CN110443814A - 车辆的定损方法、装置、设备和存储介质 - Google Patents
车辆的定损方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN110443814A CN110443814A CN201910692914.1A CN201910692914A CN110443814A CN 110443814 A CN110443814 A CN 110443814A CN 201910692914 A CN201910692914 A CN 201910692914A CN 110443814 A CN110443814 A CN 110443814A
- Authority
- CN
- China
- Prior art keywords
- image
- damage
- damaged area
- area
- vehicle
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012549 training Methods 0.000 claims abstract description 47
- 230000011218 segmentation Effects 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims description 43
- 238000001514 detection method Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 12
- 238000002372 labelling Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000003902 lesion Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007790 scraping Methods 0.000 description 2
- 231100000809 Damage Assessment Model Toxicity 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种车辆的定损方法、装置、设备和存储介质，该方法中，电子设备对事故车辆图像进行损伤检测，获取损伤区域的图像；然后根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果；其中，所述损伤分割模型是根据多个进行标签处理后损伤区域提取准确度最高的图像训练得到的，所述损伤分割模型用于获取输入的图像中的损伤区域。通过该方式避免主观因素，降低人工成本，可以更好的分析车辆受损部位，提高车辆定损的准确度。
Description
技术领域
本申请实施例涉及人工智能技术领域，尤其涉及一种车辆的定损方法、装置、设备和存储介质。
背景技术
随着车辆在生活中的广泛应用，道路上出现车辆事故也变的频繁，经常需要对事故中的车辆进行定损。
现有技术中，对于车辆损伤的判断主要依赖人工进行肉眼观测估计，具体实现中，查勘员在车辆事故现场进行现场查勘判断，查勘员在车辆事故现场进行现场查勘判断，作业流程时间长，车主需要在事故现场等待查勘人员到现场作业，车辆需要停留在现场，容易形成交通堵塞，需要投入大量人工成本。或者车主在现场收集事故影像资料，由查勘员利用计算机查看在事故现场拍摄的事故图进行判断，查勘员利用计算机查看在事故现场拍摄的事故图进行判断的方案，查勘人员需要和车主进行沟通开展定损流程，车主沟通不畅容易引起定损质量下降。
综上所述，目前通过人工进行定损的方式，投入的人工成本较高，且存在主观因素，容易引入主观偏差。
发明内容
本申请实施例提供一种车辆的定损方法、装置、设备和存储介质，以解决目前通过人工进行定损的方式，投入的人工成本较高，且存在主观因素，容易引入主观偏差的问题。
本申请第一方面提供一种车辆的定损方法，所述方法包括：
对事故车辆图像进行损伤检测，获取损伤区域的图像；
根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果；
其中，所述损伤分割模型是根据多个进行标签处理后损伤区域提取准确度最高的图像训练得到的，所述损伤分割模型用于获取输入的图像中的损伤区域。
在一种具体实现中，所述对事故车辆图像进行损伤检测，获取损伤区域的图像，包括：
根据用户的操作对所述事故车辆图像中的损伤区域进行标注，得到所述损伤区域的图像；
或者，
