CN113361424A - 一种车辆智能定损图像获取方法、装置、介质和电子设备 - Google Patents
一种车辆智能定损图像获取方法、装置、介质和电子设备 Download PDFInfo
- Publication number
- CN113361424A CN113361424A CN202110653277.4A CN202110653277A CN113361424A CN 113361424 A CN113361424 A CN 113361424A CN 202110653277 A CN202110653277 A CN 202110653277A CN 113361424 A CN113361424 A CN 113361424A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- damage
- accident
- determining
- 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
Images
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
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Abstract
本发明的实施方式提供了一种车辆智能定损图像获取方法、装置、介质和电子设备。其中,该方法包括:获取拍摄到的车辆损伤图像和车辆的标识图像;根据所述车辆的标识图像确定所述车辆的标识;根据所述车辆的标识从第三方平台中获取所述车辆的历史事故的定损图像;根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像。根据本发明的车辆智能定损图像获取方法可以在获取到拍摄的照片或视频之后,自动将包括不属于本次事故造成的损伤的图像剔除出去,而无需人工进行筛选,从而显著地降低了车辆事故的定损成本,提高了车辆智能定损效率,为用户带来了更好的体验。
Description
技术领域
本发明的实施方式涉及车辆智能定损领域,更具体地,本发明的实施方式涉及一种车辆智能定损图像获取方法、装置、介质、装置和电子设备。
背景技术
目前业内有一些利用交通事故现场图像进行自动分析得到预设车损情况的处理方式。但目前的方式仅仅是简单的确定出预设的车损部位的损伤情况,如车前方、车侧面、车尾等。并不能够确定识别出车损部位是否是由本次事故造成的,对于判断识别出的损伤部位的是否属于本次事故主要是由保险公司的工作人员来判断,最终车辆定损的结果还是依靠人工核定,人力和时间成本较大,并且不同保险公司车损核定标准不统一,加上人的主观因素影响,车辆定损结果的差异较大,可靠性较低。
发明内容
为此,非常需要一种改进的车辆智能定损图像获取方法,以使得能够高效准确的从拍摄的照片/视频中筛选出能够用于车辆智能定损的图像。
在本上下文中,本发明的实施方式期望提供一种车辆智能定损图像获取方法、装置、介质、装置和电子设备。
在本发明实施方式的第一方面中,提供了一种车辆智能定损图像获取方法,包括:
获取拍摄到的车辆损伤图像和车辆的标识图像;
根据所述车辆的标识图像确定所述车辆的标识;
根据所述车辆的标识从第三方平台中获取所述车辆的历史事故的定损图像;
根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像。
可选地,根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像之后,所述方法还包括:根据所述当前事故的定损图像确定所述车辆维修需要的标准配件。
可选地,根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像之后,所述方法还包括:根据车辆的标识图像确定车辆的品牌;型号;
根据所述当前事故的定损图像确定所述车辆维修需要的标准配件,包括:
根据所述车辆的品牌和型号,以及当前事故的定损图像确定所述车辆维修需要的标准配件。
可选地,根据所述车辆的品牌和型号,以及当前事故的定损图像确定所述车辆维修需要的标准配件之后,还包括:弹出所述需要的标准配件的产品价格列表;
在所述列表中,价格按照从高到低,或者从低到高的顺序进行排序。
在本发明实施方式的第二方面中,提供了一种车辆智能定损图像获取装置,包括:获取单元,用于获取拍摄到的车辆损伤图像和车辆的标识图像;
历史定损图像确定单元,用于根据所述车辆的标识图像确定所述车辆的标识;
根据所述车辆的标识从第三方平台中获取所述车辆的历史事故的定损图像;
当前定损图像确定单元,用于根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像。
在本发明实施方式的第三方面中,提供了一种计算机可读存储介质,存储有程序代码,所述程序代码当被处理器执行时,实现如本实施方式的第一方面中任一实施例所述的方法。
在本发明实施方式的第四方面中,提供了一电子设备,包括处理器和存储有程序代码的存储介质,所述程序代码当被处理器执行时,实现如本实施方式的第一方面中任一实施例所述的方法。
根据本发明实施方式的车辆智能定损图像获取方法、介质、装置和电子设备,可以在获取到拍摄的照片或视频之后,自动将包括不属于本次事故造成的损伤的图像剔除出去,而无需人工进行筛选,从而显著地降低了车辆事故的定损成本,提高了车辆智能定损效率,为用户带来了更好的体验。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明各个实施方式的一种应用场景示意图;
图2示意性地示出了根据本发明一实施方式的车辆智能定损图像获取方法的流程示意图;
图3示意性地示出了根据本发明各个实施方式的又一应用场景示意图;
图4示意性地示出了根据本发明一实施方式的车辆智能定损图像获取装置的结构示意图;
图5示意性地示出了根据本发明实施方式提供的一种计算机可读存储介质的示意图;
图6示意性地示出了根据本发明实施方式提供的一种电子设备的示意图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种车辆智能定损图像获取方法、介质、装置和电子设备。
此外,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
