JP6905081B2 - 車両損失査定画像を取得するための方法および装置、サーバ、ならびに端末デバイス - Google Patents
車両損失査定画像を取得するための方法および装置、サーバ、ならびに端末デバイス Download PDFInfo
- Publication number
- JP6905081B2 JP6905081B2 JP2019558552A JP2019558552A JP6905081B2 JP 6905081 B2 JP6905081 B2 JP 6905081B2 JP 2019558552 A JP2019558552 A JP 2019558552A JP 2019558552 A JP2019558552 A JP 2019558552A JP 6905081 B2 JP6905081 B2 JP 6905081B2
- Authority
- JP
- Japan
- Prior art keywords
- damaged
- site
- image
- video
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 156
- 238000012545 processing Methods 0.000 claims description 109
- 230000006378 damage Effects 0.000 claims description 99
- 230000015654 memory Effects 0.000 claims description 34
- 238000012216 screening Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 3
- 208000027418 Wounds and injury Diseases 0.000 claims 23
- 208000014674 injury Diseases 0.000 claims 23
- 238000013527 convolutional neural network Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 239000000047 product Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G06Q50/40—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
-
- 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
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Description
クライアントにより、キャプチャされたビデオ・データを取得し、キャプチャされたビデオ・データをサーバに送信することと、
サーバにより、キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出して、1つまたは複数のビデオ画像内の損傷部位を識別することと、
サーバにより、識別された損傷部位に基づいて1つまたは複数のビデオ画像を分類して、損傷部位の1つまたは複数の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を含む。
端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信し、キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出して、1つまたは複数のビデオ画像内の損傷部位を識別することと、
識別された損傷部位に基づいて1つまたは複数のビデオ画像を分類して、損傷部位の1つまたは複数の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を含む。
損傷車両のビデオ録画を実行して、キャプチャされたビデオ・データを取得することと、
キャプチャされたビデオ・データを処理端末に送信することと、
処理端末により返された、ビデオ・データ内の損傷部位のリアルタイム追跡によって取得された位置領域(location region)を受信し、追跡された位置領域を表示することと
を含み、損傷部位は処理端末によりキャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出することによって識別される。
損傷車両のキャプチャされたビデオ・データを受信することと、
キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出して、1つまたは複数のビデオ画像内の損傷部位を識別することと、
識別された損傷部位に基づいて1つまたは複数のビデオ画像を分類して、損傷部位の1つまたは複数の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を含む。
端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信するように構成されるデータ受信モジュールと、
キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出して、1つまたは複数のビデオ画像内の損傷部位を識別するように構成される損傷部位識別モジュールと、
識別された損傷部位に基づいて1つまたは複数のビデオ画像を分類して、損傷部位の1つまたは複数の候補画像分類セットを決定するように構成される分類モジュールと、
事前設定されたスクリーニング条件に従って1つまたは複数の候補画像分類セットから車両損失査定画像を選択するように構成されるスクリーニング・モジュールと
を含む。
損傷車両のビデオ録画を実行して、キャプチャされたビデオ・データを取得するように構成される撮影モジュールと、
キャプチャされたビデオ・データを処理端末に送信するように構成される通信モジュールと、
処理端末により返された、ビデオ・データ内の損傷部位のリアルタイム追跡によって取得された位置領域を受信し、追跡された位置領域を表示するように構成される追跡モジュールと
を含み、損傷部位は処理端末によりキャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出することによって識別される。
損傷車両のキャプチャされたビデオ・データを受信することと、
キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出して、1つまたは複数のビデオ画像内の損傷部位を識別することと、
識別された損傷部位に基づいて1つまたは複数のビデオ画像を分類して、損傷部位の1つまたは複数の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を実施する。
損傷車両のキャプチャされたビデオ・データを受信するステップと、
キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出して、1つまたは複数のビデオ画像内の損傷部位を識別するステップと、
識別された損傷部位に基づいて1つまたは複数のビデオ画像を分類して、損傷部位の1つまたは複数の候補画像分類セットを決定するステップと、
事前設定されたスクリーニング条件に従って1つまたは複数の候補画像分類セットから車両損失査定画像を選択するステップと
が実施される、コンピュータ可読記憶媒体。
損傷車両のビデオ録画を実行して、キャプチャされたビデオ・データを取得するステップと、
キャプチャされたビデオ・データを処理端末に送信するステップと、
処理端末により返された、ビデオ・データ内の損傷部位のリアルタイム追跡によって取得された位置領域を受信し、追跡された位置領域を表示するステップと
が実施され、損傷部位は処理端末によりキャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出することによって識別される、コンピュータ可読記憶媒体。
端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信し、キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出して、1つまたは複数のビデオ画像内の損傷部位を識別することと、
識別された損傷部位に基づいて1つまたは複数のビデオ画像を分類して、損傷部位の1つまたは複数の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を実施する。
損傷車両のビデオ・キャプチャによってキャプチャされたビデオ・データを取得することと、
キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出して、1つまたは複数のビデオ画像内の損傷部位を識別することと、
検出された損傷部位に基づいて1つまたは複数のビデオ画像を分類して、損傷部位の1つまたは複数の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を実施する。
S301:損傷部位を表示するクローズ・アップ画像セットと、損傷部位が属する車両部品を表示する部品画像セットと
を含むことができる。
a:クローズ・アップ画像:損傷部位の詳細情報を明瞭に表示可能な損傷部位のクローズ・アップ画像と、
b:損傷部位を含み、損傷部位が所在する車両部品を表示可能な部品画像と、
c:「a」タイプにも「b」タイプにも属さない画像と
を含む。
S3011:損傷部位を含むビデオ画像の領域に対する損傷部位が占める領域の面積率が、第1の事前設定された比率より大きいことと、
S3012:損傷部位を含むビデオ画像の長さに対する損傷部位の横座標スパンの比率が、第2の事前設定された比率より大きく、および/または損傷部位を含むビデオ画像の高さに対する損傷部位の縦座標スパンの比率が、第3の事前設定された比率より大きいことと、