根据数据训练检测模型，对所述事故车辆图像进行损伤区域检测，得到所述损伤区域的图像。
在一种具体实现中，所述方法还包括：
对预先获取的多个损伤区域图像分别进行标签化处理，得到每个事故车辆图像对应的三种标注图像；
从每个事故车辆图像对应的三种标注图像中选择出对损伤区域标注准确度最高的标注图像组成训练图像集合；
根据所述训练图像集合训练得到所述损伤分割模型。
在一种具体实现中，所述对预先获取的多个事故车辆图像分别进行标签化处理，得到每个事故车辆图像对应的三种标注图像，包括：
针对每个损伤区域图像，采用canny算子进行边缘提取处理，得到第一图像；
对所述第一图像进行膨胀操作，得到第一种标注图像；
设置两种参数对所述第一图像进行grabcut操作，得到第二种标注图像和第三种标注图像；
其中，所述两种参数包括：
canny提取区域为前景，未提取区域为疑似前景；
canny提取区域为前景，未提取区域为疑似背景。
本申请第二方面提供一种车辆的定损装置，所述装置包括：
第一处理模块，用于对事故车辆图像进行损伤检测，获取损伤区域的图像；
第二处理模块，用于根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果；
其中，所述损伤分割模型是根据多个进行标签处理后损伤区域提取准确度最高的图像训练得到的，所述损伤分割模型用于获取输入的图像中的损伤区域。
可选的，所述第一处理模块具体用于：
根据用户的操作对所述事故车辆图像中的损伤区域进行标注，得到所述损伤区域的图像；
或者，
根据数据训练检测模型，对所述事故车辆图像进行损伤区域检测，得到所述损伤区域的图像。
可选的，所述装置还包括：
第三处理模块，用于对预先获取的多个损伤区域图像分别进行标签化处理，得到每个事故车辆图像对应的三种标注图像；
筛选模块，用于从每个事故车辆图像对应的三种标注图像中选择出对损伤区域标注准确度最高的标注图像组成训练图像集合；
模型训练模块，用于根据所述训练图像集合训练得到所述损伤分割模型。
可选的，所述第三处理模块具体用于：
针对每个损伤区域图像，采用canny算子进行边缘提取处理，得到第一图像；
对所述第一图像进行膨胀操作，得到第一种标注图像；
设置两种参数对所述第一图像进行grabcut操作，得到第二种标注图像和第三种标注图像；
其中，所述两种参数包括：
canny提取区域为前景，未提取区域为疑似前景；
canny提取区域为前景，未提取区域为疑似背景。
本申请第三方面提供一种电子设备，包括：处理器、存储器以及计算机程序；所述计算机程序存储在所述存储器中，所述处理器执行所述计算机程序实现第一方面任一实现方式所述的车辆的定损方法。
本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于实现第一方面任一实现方式所述的车辆的定损方法。
本申请实施例提供的车辆的定损方法、装置、设备和存储介质，电子设备对事故车辆图像进行损伤检测，获取损伤区域的图像；然后根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果；其中，所述损伤分割模型是根据多个进行标签处理后损伤区域提取准确度最高的图像训练得到的，所述损伤分割模型用于获取输入的图像中的损伤区域。通过该方式避免主观因素，降低人工成本，可以更好的分析车辆受损部位，提高车辆定损的准确度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本申请提供的车辆的定损方法实施例一的流程图；
图2为本申请提供的车辆的定损方法实施例二的流程图；
图3为本申请提供的边缘提取示意图；
图4为本申请提供的膨胀操作示意图；
图5为本申请提供的一种grabcut操作示意图；
图6为本申请提供的又一种grabcut操作示意图；
图7为本申请提供的车辆的定损装置实施例一的结构示意图；
图8为本申请提供的车辆的定损装置实施例二的结构示意图；
图9为本申请提供的电子设备实体的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
目前，现有技术中查勘员在车辆事故现场进行现场查勘判断，作业流程时间长，车主需要在事故现场等待查勘人员到现场作业，车辆需要停留在现场，容易形成交通堵塞。查勘员利用计算机查看在事故现场拍摄的事故图进行判断的方案，查勘人员需要和车主进行沟通开展定损流程，车主沟通不畅容易引起定损质量下降。需要投入大量人工成本，人工定损存在主观因素，容易引入主观偏差。
针对上述问题，本申请提供一种车辆的定损方法，避免主观因素，降低人工成本，可以更好的分析车辆受损部位，提高车辆定损的准确度。
