-08 | 2011-04-14 | Valtion Teknillinen Tutkimuskeskus | Measuring instrument and method for determination of the properties of an item and its surface |
CN203643383U (zh) * | 2013-12-17 | 2014-06-11 | 上海神洲阳光特种钢管有限公司 | 一种红外探伤装置 |
CN107000118A (zh) * | 2014-07-01 | 2017-08-01 | 通快机床两合公司 | 用于确定工件的材料类型和/或表面特征的方法和设备 |
CN107392218A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6495833B1 (en) * | 2000-01-20 | 2002-12-17 | Research Foundation Of Cuny | Sub-surface imaging under paints and coatings using early light spectroscopy |
DE10305861A1 (de) * | 2003-02-13 | 2004-08-26 | Adam Opel Ag | Vorrichtung eines Kraftfahrzeuges zur räumlichen Erfassung einer Szene innerhalb und/oder außerhalb des Kraftfahrzeuges |
US7451657B2 (en) * | 2004-01-16 | 2008-11-18 | Jentek Sensors, Inc. | Material condition monitoring with multiple sensing modes |
WO2009129496A2 (en) * | 2008-04-17 | 2009-10-22 | The Travelers Indemnity Company | A method of and system for determining and processing object structure condition information |
US9424606B2 (en) * | 2011-04-28 | 2016-08-23 | Allstate Insurance Company | Enhanced claims settlement |
US20140201022A1 (en) * | 2013-01-16 | 2014-07-17 | Andre Balzer | Vehicle damage processing and information system |
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 |
US10909628B1 (en) * | 2014-09-22 | 2021-02-02 | State Farm Mutual Automobile Insurance Company | Accident fault determination implementing unmanned aerial vehicles (UAVS) |
US9129355B1 (en) * | 2014-10-09 | 2015-09-08 | State Farm Mutual Automobile Insurance Company | Method and system for assessing damage to infrastructure |
US10523855B2 (en) * | 2015-09-24 | 2019-12-31 | Intel Corporation | Infrared and visible light dual sensor imaging system |
US20170147991A1 (en) * | 2015-11-23 | 2017-05-25 | CSI Holdings I LLC | Vehicle damage report |
US10354386B1 (en) * | 2016-01-27 | 2019-07-16 | United Services Automobile Association (Usaa) | Remote sensing of structure damage |
US11144889B2 (en) * | 2016-04-06 | 2021-10-12 | American International Group, Inc. | Automatic assessment of damage and repair costs in vehicles |
US10692050B2 (en) * | 2016-04-06 | 2020-06-23 | American International Group, Inc. | Automatic assessment of damage and repair costs in vehicles |
CN105915853A (zh) * | 2016-05-27 | 2016-08-31 | 大连楼兰科技股份有限公司 | 基于红外感知的远程无人定损方法及系统 |
CN107358596B (zh) * | 2017-04-11 | 2020-09-18 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置、电子设备及系统 |
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 |
US11087292B2 (en) * | 2017-09-01 | 2021-08-10 | Allstate Insurance Company | Analyzing images and videos of damaged vehicles to determine damaged vehicle parts and vehicle asymmetries |
KR101916347B1 (ko) * | 2017-10-13 | 2018-11-08 | 주식회사 수아랩 | 딥러닝 기반 이미지 비교 장치, 방법 및 컴퓨터 판독가능매체에 저장된 컴퓨터 프로그램 |
JP7073785B2 (ja) * | 2018-03-05 | 2022-05-24 | オムロン株式会社 | 画像検査装置、画像検査方法及び画像検査プログラム |
CN108550080A (zh) * | 2018-03-16 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
US10592934B2 (en) * | 2018-03-30 | 2020-03-17 | The Travelers Indemnity Company | Systems and methods for automated multi-object damage analysis |
CN110570316A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 训练损伤识别模型的方法及装置 |
-
2018
- 2018-03-16 CN CN201810220310.2A patent/CN108550080A/zh active Pending
- 2018-11-28 SG SG11202005713XA patent/SG11202005713XA/en unknown
- 2018-11-28 WO PCT/CN2018/117861 patent/WO2019174306A1/zh unknown
- 2018-11-28 EP EP18909705.8A patent/EP3716204A4/en not_active Ceased
-
2019
- 2019-01-03 TW TW108100204A patent/TWI683260B/zh active
-