本发明人发现,在发生交通事故,需要对事故车辆进行保险定损时,传统的车辆智能定损方式都是由保险公司的专业定损人员赶到现场进行定损照片的拍摄,虽然现在随着互联网技术的发展,一些公司通过移动终端拍摄事故车辆的照片并进行车辆智能定损的,但是其并不能够确定识别出的车损部位是否是由本次事故造成的,对于判断识别出的损伤部位的是否属于本次事故主要是由保险公司的工作人员来判断,最终车辆智能定损的结果还是依靠人工核定,人力和时间成本较大,并且不同保险公司车损核定标准不统一,加上人的主观因素影响,车辆智能定损结果的差异较大,可靠性较低。
因此,发明人考虑根据一些外部信息(比如交警部门出具的事故信息和事故车辆的既往定损信息等)将影响车辆智能定损的历史损伤排除,而无需人工进行筛选,显著地降低车辆事故的定损成本,提高车辆智能定损效率,为用户带来了更好的体验。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
首先参考图1,图1是本发明的车辆智能定损图像获取方法的应用场景示意图,图1中用户可以通过终端设备A在事故现场进行拍摄,在用户完成拍摄后,终端设备A将拍摄的图像(视频/照片)数据上传至服务器,服务器根据本发明的车辆智能定损图像获取方法对所述视图像据进行处理,得到若干张事故车辆的定损图像,并可将所述定损图像下发至相应的终端设备A进行车辆智能定损。
以上应用场景仅为示例,实际的应用过程中,服务器可以存在多级,也即可以是接收服务器接收终端设备发送的图像数据,并将接收到的图像数据发送到处理服务器,处理服务器对接收到的图像数据根据本发明的车辆智能定损图像获取方法进行处理,得到若干张事故的车辆智能定损图像,然后发送至定损服务器或定损终端或终端设备A进行车辆智能定损。
下面结合图1的应用场景,参考图2来描述根据本发明示例性实施方式的用于车辆智能定损图像获取的方法。需要注意的是,上述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。
图2是本发明所述一种车辆智能定损图像获取方法实施例的流程示意图。虽然本发明提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本发明实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。
为了清楚起见,下述实施例以具体的一个拍摄者通过移动终端进行图像拍摄、服务器对拍摄图像数据进行处理获取定损图像的实施场景进行说明。拍摄者可以为保险公司作业人员,拍摄者手持移动终端对受损车辆进行视频拍摄。所述的移动终端可以包括手机、平板电脑,或者其他有视频拍摄功能和数据通信功能的通用或专用设备。所述的移动终端和服务器可以部署有相应的应用模块(如移动终端安装的某个车辆智能定损APP(application,应用),以实现相应的数据处理。但是,本领域技术人员能够理解到,可以将本方案的实质精神应用到获取车辆智能定损图像的其他实施场景中,如拍摄者也可以为车主用户,或者参照图3,移动终端拍摄后直接在移动终端一侧对图像数据进行处理并获取定损图像。
具体的一种实施例如图2所示,本发明提供的一种车辆智能定损图像获取方法的一种实施例中,所述方法可以包括:
S201,获取拍摄到的车辆损伤图像和车辆的标识图像。
S202,根据所述车辆的标识图像确定所述车辆的标识;
S203,根据所述车辆的标识从第三方平台中获取所述车辆的历史事故的定损图像。
其中,第三方平台为定损平台。定损平台中保存了大量的历史事故的定损图像。车辆标识可以为车牌号;
具体的,定损平台中存储了每一个车牌号的历史事故的定损图像,通过车牌号可以查询到存储的历史的定损图像。
S204,根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像。
具体的,用车辆损伤图像减去所述历史事故的定损图像得到当前事故的定损图像。
本发明的上述方法,可以借助与第三方平台,快速的确定历史事故的定损图像。从而快速地将历史事故的定损图像排除掉,得到当前事故的定损图像。
在一种实施方式中,根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像之后,所述方法还包括:根据所述当前事故的定损图像确定所述车辆维修需要的标准配件。
具体的,根据车辆的标识图像确定车辆的品牌;型号;
根据所述当前事故的定损图像确定所述车辆维修需要的标准配件,包括:
根据所述车辆的品牌和型号,以及当前事故的定损图像确定所述车辆维修需要的标准配件。
示例性的,如果车辆为宝马,车辆损坏的配件为左前方的车灯,则需要的标准配件为宝马牌的车灯。
在一种实施方式中,根据所述车辆的品牌和型号,以及当前事故的定损图像确定所述车辆维修需要的标准配件之后,还包括:弹出所述需要的标准配件的产品价格列表;
在所述列表中,价格按照从高到低,或者从低到高的顺序进行排序。
对价格列表进行排序,可以方便用户来进行选择自己想要的价格的配件。
在本实施例中,拍摄者通过移动终端进行图像拍摄,所述拍摄者拍摄的图像可以是照片,也可以是一段视频,在拍摄完成后,将拍摄到的图像(视频/照片)上传至服务器,由服务器对所述图像进行处理,从中筛选出包括车辆损伤的图片。
本发明的一些实施方式中,客户端拍摄得到的图像数据可以实时传输到服务器,以便于服务器快速处理。其他的实施方式中,也可以在客户端图像拍摄完成后再传输至服务器。如拍摄者使用的移动终端当前没有网络连接,则可以先进行视频拍摄,等连接上移动蜂窝数据或WLAN(WirelessLocalAreaNetworks,无线局域网)或者专有网络后再进行传输。当然,即使在客户端可以与服务器进行正常数据通信的情况下,也可以将拍摄的图像数据异步传输至服务器。可以理解的是,在由移动终端拍摄完成后,再将拍摄的图像上传至服务器时,可以由移动终端进行图像数据的筛选工作,也即移动终端上传的(服务器接收的)图像均是包括车辆损伤的图像。
需要说明的是,本实施例中拍摄者对车辆受损区域进行拍摄获取的拍摄视频数据,可以为一个视频段,也可以为多个视频段。如对同一个受损区域进行了多次不同角度和远近距离的拍摄生成的多段拍摄视频数据,或者对不同的受损区域分别进行拍摄得到各个受损区域的拍摄视频数据。当然,一些实施场景下,也可以围绕受损车辆的各个受损区域进行一次完整拍摄,得到一个相对时间较长的视频段。
在得到拍摄的所述视频数据后,服务器需要从所述视频数据中识别出车辆损伤图像,在本实施方式的一个实施例中,服务器可以对所述视频数据中的每一帧图像进行判断,确定其中哪些帧图像是包括车辆损伤的图像。考虑到,视频中存在大量内容相同或相似的图像,如果对视频中的每一帧都进行识别,无疑是非常消耗资源的,因此,在本实施方式的一个实施例中,在获取到视频数据后,可以从所述视频数据中抽取多个关键帧图像,进而从所述关键帧图像中确定包括车辆损伤的图像。