在对事故车辆进行定损时候，还可以依赖受损区域照片进行分析。
在车辆事故现场拍摄车辆受损区域的照片，使用计算机视觉技术训练自动定损模型，先通过全景照片来定位受损部件，然后用细节照片来分析损伤程度。根据受损区域照片进行分析的方案主要有：损伤分割和损伤检测。
损伤检测：由专业人员标注损伤区域的长方形框，和/或使用该数据训练检测模型，得到损伤区域。
损伤分割：由专业人员标注损伤区域的多边形框，和/或使用该数据训练分割模型，从而得到损伤分割结果。
下面通过具体的实施方式对车辆的定损方法进行详细说明。
图1为本申请提供的车辆的定损方法实施例一的流程图，如图1所示，该方案的执行主体可以是服务器、云服务器、进行数据处理的终端、电脑等电子设备，对此本方案不做限制，该车辆的定损方法包括以下步骤：
S101：对事故车辆图像进行损伤检测，获取损伤区域的图像。
在本步骤中，为了能够对事故车辆的损伤部位进行自动的定损，首先需要获取事故车辆的损伤部位的图像，可以通过车主或者交警等的设备拍摄获取事故车辆图像，该事故车辆图像中需要包括损伤部位，以便后续能够根据该图像进行分析处理，得到车辆的损伤情况。
在得到了包括损伤部位的事故车辆图像之后，可以对该车辆图像进行损伤检测，获取损伤区域的图像，具体的，损伤检测的方式至少包括以下两种方式：
第一种方式，根据用户的操作对所述事故车辆图像中的损伤区域进行标注，得到所述损伤区域的图像。
可以通过人工的方式，将图像中损伤区域通过框线进行标注，或者可裁剪出来，得到损伤区域的图像。
第二种方式，根据数据训练检测模型，对事故车辆图像进行损伤区域检测，得到损伤区域的图像。
通过专门的训练的对图像中物品存在损伤的部位进行检测的训练检测模型，对事故车辆图像进行检测处理，通过该模型检测对损伤区域进行标示，得到损伤区域的图像。
S102：根据损伤区域的图像以及损伤分割模型，获取事故车辆的损伤分割结果。
其中，所述损伤分割模型是根据多个进行标签处理后损伤区域提取准确度最高的图像训练得到的，所述损伤分割模型用于获取输入的图像中的损伤区域。
在本步骤中，需要预先获取该损伤分割模型，该模型可以是在该电子设备中进行训练的，也可以在别的设备中训练好之后，预先存储在该电子设备中，该损伤分割模型，是根据大量的车辆的损伤区域图像，进行不同的标签处理后选择出对损伤区域提取的最准确的图像组成的集合进行训练得到的，能够对输入的图像中的对物品的损伤区域进行分析处理。
在获取到需要处理的损伤区域的图像之后，将该损伤区域的图像通过该损伤分割模型进行分析处理，得到对该图像中的损伤部分的分析结果，即上述的损伤分割结果。
该损伤分割结果可以表示车辆的损伤部位以及损伤程度。
本实施例提供的车辆的定损方法，电子设备对事故车辆图像进行损伤检测，然后根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果，通过该方式避免主观因素，降低人工成本，可以更好的分析车辆受损部位，提高车辆定损的准确度。
在上述实施例的具体实现中，需要应用到损伤分割模型，需要获取该损伤分割模型，具体的方式是在别的电子设备(例如：服务器)中训练好，再写入该电子设备，也可以是直接在该电子设备中进行模型的训练，无论是在什么设备中进行模型训练，具体的训练过程如下实施例所示。
图2为本申请提供的车辆的定损方法实施例二的流程图，如图2所示，在上述实施例的基础上，该车辆的定损方法实现过程中，需要预先进行模型训练，具体的模型训练包括以下步骤：
S201：对预先获取的多个损伤区域图像分别进行标签化处理，得到每个事故车辆图像对应的三种标注图像。
在本步骤中，获取大量的车辆损伤区域图像，这些图像并不是直接用做模型训练，而是需要进行预处理，处理之后选择合适的图像再进行模型训练。
在该方案中主要是对获取到的多个车辆的损伤区域图像进行标签化处理，该方案中的标签处理。在车辆损伤中，刮擦是最为常见的损伤，同时数据量也最多，造成了一定的数据不平衡，因此，后续以刮擦损伤为例，对该方案进行说明。对车辆的损伤区域图像的标签处理包括两个步骤：
第一步，针对每个损伤区域图像，采用canny算子进行边缘提取处理，得到第一图像。
第二步，对所述第一图像进行膨胀操作，得到第一种标注图像；设置两种参数对所述第一图像进行grabcut操作，得到第二种标注图像和第三种标注图像。
在上述方案中，首先是提取标注的损伤区域的边缘信息，图3为本申请提供的边缘提取示意图，具体来说，可以使用canny算子进行这个操作，得到的如图3所示的图像。进一步地，由于边缘提取损伤了太多的信息，需要对其再进行扩张处理，扩张处理的方式至少包括两种：膨胀操作(得到图4，图4为本申请提供的膨胀操作示意图)和grabcut操作。
在该方案的具体时限中，grabcut操作中设置的参数有两种：