S3013:同一の損傷部位を含むビデオ画像から、ビデオ画像内の同一の損傷部位の面積の降順でビデオ画像がソートされた後に、最初のK個のビデオ画像が選択され、あるいは1つまたは複数のビデオ画像であって、各ビデオ画像において、ビデオ画像の面積に対する損傷部位の面積の比率が第4の事前設定された比率内である、1つまたは複数のビデオ画像が選択され、K≧1であることと
のうちの少なくとも1つによって決定することができる。
S200:サーバは、キャプチャされたビデオ・データ内の損傷部位の位置領域をリアルタイムで追跡する。
損傷部位がビデオ画像から離脱した後に損傷部位がビデオ画像に再度進入したと判定した場合、サーバは、損傷部位の画像特徴データに基づいて損傷部位の位置領域を再度位置特定および追跡する。
S210:サーバは、損傷部位の追跡された位置領域をクライアントに送信して、クライアントがリアルタイムで損傷部位の位置領域を表示できるようにする。
S220:クライアントにより送信された新たな損傷部位の情報を受信することであって、新たな損傷部位は、クライアントが受信した対話型指示に基づいて損傷部位の位置領域を変更した後に再決定される損傷部位を含む、受信すること
をさらに含むことができ、
対応して、検出された損傷部位に基づいてビデオ画像を分類することは、新たな損傷部位の情報に基づいてビデオ画像を分類することを含む。
S401:損傷部位の候補画像分類セットから、ビデオ画像の鮮明度と、ビデオ画像内の損傷部位の撮影角度とに応じて、それぞれ少なくとも1つのビデオ画像を、損傷部位の損失査定画像として選択すること
を含む。
少なくとも2つの損傷部位の間の距離が設定された近接条件を満たすと判定したことに応答して、少なくとも2つの損傷部位を同時に追跡し、それぞれ対応する損失査定画像を生成する。
S10:端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信し、キャプチャされたビデオ・データ内のビデオ画像を検出して、ビデオ画像内の損傷部位を識別することと、
S11:検出された損傷部位に基づいてビデオ画像を分類して、損傷部位の候補画像分類セットを決定することと、
S12:事前設定されたスクリーニング条件に従って候補画像分類セットから車両損失査定画像を選択することと
を含むことができる。
損傷部位を表示するクローズ・アップ画像セットと、損傷部位が属する車両部品を表示する部品画像セットと
を含むことができる。
損傷部位を含むビデオ画像の領域に対する損傷部位が占める領域の面積率が、第1の事前設定された比率より大きいことと、
損傷部位を含むビデオ画像の長さに対する損傷部位の横座標スパンの比率が、第2の事前設定された比率より大きく、および/または損傷部位を含むビデオ画像の高さに対する損傷部位の縦座標スパンの比率が、第3の事前設定された比率より大きいことと、
同一の損傷部位を含むビデオ画像から、ビデオ画像内の同一の損傷部位の面積の降順でビデオ画像がソートされた後に、最初のK個のビデオ画像が選択され、あるいは1つまたは複数のビデオ画像であって、各ビデオ画像において、ビデオ画像の面積に対する損傷部位の面積の比率が第4の事前設定された比率内である、1つまたは複数のビデオ画像が選択され、K≧1であることと
のうちの少なくとも1つによって決定することができる。
損傷部位のクローズ・アップ画像セットおよび部品画像セットの少なくとも1つが空であること、あるいはクローズ・アップ画像セット内のビデオ画像が損傷部位の領域全体をカバーしていないことが検出された場合、ビデオ録画プロンプト・メッセージを生成することと、
ビデオ録画プロンプト・メッセージを端末デバイスに送信することと
をさらに含むことができる。
キャプチャされたビデオ・データ内の損傷部位の位置領域をリアリタイムで追跡することと、
損傷部位がビデオ画像から離脱した後に損傷部位がビデオ画像に再度進入した場合、損傷部位の画像特徴データに基づいて損傷部位の位置領域を再度位置特定および追跡することと
をさらに含むことができる。
損傷部位の追跡された位置領域を端末デバイスに送信して、端末デバイスがリアルタイムで損傷部位の位置領域を表示できるようにすること
をさらに含むことができる。
端末デバイスによって送信された新たな損傷部位の情報を受信することであって、新たな損傷部位は、端末デバイスが受信した対話型指示に基づいて識別された損傷部位の位置領域を変更した後に再決定される損傷部位を含む、受信すること
をさらに含むことができ、
対応して、検出された損傷部位に基づいてビデオ画像を分類することは、新たな損傷部位の情報に基づいてビデオ画像を分類することを含む。
損傷部位の候補画像分類セットから、ビデオ画像の鮮明度と、ビデオ画像内の損傷部位の撮影角度とに応じて、それぞれ少なくとも1つのビデオ画像を、損傷部位の損失査定画像として選択すること
を含む。
満たす場合、少なくとも2つの損傷部位が同時に追跡され、それぞれ対応する損失査定画像が生成される。
S20:損傷車両のビデオ録画を実行して、ビデオ・データを取得することと、
S21:キャプチャされたビデオ・データを処理端末に送信することと、
S22:処理端末により返された、損傷部位のリアルタイム追跡によって取得された位置領域を受信し、追跡された位置領域を表示することと
を含むことができ、損傷部位は処理端末によりキャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出することによって識別される。
S23:処理端末により送信されたビデオ録画プロンプト・メッセージを受信および表示することをさらに含むことができ、損傷部位のクローズ・アップ画像セットおよび部品画像セットの少なくとも1つが空であることを処理端末が検出した場合、あるいはクローズ・アップ画像セット内の1つまたは複数のビデオ画像が損傷部位の領域全体をカバーしていない場合に、ビデオ録画プロンプト・メッセージが生成される。
S24:受信した対話型指示に基づいて損傷部位の位置領域を変更した後に、新たな損傷部位を再決定することと、
新たな損傷部位の情報を処理端末に送信して、処理端末が損傷部位の新たな情報に基づいてビデオ・データ内のビデオ画像を分類できるようにすることと
をさらに含むことができる。
S30:損傷車両のキャプチャされたビデオ・データを受信することと、
S31:キャプチャされたビデオ・データ内のビデオ画像を検出して、ビデオ画像内の損傷部位を識別することと、
S32:検出された損傷部位に基づいてビデオ画像を分類して、損傷部位の候補画像分類セットを決定することと、
S33:事前設定されたスクリーニング条件に従って候補画像分類セットから車両損失査定画像を選択することと
を含む。
S3301:損失査定画像をリアルタイムでサーバに送信すること、または、
S3302:損失査定画像を非同期でサーバに送信すること
をさらに含むことができる。
端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信するように構成されるデータ受信モジュール101と、
キャプチャされたビデオ・データ内のビデオ画像を検出して、ビデオ画像内の損傷部位を識別するように構成される損傷部位識別モジュール102と、
検出された損傷部位に基づいてビデオ画像を分類して、損傷部位の候補画像分類セットを決定するように構成される分類モジュール103と、
事前設定されたスクリーニング条件に従って候補画像分類セットから車両損失査定画像を選択するように構成されるスクリーニング・モジュール104と
を含むことができる。
損傷車両のビデオ録画を実行して、ビデオ・データを取得するように構成される撮影モジュール201と、
キャプチャされたビデオ・データを処理端末に送信するように構成される通信モジュール202と、
処理端末により返された、損傷部位のリアルタイム追跡によって取得された位置領域を受信し、追跡された位置領域を表示するように構成される追跡および表示モジュール203と
を含むことができ、損傷部位は処理端末によりキャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出することによって識別される。
損傷車両のキャプチャされたビデオ・データを受信することと、
キャプチャされたビデオ・データ内のビデオ画像を検出して、ビデオ画像内の損傷部位を識別することと、
検出された損傷部位に基づいてビデオ画像を分類して、損傷部位の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って候補画像分類セットから車両損失査定画像を選択することと
を実施する。
端末デバイスがキャプチャされたビデオ・データを取得した後に端末デバイスによりアップロードされるデータ情報、または、
車両損失査定画像を取得するための装置による損傷車両のビデオ録画によって取得されるキャプチャされたビデオ・データ
を含むことができる。
損失査定画像をリアルタイムで処理端末に送信すること、または、
損失査定画像を非同期で処理端末に送信すること
をさらに実施する。
損傷車両のキャプチャされたビデオ・データを受信するステップと、
キャプチャされたビデオ・データ内のビデオ画像を検出して、ビデオ画像内の損傷部位を識別するステップと、
検出された損傷部位に基づいてビデオ画像を分類して、損傷部位の候補画像分類セットを決定するステップと、
事前設定されたスクリーニング条件に従って候補画像分類セットから車両損失査定画像を選択するステップと
を実施することができる。
損傷車両のビデオ録画を実行して、キャプチャされたビデオ・データを取得するステップと、
キャプチャされたビデオ・データを処理端末に送信するステップと、
処理端末により返された、損傷部位のリアルタイム追跡によって取得された位置領域を受信し、追跡された位置領域を表示するステップと
が実施され、損傷部位は処理端末によりキャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を検出することによって識別される。