对于关键帧图像的抽取,可以采用基于抽样的方法,基于镜头分界法,基于聚类的方法等等。
对于抽取出的关键帧图像和/或拍摄的照片,在本实施方式的一个实施例中,可以使用基于卷积神经网络和区域建议网络的多种模型和变种,如FasterR-CNN、YOLO、Mask-FCN等进行识别。其中的卷积神经网络(CNN)可以用任意CNN模型,如ResNet、Inception,VGG等及其变种。通常神经网络中的卷积网络(CNN)部分可以使用在物体识别取得较好效果的成熟网络结构,如Inception、ResNet等网络,如ResNet网络,输入为一张图片,输出为多个受损区域,和对应的受损区域和置信度(这里的置信度为表示识别出来的受损区域真实性程度的参数)。fasterR-CNN、YOLO、Mask-FCN等都是属于本实施例可以使用的包含卷积层的深度神经网络。
在从拍摄到的图像数据(视频/照片)中确定了车辆损伤图像之后,需要从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像;
在本步骤中,需要从大量包括车辆损伤的图片中筛选出包括本次事故造成的损伤的候选定损图像,在本实施方式的一个实施例中,可以考虑基于以下至少之一从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像:
历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息。
具体的,在本实施方式的一个实施例中,基于历史事故的定损图像从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像,包括:
将所述车辆损伤图像与历史事故中的定损图像相匹配;
在本步骤中,通过将之前从拍摄的图像数据中识别出的车辆损伤图像与历史事故中的定损图像进行匹配,对于匹配到历史事故中的定损图像的车辆损伤图像,则可以认为其不是本次事故造成的。由于车辆损伤图片和车辆智能定损图像很可能都包括了不止一处车辆损伤,那么直接进行匹配,很难得到足够准确的匹配结果,因此,需要对一类图像进行分割,使得至少一类图像中的任一图像只包括车辆的一处损伤。
具体的,在本实施方式的一个实施例中,将所述车辆损伤图像与历史事故中的定损图像相匹配,包括:
将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像;
在本步骤,可以将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像,在进行分割之前,需要对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位,进而根据识别结果将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像,在本实施例中,可以使用基于卷积神经网络和区域建议网络的多种模型和变种,如FasterR-CNN、YOLO、Mask-FCN等进行识别。其中的卷积神经网络(CNN)可以用任意CNN模型,如ResNet、Inception,VGG等及其变种。通常神经网络中的卷积网络(CNN)部分可以使用在物体识别取得较好效果的成熟网络结构,如Inception、ResNet等网络,如ResNet网络,输入为一张图片,输出为多个受损区域,和对应的受损区域和置信度(这里的置信度为表示识别出来的受损区域真实性程度的参数)。fasterR-CNN、YOLO、Mask-FCN等都是属于本实施例可以使用的包含卷积层的深度神经网络。
在将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像,就可以将分割出的每一子图像与历史事故中的定损图像相匹配。
考虑到,在之前的历史事故中进行车辆智能定损时,确定的定损图像中的每一图像均仅包括单个损伤部位,因此,在本实施方式的一个实施例中,可以直接将历史事故中的定损图像与所述车辆损伤图像逐一匹配,而不需要再对本次事故中获取的车辆损伤图片进行分割。
可以理解的是,历次的历史事故中确定的车辆智能定损图像,很有可能存在一些不是仅包括单个损伤部位的图像,因此,在本实施方式的一个实施例中,可以根据所有历史事故中的车辆智能定损图像的数量确定,是将所有历史事故中的不是仅包括单个损伤部位的车辆智能定损图像进行分割还是将本次事故中的车辆损伤图像分割为多个仅包括单个损伤部位的子图像,具体的,可以将需要分割的图像数量较少的一类图像进行分割,比如若所有历史事故中的不是仅包括单个损伤部位的车辆智能定损图像的数量多于本次事故中的车辆损伤图像,则将本次事故中的车辆损伤图像分割为多个仅包括单个损伤部位的子图像。
不论是将哪一类图像进行分割,在完成分割后,即可进行匹配,响应于匹配到,将匹配到的历史事故中所造成的损伤从所述车辆损伤图像剔除;之后从剔除处理后的所述车辆损伤图像中选取候选定损图像。
一般在发生交通事故后,都会进行事故信息的记录和整理,这些事故信息也会有助于本次事故的车辆损伤的确定,因此,在本实施方式的一个实施例中,基于本次事故信息从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像,包括:
基于所述事故信息确定本次事故中车辆的受损部件;
在本步骤,可以根据记录的事故信息确定本次事故中车辆的受损部件,比如,在事故信息中可能直接记录了车辆的哪些部位受到了损伤,这些损伤的程度如何,或者事故信息并没有记录非常详细的车辆受损信息,只是记录了“一辆赣B43099货车从瑞金往宁都方向行驶,行至执勤路段时,超越前方受检车辆驶入左侧车道与一辆对面来车(赣B41676货车)发生刮碰,造成两人轻微受伤,两车损坏的道路交通事故”,那么可以通过自然语言处理技术得到“左侧车道”“刮碰”等关键字,那么车辆的右侧大概率是没有受到损伤的,因此如果车辆的损伤图片中如果存在右侧损伤部位,则可以判定其不属于本次的事故造成的损伤。
在根据记录的事故信息确定本次事故中车辆的受损部件之后,可以判断所述车辆损伤图像中各个受损部位所属的车辆部件与车辆的受损部件是否匹配;
其中,判断所述车辆损伤图像中各个受损部位所属的车辆部件与车辆的受损部件是否匹配,包括:
对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位,对于车辆损伤图像的检测识别,可以采取和上述实施例中相同的方式,在此不再进行赘述;
识别所述受损部位所属的车辆部件;
判断所述受损部位所属的车辆部件与车辆的受损部件是否匹配。
若是,选取所述受损部位的图像为候选定损图像。
可以理解的是,有些车主在车辆出现事故,受到一些损伤时,并没有向交通部门报案,也没有向保险公司进行理赔,因此,这些损伤很可能不存在于历史事故的车辆智能定损图像中,如果本次的事故信息记录的也不太清晰,那么其很可能会被判定为本次事故造成的,因此,在本实施方式的一个实施例中,基于拍摄到的车辆损伤图像中各个损伤图像的特征信息从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像,包括:
对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位;
获取所述车辆损伤图像中各个受损部位的图像特征信息,其中,所述各个受损部位的图像特征信息用于表征所述受损部位的损伤时长;
根据所述各个受损部位的图像特征信息逐一判断所述受损部位的损伤是否属于本次事故造成;
选取包括属于本次事故造成的损伤的图像作为候选定损图像。
考虑到,车辆造成损伤之后,如果没有及时进行修复,那么这些损伤在经年累月的外部影响下,会不断发生变化,因此,如果车辆的损伤不属于本次事故造成,其表现必然与本次事故中造成的损伤不同,也即可以对车辆的损伤进行分析,判定所述损伤的形成时间,进而确定其是否是由本次事故造成的。
考虑到仅仅只是根据单方面的因素判定损伤是否由本次事故造成不够精准,在本实施方式的一个实施例中,基于以下至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像:
历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息。
具体的,在基于历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像时:
分别基于历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息中至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选图像集合;
将选出的至少两个包括本次事故造成的损伤的候损图像集合取交集;
将所述交集中的图像选为候选定损图像。
在确定车辆智能定损图像的候选图像集合后,按照预设筛选条件从所述候选图像集合中选出车辆的定损图像,也即执行步骤S203,根据预设条件从所述候选定损图像中选出车辆智能定损图像。
具体的,在本实施方式的一个实施例中,可以从受损区域候选图像集合中,根据每一受损部位基于所述受损部位图像的清晰度和所述受损区域的拍摄角度,分别选取至少一张作为所述受损区域的定损图像。
可以理解的是,所述的预设筛选条件可以自定义的设置,例如一个实施例中,可以在不同部位的图像中根据图像的清晰度,分别选取多张(比如5或10张)清晰度最高,并且拍摄角度不一样的图像作为指定受损区域的定损图像。图像的清晰度可以通过对受损区域和检测出来的车辆部件所在的图像区域进行计算,例如可以使用基于空间域的算子(如Gabor算子)或者基于频域的算子(如快速傅立叶变换)等方法得到。
根据本发明实施方式的车辆智能定损图像获取方法,可以在获取到拍摄的照片或视频之后,自动将包括不属于本次事故造成的损伤的图像剔除出去,而无需人工进行筛选,从而显著地降低了车辆事故的定损成本,提高了车辆智能定损效率,为用户带来了更好的体验。
参考图4,本发明示例性实施方式提供了一种车辆智能定损图像获取装置,所述装置包括:
获取单元401,用于获取拍摄到的车辆损伤图像和车辆的标识图像;
历史图像定损单元402,用于根据所述车辆的标识图像确定所述车辆的标识;
根据所述车辆的标识从第三方平台中获取所述车辆的历史事故的定损图像;
当前定损图像确定单元403,用于根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像。
参考图5,本发明示例性实施例提供了一种的计算机可读存储介质、,请参考图5,其示出的计算机可读存储介质为光盘50,其上存储有计算机程序(即程序产品),所述计算机程序在被处理器运行时,会实现上述方法实施方式中所记载的各步骤,例如,获取拍摄到的车辆损伤图像;从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像;根据预设条件从所述候选定损图像中选出车辆智能定损图像;各步骤的具体实现方式在此不再重复说明。
需要说明的是,所述计算机可读存储介质的例子还可以包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质,在此不再一一赘述。
电子设备,参考图6对本发明示例性实施方式的电子设备进行说明,图6示出了适于用来实现本发明实施方式的示例性电子设备60的框图,该电子设备60可以是计算机系统或服务器。图6显示的电子设备60仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备60的组件可以包括但不限于:一个或者多个处理器或者处理单元601,系统存储器602,连接不同系统组件(包括系统存储器602和处理单元601)的总线603。
系统存储器602可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)6021和/或高速缓存存储器6022。电子设备60可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,ROM6023可以用于读写不可移动的、非易失性磁介质(图6中未显示,通常称为“硬盘驱动器”)。尽管未在图6中示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线603相连。系统存储器602中可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块6024的程序/实用工具6025,可以存储在例如系统存储器602中,且这样的程序模块6024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块6024通常执行本发明所描述的实施例中的功能和/或方法。
电子设备60也可以与一个或多个外部设备604(如键盘、指向设备、显示器等)通信。这种通信可以通过输入/输出(I/O)接口605进行。并且,电子设备60还可以通过网络适配器606与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图6所示,网络适配器606通过总线603与电子设备60的其它模块(如处理单元601等)通信。应当明白,尽管图6中未示出,可以结合电子设备60使用其它硬件和/或软件模块。
处理单元601通过运行存储在系统存储器702中的程序,从而执行各种功能应用以及数据处理,例如,执行并实现车辆智能定损图像获取方法中的各步骤;例如,获取拍摄到的车辆损伤图像;从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像;根据预设条件从所述候选定损图像中选出车辆智能定损图像;各步骤的具体实现方式在此不再重复说明。
应当注意,尽管在上文详细描述中提及了基于长篇文章生成短资讯的装置的若干单元/模块或子单元/子模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
通过上述的描述,本发明的实施例提供了以下的技术方案,但不限于此:
技术方案1.一种车辆智能定损图像获取方法,包括:
获取拍摄到的车辆损伤图像;
从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像;
根据预设条件从所述候选定损图像中选出车辆智能定损图像。
技术方案2.如技术方案1所述的方法,基于以下至少之一从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像:
历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息。
技术方案3.如技术方案2所述的方法,基于历史事故的定损图像从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像,包括:
将所述车辆损伤图像与历史事故中的定损图像相匹配;
响应于匹配到,将匹配到的历史事故中所造成的损伤从所述车辆损伤图像剔除;
从剔除处理后的所述车辆损伤图像中选取候选定损图像。
技术方案4.如技术方案3所述的方法,将所述车辆损伤图像与历史事故中的定损图像相匹配,包括:
将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像;
将分割出的每一子图像与历史事故中的定损图像相匹配。
技术方案5.如技术方案3所述的方法,将所述车辆损伤图像与历史事故中的定损图像相匹配,包括:
将历史事故中的定损图像与所述车辆损伤图像逐一匹配,其中所述历史事故中的每一定损图像均仅包括单个损伤部位。
技术方案6.如技术方案4所述的方法,将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像之前,所述方法还包括:
对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位;
根据识别结果将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像。
技术方案7.如技术方案1所述的方法,基于本次事故信息从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像,包括:
基于所述事故信息确定本次事故中车辆的受损部件;
判断所述车辆损伤图像中各个受损部位所属的车辆部件与车辆的受损部件是否匹配;
若是,选取所述受损部位的图像为候选定损图像。
技术方案8.如技术方案7所述的方法,判断所述车辆损伤图像中各个受损部位所属的车辆部件与车辆的受损部件是否匹配,包括:
对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位;
识别所述受损部位所属的车辆部件;
判断所述受损部位所属的车辆部件与车辆的受损部件是否匹配。
技术方案9.如技术方案1所述的方法,基于拍摄到的车辆损伤图像中各个损伤图像的特征信息从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像,包括:
对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位;
获取所述车辆损伤图像中各个受损部位的图像特征信息;
根据所述各个受损部位的图像特征信息逐一判断所述受损部位的损伤是否属于本次事故造成;
选取包括属于本次事故造成的损伤的图像作为候选定损图像。
技术方案10.如技术方案9所述的方法,所述各个受损部位的图像特征信息用于表征所述受损部位的损伤时长。
技术方案11.如技术方案2-10任一所述的方法,基于以下至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像:
历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息。
技术方案12.如技术方案11所述的方法,在基于历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像时:
分别基于历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选图像集合;
将选出的至少两个包括本次事故造成的损伤的候损图像集合取交集;
将所述交集中的图像选为候选定损图像。
技术方案13.如技术方案1-12任一所述的方法,根据预设条件从所述候选定损图像中选出车辆智能定损图像,包括:
从所述候选定损图像中,根据每一受损部位基于所述受损部位图像的清晰度和所述受损部位的拍摄角度,分别选取至少一张作为所述受损部位的定损图像。
技术方案14.一种车辆智能定损图像获取装置,包括:
损伤图片获取模块,被配置为获取拍摄到的车辆损伤图像;
候选定损图像选取模块,被配置为从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像;
车辆智能定损图像确定模块,被配置为根据预设条件从所述候选定损图像中选出车辆智能定损图像。
技术方案15.如技术方案14所述的装置,其中,所述候选定损图像选取模块被配置为基于以下至少之一从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像:
历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息。
技术方案16.如技术方案15所述的装置,其中,所述候选定损图像选取模块包括:
图像匹配单元,被配置为将所述车辆损伤图像与历史事故中的定损图像相匹配;
图片处理单元,被配置为响应于匹配到,将匹配到的历史事故中所造成的损伤从所述车辆损伤图像剔除;
候选定损图像选取单元,被配置为从剔除处理后的所述车辆损伤图像中选取候选定损图像。
技术方案17.如技术方案16所述的装置,其中,所述图像匹配单元包括:
图像分割子单元,被配置为将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像;
图像匹配子单元,被配置为将分割出的每一子图像与历史事故中的定损图像相匹配。
技术方案18.如技术方案16所述的装置,其中,所述图像匹配单元还被配置为将历史事故中的定损图像与所述车辆损伤图像逐一匹配,其中所述历史事故中的每一定损图像均仅包括单个损伤部位。
技术方案19.如技术方案17所述的装置,其中,所述图像分割子单元被配置为对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位;以及根据识别结果将所述车辆损伤图像分割为多个仅包括单个损伤部位的子图像。
技术方案20.如技术方案15所述的装置,其中,所述候选定损图像选取模块被配置为基于本次事故信息从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像,包括:
受损部件确定单元,被配置为基于所述事故信息确定本次事故中车辆的受损部件;
受损部件图像匹配单元,被配置为判断所述车辆损伤图像中各个受损部位所属的车辆部件与车辆的受损部件是否匹配;
候选定损图像选取单元,被配置为若是,选取所述受损部位的图像为候选定损图像。
技术方案21.如技术方案20所述的装置,其中,所述受损部件图像匹配单元包括:
受损部位识别子单元,被配置为对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位;
受损部件识别子单元,被配置为识别所述受损部位所属的车辆部件;
判断子单元,被配置为判断所述受损部位所属的车辆部件与车辆的受损部件是否匹配。
技术方案22.如技术方案15所述的装置,所述候选定损图像选取模块被配置为基于拍摄到的车辆损伤图像中各个损伤图像的特征信息从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像,包括:
受损部位识别单元,被配置为对所述车辆损伤图像进行检测,识别所述车辆损伤图像中的受损部位;
受损图像特征获取单元,被配置为获取所述车辆损伤图像中各个受损部位的图像特征信息;
损伤判断单元,被配置为根据所述各个受损部位的图像特征信息逐一判断所述受损部位的损伤是否属于本次事故造成;
候选定损图像获取单元,被配置为选取包括属于本次事故造成的损伤的图像作为候选定损图像。
技术方案23.如技术方案22所述的装置,其中,所述各个受损部位的图像特征信息用于表征所述受损部位的损伤时长。
技术方案24.如技术方案15-23任一所述的装置,所述候选定损图像选取模块被配置为还被配置为基于以下至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像:
历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息。
技术方案25.如技术方案24所述的装置,所述候选定损图像选取模块在基于历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选定损图像时,包括:
图像集合选取单元,被配置为分别基于历史事故的定损图像、本次事故信息和拍摄到的车辆损伤图像中各个损伤图像的特征信息至少之二从所述车辆损伤图像中选出包括本次事故造成的损伤的候选图像集合;
图像集合处理单元,被配置为将选出的至少两个包括本次事故造成的损伤的候损图像集合取交集;
候选定损图像选取单元,被配置为将所述交集中的图像选为候选定损图像。
技术方案26.如技术方案14-25任一所述的装置,所述车辆智能定损图像确定模块还被配置为从所述候选定损图像中,根据每一受损部位基于所述受损部位图像的清晰度和所述受损部位的拍摄角度,分别选取至少一张作为所述受损部位的定损图像。
技术方案27、一种计算机可读存储介质,存储有程序代码,所述程序代码当被处理器执行时,实现如技术方案1-13之一所述的方法。
技术方案28、一种计算设备,包括处理器和存储有程序代码的存储介质,所述程序代码当被处理器执行时,实现如技术方案1-13之一所述的方法。
Claims (10)
1.一种车辆智能定损图像获取方法,包括:
获取拍摄到的车辆损伤图像和车辆的标识图像;
根据所述车辆的标识图像确定所述车辆的标识;
根据所述车辆的标识从第三方平台中获取所述车辆的历史事故的定损图像;
根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像。
2.如权利要求1所述的方法,其特征在于,根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像之后,所述方法还包括:根据所述当前事故的定损图像确定所述车辆维修需要的标准配件。
3.如权利要求1所述的方法,其特征在于,根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像之后,所述方法还包括:根据车辆的标识图像确定车辆的品牌;型号;
根据所述当前事故的定损图像确定所述车辆维修需要的标准配件,包括:
根据所述车辆的品牌和型号,以及当前事故的定损图像确定所述车辆维修需要的标准配件。
4.如权利要求3所述的方法,其特征在于,根据所述车辆的品牌和型号,以及当前事故的定损图像确定所述车辆维修需要的标准配件之后,还包括:弹出所述需要的标准配件的产品价格列表;
在所述列表中,价格按照从高到低,或者从低到高的顺序进行排序。
5.一种车辆智能定损图像获取装置,其特征在于,包括:
获取单元,用于获取拍摄到的车辆损伤图像和车辆的标识图像;
历史定损图像确定单元,用于根据所述车辆的标识图像确定所述车辆的标识;
根据所述车辆的标识从第三方平台中获取所述车辆的历史事故的定损图像;
当前定损图像确定单元,用于根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像。
6.如权利要求5所述的车辆智能定损图像获取装置,其特征在于,还包括配件确定单元,用于所述当前定损图像确定单元根据所述车辆损伤图像和所述历史事故的定损图像确定所述车辆的当前事故的定损图像之后,根据所述当前事故的定损图像确定所述车辆维修需要的标准配件。
7.如权利要求6所述的车辆智能定损图像获取装置,其特征在于,还包括:车辆确定单元,用于根据车辆的标识图像确定车辆的品牌;型号;
所述配件确定单元,还用于根据所述车辆的品牌和型号,以及当前事故的定损图像确定所述车辆维修需要的标准配件。
8.如权利要求7所述的车辆智能定损图像获取装置,其特征在于,所述配件确定单元还用于,根据所述车辆的品牌和型号,以及当前事故的定损图像确定所述车辆维修需要的标准配件之后,弹出所述需要的标准配件的产品价格列表;
在所述列表中,价格按照从高到低,或者从低到高的顺序进行排序。
9.一种计算机可读存储介质,存储有程序代码,所述程序代码当被处理器执行时,实现如权利要求1-4之一所述的方法。
10.一种电子设备,包括处理器和存储有程序代码的存储介质,所述程序代码当被处理器执行时,实现如权利要求1-4之一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110653277.4A CN113361424A (zh) | 2021-06-11 | 2021-06-11 | 一种车辆智能定损图像获取方法、装置、介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110653277.4A CN113361424A (zh) | 2021-06-11 | 2021-06-11 | 一种车辆智能定损图像获取方法、装置、介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113361424A true CN113361424A (zh) | 2021-09-07 |
Family
ID=77533916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110653277.4A Pending CN113361424A (zh) | 2021-06-11 | 2021-06-11 | 一种车辆智能定损图像获取方法、装置、介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361424A (zh) |
Citations (14)
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 |
CN108647712A (zh) * | 2018-05-08 | 2018-10-12 | 阿里巴巴集团控股有限公司 | 车辆损伤识别的处理方法、处理设备、客户端及服务器 |
CN109754326A (zh) * | 2019-01-11 | 2019-05-14 | 福建工程学院 | 一种轻微交通事故辅助快速定损的方法及系统 |
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 |
CN110147719A (zh) * | 2019-04-09 | 2019-08-20 | 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 |
CN110263615A (zh) * | 2019-04-29 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 车辆拍摄中的交互处理方法、装置、设备及客户端 |
CN110287768A (zh) * | 2019-05-06 | 2019-09-27 | 浙江君嘉智享网络科技有限公司 | 图像智能识别车辆定损方法 |
CN110570317A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 用于车辆核损的方法及装置 |
CN110674788A (zh) * | 2019-10-09 | 2020-01-10 | 北京百度网讯科技有限公司 | 车辆定损方法和装置 |
US20200111061A1 (en) * | 2018-10-03 | 2020-04-09 | Solera Holdings, Inc. | Apparatus and Method for Combined Visual Intelligence |
CN111259848A (zh) * | 2020-01-22 | 2020-06-09 | 苏州华兴源创科技股份有限公司 | 一种车辆定损方法、车辆定损系统、计算机设备和介质 |
CN111612104A (zh) * | 2020-06-30 | 2020-09-01 | 爱保科技有限公司 | 车辆定损图像获取方法、装置、介质和电子设备 |
CN111886619A (zh) * | 2018-03-26 | 2020-11-03 | 苏州山水树儿信息技术有限公司 | 基于历史案例的车辆碰撞定损方法及系统 |
CN112818811A (zh) * | 2021-01-27 | 2021-05-18 | 北京巅峰科技有限公司 | 一种车辆定损方法及装置 |
-
2021
- 2021-06-11 CN CN202110653277.4A patent/CN113361424A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200050867A1 (en) * | 2017-04-28 | 2020-02-13 | Alibaba Group Holding Limited | Method and apparatus for obtaining vehicle loss assessment image, server and terminal device |
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 |
CN111886619A (zh) * | 2018-03-26 | 2020-11-03 | 苏州山水树儿信息技术有限公司 | 基于历史案例的车辆碰撞定损方法及系统 |
CN108647712A (zh) * | 2018-05-08 | 2018-10-12 | 阿里巴巴集团控股有限公司 | 车辆损伤识别的处理方法、处理设备、客户端及服务器 |
US20200364802A1 (en) * | 2018-05-08 | 2020-11-19 | Alibaba Group Holding Limited | Processing method, processing apparatus, user terminal and server for recognition of vehicle damage |
CN110570317A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 用于车辆核损的方法及装置 |
US20200111061A1 (en) * | 2018-10-03 | 2020-04-09 | Solera Holdings, Inc. | Apparatus and Method for Combined Visual Intelligence |
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 |
CN109754326A (zh) * | 2019-01-11 | 2019-05-14 | 福建工程学院 | 一种轻微交通事故辅助快速定损的方法及系统 |
CN110147719A (zh) * | 2019-04-09 | 2019-08-20 | 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 |
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 |
CN110263615A (zh) * | 2019-04-29 | 2019-09-20 | 阿里巴巴集团控股有限公司 | 车辆拍摄中的交互处理方法、装置、设备及客户端 |
CN110287768A (zh) * | 2019-05-06 | 2019-09-27 | 浙江君嘉智享网络科技有限公司 | 图像智能识别车辆定损方法 |
CN110674788A (zh) * | 2019-10-09 | 2020-01-10 | 北京百度网讯科技有限公司 | 车辆定损方法和装置 |
CN111259848A (zh) * | 2020-01-22 | 2020-06-09 | 苏州华兴源创科技股份有限公司 | 一种车辆定损方法、车辆定损系统、计算机设备和介质 |
CN111612104A (zh) * | 2020-06-30 | 2020-09-01 | 爱保科技有限公司 | 车辆定损图像获取方法、装置、介质和电子设备 |
CN112818811A (zh) * | 2021-01-27 | 2021-05-18 | 北京巅峰科技有限公司 | 一种车辆定损方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240087102A1 (en) | Automatic Image Based Object Damage Assessment | |
CN107392218B (zh) | 一种基于图像的车辆定损方法、装置及电子设备 | |
CN107358596B (zh) | 一种基于图像的车辆定损方法、装置、电子设备及系统 | |
US10692050B2 (en) | Automatic assessment of damage and repair costs in vehicles | |
US10373262B1 (en) | Image processing system for vehicle damage | |
US10380696B1 (en) | Image processing system for vehicle damage | |
CN111612104B (zh) | 车辆定损图像获取方法、装置、介质和电子设备 | |
US20200074215A1 (en) | Method and system for facilitating detection and identification of vehicle parts | |
US11410287B2 (en) | System and method for artificial intelligence based determination of damage to physical structures | |
CN111311540A (zh) | 车辆定损方法、装置、计算机设备和存储介质 | |
CN108323209B (zh) | 信息处理方法、系统、云处理设备以及计算机存储介质 | |
CN111222409A (zh) | 车辆品牌的标注方法、装置及系统 | |
CN110929626A (zh) | 确定库存货物件数的方法、仓库盘点方法、装置及设备 | |
CN114049499A (zh) | 用于连续轮廓的目标对象检测方法、设备及存储介质 | |
US11120308B2 (en) | Vehicle damage detection method based on image analysis, electronic device and storage medium | |
CN111767915A (zh) | 车牌检测方法、装置、设备及存储介质 | |
CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
CN113971821A (zh) | 驾驶员信息确定方法、装置、终端设备及存储介质 | |
CN110443814B (zh) | 车辆的定损方法、装置、设备和存储介质 | |
CN108847031A (zh) | 交通行为监控方法、装置、计算机设备和存储介质 | |
CN112287905A (zh) | 车辆损伤识别方法、装置、设备及存储介质 | |
CN113361424A (zh) | 一种车辆智能定损图像获取方法、装置、介质和电子设备 | |
CN113361426A (zh) | 车辆定损图像获取方法、介质、装置和电子设备 | |
CN115984786A (zh) | 车辆损伤检测方法及装置、终端、存储介质 | |
CN115731179A (zh) | 轨道部件检测方法、终端及存储介质 |
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 |