第一种，canny提取区域为前景，未提取区域为疑似前景(根据该参数进行grabcut操作得到图5，图5为本申请提供的一种grabcut操作示意图)；
第二种，canny提取区域为前景，未提取区域为疑似背景(根据该参数进行grabcut操作得到图6，图6为本申请提供的又一种grabcut操作示意图)。
S202：从每个事故车辆图像对应的三种标注图像中选择出对损伤区域标注准确度最高的标注图像组成训练图像集合。
在本步骤中，根据上述步骤的处理，针对每一幅事故车辆图像均处理得到了三种标注的图像，从中选择出对损伤区域标注准确度最高的图像，组成图像集合，用来进行模型训练。
S203：根据训练图像集合训练得到损伤分割模型。
在本步骤中，经过标签处理之后，可以进一步比较这三种标注的图像的准确性，挑选对损伤区域标注准确性最高的图像作为新的训练数据，具体的训练方案中，可按照如下任一种或者多种方式进行模型训练，得到损伤分割模型：
1、未提取区域设为背景，直接训练。
2、未提取区域设为ignore值(255)，直接训练。
3、未提取区域设为新类，直接训练。
4、未提取区域设为新类，修改loss，使得未提取区域被判断为“背景，原标签所属类别，新标签所属类别”时均不对其进行惩罚，若判断成其他类则错误回传。
训练得到损伤分割模型之后，可以用于各种类型的车辆的定损方案中，也可用于其他标注过大且标注区域具有边缘信息的情况，对此本方案不做限制。
本申请提供的车辆的定损方法，基于一定的要求利用拍摄设备对受损车辆拍摄视频，使用用机器视觉和机器学习技术对车辆的外观损伤区域进行分析，从而得到车辆定损结果。采用本发明的方法，可以更好的分析车辆受损部位和损伤程度，提升财险汽车出险理赔流程运营效率，将大幅消减保险公司的成本，预防保险欺诈。
图7为本申请提供的车辆的定损装置实施例一的结构示意图，如图7所示，该车辆的定损装置10包括：
第一处理模块11，用于对事故车辆图像进行损伤检测，获取损伤区域的图像；
第二处理模块12，用于根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果；
其中，所述损伤分割模型是根据多个进行标签处理后损伤区域提取准确度最高的图像训练得到的，所述损伤分割模型用于获取输入的图像中的损伤区域。
本实施例提供的车辆的定损装置，用于执行前述方法实施例中的电子设备的技术方案，事故车辆图像进行损伤检测，获取损伤区域的图像。然后根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果，通过该方式避免主观因素，降低人工成本，可以更好的分析车辆受损部位，提高车辆定损的准确度。
在上述实施例的基础上，在一种具体实现方式中，
所述第一处理模块11具体用于：
根据用户的操作对所述事故车辆图像中的损伤区域进行标注，得到所述损伤区域的图像；
或者，
根据数据训练检测模型，对所述事故车辆图像进行损伤区域检测，得到所述损伤区域的图像。
图8为本申请提供的车辆的定损装置实施例二的结构示意图，如图8所示，该车辆的定损装置10还包括：
第三处理模块13，用于对预先获取的多个损伤区域图像分别进行标签化处理，得到每个事故车辆图像对应的三种标注图像；
筛选模块14，用于从每个事故车辆图像对应的三种标注图像中选择出对损伤区域标注准确度最高的标注图像组成训练图像集合；
模型训练模块15，用于根据所述训练图像集合训练得到所述损伤分割模型。
可选的，所述第三处理模块13具体用于：
针对每个损伤区域图像，采用canny算子进行边缘提取处理，得到第一图像；
对所述第一图像进行膨胀操作，得到第一种标注图像；
设置两种参数对所述第一图像进行grabcut操作，得到第二种标注图像和第三种标注图像；
其中，所述两种参数包括：
canny提取区域为前景，未提取区域为疑似前景；
canny提取区域为前景，未提取区域为疑似背景。
上述任一实施例提供的车辆的定损装置，用于实现前述任一实施例中电子设备的技术方案，其实现原理和技术效果类似，在此不再赘述。
图9为本申请提供的电子设备实体的结构示意图，如图9所示该电子设备20，包括：处理器21、存储器22、以及计算机程序；所述计算机程序存储在所述存储器22中，所述处理器21执行所述计算机程序实现前述任一方法实施例中电子设备的车辆的定损方法的技术方案。
可选地，存储器22既可以是独立的，也可以跟处理器21集成在一起。
当所述存储器22是独立于处理器21之外的器件时，所述电子设备还可以包括：
总线23，用于连接所述处理器21以及所述存储器22。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于实现前述任一方法实施例中电子设备的车辆的定损方法的技术方案。