端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信することと、
キャプチャされたビデオ・データ内のビデオ画像を検出して、ビデオ画像内の損傷部位を識別することと、
検出された損傷部位に基づいてビデオ画像を分類して、損傷部位の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って候補画像分類セットから車両損失査定画像を選択することと
を実施することができる。
損傷車両のビデオ録画によってキャプチャされたビデオ・データを受信することと、
キャプチャされたビデオ・データ内のビデオ画像を検出して、ビデオ画像内の損傷部位を識別することと、
検出された損傷部位に基づいてビデオ画像を分類して、損傷部位の候補画像分類セットを決定することと、
事前設定されたスクリーニング条件に従って候補画像分類セットから車両損失査定画像を選択することと
を実施することができる。
損失査定画像をリアルタイムでサーバに送信すること、または、
損失査定画像を非同期でサーバに送信すること
をさらに実施する。
Claims (34)
- 車両損失査定画像を取得するための方法であって、
クライアントにより、キャプチャされたビデオ・データを取得し、前記キャプチャされたビデオ・データをサーバに送信することと、
前記サーバにより、前記キャプチャされたビデオ・データから1つまたは複数のビデオ画像を選択して、前記1つまたは複数のビデオ画像内の車両の損傷部位を識別することと、
前記サーバにより、前記キャプチャされたビデオ・データから前記1つまたは複数のビデオ画像内の前記損傷部位の位置領域を追跡することであって、
前記サーバにより、前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損部位の前記位置領域を決定することと、
前記サーバにより、表示のために前記決定された前記位置領域を前記クライアントに送信することと
を含む追跡することと、
前記サーバにより、前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を分類して、前記車両の前記損傷部位の1つまたは複数の候補画像分類セットを決定することと、
前記サーバにより、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像内の前記損傷部位の鮮明度と、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像の前記損傷部位の撮影角度とに従って前記1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を含む、車両損失査定画像を取得するための方法。 - 車両損失査定画像を取得するためのコンピュータに実装される方法であって、
端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信することと、
前記キャプチャされたビデオ・データから1つまたは複数のビデオ画像を選択して、前記1つまたは複数のビデオ画像内の前記損傷車両の損傷部位を識別することと、
前記キャプチャされたビデオ・データから前記1つまたは複数のビデオ画像内の前記損傷部位の位置領域を追跡することであって、
前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損部位の前記位置領域を決定することと、
表示のために前記決定された前記位置領域を前記端末デバイスに送信することと
を含む追跡することと、
前記損傷車両の前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を分類して、前記損傷部位の1つまたは複数の候補画像分類セットを決定することと、
前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像内の前記損傷部位の鮮明度と、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像の前記損傷部位の撮影角度とに従って前記1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を含む、車両損失査定画像を取得するための方法。 - 前記1つまたは複数の決定された候補画像分類セットは、
前記損傷部位を表示するクローズ・アップ画像セットと、前記損傷部位が属する車両部品を表示する部品画像セットと
を含む、請求項2に記載の車両損失査定画像を取得するための方法。 - 前記クローズ・アップ画像セット内のビデオ画像は、
前記損傷部位を含む前記ビデオ画像の領域に対する前記損傷部位が占める領域の面積率が、第1の事前設定された比率より大きいことと、
前記損傷部位を含む前記ビデオ画像の長さに対する前記損傷部位の横座標スパンの比率が、第2の事前設定された比率より大きく、および/または前記損傷部位を含む前記ビデオ画像の高さに対する前記損傷部位の縦座標スパンの比率が、第3の事前設定された比率より大きいことと、
同一の損傷部位を含むビデオ画像から、前記ビデオ画像内の前記同一の損傷部位の面積の降順で前記ビデオ画像がソートされた後に、最初のK個のビデオ画像が選択され、あるいは1つまたは複数のビデオ画像であって、各ビデオ画像において、前記ビデオ画像の面積に対する前記損傷部位の面積の比率が第4の事前設定された面積率内である、1つまたは複数のビデオ画像が選択され、K≧1であることと
のうちの少なくとも1つによって決定される、請求項3に記載の車両損失査定画像を取得するための方法。 - 前記損傷部位の前記クローズ・アップ画像セットおよび前記部品画像セットの少なくとも1つが空であること、あるいは前記クローズ・アップ画像セット内の前記1つまたは複数のビデオ画像が前記対応する損傷部位の領域全体をカバーしていないことを検出したことに応答して、ビデオ録画プロンプト・メッセージを生成することと、
前記ビデオ録画プロンプト・メッセージを前記端末デバイスに送信することと
をさらに含む、請求項3に記載の車両損失査定画像を取得するための方法。 - 前記ビデオ画像内の前記損傷部位が識別された後に、前記方法は、
前記損傷部位が前記ビデオ画像から離脱した後に前記損傷部位が前記ビデオ画像に再度進入したことに応答して、前記損傷部位の画像特徴データに基づいて前記損傷部位の前記位置領域を再度決定することと
をさらに含む、請求項2に記載の車両損失査定画像を取得するための方法。 - 前記端末デバイスにより送信された新たな損傷部位の情報を受信することであって、前記新たな損傷部位は、前記端末デバイスが受信した対話型指示に基づいて前記識別された損傷部位の前記位置領域を変更した後に再決定される損傷部位を含む、受信すること
をさらに含み、
対応して、前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を前記分類することは、前記新たな損傷部位の前記情報に基づいて前記1つまたは複数のビデオ画像を分類することを含む、
請求項6に記載の車両損失査定画像を取得するための方法。 - 前記1つまたは複数のビデオ画像内に少なくとも2つの損傷部位が存在するのを検出したことに応答して、前記少なくとも2つの損傷部位の間の距離が設定された近接条件を満たすか否かを判定することと、
前記少なくとも2つの損傷部位の間の前記距離が前記設定された近接条件を満たすと判定したことに応答して、前記少なくとも2つの損傷部位を同時に追跡し、それぞれ対応する車輛損失査定画像を生成することと
をさらに含む、請求項6または7に記載の車両損失査定画像を取得するための方法。 - 車両損失査定画像を取得するためのコンピュータに実装される方法であって、
損傷車両のビデオ録画を実行して、キャプチャされたビデオ・データを取得することと、
前記キャプチャされたビデオ・データを処理端末に送信することと、
前記処理端末により返された、前記処理端末による前記キャプチャされたビデオ・データ内の損傷部位の追跡によって取得された位置領域を受信し、前記追跡された位置領域を表示することと
を含み、前記損傷部位は前記処理端末により前記キャプチャされたビデオ・データから1つまたは複数のビデオ画像を選択することによって識別され、前記処理端末による前記キャプチャされたビデオ・データ内の前記損傷部位の前記位置領域の追跡は、前記処理端末によって前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損傷部位の前記位置領域を決定し、前記処理端末による表示のため前記決定された位置領域を送信することを含む、車両損失査定画像を取得するための方法。 - 前記処理端末により送信されたビデオ録画プロンプト・メッセージを受信および表示することをさらに含み、前記損傷部位のクローズ・アップ画像セットおよび部品画像セットの少なくとも1つが空であること、あるいは前記クローズ・アップ画像セット内の前記1つまたは複数のビデオ画像が前記対応する損傷部位の領域全体をカバーしていないことを前記処理端末が検出した場合に、前記ビデオ録画プロンプト・メッセージが生成される、
請求項9に記載の車両損失査定画像を取得するための方法。 - 受信した対話型指示に基づいて前記損傷部位の前記位置領域を変更した後に、新たな損傷部位を再決定することと、
前記新たな損傷部位の情報を前記処理端末に送信して、前記処理端末が前記新たな損傷部位の前記情報に基づいて前記1つまたは複数のビデオ画像を分類すること
をさらに含む、請求項9または10に記載の車両損失査定画像を取得するための方法。 - 車両損失査定画像を取得するための方法であって、
損傷車両のキャプチャされたビデオ・データを受信することと、
前記キャプチャされたビデオ・データから1つまたは複数のビデオ画像を選択して、前記1つまたは複数のビデオ画像内の前記損傷車両の損傷部位を識別することと、