2020
- 2020-05-29 US US16/888,598 patent/US11300522B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995395A (zh) * | 2009-08-14 | 2011-03-30 | 上海镭立激光科技有限公司 | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 |
WO2011042606A1 (en) * | 2009-10-08 | 2011-04-14 | Valtion Teknillinen Tutkimuskeskus | Measuring instrument and method for determination of the properties of an item and its surface |
CN203643383U (zh) * | 2013-12-17 | 2014-06-11 | 上海神洲阳光特种钢管有限公司 | 一种红外探伤装置 |
CN107000118A (zh) * | 2014-07-01 | 2017-08-01 | 通快机床两合公司 | 用于确定工件的材料类型和/或表面特征的方法和设备 |
CN107392218A (zh) * | 2017-04-11 | 2017-11-24 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106803205A (zh) * | 2016-12-27 | 2017-06-06 | 北京量子保科技有限公司 | 一种用于保险自动核赔的系统和方法 |
WO2019174306A1 (zh) * | 2018-03-16 | 2019-09-19 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
EP3716204A4 (en) * | 2018-03-16 | 2020-12-30 | Alibaba Group Holding Limited | ARTICLE DAMAGE ASSESSMENT PROCESS AND DEVICE |
US11300522B2 (en) | 2018-03-16 | 2022-04-12 | Advanced New Technologies Co., Ltd. | Article damage evaluation |
WO2020088076A1 (zh) * | 2018-10-31 | 2020-05-07 | 阿里巴巴集团控股有限公司 | 一种图像标注方法、装置及系统 |
CN109900702A (zh) * | 2018-12-03 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 车辆损伤检测的处理方法、装置、设备、服务器和系统 |
CN110045382A (zh) * | 2018-12-03 | 2019-07-23 | 阿里巴巴集团控股有限公司 | 车辆损伤检测的处理方法、装置、设备、服务器和系统 |
CN111586225A (zh) * | 2020-05-19 | 2020-08-25 | 杨泽鹏 | 一种影像采集辅助系统 |
CN111586225B (zh) * | 2020-05-19 | 2021-08-06 | 杨泽鹏 | 一种影像采集辅助系统 |
CN113379745A (zh) * | 2021-08-13 | 2021-09-10 | 深圳市信润富联数字科技有限公司 | 产品缺陷识别方法、装置、电子设备和存储介质 |
CN113379745B (zh) * | 2021-08-13 | 2021-11-30 | 深圳市信润富联数字科技有限公司 | 产品缺陷识别方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
SG11202005713XA (en) | 2020-07-29 |
TW201941100A (zh) | 2019-10-16 |
TWI683260B (zh) | 2020-01-21 |
EP3716204A4 (en) | 2020-12-30 |
WO2019174306A1 (zh) | 2019-09-19 |
EP3716204A1 (en) | 2020-09-30 |
US11300522B2 (en) | 2022-04-12 |
US20200292464A1 (en) | 2020-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108550080A (zh) | 物品定损方法及装置 | |
CN111815675B (zh) | 目标对象的跟踪方法及装置、电子设备和存储介质 | |
CN104422439B (zh) | 导航方法、装置、服务器、导航系统及其使用方法 | |
CN102893129B (zh) | 终端位置确定系统、移动终端以及终端位置确定方法 | |
CN104883502A (zh) | 移动终端的对焦方法及装置 | |
CN109615649A (zh) | 一种图像标注方法、装置及系统 | |
CN108733208A (zh) | 智能设备的交互目标确定方法和装置 | |
TW200947252A (en) | Systems and methods for incident recording | |
CN105357496B (zh) | 一种多源大数据融合的视频监控行人身份识别方法 | |
CN107480129A (zh) | 一种基于视觉识别和语音识别的物品位置识别方法及系统 | |
CN108733417A (zh) | 智能设备的工作模式选择方法和装置 | |
US11418980B2 (en) | Arrangement for, and method of, analyzing wireless local area network (WLAN) field coverage in a venue | |
CN105301585B (zh) | 信息展示方法及装置 | |
CN106384530A (zh) | 一种基于智能手机的停车场停车寻车系统 | |
CN106991376A (zh) | 结合深度信息的侧脸验证方法及装置与电子装置 | |
CN111225340A (zh) | 一种景区寻物方法、装置及存储介质 | |
CN105917262A (zh) | 简易多种测距方式的跟焦系统及拍摄系统 | |
CN115407355B (zh) | 库位地图的验证方法、装置及终端设备 | |
CN107332990A (zh) | 控制方法及可投影移动终端 | |
US11875080B2 (en) | Object sharing method and apparatus | |
Lemoff et al. | Automated, long-range, night/day, active-SWIR face recognition system | |
Uchiyama et al. | Photogrammetric system using visible light communication | |
CN106092016B (zh) | 一种基于深度传感器的林木材积自动检尺系统及方法 | |
CN105157681B (zh) | 室内定位方法、装置和摄像机以及服务器 | |
FR3049144B1 (fr) | Agencement pour, et procede d'analyse d'une couverture de champ de reseau local sans fil (wlan) dans un lieu |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1258943 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180918 |
|
RJ01 | Rejection of invention patent application after publication |