在上述电子设备的具体实现中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application SpecificIntegrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：只读存储器(英文：read-only memory，缩写：ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(英文：magnetictape)、软盘(英文：floppy disk)、光盘(英文：optical disc)及其任意组合。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种车辆的定损方法，其特征在于，所述方法包括：
对事故车辆图像进行损伤检测，获取损伤区域的图像；
根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果；
其中，所述损伤分割模型是根据多个进行标签处理后损伤区域提取准确度最高的图像训练得到的，所述损伤分割模型用于获取输入的图像中的损伤区域。
2.根据权利要求1所述的方法，其特征在于，所述对事故车辆图像进行损伤检测，获取损伤区域的图像，包括：
根据用户的操作对所述事故车辆图像中的损伤区域进行标注，得到所述损伤区域的图像；
或者，
根据数据训练检测模型，对所述事故车辆图像进行损伤区域检测，得到所述损伤区域的图像。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
对预先获取的多个损伤区域图像分别进行标签化处理，得到每个事故车辆图像对应的三种标注图像；
从每个事故车辆图像对应的三种标注图像中选择出对损伤区域标注准确度最高的标注图像组成训练图像集合；
根据所述训练图像集合训练得到所述损伤分割模型。
4.根据权利要求3所述的方法，其特征在于，所述对预先获取的多个事故车辆图像分别进行标签化处理，得到每个事故车辆图像对应的三种标注图像，包括：
针对每个损伤区域图像，采用canny算子进行边缘提取处理，得到第一图像；
对所述第一图像进行膨胀操作，得到第一种标注图像；
设置两种参数对所述第一图像进行grabcut操作，得到第二种标注图像和第三种标注图像；
其中，所述两种参数包括：
canny提取区域为前景，未提取区域为疑似前景；
canny提取区域为前景，未提取区域为疑似背景。
5.一种车辆的定损装置，其特征在于，所述装置包括：
第一处理模块，用于对事故车辆图像进行损伤检测，获取损伤区域的图像；
第二处理模块，用于根据所述损伤区域的图像以及损伤分割模型，获取所述事故车辆的损伤分割结果；
其中，所述损伤分割模型是根据多个进行标签处理后损伤区域提取准确度最高的图像训练得到的，所述损伤分割模型用于获取输入的图像中的损伤区域。
6.根据权利要求5所述的装置，其特征在于，所述第一处理模块具体用于：
根据用户的操作对所述事故车辆图像中的损伤区域进行标注，得到所述损伤区域的图像；
或者，
根据数据训练检测模型，对所述事故车辆图像进行损伤区域检测，得到所述损伤区域的图像。
7.根据权利要求5或6所述的装置，其特征在于，所述装置还包括：
第三处理模块，用于对预先获取的多个损伤区域图像分别进行标签化处理，得到每个事故车辆图像对应的三种标注图像；
筛选模块，用于从每个事故车辆图像对应的三种标注图像中选择出对损伤区域标注准确度最高的标注图像组成训练图像集合；
模型训练模块，用于根据所述训练图像集合训练得到所述损伤分割模型。
8.根据权利要求7所述的装置，其特征在于，所述第三处理模块具体用于：
针对每个损伤区域图像，采用canny算子进行边缘提取处理，得到第一图像；
对所述第一图像进行膨胀操作，得到第一种标注图像；
设置两种参数对所述第一图像进行grabcut操作，得到第二种标注图像和第三种标注图像；
其中，所述两种参数包括：
canny提取区域为前景，未提取区域为疑似前景；
canny提取区域为前景，未提取区域为疑似背景。
9.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；所述计算机程序存储在所述存储器中，所述处理器执行所述计算机程序实现权利要求1至4任一项所述的车辆的定损方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序用于实现权利要求1至4任一项所述的车辆的定损方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910692914.1A CN110443814B (zh) | 2019-07-30 | 2019-07-30 | 车辆的定损方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910692914.1A CN110443814B (zh) | 2019-07-30 | 2019-07-30 | 车辆的定损方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110443814A true CN110443814A (zh) | 2019-11-12 |
| CN110443814B CN110443814B (zh) | 2022-12-27 |
Family
ID=68432100
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910692914.1A Active CN110443814B (zh) | 2019-07-30 | 2019-07-30 | 车辆的定损方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110443814B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523615A (zh) * | 2020-05-08 | 2020-08-11 | 深源恒际科技有限公司 | 一种实现车辆外观专业性损伤标注的流水线闭环流程方法 |
| CN112085721A (zh) * | 2020-09-07 | 2020-12-15 | 中国平安财产保险股份有限公司 | 基于人工智能的水淹车定损方法、装置、设备及存储介质 |
| CN113780435A (zh) * | 2021-09-15 | 2021-12-10 | 平安科技（深圳）有限公司 | 车辆损伤检测方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700094A (zh) * | 2013-12-09 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 基于标签传播的交互式形状协同分割方法及装置 |
| WO2017008448A1 (zh) * | 2015-07-14 | 2017-01-19 | 中国互联网络信息中心 | 一种网页核心内容提取方法 |
| CN108428234A (zh) * | 2017-10-24 | 2018-08-21 | 电子科技大学 | 基于图像分割结果评价的交互式分割性能优化方法 |
| CN109410218A (zh) * | 2018-10-08 | 2019-03-01 | 百度在线网络技术（北京）有限公司 | 用于生成车辆损伤信息的方法和装置 |
| CN109410270A (zh) * | 2018-09-28 | 2019-03-01 | 百度在线网络技术（北京）有限公司 | 一种定损方法、设备和存储介质 |
-
2019
- 2019-07-30 CN CN201910692914.1A patent/CN110443814B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700094A (zh) * | 2013-12-09 | 2014-04-02 | 中国科学院深圳先进技术研究院 | 基于标签传播的交互式形状协同分割方法及装置 |
| WO2017008448A1 (zh) * | 2015-07-14 | 2017-01-19 | 中国互联网络信息中心 | 一种网页核心内容提取方法 |
| CN108428234A (zh) * | 2017-10-24 | 2018-08-21 | 电子科技大学 | 基于图像分割结果评价的交互式分割性能优化方法 |
| CN109410270A (zh) * | 2018-09-28 | 2019-03-01 | 百度在线网络技术（北京）有限公司 | 一种定损方法、设备和存储介质 |
| CN109410218A (zh) * | 2018-10-08 | 2019-03-01 | 百度在线网络技术（北京）有限公司 | 用于生成车辆损伤信息的方法和装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111523615A (zh) * | 2020-05-08 | 2020-08-11 | 深源恒际科技有限公司 | 一种实现车辆外观专业性损伤标注的流水线闭环流程方法 |