前記キャプチャされたビデオ・データから前記1つまたは複数のビデオ画像内の前記損傷部位の位置領域を追跡することであって、
前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損部位の前記位置領域を決定することと、
表示のために前記決定された位置領域を端末デバイスに送信することと
を含む追跡することと、
前記損傷車両の前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を分類して、前記損傷部位の1つまたは複数の候補画像分類セットを決定することと、
前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像内の前記損傷部位の鮮明度と、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像の前記損傷部位の撮影角度とに従って前記1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を含む、車両損失査定画像を取得するための方法。 - 前記1つまたは複数の決定された候補画像分類セットは、
前記損傷部位を表示するクローズ・アップ画像セットと、前記損傷部位が属する車両部品を表示する部品画像セットと
を含む、請求項12に記載の車両損失査定画像を取得するための方法。 - 前記クローズ・アップ画像セット内のビデオ画像は、
前記損傷部位を含む前記ビデオ画像の領域に対する前記損傷部位が占める領域の面積率が、第1の事前設定された比率より大きいことと、
前記損傷部位を含む前記ビデオ画像の長さに対する前記損傷部位の横座標スパンの比率が、第2の事前設定された比率より大きく、および/または前記損傷部位を含む前記ビデオ画像の高さに対する前記損傷部位の縦座標スパンの比率が、第3の事前設定された比率より大きいことと、
同一の損傷部位を含むビデオ画像から、前記ビデオ画像内の前記同一の損傷部位の面積の降順で前記ビデオ画像がソートされた後に、最初のK個のビデオ画像が選択され、あるいは1つまたは複数のビデオ画像であって、各ビデオ画像において、前記ビデオ画像の面積に対する前記損傷部位の面積の比率が第4の事前設定された面積率内である、1つまたは複数のビデオ画像が選択され、K≧1であることと
のうちの少なくとも1つによって決定される、請求項13に記載の車両損失査定画像を取得するための方法。 - 前記損傷部位の前記クローズ・アップ画像セットおよび前記部品画像セットの少なくとも1つが空であること、あるいは前記クローズ・アップ画像セット内の前記1つまたは複数のビデオ画像が前記対応する損傷部位の領域全体をカバーしていないことを検出したことに応答して、ビデオ録画プロンプト・メッセージを生成することと、
前記ビデオ録画プロンプト・メッセージを表示することと
をさらに含む、請求項13に記載の車両損失査定画像を取得するための方法。 - 前記ビデオ画像内の前記損傷部位が識別された後に、前記方法は、
前記損傷部位が前記ビデオ画像から離脱した後に前記損傷部位が前記ビデオ画像に再度進入したことに応答して、前記損傷部位の画像特徴データに基づいて前記損傷部位の前記位置領域を再度決定することと
をさらに含む、請求項12に記載の車両損失査定画像を取得するための方法。 - 受信した対話型指示に基づいて前記識別された損傷部位の前記位置領域を変更した後に、新たな損傷部位を再決定すること
をさらに含み、
対応して、前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を前記分類することは、前記新たな損傷部位の情報に基づいて前記1つまたは複数のビデオ画像を分類することを含む、
請求項16に記載の車両損失査定画像を取得するための方法。 - 少なくとも2つの示された損傷部位を受信したことに応答して、前記少なくとも2つの損傷部位の間の距離が、設定された近接条件を満たすか否かを判定することと、
前記少なくとも2つの損傷部位の間の前記距離が前記設定された近接条件を満たすと判定したことに応答して、前記少なくとも2つの損傷部位を同時に追跡し、それぞれ対応する損失査定画像を生成することと
をさらに含む、請求項16または17に記載の車両損失査定画像を取得するための方法。 - 前記車両損失査定画像をリアルタイムでサーバに送信すること、または、
前記車両損失査定画像を非同期でサーバに送信すること
をさらに含む、請求項12に記載の車両損失査定画像を取得するための方法。 - 車両損失査定画像を取得するための装置であって、
端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信するように構成されるデータ受信モジュールと、
前記キャプチャされたビデオ・データから1つまたは複数のビデオ画像を選択して、前記1つまたは複数のビデオ画像内の前記損傷車両の損傷部位を識別するように構成される損傷部位識別モジュールと、
前記キャプチャされたビデオ・データから前記1つまたは複数のビデオ画像内の前記損傷部位の位置領域を追跡するように構成される追跡モジュールであって、
前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損部位の前記位置領域を決定し、
表示のために前記決定された前記位置領域を前記端末デバイスに送信すること、を備える追跡モジュールと、
前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を分類して、前記損傷車両の前記損傷部位の1つまたは複数の候補画像分類セットを決定するように構成される分類モジュールと、
前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像内の前記損傷部位の鮮明度と、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像の前記損傷部位の撮影角度とに従って前記1つまたは複数の候補画像分類セットから車両損失査定画像を選択するように構成されるスクリーニング・モジュールと
を備える、車両損失査定画像を取得するための装置。 - 車両損失査定画像を取得するための装置であって、
損傷車両のビデオ録画を実行して、キャプチャされたビデオ・データを取得するように構成される撮影モジュールと、
前記キャプチャされたビデオ・データを処理端末に送信するように構成される通信モジュールと、
前記処理端末により返された、前記処理端末による前記キャプチャされたビデオ・データ内の損傷部位の追跡によって取得された位置領域を受信し、前記追跡された位置領域を表示するように構成される追跡モジュールと
を備え、前記損傷部位は前記処理端末により前記キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を選択することによって識別され、前記処理端末による前記キャプチャされた前記ビデオ・データ内の前記損傷部位の前記位置領域の追跡は、前記処理端末によって前記キャプチャされた前記ビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損傷部位の位置前記領域を決定し、前記処理端末によって表示のため前記決定された位置領域を送信することを含む、車両損失査定画像を取得するための装置。 - 車両損失査定画像を取得するための装置であって、プロセッサと、前記プロセッサにより実行可能な命令を記憶するように構成されるメモリとを備え、前記プロセッサは前記命令を実行して、
損傷車両のキャプチャされたビデオ・データを受信することと、
前記キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を選択して、前記1つまたは複数のビデオ画像内の前記損傷車両の損傷部位を識別することと、
前記キャプチャされたビデオ・データから前記1つまたは複数のビデオ画像内の前記損傷部位の位置領域を追跡することであって、
前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損部位の前記位置領域を決定することと、
表示のために前記決定された位置領域を端末デバイスに送信することと
を含む追跡することと、
前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を分類して、前記損傷部位の1つまたは複数の候補画像分類セットを決定することと、
前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像内の前記損傷部位の鮮明度と、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像の前記損傷部位の撮影角度とに従って前記1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を実施する、車両損失査定画像を取得するための装置。 - 前記プロセッサが前記命令を実行した場合、前記1つまたは複数の決定された候補画像分類セットは、
前記損傷部位を表示するクローズ・アップ画像セットと、前記損傷部位が属する車両部品を表示する部品画像セットと
を含む、請求項22に記載の車両損失査定画像を取得するための装置。 - 前記プロセッサが前記命令を実行した場合、前記クローズ・アップ画像セット内のビデオ画像は、
前記損傷部位を含む前記ビデオ画像の領域に対する前記損傷部位が占める領域の面積率が、第1の事前設定された比率より大きいことと、
前記損傷部位を含む前記ビデオ画像の長さに対する前記損傷部位の横座標スパンの比率が、第2の事前設定された比率より大きく、および/または前記損傷部位を含む前記ビデオ画像の高さに対する前記損傷部位の縦座標スパンの比率が、第3の事前設定された比率より大きいことと、
同一の損傷部位を含むビデオ画像から、前記ビデオ画像内の前記同一の損傷部位の面積の降順で前記ビデオ画像がソートされた後に、最初のK個のビデオ画像が選択され、あるいは1つまたは複数のビデオ画像であって、各ビデオ画像において、前記ビデオ画像の面積に対する前記損傷部位の面積の比率が第4の事前設定された面積率内である、1つまたは複数のビデオ画像が選択され、K≧1であることと
のうちの少なくとも1つによって決定される、請求項23に記載の車両損失査定画像を取得するための装置。 - 前記プロセッサは前記命令を実行して、
前記損傷部位の前記クローズ・アップ画像セットおよび前記部品画像セットの少なくとも1つが空であること、あるいは前記クローズ・アップ画像セット内の前記1つまたは複数のビデオ画像が前記対応する損傷部位の領域全体をカバーしていないことを検出したことに応答して、ビデオ録画プロンプト・メッセージを生成すること
をさらに実施し、
前記ビデオ録画プロンプト・メッセージは前記端末デバイスに表示される、
請求項23に記載の車両損失査定画像を取得するための装置。 - 前記プロセッサは前記命令を実行して、
前記損傷部位が前記ビデオ画像から離脱した後に前記損傷部位が前記ビデオ画像に再度進入したことに応答して、前記損傷部位の画像特徴データに基づいて前記損傷部位の前記位置領域を再度決定することと
をさらに実施する、請求項22に記載の車両損失査定画像を取得するための装置。 - 前記プロセッサは前記命令を実行して、
前記識別された損傷部位の前記位置領域が変更された後に再決定される新たな損傷部位の情報を受信すること
をさらに実施し、
対応して、前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を前記分類することは、前記新たな損傷部位の前記情報に基づいて前記1つまたは複数のビデオ画像を分類することを含む、
請求項22に記載の車両損失査定画像を取得するための装置。 - 前記プロセッサが前記命令を実行した場合に、前記1つまたは複数のビデオ画像内に少なくとも2つの損傷部位が存在するのを検出したことに応答して、前記少なくとも2つの損傷部位の間の距離が、設定された近接条件を満たすか否かを判定し、
前記少なくとも2つの損傷部位の間の前記距離が前記設定された近接条件を満たすと判定したことに応答して、前記少なくとも2つの損傷部位を同時に追跡し、それぞれ対応する損失査定画像を生成する、
請求項26または27に記載の車両損失査定画像を取得するための装置。 - 前記損傷車両の前記キャプチャされたビデオ・データが、車両損失査定画像を取得するための前記装置による前記ビデオ録画を実行することによって取得される場合、前記プロセッサは前記命令を実行して、
前記車両損失査定画像をリアルタイムで処理端末に送信すること、または、
前記車両損失査定画像を非同期で処理端末に送信すること
をさらに実施する、請求項22に記載の車両損失査定画像を取得するための装置。 - コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体はコンピュータ命令を記憶し、前記命令が実行された場合に、
損傷車両のキャプチャされたビデオ・データを受信するステップと、
前記キャプチャされたビデオ・データから1つまたは複数のビデオ画像を選択して、前記1つまたは複数のビデオ画像内の前記損傷車両の損傷部位を識別するステップと、
前記キャプチャされたビデオ・データから前記1つまたは複数のビデオ画像内の前記損傷部位の位置領域を追跡するステップであって、
前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損部位の前記位置領域を決定するステップと、
表示のために前記決定された位置領域を端末デバイスに送信するステップと
を含む追跡するステップと、
前記損傷車両の前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を分類して、前記損傷部位の1つまたは複数の候補画像分類セットを決定するステップと、
前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像内の前記損傷部位の鮮明度と、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像の前記損傷部位の撮影角度とに従って前記1つまたは複数の候補画像分類セットから車両損失査定画像を選択するステップと
が実施される、コンピュータ可読記憶媒体。 - コンピュータ可読記憶媒体であって、前記コンピュータ可読記憶媒体はコンピュータ命令を記憶し、前記命令が実行された場合に、
損傷車両のビデオ録画を実行して、キャプチャされたビデオ・データを取得するステップと、
前記キャプチャされたビデオ・データを処理端末に送信するステップと、
前記処理端末により返された、前記処理端末による前記キャプチャされたビデオ・データ内の損傷部位の追跡によって取得された位置領域を受信し、前記追跡された位置領域を表示するステップと
が実施され、前記損傷部位は前記処理端末により前記キャプチャされたビデオ・データ内の1つまたは複数のビデオ画像を選択することによって識別され、前記処理端末による前記キャプチャされたビデオ・データ内の前記損傷部位の前記位置領域の追跡は、前記処理端末によって前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損傷部位の前記位置領域を決定し、前記処理端末によって表示のため前記決定された位置領域を送信することを含む、コンピュータ可読記憶媒体。 - プロセッサと、前記プロセッサにより実行可能な命令を記憶するように構成されるメモリとを備えるサーバであって、前記プロセッサは前記命令を実行して、
端末デバイスによりアップロードされた損傷車両のキャプチャされたビデオ・データを受信し、前記キャプチャされたビデオ・データから1つまたは複数のビデオ画像を選択して、前記1つまたは複数のビデオ画像内の前記損傷車両の損傷部位を識別することと、
前記キャプチャされたビデオ・データから前記1つまたは複数のビデオ画像内の前記損傷部位の位置領域を追跡することであって、
前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損部位の前記位置領域を決定することと、
表示のために前記決定された前記位置領域を前記端末デバイスに送信することと
を含む追跡することと、
前記損傷車両の前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を分類して、前記損傷部位の1つまたは複数の候補画像分類セットを決定することと、
前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像内の前記損傷部位の鮮明度と、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像の前記損傷部位の撮影角度とに従って前記1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を実施する、サーバ。 - プロセッサと、前記プロセッサにより実行可能な命令を記憶するように構成されるメモリとを備える端末デバイスであって、前記プロセッサは前記命令を実行して、
損傷車両のビデオ・キャプチャによってキャプチャされたビデオ・データを取得することと、
前記キャプチャされたビデオ・データから1つまたは複数のビデオ画像を選択して、前記1つまたは複数のビデオ画像内の前記損傷車両の損傷部位を識別することと、
前記キャプチャされたビデオ・データから前記1つまたは複数のビデオ画像内の前記損傷部位の位置領域を追跡することであって、
前記キャプチャされたビデオ・データ内の前記1つまたは複数のビデオ画像から前記識別された損傷部位に従って前記損部位の前記位置領域を決定することと、
表示のために前記決定された前記位置領域を処理端末に送信することと
を含む追跡することと、
前記損傷車両の前記識別された損傷部位に基づいて前記1つまたは複数のビデオ画像を分類して、前記損傷部位の1つまたは複数の候補画像分類セットを決定することと、
前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像内の前記損傷部位の鮮明度と、前記1つまたは複数の候補画像分類セット内の前記1つまたは複数のビデオ画像の前記損傷部位の撮影角度とに従って前記1つまたは複数の候補画像分類セットから車両損失査定画像を選択することと
を実施する、端末デバイス。 - 前記プロセッサは前記命令を実行して、
データ通信モジュールを使用して、前記車両損失査定画像をリアルタイムでサーバに送信すること、または、
前記車両損失査定画像を非同期でサーバに送信すること
をさらに実施する、請求項33に記載の端末デバイス。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710294010.4 | 2017-04-28 | ||
CN201710294010.4A CN107194323B (zh) | 2017-04-28 | 2017-04-28 | 车辆定损图像获取方法、装置、服务器和终端设备 |
PCT/CN2018/084760 WO2018196837A1 (zh) | 2017-04-28 | 2018-04-27 | 车辆定损图像获取方法、装置、服务器和终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020518078A JP2020518078A (ja) | 2020-06-18 |
JP6905081B2 true JP6905081B2 (ja) | 2021-07-21 |
Family
ID=59872897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019558552A Active JP6905081B2 (ja) | 2017-04-28 | 2018-04-27 | 車両損失査定画像を取得するための方法および装置、サーバ、ならびに端末デバイス |
Country Status (9)
Country | Link |
---|---|
US (1) | US11151384B2 (ja) |
EP (1) | EP3605386A4 (ja) |
JP (1) | JP6905081B2 (ja) |
KR (1) | KR20190139262A (ja) |
CN (2) | CN107194323B (ja) |
PH (1) | PH12019502401A1 (ja) |
SG (1) | SG11201909740RA (ja) |
TW (1) | TW201839666A (ja) |
WO (1) | WO2018196837A1 (ja) |
Families Citing this family (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107610091A (zh) * | 2017-07-31 | 2018-01-19 | 阿里巴巴集团控股有限公司 | 车险图像处理方法、装置、服务器及系统 |
CN107766805A (zh) * | 2017-09-29 | 2018-03-06 | 阿里巴巴集团控股有限公司 | 提升车辆定损图像识别结果的方法、装置及服务器 |
CN109753985A (zh) * | 2017-11-07 | 2019-05-14 | 北京京东尚科信息技术有限公司 | 视频分类方法及装置 |
CN108090838B (zh) * | 2017-11-21 | 2020-09-29 | 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 |
CN108038459A (zh) * | 2017-12-20 | 2018-05-15 | 深圳先进技术研究院 | 一种水下生物的检测识别方法、终端设备及存储介质 |
CN108647563A (zh) * | 2018-03-27 | 2018-10-12 | 阿里巴巴集团控股有限公司 | 一种车辆定损的方法、装置及设备 |
CN108921811B (zh) | 2018-04-03 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 检测物品损伤的方法和装置、物品损伤检测器 |
CN113179368B (zh) * | 2018-05-08 | 2023-10-27 | 创新先进技术有限公司 | 一种车辆定损的数据处理方法、装置、处理设备及客户端 |
CN108665373B (zh) * | 2018-05-08 | 2020-09-18 | 阿里巴巴集团控股有限公司 | 一种车辆定损的交互处理方法、装置、处理设备及客户端 |
CN108682010A (zh) * | 2018-05-08 | 2018-10-19 | 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 |
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 |
CN110634120B (zh) * | 2018-06-05 | 2022-06-03 | 杭州海康威视数字技术股份有限公司 | 一种车辆损伤判别方法及装置 |
CN110609877B (zh) * | 2018-06-14 | 2023-04-18 | 百度在线网络技术(北京)有限公司 | 一种图片采集的方法、装置、设备和计算机存储介质 |
CN111666832B (zh) * | 2018-07-27 | 2023-10-31 | 创新先进技术有限公司 | 一种检测方法及装置、一种计算设备及存储介质 |
CN109034264B (zh) * | 2018-08-15 | 2021-11-19 | 云南大学 | 交通事故严重性预测csp-cnn模型及其建模方法 |
CN109145903A (zh) * | 2018-08-22 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 一种图像处理方法和装置 |
CN108989684A (zh) * | 2018-08-23 | 2018-12-11 | 阿里巴巴集团控股有限公司 | 控制拍摄距离的方法和装置 |
CN110569695B (zh) * | 2018-08-31 | 2021-07-09 | 创新先进技术有限公司 | 基于定损图像判定模型的图像处理方法和装置 |
CN110569694A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 车辆的部件检测方法、装置及设备 |
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 |
CN110569697A (zh) * | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 车辆的部件检测方法、装置及设备 |
CN110567728B (zh) * | 2018-09-03 | 2021-08-20 | 创新先进技术有限公司 | 用户拍摄意图的识别方法、装置及设备 |
CN110569864A (zh) * | 2018-09-04 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 基于gan网络的车损图像生成方法和装置 |
CN109359542A (zh) * | 2018-09-18 | 2019-02-19 | 平安科技(深圳)有限公司 | 基于神经网络的车辆损伤级别的确定方法及终端设备 |
CN110569700B (zh) * | 2018-09-26 | 2020-11-03 | 创新先进技术有限公司 | 优化损伤识别结果的方法及装置 |
CN109389169A (zh) * | 2018-10-08 | 2019-02-26 | 百度在线网络技术(北京)有限公司 | 用于处理图像的方法和装置 |
CN109615649A (zh) * | 2018-10-31 | 2019-04-12 | 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 |
CN109447071A (zh) * | 2018-11-01 | 2019-03-08 | 博微太赫兹信息科技有限公司 | 一种基于fpga和深度学习的毫米波成像危险物品检测方法 |
CN110033608B (zh) * | 2018-12-03 | 2020-12-11 | 创新先进技术有限公司 | 车辆损伤检测的处理方法、装置、设备、服务器和系统 |
CN109657599B (zh) * | 2018-12-13 | 2023-08-01 | 深源恒际科技有限公司 | 距离自适应的车辆外观部件的图片识别方法 |
CN109784171A (zh) * | 2018-12-14 | 2019-05-21 | 平安科技(深圳)有限公司 | 车辆定损图像筛选方法、装置、可读存储介质及服务器 |
KR102097120B1 (ko) * | 2018-12-31 | 2020-04-09 | 주식회사 애자일소다 | 딥러닝 기반의 자동차 부위별 파손정도 자동 판정 시스템 및 방법 |
CN110569702B (zh) * | 2019-02-14 | 2021-05-14 | 创新先进技术有限公司 | 视频流的处理方法和装置 |
CN110033386B (zh) * | 2019-03-07 | 2020-10-02 | 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 |
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 |
CN110363238A (zh) * | 2019-07-03 | 2019-10-22 | 中科软科技股份有限公司 | 智能车辆定损方法、系统、电子设备及存储介质 |
CN110473418B (zh) * | 2019-07-25 | 2022-05-20 | 平安科技(深圳)有限公司 | 危险路段识别方法、装置、服务器及存储介质 |
CN110688513B (zh) * | 2019-08-15 | 2023-08-18 | 平安科技(深圳)有限公司 | 基于视频的农作物查勘方法、装置及计算机设备 |
CN110969183B (zh) * | 2019-09-20 | 2023-11-21 | 北京方位捷讯科技有限公司 | 一种根据图像数据确定目标对象受损程度的方法及系统 |
CN113038018B (zh) * | 2019-10-30 | 2022-06-28 | 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 |
WO2021136947A1 (en) | 2020-01-03 | 2021-07-08 | Tractable Ltd | Vehicle damage state determination method |
JP7356941B2 (ja) | 2020-03-26 | 2023-10-05 | 株式会社奥村組 | 管渠損傷特定装置、管渠損傷特定方法および管渠損傷特定プログラム |
CN111612104B (zh) * | 2020-06-30 | 2021-04-13 | 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 |
CN112541096B (zh) * | 2020-07-27 | 2023-01-24 | 中咨数据有限公司 | 一种用于智慧城市的视频监控方法 |
WO2022047736A1 (zh) * | 2020-09-04 | 2022-03-10 | 江苏前沿交通研究院有限公司 | 一种基于卷积神经网络的损伤检测方法 |
CN112465018B (zh) * | 2020-11-26 | 2024-02-02 | 深源恒际科技有限公司 | 一种基于深度学习的车辆视频定损系统的智能截图方法及系统 |
CN112492105B (zh) * | 2020-11-26 | 2022-04-15 | 深源恒际科技有限公司 | 一种基于视频的车辆外观部件自助定损采集方法及系统 |
CN112712498A (zh) * | 2020-12-25 | 2021-04-27 | 北京百度网讯科技有限公司 | 移动终端执行的车辆定损方法、装置、移动终端、介质 |
CN113033372B (zh) * | 2021-03-19 | 2023-08-18 | 北京百度网讯科技有限公司 | 车辆定损方法、装置、电子设备及计算机可读存储介质 |
EP4309124A1 (en) * | 2021-04-21 | 2024-01-24 | Siemens Mobility GmbH | Automated selection and semantic connection of images |
CN113033517B (zh) * | 2021-05-25 | 2021-08-10 | 爱保科技有限公司 | 车辆定损图像获取方法、装置和存储介质 |
CN113361426A (zh) * | 2021-06-11 | 2021-09-07 | 爱保科技有限公司 | 车辆定损图像获取方法、介质、装置和电子设备 |
CN113361424A (zh) * | 2021-06-11 | 2021-09-07 | 爱保科技有限公司 | 一种车辆智能定损图像获取方法、装置、介质和电子设备 |
US20230125477A1 (en) * | 2021-10-26 | 2023-04-27 | Nvidia Corporation | Defect detection using one or more neural networks |
WO2023083182A1 (en) * | 2021-11-09 | 2023-05-19 | Alpha Ai Technology Limited | A system for assessing a damage condition of a vehicle and a platform for facilitating repairing or maintenance services of a vehicle |
Family Cites Families (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0981739A (ja) * | 1995-09-12 | 1997-03-28 | Toshiba Corp | 損害額算出システム及び損傷位置検出装置 |
JP2001188906A (ja) * | 1999-12-28 | 2001-07-10 | Hitachi Ltd | 画像自動分類方法及び画像自動分類装置 |
US7546219B2 (en) * | 2005-08-31 | 2009-06-09 | The Boeing Company | Automated damage assessment, report, and disposition |
US8379914B2 (en) | 2008-01-18 | 2013-02-19 | Mitek Systems, Inc. | Systems and methods for mobile image capture and remittance processing |
US20130297353A1 (en) | 2008-01-18 | 2013-11-07 | Mitek Systems | Systems and methods for filing insurance claims using mobile imaging |
CN101739611A (zh) * | 2009-12-08 | 2010-06-16 | 上海华平信息技术股份有限公司 | 一种高清远程协同车辆定损系统及方法 |
US20130262156A1 (en) | 2010-11-18 | 2013-10-03 | Davidshield L.I.A. (2000) Ltd. | Automated reimbursement interactions |
WO2013093932A2 (en) * | 2011-09-29 | 2013-06-27 | Tata Consultancy Services Limited | Damage assessment of an object |
US8510196B1 (en) * | 2012-08-16 | 2013-08-13 | Allstate Insurance Company | Feedback loop in mobile damage assessment and claims processing |
US8712893B1 (en) * | 2012-08-16 | 2014-04-29 | Allstate Insurance Company | Enhanced claims damage estimation using aggregate display |
US20140114692A1 (en) * | 2012-10-23 | 2014-04-24 | InnovaPad, LP | System for Integrating First Responder and Insurance Information |
FR3007172B1 (fr) * | 2013-06-12 | 2020-12-18 | Renault Sas | Procede et systeme d'identification d'un degat cause a un vehicule |
US10748216B2 (en) | 2013-10-15 | 2020-08-18 | Audatex North America, Inc. | Mobile system for generating a damaged vehicle insurance estimate |
KR20150112535A (ko) | 2014-03-28 | 2015-10-07 | 한국전자통신연구원 | 비디오 대표 이미지 관리 장치 및 방법 |
US10423982B2 (en) | 2014-05-19 | 2019-09-24 | Allstate Insurance Company | Content output systems using vehicle-based data |
CN104268783B (zh) * | 2014-05-30 | 2018-10-26 | 翱特信息系统(中国)有限公司 | 车辆定损估价的方法、装置和终端设备 |
KR101713387B1 (ko) | 2014-12-29 | 2017-03-22 | 주식회사 일도엔지니어링 | 사진 자동 분류 및 저장 시스템 및 그 방법 |
KR101762437B1 (ko) | 2015-05-14 | 2017-07-28 | (주)옥천당 | 관능성이 개선된 커피 원두의 제조 방법 |
KR20160134401A (ko) * | 2015-05-15 | 2016-11-23 | (주)플래닛텍 | 자동차의 수리견적 자동산출시스템 및 그 방법 |
US10529028B1 (en) | 2015-06-26 | 2020-01-07 | State Farm Mutual Automobile Insurance Company | Systems and methods for enhanced situation visualization |
CN106407984B (zh) * | 2015-07-31 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 目标对象识别方法及装置 |
GB201517462D0 (en) * | 2015-10-02 | 2015-11-18 | Tractable Ltd | Semi-automatic labelling of datasets |
CN105678622A (zh) * | 2016-01-07 | 2016-06-15 | 平安科技(深圳)有限公司 | 车险理赔照片的分析方法及系统 |
CN105719188B (zh) * | 2016-01-22 | 2017-12-26 | 平安科技(深圳)有限公司 | 基于多张图片一致性实现保险理赔反欺诈的方法及服务器 |
US10692050B2 (en) * | 2016-04-06 | 2020-06-23 | American International Group, Inc. | Automatic assessment of damage and repair costs in vehicles |
CN105956667B (zh) * | 2016-04-14 | 2018-09-25 | 平安科技(深圳)有限公司 | 车险定损理赔审核方法及系统 |
US9922471B2 (en) | 2016-05-17 | 2018-03-20 | International Business Machines Corporation | Vehicle accident reporting system |
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 |
CN106127747B (zh) * | 2016-06-17 | 2018-10-16 | 史方 | 基于深度学习的汽车表面损伤分类方法及装置 |
CN106251421A (zh) * | 2016-07-25 | 2016-12-21 | 深圳市永兴元科技有限公司 | 基于移动终端的车辆定损方法、装置及系统 |
CN106296118A (zh) * | 2016-08-03 | 2017-01-04 | 深圳市永兴元科技有限公司 | 基于图像识别的车辆定损方法及装置 |
US10902525B2 (en) | 2016-09-21 | 2021-01-26 | Allstate Insurance Company | Enhanced image capture and analysis of damaged tangible objects |
CN106600421A (zh) * | 2016-11-21 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种基于图片识别的车险智能定损方法及系统 |
CN106600422A (zh) * | 2016-11-24 | 2017-04-26 | 中国平安财产保险股份有限公司 | 一种车险智能定损方法和系统 |
US10424132B2 (en) * | 2017-02-10 | 2019-09-24 | Hitachi, Ltd. | Vehicle component failure prevention |
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 |
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 |
US10470023B2 (en) | 2018-01-16 | 2019-11-05 | Florey Insurance Agency, Inc. | Emergency claim response unit |
US10997413B2 (en) * | 2018-03-23 | 2021-05-04 | NthGen Software Inc. | Method and system for obtaining vehicle target views from a video stream |
-
2017
- 2017-04-28 CN CN201710294010.4A patent/CN107194323B/zh active Active
- 2017-04-28 CN CN202010682172.7A patent/CN111914692B/zh active Active
-
2018
- 2018-03-14 TW TW107108570A patent/TW201839666A/zh unknown
- 2018-04-27 KR KR1020197033366A patent/KR20190139262A/ko not_active IP Right Cessation
- 2018-04-27 JP JP2019558552A patent/JP6905081B2/ja active Active
- 2018-04-27 SG SG11201909740R patent/SG11201909740RA/en unknown
- 2018-04-27 WO PCT/CN2018/084760 patent/WO2018196837A1/zh unknown
- 2018-04-27 EP EP18791520.2A patent/EP3605386A4/en active Pending
-
2019
- 2019-10-16 US US16/655,001 patent/US11151384B2/en active Active
- 2019-10-23 PH PH12019502401A patent/PH12019502401A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
US20200050867A1 (en) | 2020-02-13 |
WO2018196837A1 (zh) | 2018-11-01 |
CN107194323B (zh) | 2020-07-03 |
SG11201909740RA (en) | 2019-11-28 |
JP2020518078A (ja) | 2020-06-18 |
CN111914692B (zh) | 2023-07-14 |
CN107194323A (zh) | 2017-09-22 |
US11151384B2 (en) | 2021-10-19 |
KR20190139262A (ko) | 2019-12-17 |
EP3605386A1 (en) | 2020-02-05 |
CN111914692A (zh) | 2020-11-10 |
PH12019502401A1 (en) | 2020-12-07 |
TW201839666A (zh) | 2018-11-01 |
EP3605386A4 (en) | 2020-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6905081B2 (ja) | 車両損失査定画像を取得するための方法および装置、サーバ、ならびに端末デバイス | |
US20200058075A1 (en) | Method and apparatus for obtaining vehicle loss assessment image, server and terminal device | |
JP6859505B2 (ja) | 画像に基づく車両損傷判定方法、装置および電子デバイス | |
US9998651B2 (en) | Image processing apparatus and image processing method | |
US11887318B2 (en) | Object tracking | |
US20170053167A1 (en) | Systems and methods for object tracking | |
CN107408303A (zh) | 用于对象跟踪的系统和方法 | |
KR101530255B1 (ko) | 객체 자동 추적 장치가 구비된 cctv 시스템 | |
JP5754990B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN107395957B (zh) | 拍照方法、装置、存储介质及电子设备 | |
US20200145623A1 (en) | Method and System for Initiating a Video Stream | |
WO2017062441A1 (en) | Autofocus method and apparatus using modulation transfer function curves | |
CN111368944B (zh) | 翻拍图像、证件照识别、模型训练方法、装置及电子设备 | |
CN114267041B (zh) | 场景中对象的识别方法及装置 | |
US20220122341A1 (en) | Target detection method and apparatus, electronic device, and computer storage medium | |
CN110930437A (zh) | 目标跟踪方法和装置 | |
US11553162B2 (en) | Image processing system for extending a range for image analytics | |
KR20150137698A (ko) | 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치 | |
US11622073B2 (en) | Method of generating a panoramic image | |
AU2021290428A1 (en) | Target detection method and apparatus, electronic device, and computer storage medium | |
WO2023144780A1 (en) | Crowdsourcing techniques to deploy artificial intelligence systems | |
CN113870221A (zh) | 可达空间的检测方法、装置、车载终端及存储介质 | |
de Azevedo | Sensor fusion of laser and vision in active pedestrian detection | |
KR20210067710A (ko) | 실시간 객체 검출 방법 및 장치 | |
GB2557920A (en) | Learning analytics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200925 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201020 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210120 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20210125 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20210126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210414 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210525 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210624 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6905081 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |