CN112492105A - 一种基于视频的车辆外观部件自助定损采集方法及系统 - Google Patents
一种基于视频的车辆外观部件自助定损采集方法及系统 Download PDFInfo
- Publication number
- CN112492105A CN112492105A CN202011355269.3A CN202011355269A CN112492105A CN 112492105 A CN112492105 A CN 112492105A CN 202011355269 A CN202011355269 A CN 202011355269A CN 112492105 A CN112492105 A CN 112492105A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- damage
- easy
- identify
- current frame
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000005286 illumination Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000003068 static effect Effects 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 9
- 239000000126 substance Substances 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06N3/08—Learning methods
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
- H04N5/91—Television signal processing therefor
-
- 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
- G06V2201/08—Detecting or categorising vehicles
Abstract
本发明公开了一种基于视频的车辆外观部件自助定损采集方法及系统，包括：检查用户手持手机姿态以及周围光照是否满足预设条件；若满足预设条件，则通过手机获取视频帧，并实时判断当前帧拍摄状态的类别；若当前帧的类别为“车辆方位侧容易辨识方位”，则通过手机开始录制并提示“靠近损伤部件”；在靠近损伤部件的过程中，若当前帧的类别为“车辆部件周围环境容易辨识部件”，则提示“靠近损伤细节”；在靠近损伤细节的过程中，若当前帧的类别为“部件损伤周围环境容易辨识损伤细节”，则提示“保持静止”；开始倒计时且对视频帧做帧差算法，当时间和视频帧帧差触发条件均成立，则视频录制成功，结束录制。
Description
技术领域
本发明涉及车辆定损技术领域，具体涉及一种基于视频的车辆外观部件自助定损采集方法及系统。
背景技术
车辆外观部件：通常指车辆的外观组成部分，例如保险杠总成、叶子板总成、车门总成、轮胎轮毂等，不包括类似打开前机盖后可见的发动机、水箱等配件。定损：根据汽车构造原理，通过科学、系统的专业化检查、测试与勘测手段，对汽车碰撞与事故现场进行综合分析，运用车辆估损资料与维修数据，对车辆碰撞修复进行科学系统的估损定价。
2012年以来，深度学习在图片识别领域取得非常大的进步。相比传统的图片识别方法使用的色彩、HOG等低级视觉特征；深度神经网络能学得更多高级的、抽象的特征，这使得深度神经网络的性能远远超越传统方法。
2014年以来，深度学习开始在物体检测，物体分割等领域取得优秀成果，涌现出Deeplab、YOLO、FasterRCNN等一序列方法，识别准确率在特定任务上已经超越了人类识别的水平，并在生成环境中得到大规模使用。
深度学习在汽车外观损伤检测领域进行的工作比较少，2016年左右开始有人尝试；但是受限于数据获取的难度，这个领域一直进展比较慢，目前也还没有一个可以落地使用的系统或方法。
汽车外观损伤查勘，在汽车业务中比较常见，例如汽车保险理赔环节，当投保人出现交通事故时，通常都需要做定损查勘来确认汽车损伤，包括外观部件损伤和内部配件损伤。目前普遍采用的方法有两种，一种是工作人员现场查勘并填写报告，另一种是用户拍摄照片(视频)，提交到服务器上进行处理。
现有专利CN107358596A公开了一种基于图像的车辆定损方法、装置、电子设备及系统，该方法是使用保险理赔车辆图片作为定损系统的输入，提交图片的方式无法保证定损过程信息的完整和规范，因此通常导致定损系统定损失败。
现有专利CN106791307A公开了一种用于车险定损的图像采集装置，包括:底座、液压泵、第一连杆、第一摄像头和滑轮，该采集装置属于硬件范畴。
现有的系统存在以下问题：
1.工作人员现场查勘成本较高，现实中有些交通事故案件车辆损伤轻微，例如倒车刮擦墙壁，这些案件定损结论简单，但统一的现场查勘方式非常消耗人员精力，同时也增加保险公司运营成本；
2.定损技术拍摄要求高：如果不经过专门培训，很难拍摄出符合行业规范要求和智能定损系统希望的图片序列来，偏自然场景的图片或视频以目前技术水平是不便于智能算法识别发展的，同时也不利于数据规范存储和信息挖掘。
3.现有的智能定损系统通常由报案人手机上传图片或视频方式提交服务器，再由人工或智能算法对图片进行损伤识别，从而完成定损查勘过程；现实中报案人通常对定损查勘过程没有基础认知，通常会发生拍摄的图片或视频过远导致人眼无法看清损伤细节现象，从而使得智能定损系统失败或人工识别失败，这样定损专员通常会再联系报案人二次采集补充细节，降低客户体验，延长理赔周期。
4.另外大多数专利例如【CN110287768A】也未说明图片或视频如何采集，从长期来看，不做场景约束也不利于智能定损系统算法的发展。
发明内容
针对现有技术中存在的上述问题，本发明提供一种基于视频的车辆外观部件自助定损采集方法及系统。
本发明公开了一种基于视频的车辆外观部件自助定损采集方法，包括：
检查用户手持手机姿态以及周围光照是否满足预设条件；
若满足预设条件，则通过手机获取视频帧，并实时判断当前帧拍摄状态的类别；所述类别包括：“无车辆”、“多个车辆”、“车辆方位侧容易辨识方位”、“车辆部件周围环境容易辨识部件”和“部件损伤周围环境容易辨识损伤细节”；
若当前帧的类别为“车辆方位侧容易辨识方位”，则通过手机开始录制并提示“靠近损伤部件”；
在靠近损伤部件的过程中，若当前帧的类别为“车辆部件周围环境容易辨识部件”，则提示“靠近损伤细节”；
在靠近损伤细节的过程中，若当前帧的类别为“部件损伤周围环境容易辨识损伤细节”，则提示“保持静止”；
开始倒计时且对视频帧做帧差算法，当时间和视频帧帧差触发条件均成立，则视频录制成功，结束录制。
作为本发明的进一步改进，
若用户手持手机姿态不满足预设条件，则提示用户调整姿态；
若周围光照是不满足预设条件，则自动打开或提示用户手动打开补光设备。
作为本发明的进一步改进，
无车辆类别为:证卡、文档类、散落件、自然场景类和远处小面积车辆类中的一种；
多车辆类别为:图中有两辆及以上车辆；
车辆方位侧容易辨识方位类别为:车辆完完整度在80％及以上，车辆拍摄方位容易辨别；
车辆部件周围环境容易辨识部件类别为:车辆完整度不超过50％，车辆拍摄方位难辨识、部件容易辨别；
部件损伤周围环境容易辨识损伤细节特征类别为:该距离的部件图可清晰看清楚损失现象的细节。
作为本发明的进一步改进，
若当前帧的类别为“无车辆”或“多个车辆”，则提示“对准车辆”，直至当前帧的类别为“车辆方位侧容易辨识方位”为止；
若当前帧的类别为“车辆部件周围环境容易辨识部件”或“部件损伤周围环境容易辨识损伤细节”，则提示“远离车辆”，直至当前帧的类别为“车辆方位侧容易辨识方位”为止。
作为本发明的进一步改进，
当倒计时的时间不成立或倒计时内视频帧帧差触发条件不成立，则提示“保持静止”，重新开始倒计时，反复校验，直到超时结束，认为视频录制失败；其中，倒计时的时间设置为4s，超时的时间设置为30s。
本发明还公开了一种基于视频的车辆外观部件自助定损采集系统，包括：
姿态判断模块，用于检查用户手持手机姿态是否满足预设条件；
光照判断模块，用于检查周围光照是否满足预设条件；
拍摄状态分类模块，用于实时判断当前帧拍摄状态的类别；所述类别包括：“无车辆”、“多个车辆”、“车辆方位侧容易辨识方位”、“车辆部件周围环境容易辨识部件”和“部件损伤周围环境容易辨识损伤细节”；
调整模块，用于：
在当前帧的类别为“车辆方位侧容易辨识方位”时，通过手机开始录制并提示“靠近损伤部件”；
在靠近损伤部件的过程中，若当前帧的类别为“车辆部件周围环境容易辨识部件”，则提示“靠近损伤细节”；
在靠近损伤细节的过程中，若当前帧的类别为“部件损伤周围环境容易辨识损伤细节”，则提示“保持静止”；
静止判断模块，用于开始倒计时且对视频帧做帧差算法，当时间和视频帧帧差触发条件均成立，则视频录制成功，结束录制。
作为本发明的进一步改进，
所述姿态判断模块，还用于当用户手持手机姿态不满足预设条件时，提示用户调整手持手机姿态，直至满足要求为止；
所述光照判断模块，还用于当周围光照是不满足预设条件，自动打开或提示用户手动打开补光设备。
作为本发明的进一步改进，
无车辆类别为:证卡、文档类、散落件、自然场景类和远处小面积车辆类中的一种；
多车辆类别为:图中有两辆及以上车辆；
车辆方位侧容易辨识方位类别为:车辆完完整度在80％及以上，车辆拍摄方位容易辨别；
车辆部件周围环境容易辨识部件类别为:车辆完整度不超过50％，车辆拍摄方位难辨识、部件容易辨别；
部件损伤周围环境容易辨识损伤细节特征类别为:该距离的部件图可清晰看清楚损失现象的细节。
作为本发明的进一步改进，
所述调整模块，还用于：
当前帧的类别为“无车辆”或“多个车辆”时，提示“对准车辆”，直至当前帧的类别为“车辆方位侧容易辨识方位”为止；
当前帧的类别为“车辆部件周围环境容易辨识部件”或“部件损伤周围环境容易辨识损伤细节”时，提示“远离车辆”，直至当前帧的类别为“车辆方位侧容易辨识方位”为止。
作为本发明的进一步改进，
所述静止判断模块，还用于：
当倒计时的时间不成立或倒计时内视频帧帧差触发条件不成立，则提示“保持静止”，重新开始倒计时，反复校验，直到超时结束，认为视频录制失败；其中，倒计时的时间设置为4s，超时的时间设置为30s。
与现有技术相比，本发明的有益效果为：
1.基于深度神经网络的分类方法，能获取极高的准确率，引导提示准确率高；
2.采集过程便捷简单，信息无丢失，采集后的数据规范性好，人工或机器可阅读性强；
3.预设时间倒计时的保持静止给用户留有调整空间，损伤细节表达清晰明确，歧义性小。
附图说明
图1为本发明一种实施例公开的基于视频的车辆外观部件自助定损采集方法的流程图；
图2为视频帧分类模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述：
如图1所示，本发明提供一种基于视频的车辆外观部件自助定损采集方法，包括：
步骤1、检查用户手持手机姿态以及周围光照是否满足预设条件；
其中，
手持手机姿态为手机的三维姿态，可在手机控制器内设有标准姿态阈值，当监测到手持手机姿态在标准姿态阈值内，则认定为满足预设条件；
周围光照为周围亮度，可在手机控制器内设有亮度阈值，当监测到周围光照在亮度阈值内，则认定满足预设条件；
步骤2、若用户手持手机姿态不满足预设条件，则提示用户调整姿态；若周围光照是不满足预设条件，则自动打开或提示用户手动打开补光设备；
其中，
当用户手持手机姿态不在标准姿态阈值内，则通过手机显示屏提示用户调整姿态，直至用户手持手机姿态满足预设条件为止；
当监测到周围光照不在亮度阈值内，则通过控制器自动控制补光设备(手电筒等)打开，或通过手机显示屏提示用户手动打开补光设备；
步骤3、当用户手持手机姿态和周围光照均满足预设条件后，打开手机的摄像头实时通过摄像头获取视频帧(仅打开摄像头，未开启录制)，并实时判断当前帧拍摄状态的类别；
其中，
拍摄状态分类模块可以使用通用的分类算法，如：VGG、ResNet、GoogleNet、InceptionV3、NASNet等；
如图2所示，当前帧的类别包括：“无车辆”、“多个车辆”、“车辆方位侧容易辨识方位”、“车辆部件周围环境容易辨识部件”和“部件损伤周围环境容易辨识损伤细节”；拍摄状态分类模块根据定义界定的五种类别，对当前帧的图像进行分析，可分类出当前帧具体的类别。
其中，
无车辆类别为:图中识别出证卡、文档类、散落件、自然场景类和远处小面积车辆类中的一种；
多车辆类别为:图中有两辆及以上车辆；
车辆方位侧容易辨识方位类别为:车辆完完整度在80％及以上，车辆拍摄方位容易辨别；其中，拍摄方位容易辨别是可识别出车辆的方位；
车辆部件周围环境容易辨识部件类别为:车辆完整度不超过50％，车辆拍摄方位难辨识、部件容易辨别；车辆拍摄方位难辨识、部件容易辨别是指，车辆拍摄方位无法识别，可识别出车辆的部件(保险杠总成、叶子板总成、车门总成、轮胎轮毂等)；
部件损伤周围环境容易辨识损伤细节特征类别为:该距离的部件图可清晰看清楚损失现象的细节；具体为，车辆的部件处的损伤可识别，例如车门的划伤等。
步骤4、若当前帧的类别为“无车辆”或“多个车辆”，则通过手机显示屏提示“对准车辆”，用户手持手机对准车辆，在对准的过程中会实时分类出当前帧的类别，直至判断到当前帧的类别为“车辆方位侧容易辨识方位”为止；
若当前帧的类别为“车辆部件周围环境容易辨识部件”或“部件损伤周围环境容易辨识损伤细节”，则提示“远离车辆”，用户手持手机远离车辆，在远离的过程中会实时分类出当前帧的类别，直至判断到当前帧的类别为“车辆方位侧容易辨识方位”为止。
步骤5、若当前帧的类别为“车辆方位侧容易辨识方位”，则通过手机开始录制并在显示屏上提示“靠近损伤部件”；
步骤6、在靠近损伤部件的过程中，会实时分类出当前帧的类别，若判断到当前帧的类别为“车辆部件周围环境容易辨识部件”，则提示“靠近损伤细节”；
步骤7、在靠近损伤细节的过程中，会实时分类出当前帧的类别，若判断到当前帧的类别为“部件损伤周围环境容易辨识损伤细节”，则提示“保持静止”；
步骤8、开始倒计时且对视频帧做帧差算法，当时间和视频帧帧差触发条件均成立，则视频录制成功，结束录制；当倒计时的时间不成立或倒计时内视频帧帧差触发条件不成立，则提示“保持静止”，重新开始倒计时，反复校验，直到超时结束，认为视频录制失败；
其中，
倒计时的时间设置为4s，超时的时间设置为30s。
帧差触发条件采用传统图像处理方法，这里的物理意义是“按0.5s时间间隔窗口来观察当前时刻及之后2s内的视频图像内容间的像素差异是否小于某个阈值,当条件成立时,认定当前时刻及之后的图像内容基本保持不变,即是用户希望提交的图像内容”。
进一步，本申请的上述步骤1～步骤8并非限定了其逻辑关系，例如步骤2、3属于并列步骤，步骤4、5属于并列步骤等。
本发明还提供一种基于视频的车辆外观部件自助定损采集系统，包括：
姿态判断模块和光照判断模块，用于实现上述步骤1、2；
拍摄状态分类模块，用于实现上述步骤3；
调整模块，用于实现上述步骤4～7；
静止判断模块，用于实现上述步骤8。
本发明的优点为：
1.定损过程简洁高效，根据引导提示，用户都可以完成高质量定损过程采集，拍摄片段无歧义，用户体验好，避免出现用户不知道该怎么拍的问题或用户拍完的图片或视频后台人工无法理解的现象。
2.根据引导提示，视频拍摄过程类似定损查勘人员从远到近规范拍摄，提交服务器后便于人工阅读理解和机器理解，视频中车辆外观部件和损伤细节完整无丢失，相比图片拍照，避免信息丢失现象和顺序杂乱现象；相比无约束视频采集，减少无效采集片段，提高人工阅读效率。
3.引导提示采用了基于深度学习网络算法实现，准确判断用户距离车辆远近状态。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于视频的车辆外观部件自助定损采集方法，其特征在于，包括：
检查用户手持手机姿态以及周围光照是否满足预设条件；
若满足预设条件，则通过手机获取视频帧，并实时判断当前帧拍摄状态的类别；所述类别包括：“无车辆”、“多个车辆”、“车辆方位侧容易辨识方位”、“车辆部件周围环境容易辨识部件”和“部件损伤周围环境容易辨识损伤细节”；
若当前帧的类别为“车辆方位侧容易辨识方位”，则通过手机开始录制并提示“靠近损伤部件”；
在靠近损伤部件的过程中，若当前帧的类别为“车辆部件周围环境容易辨识部件”，则提示“靠近损伤细节”；
在靠近损伤细节的过程中，若当前帧的类别为“部件损伤周围环境容易辨识损伤细节”，则提示“保持静止”；
开始倒计时且对视频帧做帧差算法，当时间和视频帧帧差触发条件均成立，则视频录制成功，结束录制。
2.如权利要求1所述的定损采集方法，其特征在于，
若用户手持手机姿态不满足预设条件，则提示用户调整姿态；
若周围光照是不满足预设条件，则自动打开或提示用户手动打开补光设备。
3.如权利要求1所述的定损采集方法，其特征在于，
无车辆类别为:证卡、文档类、散落件、自然场景类和远处小面积车辆类中的一种；
多车辆类别为:图中有两辆及以上车辆；
车辆方位侧容易辨识方位类别为:车辆完完整度在80％及以上，车辆拍摄方位容易辨别；
车辆部件周围环境容易辨识部件类别为:车辆完整度不超过50％，车辆拍摄方位难辨识、部件容易辨别；
部件损伤周围环境容易辨识损伤细节特征类别为:该距离的部件图可清晰看清楚损失现象的细节。
4.如权利要求1所述的定损采集方法，其特征在于，
若当前帧的类别为“无车辆”或“多个车辆”，则提示“对准车辆”，直至当前帧的类别为“车辆方位侧容易辨识方位”为止；
若当前帧的类别为“车辆部件周围环境容易辨识部件”或“部件损伤周围环境容易辨识损伤细节”，则提示“远离车辆”，直至当前帧的类别为“车辆方位侧容易辨识方位”为止。
5.如权利要求1所述的定损采集方法，其特征在于，
当倒计时的时间不成立或倒计时内视频帧帧差触发条件不成立，则提示“保持静止”，重新开始倒计时，反复校验，直到超时结束，认为视频录制失败；其中，倒计时的时间设置为4s，超时的时间设置为30s。
6.一种基于视频的车辆外观部件自助定损采集系统，其特征在于，包括：
姿态判断模块，用于检查用户手持手机姿态是否满足预设条件；
光照判断模块，用于检查周围光照是否满足预设条件；
拍摄状态分类模块，用于实时判断当前帧拍摄状态的类别；所述类别包括：“无车辆”、“多个车辆”、“车辆方位侧容易辨识方位”、“车辆部件周围环境容易辨识部件”和“部件损伤周围环境容易辨识损伤细节”；
调整模块，用于：
在当前帧的类别为“车辆方位侧容易辨识方位”时，通过手机开始录制并提示“靠近损伤部件”；
在靠近损伤部件的过程中，若当前帧的类别为“车辆部件周围环境容易辨识部件”，则提示“靠近损伤细节”；
在靠近损伤细节的过程中，若当前帧的类别为“部件损伤周围环境容易辨识损伤细节”，则提示“保持静止”；
静止判断模块，用于开始倒计时且对视频帧做帧差算法，当时间和视频帧帧差触发条件均成立，则视频录制成功，结束录制。
7.如权利要求6所述的定损采集系统，其特征在于，
所述姿态判断模块，还用于当用户手持手机姿态不满足预设条件时，提示用户调整手持手机姿态，直至满足要求为止；
所述光照判断模块，还用于当周围光照是不满足预设条件，自动打开或提示用户手动打开补光设备。
8.如权利要求6所述的定损采集系统，其特征在于，
无车辆类别为:证卡、文档类、散落件、自然场景类和远处小面积车辆类中的一种；
多车辆类别为:图中有两辆及以上车辆；
车辆方位侧容易辨识方位类别为:车辆完完整度在80％及以上，车辆拍摄方位容易辨别；
车辆部件周围环境容易辨识部件类别为:车辆完整度不超过50％，车辆拍摄方位难辨识、部件容易辨别；
部件损伤周围环境容易辨识损伤细节特征类别为:该距离的部件图可清晰看清楚损失现象的细节。
9.如权利要求6所述的定损采集系统，其特征在于，
所述调整模块，还用于：
当前帧的类别为“无车辆”或“多个车辆”时，提示“对准车辆”，直至当前帧的类别为“车辆方位侧容易辨识方位”为止；
当前帧的类别为“车辆部件周围环境容易辨识部件”或“部件损伤周围环境容易辨识损伤细节”时，提示“远离车辆”，直至当前帧的类别为“车辆方位侧容易辨识方位”为止。
10.如权利要求6所述的定损采集系统，其特征在于，
所述静止判断模块，还用于：
当倒计时的时间不成立或倒计时内视频帧帧差触发条件不成立，则提示“保持静止”，重新开始倒计时，反复校验，直到超时结束，认为视频录制失败；其中，倒计时的时间设置为4s，超时的时间设置为30s。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011355269.3A CN112492105B (zh) | 2020-11-26 | 2020-11-26 | 一种基于视频的车辆外观部件自助定损采集方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011355269.3A CN112492105B (zh) | 2020-11-26 | 2020-11-26 | 一种基于视频的车辆外观部件自助定损采集方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112492105A true CN112492105A (zh) | 2021-03-12 |
| CN112492105B CN112492105B (zh) | 2022-04-15 |
Family
ID=74935759
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011355269.3A Active CN112492105B (zh) | 2020-11-26 | 2020-11-26 | 一种基于视频的车辆外观部件自助定损采集方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112492105B (zh) |
Citations (7)
| 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 |
| CN108632530A (zh) * | 2018-05-08 | 2018-10-09 | 阿里巴巴集团控股有限公司 | 一种车辆定损的数据处理方法、装置、处理设备及客户端 |
| CN108921068A (zh) * | 2018-06-22 | 2018-11-30 | 深源恒际科技有限公司 | 一种基于深度神经网络的汽车外观自动定损方法及系统 |
| CN110598562A (zh) * | 2019-08-15 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 车辆图像采集引导方法以及装置 |
| CN110650292A (zh) * | 2019-10-30 | 2020-01-03 | 支付宝(杭州)信息技术有限公司 | 辅助用户拍摄车辆视频的方法及装置 |
| WO2020042800A1 (zh) * | 2018-08-31 | 2020-03-05 | 阿里巴巴集团控股有限公司 | 用于辅助车辆定损图像拍摄的方法、装置及设备 |
| WO2020177480A1 (zh) * | 2019-03-07 | 2020-09-10 | 阿里巴巴集团控股有限公司 | 车辆事故的鉴定方法及装置、电子设备 |
-
2020
- 2020-11-26 CN CN202011355269.3A patent/CN112492105B/zh active Active
Patent Citations (8)
| 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 |
| CN111914692A (zh) * | 2017-04-28 | 2020-11-10 | 创新先进技术有限公司 | 车辆定损图像获取方法及装置 |
| CN108632530A (zh) * | 2018-05-08 | 2018-10-09 | 阿里巴巴集团控股有限公司 | 一种车辆定损的数据处理方法、装置、处理设备及客户端 |
| CN108921068A (zh) * | 2018-06-22 | 2018-11-30 | 深源恒际科技有限公司 | 一种基于深度神经网络的汽车外观自动定损方法及系统 |
| WO2020042800A1 (zh) * | 2018-08-31 | 2020-03-05 | 阿里巴巴集团控股有限公司 | 用于辅助车辆定损图像拍摄的方法、装置及设备 |
| WO2020177480A1 (zh) * | 2019-03-07 | 2020-09-10 | 阿里巴巴集团控股有限公司 | 车辆事故的鉴定方法及装置、电子设备 |
| CN110598562A (zh) * | 2019-08-15 | 2019-12-20 | 阿里巴巴集团控股有限公司 | 车辆图像采集引导方法以及装置 |
| CN110650292A (zh) * | 2019-10-30 | 2020-01-03 | 支付宝(杭州)信息技术有限公司 | 辅助用户拍摄车辆视频的方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 焦李成，刘若辰，慕彩红著: "《人工智能前沿技术丛书 简明人工智能》", 30 September 2019, 西安：西安电子科技大学出版社 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112492105B (zh) | 2022-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108921068B (zh) | 一种基于深度神经网络的汽车外观自动定损方法及系统 | |
| CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
| US8351662B2 (en) | System and method for face verification using video sequence | |
| US11159715B1 (en) | Systems and methods for model-based analysis of damage to a vehicle | |
| CN108549854A (zh) | 一种人脸活体检测方法 | |
| US11113582B2 (en) | Method and system for facilitating detection and identification of vehicle parts | |
| CN109190475B (zh) | 一种人脸识别网络与行人再识别网络协同训练方法 | |
| CN111523352A (zh) | 一种智能化快速识别违法改装车的方法及其监控系统 | |
| CN108323209B (zh) | 信息处理方法、系统、云处理设备以及计算机存储介质 | |
| EP3855354A2 (en) | Method and apparatus for recognizing abnormal license plate, device and readable storage medium | |
| CN115810134B (zh) | 一种车险反欺诈的图像采集质检方法、系统和装置 | |
| CN109657599B (zh) | 距离自适应的车辆外观部件的图片识别方法 | |
| CN104183029A (zh) | 一种便携式快速人群考勤方法 | |
| CN114445780A (zh) | 裸土苫盖的检测方法及装置、识别模型的训练方法及装置 | |
| CN108805184B (zh) | 一种固定空间、车辆上的图像识别方法及系统 | |
| CN110458794A (zh) | 用于轨道列车的配件质量检测方法及装置 | |
| CN113505624A (zh) | 车辆定损方法、车辆定损装置及应用其的电子设备 | |
| CN106339684A (zh) | 一种行人检测的方法、装置及车辆 | |
| CN112492105B (zh) | 一种基于视频的车辆外观部件自助定损采集方法及系统 | |
| CN113673527A (zh) | 一种车牌识别方法及系统 | |
| CN111241918A (zh) | 一种基于人脸识别的车用防跟踪方法及系统 | |
| CN111046822A (zh) | 一种基于人工智能视频识别的大型车辆防盗方法 | |
| CN115690615B (zh) | 一种面向视频流的深度学习目标识别方法及系统 | |
| CN206741505U (zh) | 识别管理设备和装置 | |
| Jain et al. | Number plate detection using drone surveillance |
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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: Room 203, Floor 2, Building 6, Qinghe Xisanqi East Road, Haidian District, Beijing 100,089 Patentee after: Beijing Shenzhi Hengji Technology Co.,Ltd. Address before: 100085 Room 203, 2 / F, building 6, Xisanqi East Road, Qinghe, Haidian District, Beijing Patentee before: SHENYUAN HENGJI TECHNOLOGY CO.,LTD. |