| CN111523615B (zh) * | 2020-05-08 | 2024-03-26 | 北京深智恒际科技有限公司 | 一种实现车辆外观专业性损伤标注的流水线闭环流程方法 |
| CN112085721A (zh) * | 2020-09-07 | 2020-12-15 | 中国平安财产保险股份有限公司 | 基于人工智能的水淹车定损方法、装置、设备及存储介质 |
| CN113780435A (zh) * | 2021-09-15 | 2021-12-10 | 平安科技（深圳）有限公司 | 车辆损伤检测方法、装置、设备及存储介质 |
| CN113780435B (zh) * | 2021-09-15 | 2024-04-16 | 平安科技（深圳）有限公司 | 车辆损伤检测方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110443814B (zh) | 2022-12-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110705405B (zh) | 目标标注的方法及装置 | |
| CN107945198B (zh) | 用于标注点云数据的方法和装置 | |
| US10212397B2 (en) | Abandoned object detection apparatus and method and system | |
| EP3806064A1 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
| CN109002820B (zh) | 一种车牌识别方法、装置及相关设备 | |
| CN110443814B (zh) | 车辆的定损方法、装置、设备和存储介质 | |
| US9846823B2 (en) | Traffic lane boundary line extraction apparatus and method of extracting traffic lane boundary line | |
| CN111612104B (zh) | 车辆定损图像获取方法、装置、介质和电子设备 | |
| CN110569856B (zh) | 样本标注方法及装置、损伤类别的识别方法及装置 | |
| CN104616021B (zh) | 交通标志图像处理方法及装置 | |
| CN110570435B (zh) | 用于对车辆损伤图像进行损伤分割的方法及装置 | |
| EP3171295B1 (en) | Method for processing image and computer-readable non-transitory recording medium storing program | |
| CN112036385B (zh) | 库位修正方法、装置、电子设备及可读存储介质 | |
| CN111160395A (zh) | 图像识别方法、装置、电子设备和存储介质 | |
| CN111126393A (zh) | 车辆外观改装判断方法、装置、计算机设备及存储介质 | |
| CN110647886A (zh) | 兴趣点标注方法、装置、计算机设备和存储介质 | |
| CN112365461A (zh) | 紧固件松动识别方法、系统、终端及存储介质 | |
| CN104573680A (zh) | 图像检测方法、图像检测装置以及交通违法检测系统 | |
| CN113792600A (zh) | 一种基于深度学习的视频抽帧方法和系统 | |
| Buza et al. | Unsupervised method for detection of high severity distresses on asphalt pavements | |
| CN113609980A (zh) | 一种用于自动驾驶车辆的车道线感知方法及装置 | |
| CN115272222A (zh) | 道路检测信息的处理方法、装置、设备及存储介质 | |
| CN112733864A (zh) | 模型训练方法、目标检测方法、装置、设备及存储介质 | |
| CN112784817B (zh) | 车辆所在车道检测方法、装置、设备及存储介质 | |
| CN117576674A (zh) | 车牌识别方法、装置、设备及介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |