TW202034270A - 車輛事故的鑑定方法及裝置、電子設備 - Google Patents
車輛事故的鑑定方法及裝置、電子設備 Download PDFInfo
- Publication number
- TW202034270A TW202034270A TW108133384A TW108133384A TW202034270A TW 202034270 A TW202034270 A TW 202034270A TW 108133384 A TW108133384 A TW 108133384A TW 108133384 A TW108133384 A TW 108133384A TW 202034270 A TW202034270 A TW 202034270A
- Authority
- TW
- Taiwan
- Prior art keywords
- shooting
- accident
- image data
- vehicle accident
- scene
- Prior art date
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
- 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
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
- H04N1/00204—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server
- H04N1/00244—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a digital computer or a digital computer system, e.g. an internet server with a server, e.g. an internet server
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
- H04N1/00249—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a photographic apparatus, e.g. a photographic printer or a projector
- H04N1/00251—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a photographic apparatus, e.g. a photographic printer or a projector with an apparatus for taking photographic images, e.g. a camera
-
- 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
- H04N23/63—Control of cameras or camera modules by using electronic viewfinders
- H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
-
- 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
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
Abstract
本說明書一個或多個實施例提供一種車輛事故的鑑定方法及裝置、電子設備,該方法可以包括:獲取車輛事故現場的圖像資料;確定鑑定結果,所述鑑定結果是藉由將所述圖像資料輸入事故鑑定模型而得到的輸出結果得到;所述事故鑑定模型由歷史車輛事故現場的圖像資料,以及所述歷史車輛事故現場的事故鑑定資訊訓練得到。
Description
本說明書一個或多個實施例涉及通訊技術領域,尤其涉及一種車輛事故的鑑定方法及裝置、電子設備。
在車輛發生事故後,保險公司的定損員和交通警察通常需要人工對現場進行勘察,以及對事故當事人陳述的事故經過進行核實,從而對車輛事故進行鑑定。在相關技術中,對於車輛事故的鑑定,主要依賴於儀器測量、影片重播和人工判斷等方式。
有鑑於此,本說明書一個或多個實施例提供一種車輛事故的鑑定方法及裝置、電子設備。
為實現上述目的,本說明書一個或多個實施例提供技術方案如下:
根據本說明書一個或多個實施例的第一方面,提出了一種車輛事故的鑑定方法,包括:
獲取車輛事故現場的圖像資料;
確定鑑定結果,所述鑑定結果是藉由將所述圖像資料輸入事故鑑定模型而得到的輸出結果得到;所述事故鑑定模型由歷史車輛事故現場的圖像資料,以及所述歷史車輛事故現場的事故鑑定資訊訓練得到。
根據本說明書一個或多個實施例的第二方面,提出了一種車輛事故的鑑定裝置,包括:
圖像獲取單元,獲取車輛事故現場的圖像資料;
結果確定單元,確定鑑定結果,所述鑑定結果是藉由將所述圖像資料輸入事故鑑定模型而得到的輸出結果得到;所述事故鑑定模型由歷史車輛事故現場的圖像資料,以及所述歷史車輛事故現場的事故鑑定資訊訓練得到。
根據本說明書一個或多個實施例的第三方面,提出了一種電子設備,包括:
處理器;
用於儲存處理器可執行指令的儲存器;
其中,所述處理器藉由運行所述可執行指令以實現如上述任一實施例中所述的車輛事故的鑑定方法。
這裡將詳細地對示例性實施例進行說明,其示例表示在圖式中。下面的描述涉及圖式時,除非另有表示,不同圖式中的相同數字表示相同或相似的要素。以下示例性實施例中所描述的實施方式並不代表與本說明書一個或多個實施例相一致的所有實施方式。相反,它們僅是與如所附申請專利範圍中所詳述的、本說明書一個或多個實施例的一些方面相一致的裝置和方法的例子。
需要說明的是:在其他實施例中並不一定按照本說明書示出和描述的順序來執行相應方法的步驟。在一些其他實施例中,其方法所包括的步驟可以比本說明書所描述的更多或更少。此外,本說明書中所描述的單個步驟,在其他實施例中可能被分解為多個步驟進行描述;而本說明書中所描述的多個步驟,在其他實施例中也可能被合併為單個步驟進行描述。
圖1是一示例性實施例提供的一種車輛事故的鑑定系統的架構示意圖。如圖1所示,該系統可以包括伺服器11、網路12、若干圖像採集設備,比如手機13、手機14、行車記錄器15和行車記錄器16等。
伺服器11可以為包含一獨立主機的物理伺服器,或者該伺服器11可以為主機集群承載的虛擬伺服器。在運行過程中,伺服器11可以運行某一應用的伺服器側的程式,以實現該應用的相關業務功能。而在本說明書一個或多個實施例的技術方案中,可由伺服器11作為伺服端與手機13-14、行車記錄器15-16上運行的客戶端進行配合,以實現車輛事故的鑑定方案。
手機13-14、行車記錄器15-16只是用戶可以使用的一種類型的圖像採集設備。實際上,用戶顯然還可以使用諸如下述類型的圖像採集設備:平板設備、筆記型電腦、個人數位助理(PDAs,Personal Digital Assistants)、可穿戴設備(如智慧型眼鏡、智慧型手錶等)等,本說明書一個或多個實施例並不對此進行限制。在運行過程中,該圖像採集設備可以運行某一應用的客戶端側的程式,以實現該應用的相關業務功能,比如圖像採集設備可作為客戶端與伺服器11進行交互,以實現本說明書中的車輛事故的鑑定方案。
而對於手機13-14、行車記錄器15-16與伺服器11之間進行交互的網路12,可以包括多種類型的有線或無線網路。在一實施例中,該網路12可以包括公共交換電話網路(Public Switched Telephone Network,PSTN)和網際網路。
下面分別針對客戶端和伺服端中的不同角色,對本說明書的車輛事故的鑑定方案進行說明。
請參見圖2,圖2是一示例性實施例提供的一種車輛事故的鑑定方法的流程圖。如圖2所示,該方法應用於客戶端,可以包括以下步驟:
步驟202,獲取車輛事故現場的圖像資料。
步驟204,確定鑑定結果,所述鑑定結果是藉由將所述圖像資料輸入事故鑑定模型而得到的輸出結果得到;所述事故鑑定模型由歷史車輛事故現場的圖像資料,以及所述歷史車輛事故現場的事故鑑定資訊訓練得到。
在一實施例中,在發生車輛事故後,用戶(例如,發生車輛事故的司機、交通警察、保險公司的定損員等)可使用客戶端(配置有攝影模組的圖像採集設備,可與伺服器進行通訊;比如手機、行車記錄器等)拍攝車輛事故現場的圖像資料(比如照片、影片等),從而可將拍攝得到的圖像資料作為事故鑑定模型的輸入,以由事故鑑定模型輸出鑑定結果。藉由上述採用機器學習模型的方式來鑑定車輛事故,使得用戶可直接利用車輛事故現場的照片、影片便可進行端到端的車輛事故鑑定,可有效提高鑑定效率,縮短鑑定週期。同時,本說明書的車輛事故的鑑定方案支持遠端鑑定和自動鑑定,從而大幅降低了車輛事故的鑑定成本。例如,在發生車輛事故後,司機只需要藉由客戶端採集車輛事故現場的圖像資料,基於本說明書的車輛事故的鑑定方案便可得到鑑定結果,而無需定損員到車輛事故現場來勘察,司機和交通警察也可儘快地處理車輛事故。
在一實施例中,事故鑑定模型可配置於客戶端側,那麼客戶端可直接將所述圖像資料輸入所述事故鑑定模型,以將所述事故鑑定模型的輸出結果作為所述鑑定結果。
在一實施例中,事故鑑定模型可配置於伺服端側,那麼客戶端可將所述圖像資料發送至伺服端以使所述伺服端將所述圖像資料輸入所述事故鑑定模型,以及將所述伺服端返回的輸出結果作為所述鑑定結果。
在一實施例中,車輛事故現場的圖像資料是鑑定車輛事故的依據(即為事故鑑定模型的輸入),而該圖像資料需要用戶使用客戶端來拍攝得到。因此,需引導用戶拍攝得到能夠準確反映出車輛事故現場的圖像資料。進一步的,可在圖像採集設備(即客戶端)的拍攝介面中展示引導資訊,從而引導用戶拍攝得到正確的圖像資料。
在一種情況下,可預先定義車輛事故現場與圖像採集設備之間的標準相對位置關係;換言之,圖像採集設備在保持與車輛事故現場之間的相對位置關係為標準相對位置關係時,可拍攝得到能夠正確反映出車輛事故現場的圖像資料(可理解為包含車輛事故現場的各個細節)。因此,可依據車輛事故現場與圖像採集設備之間的相對位置關係來引導用戶移動圖像採集設備。作為一示例性實施例,可先根據圖像資料(圖像採集設備獲取到的車輛事故現場的圖像資料;例如,可以是用戶初始拍攝車輛事故現場得到的首張照片)確定所述車輛事故現場與圖像採集設備之間的初始相對位置關係,再確定所述圖像採集設備的移動狀態,從而基於所述移動狀態和所述初始相對位置關係,確定所述圖像採集設備移動後與所述車輛事故現場的即時相對位置關係;那麼,可根據所述即時相對位置關係,在所述圖像採集設備的拍攝介面中展示第一引導資訊,以引導用戶將所述圖像採集設備移動至與標準相對位置關係相匹配的位置。可見,在確定出初始相對位置關係後,無需再根據圖像採集設備拍攝到的圖像資料來引導用戶(基於圖像採集設備的移動狀態即可),即在移動過程中,引導操作可基於圖像採集設備的移動狀態來完成,而無需依賴於圖像採集設備在移動時拍攝的圖像資料。
在另一種情況下,可預先定義圖像採集設備對車輛事故現場的標準拍攝方位;換言之,圖像採集設備在保持處於對車輛事故現場的標準拍攝方位時,可拍攝得到能夠正確反映出車輛事故現場的圖像資料。因此,可依據圖像採集設備對車輛事故現場的標準拍攝方位來引導用戶移動圖像採集設備。作為一示例性實施例,可先獲取圖像採集設備對車輛事故現場的拍攝方位(例如,可以是用戶初始使用圖像採集設備拍攝車輛事故現場時的拍攝方位),再確定所述拍攝方位是否符合標準拍攝方位;當所述拍攝方位不符合標準拍攝方位時,在所述圖像採集設備的拍攝介面中展示第二引導資訊,以引導用戶將所述圖像採集設備移動至所述標準拍攝方位處。
在一實施例中,獲取圖像採集設備對車輛事故現場的拍攝方位(例如,包括圖像採集設備與車輛事故現場之間的距離、角度等參數)的操作,可利用機器學習模型來完成。例如,可獲取所述圖像採集設備拍攝所述車輛事故現場得到的即時圖像資料,再將所述即時圖像資料輸入拍攝方位確定模型(所述拍攝方位確定模型由在預設拍攝方位下拍攝樣本事故車輛得到的圖像資料與所述預設拍攝方位的對應關係訓練得到),從而將所述拍攝方位確定模型的輸出結果作為所述圖像採集設備對所述車輛事故現場的拍攝方位。類似的,上述初始相對位置關係的確定操作,也可由機器學習模型來完成。
在一實施例中,在展示第二引導資訊時,可按照預定義的拍攝流程依次在所述拍攝介面中展示引導用戶將所述圖像採集設備移動至各個標準拍攝方位的第二引導資訊。其中,所述拍攝流程包括針對車輛事故現場中各個拍攝對象的標準拍攝方位,以及拍攝所述各個拍攝對象的順序。
在一實施例中,鑑定結果的參數可包括以下至少之一:碰撞角度、碰撞前的行駛速度、損傷部位、損傷程度。
為了便於理解,下面以手機與伺服器進行交互為例,結合圖式對本說明書的車輛事故的鑑定方案進行詳細說明。
請參見圖3,圖3是一示例性實施例提供的一種車輛事故的鑑定方法的交互圖。如圖3所示,該交互過程可以包括以下步驟:
步驟302,手機拍攝車輛事故現場的圖像資料。
在一實施例中,在發生車輛事故後,用戶(例如,發生車輛事故的司機、交通警察、保險公司的定損員等)可使用手機拍攝車輛事故現場的圖像資料。例如,拍攝發生碰撞的車輛,拍攝車輛具體的損傷部位,拍攝車牌號等。
步驟304,手機在拍攝介面中展示引導資訊。
步驟306,手機被用戶移動至標準位置拍攝圖像資料。
在一實施例中,手機拍攝車輛事故現場得到的圖像資料將被作為鑑定車輛事故的依據(即作為事故鑑定模型的輸入),因此需引導用戶拍攝得到能夠準確反映出車輛事故現場的圖像資料,以提高鑑定車輛事故的準確性。進一步的,可在手機的拍攝介面中展示引導資訊(展示第一引導資訊或第二引導資訊),從而引導用戶拍攝得到正確的圖像資料。
在一實施例中,可預先定義車輛事故現場與圖像採集設備(本實施例以手機為例)之間的標準相對位置關係;換言之,手機在保持與車輛事故現場之間的相對位置關係為標準相對位置關係時,可拍攝得到能夠正確反映出車輛事故現場的圖像資料(可理解為包含車輛事故現場的各個細節)。舉例而言,可定義如下標準相對位置關係:距離車輛正前方3公尺、距離車輛左側4公尺、距離車輛右側4公尺、距離車輛後方3公尺、距離受損部位50公分等。
基於對標準相對位置關係的定義,可在拍攝介面中展示第一引導資訊,從而引導用戶移動手機使得手機與事故車輛之間的相對位置關係符合標準相對位置關係(即移動手機至標準位置)。作為一示例性實施例,手機可根據步驟302拍攝得到的圖像資料(例如,可以是用戶拍攝車輛事故現場得到的首張照片)確定手機與車輛事故現場之間的初始相對位置關係。例如,可藉由相對位置關係確定模型來確定該初始相對位置關係;其中,相對位置關係確定模型可由訓練樣本圖像資料以及拍攝該樣本圖像資料時與被攝對象之間的距離和角度得到(以距離和角度來描述相對位置關係)。又如,還可藉由識別圖像資料中的被攝對象,並提取被攝對象的特徵點以藉由幾何計算來得到手機與被攝對象之間的距離和角度。在確定出初始相對位置關係後,再確定手機的移動狀態,以基於手機的移動狀態和初始相對位置關係確定手機移動後與車輛事故現場的即時相對位置關係。其中,手機的移動狀態可藉由手機的陀螺儀和加速度計等感測器採集到的資料計算得到;在得知手機如何移動後,由於車輛事故現場往往處於靜止狀態,那麼便可根據初始相對位置關係和手機的移動過程,確定出手機移動後與車輛事故現場之間的相對位置關係(即即時相對位置關係)。基於上述對即時相對位置關係的確定,可根據即時相對位置關係和上述標準相對位置關係之間的差異,在手機的拍攝介面中展示第一引導資訊,以引導用戶將手機移動至與標準相對位置關係相匹配的位置。可見,在上述引導的過程中,在確定出初始相對位置關係後,無需再根據手機拍攝到的圖像資料來引導用戶(基於手機的移動狀態即可),即在手機移動的過程中,引導操作可基於手機的移動狀態來完成,而無需依賴於手機在移動時拍攝到的圖像資料。
舉例而言,如圖4A所示,當用戶使用手機拍攝事故車輛41(車輛事故現場中發生碰撞的車輛)的左側時,假定手機與事故車輛41之間的距離為5公尺,而在對應於該拍攝方向(即手機與事故車輛41之間的角度)的標準相對位置關係定義的距離為4公尺;那麼手機可在拍攝介面4中展示引導資訊42“請再靠近1公尺拍攝”,以引導用戶攜帶手機在該拍攝方向上再靠近(事故車輛41)1公尺的距離。
在一實施例中,可預先定義手機對車輛事故現場的標準拍攝方位;換言之,手機在保持處於對車輛事故現場的標準拍攝方位時,可拍攝得到能夠正確反映出車輛事故現場的圖像資料。舉例而言,可定義如下標準拍攝方位(同樣以距離和角度為例):在距離車輛正前方3公尺的位置拍攝、在距離車輛左側4公尺的位置拍攝、在距離車輛右側4公尺的位置拍攝、在距離車輛後方3公尺的位置拍攝、在距離受損部位50公分的位置拍攝等。
基於對標準拍攝方位的定義,可在拍攝介面中展示第二引導資訊,從而引導用戶移動手機使得手機拍攝事故車輛(或受損部位)的拍攝方位符合標準拍攝方位。作為一示例性實施例,可先獲取用戶使用手機對車輛事故現場的拍攝方位(例如,可以是用戶初始使用手機拍攝車輛事故現場時的拍攝方位),再確定該拍攝方位是否符合標準拍攝方位。當該拍攝方位不符合標準拍攝方位時,在拍攝介面中展示第二引導資訊,以引導用戶將手機移動至標準拍攝方位處(即移動手機至標準位置)。
在一實施例中,手機可將步驟302拍攝得到的圖像資料(例如,可以是用戶拍攝車輛事故現場得到的首張照片)輸入拍攝方位確定模型,並將拍攝方位確定模型的輸出結果作為當前手機對車輛事故現場的拍攝方位。其中,拍攝方位確定模型可由在預設拍攝方位(可包含多個不同的拍攝方位)下拍攝樣本事故車輛得到的圖像資料與該預設拍攝方位的對應關係訓練得到。而在展示第二引導資訊時,可按照預定義的拍攝流程依次在拍攝介面中展示引導用戶將手機移動至各個標準拍攝方位的第二引導資訊。其中,拍攝流程包括針對車輛事故現場中各個拍攝對象的標準拍攝方位,以及拍攝各個拍攝對象的順序。
舉例而言,如圖4B所示,假定拍攝流程包括依次在距離車輛左側4公尺的位置拍攝事故車輛,以及在距離車輛右側4公尺的位置拍攝事故車輛。那麼,當用戶在距離車輛左側4公尺的位置拍攝完事故車輛41後,可在拍攝介面中展示引導資訊43“請距離4公尺拍攝事故車輛的右側”以及“指向事故車輛41右側的箭頭”,以引導用戶攜帶手機在事故車輛41的右側4公尺處拍攝。
步驟308,手機向伺服器發送在標準位置拍攝的圖像資料。
步驟310,伺服器將接收到的圖像資料輸入事故鑑定模型。
在一實施例中,可預先收集歷史車輛事故現場的圖像資料,並利用可靠途徑分析該歷史車輛事故現場的圖像資料得來的事故鑑定資訊(例如,由定損員人工分析該圖像資料得到的事故鑑定資訊)對該圖像資料進行標注,從而將標注後的圖像資料作為樣本資料訓練機器學習模型,以得到事故鑑定模型。其中,事故鑑定資訊的參數可以包括碰撞角度、碰撞前的行駛速度、損傷部位、損傷程度等;可採用邏輯回歸、決策樹、神經網路、支持向量機等演算法訓練樣本資料來得到事故鑑定模型。當然,本說明書一個或多個實施例並不對事故鑑定資訊的參數,以及訓練事故鑑定模型採用的演算法進行限制。藉由上述採用機器學習模型的方式來鑑定車輛事故,使得用戶可直接利用車輛事故現場的照片、影片便可進行端到端的車輛事故鑑定,可有效提高鑑定效率,縮短鑑定週期。同時,本說明書的車輛事故的鑑定方案支持遠端鑑定和自動鑑定,從而大幅降低了車輛事故的鑑定成本。例如,在發生車輛事故後,司機只需要藉由客戶端採集車輛事故現場的圖像資料,基於本說明書的車輛事故的鑑定方案便可得到鑑定結果,而無需定損員到車輛事故現場來勘察,司機和交通警察也可儘快地處理車輛事故。
舉例而言,可收集一批歷史車輛事故的案例,並獲取該案例中發生碰撞的車輛部件、車輛在發生碰撞時與碰撞對象的相對速度(以下簡稱為碰撞速度)、發生碰撞處的照片等資料。基於獲取到的資料,可針對每一個碰撞部件均構建一組以照片為輸入,碰撞速度為標注值的樣本資料,並對碰撞速度進行取整。可選的,可按照一定的精度劃分碰撞速度的取值範圍。例如,取值範圍為10km/h~200km/h,精度為1km/h;那麼,可將碰撞速度劃分為範圍從10km/h到200km/h的191個速度區段。基於上述對碰撞速度的劃分方式,可將碰撞速度的預測定義為一個分類問題。換言之,藉由將一組車輛事故的照片輸入事故鑑定模型,事故鑑定模型可預測出該車輛事故的碰撞速度所屬的速度區段。
而針對訓練過程,可採用CNN(Convolutional Neural Networks,卷積神經網路)來訓練樣本資料以得到事故鑑定模型。如圖4C所示,CNN可包括卷積層、池化層和全連接層。其中,卷積層用於對輸入的照片進行計算以提取出特徵向量;池化層通常位於卷積層之後,一方面降低特徵向量的維度以簡化網路計算複雜度,另一方面藉由池化來降低卷積層輸出的特徵向量,避免卷積神經網路出現過擬合;全連接層用於將網路學習到的特徵向量映射到樣本的標記空間中,比如將池化層輸出的二維特徵向量轉化成一維向量。由於車輛事故照片的數量不定,同時每張照片所包含的視覺特徵在時序維度上存在關聯,因而可將上述樣本資料(針對同一車輛事故,標注有碰撞速度的一組車輛事故照片)作為輸入以對神經網路進行訓練。例如,利用CNN來提取每張照片的視覺特徵向量,再將其輸入至LSTM(Long Short-Term Memory,長短期記憶網路),以由LSTM來處理所有照片(圖中所示為4張照片分別輸入CNN)的視覺特徵向量,從而生成最終的分類向量來代表針對各個可能的碰撞速度的預測概率。
步驟312,伺服器將事故鑑定模型的輸出結果返回至手機。
在一實施例中,也可將事故鑑定模型配置於手機側;換言之,在手機在標準位置拍攝得到圖像資料後,直接將拍攝得到的圖像資料輸入事故鑑定模型以獲取事故鑑定結果(即事故鑑定模型輸出的事故鑑定資訊),而無需將拍攝到的圖像資料發送至伺服器。進一步的,伺服器可定期更新樣本資料以重新訓練事故鑑定模型,從而提高鑑定的準確性。而當事故鑑定模型配置於手機側時,伺服器可定期向手機發送更新後的事故鑑定模型。
步驟314,手機將接收到的輸出結果作為針對當前車輛事故現場的鑑定結果展示。
在一實施例中,承接於上述舉例,事故鑑定模型的輸出為針對當前車輛事故可能存在的各個碰撞速度的概率。例如,可將輸出結果中概率最高的碰撞速度作為鑑定結果,也可以將輸出結果中概率最高且超過預設概率閾值的碰撞速度作為鑑定結果。
舉例而言,假定輸出結果如表1所示:
在一種情況下,可將輸出結果中概率最高的碰撞速度110km/h作為鑑定結果。在另一種情況下,假定預設概率閾值為75%,那麼由於概率最高的碰撞速度110km/h的概率超過了概率閾值75%,可將110km/h作為鑑定結果。圖5是一示例性實施例提供的一種設備的示意結構圖。請參考圖5,在硬體層面,該設備包括處理器502、內部匯流排504、網路介面506、內部儲存器508以及非易失性儲存器510,當然還可能包括其他業務所需要的硬體。處理器502從非易失性儲存器510中讀取對應的電腦程式到內部儲存器508中然後運行,在邏輯層面上形成車輛事故的鑑定裝置。當然,除了軟體實現方式之外,本說明書一個或多個實施例並不排除其他實現方式,比如邏輯裝置抑或軟硬體結合的方式等等,也就是說以下處理流程的執行主體並不限定於各個邏輯單元,也可以是硬體或邏輯裝置。
請參考圖6,在軟體實施方式中,該車輛事故的鑑定裝置可以包括:
圖像獲取單元61,獲取車輛事故現場的圖像資料;
結果確定單元62,確定鑑定結果,所述鑑定結果是藉由將所述圖像資料輸入事故鑑定模型而得到的輸出結果得到;所述事故鑑定模型由歷史車輛事故現場的圖像資料,以及所述歷史車輛事故現場的事故鑑定資訊訓練得到。
可選的,所述結果確定單元62具體用於:
將所述圖像資料輸入所述事故鑑定模型,以將所述事故鑑定模型的輸出結果作為所述鑑定結果;
或者,將所述圖像資料發送至伺服端以使所述伺服端將所述圖像資料輸入所述事故鑑定模型,以及將所述伺服端返回的輸出結果作為所述鑑定結果。
可選的,還包括:
初始位置確定單元63,根據所述圖像資料確定所述車輛事故現場與圖像採集設備之間的初始相對位置關係;
移動狀態確定單元64,確定所述圖像採集設備的移動狀態;
即時位置確定單元65,基於所述移動狀態和所述初始相對位置關係,確定所述圖像採集設備移動後與所述車輛事故現場的即時相對位置關係;
第一展示單元66,根據所述即時相對位置關係,在所述圖像採集設備的拍攝介面中展示第一引導資訊,以引導用戶將所述圖像採集設備移動至與標準相對位置關係相匹配的位置。
可選的,還包括:
方位獲取單元67,獲取圖像採集設備對所述車輛事故現場的拍攝方位;
方位確定單元68,確定所述拍攝方位是否符合標準拍攝方位;
第二展示單元69,當所述拍攝方位不符合標準拍攝方位時,在所述圖像採集設備的拍攝介面中展示第二引導資訊,以引導用戶將所述圖像採集設備移動至所述標準拍攝方位處。
可選的,所述方位獲取單元67具體用於:
獲取所述圖像採集設備拍攝所述車輛事故現場得到的即時圖像資料;
將所述即時圖像資料輸入拍攝方位確定模型,所述拍攝方位確定模型由在預設拍攝方位下拍攝樣本事故車輛得到的圖像資料與所述預設拍攝方位的對應關係訓練得到;
將所述拍攝方位確定模型的輸出結果作為所述圖像採集設備對所述車輛事故現場的拍攝方位。
可選的,所述第二展示單元69具體用於:
按照預定義的拍攝流程依次在所述拍攝介面中展示引導用戶將所述圖像採集設備移動至各個標準拍攝方位的第二引導資訊;所述拍攝流程包括針對車輛事故現場中各個拍攝對象的標準拍攝方位,以及拍攝所述各個拍攝對象的順序。
可選的,所述鑑定結果的參數包括以下至少之一:碰撞角度、碰撞前的行駛速度、損傷部位、損傷程度。
上述實施例闡明的系統、裝置、模組或單元,具體可以由電腦晶片或實體實現,或者由具有某種功能的產品來實現。一種典型的實現設備為電腦,電腦的具體形式可以是個人電腦、筆記型電腦、行動電話、相機電話、智慧型電話、個人數位助理、媒體播放器、導航設備、電子郵件收發設備、遊戲控制台、平板電腦、可穿戴設備或者這些設備中的任意幾種設備的組合。
在一個典型的配置中,電腦包括一個或多個處理器(CPU)、輸入/輸出介面、網路介面和內部儲存器。
內部儲存器可能包括電腦可讀媒體中的非永久性儲存器,隨機存取記憶體(RAM)和/或非易失性內部儲存器等形式,如唯讀記憶體(ROM)或快閃記憶體(flash RAM)。內部儲存器是電腦可讀媒體的示例。
電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括,但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可抹除可程式化唯讀記憶體(EEPROM)、快閃記憶體或其他內部儲存器技術、唯讀光碟(CD-ROM)、數位化多功能光碟(DVD)或其他光學儲存、磁盒式磁帶、磁碟儲存、量子儲存器、基於石墨烯的儲存媒體或其他磁性儲存設備或任何其他非傳輸媒體,可用於儲存可以被計算設備存取的資訊。按照本文中的界定,電腦可讀媒體不包括暫存電腦可讀媒體(transitory media),如調變的資料信號和載波。
還需要說明的是,術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含,從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素,而且還包括沒有明確列出的其他要素,或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制的情況下,由語句“包括一個……”限定的要素,並不排除在包括所述要素的過程、方法、商品或者設備中還存在另外的相同要素。
上述對本說明書特定實施例進行了描述。其它實施例在所附申請專利範圍的範圍內。在一些情況下,在申請專利範圍中記載的動作或步驟可以按照不同於實施例中的順序來執行並且仍然可以實現期望的結果。另外,在圖式中描繪的過程不一定要求示出的特定順序或者連續順序才能實現期望的結果。在某些實施方式中,多任務處理和並行處理也是可以的或者可能是有利的。
在本說明書一個或多個實施例使用的術語是僅僅出於描述特定實施例的目的,而非旨在限制本說明書一個或多個實施例。在本說明書一個或多個實施例和所附申請專利範圍中所使用的單數形式的“一種”、“所述”和“該”也旨在包括多數形式,除非上下文清楚地表示其他含義。還應當理解,本文中使用的術語“和/或”是指並包含一個或多個相關聯的列出項目的任何或所有可能組合。
應當理解,儘管在本說明書一個或多個實施例可能採用術語第一、第二、第三等來描述各種資訊,但這些資訊不應限於這些術語。這些術語僅用來將同一類型的資訊彼此區分開。例如,在不脫離本說明書一個或多個實施例範圍的情況下,第一資訊也可以被稱為第二資訊,類似地,第二資訊也可以被稱為第一資訊。取決於語境,如在此所使用的詞語“如果”可以被解釋成為“在……時”或“當……時”或“響應於確定”。
以上所述僅為本說明書一個或多個實施例的較佳實施例而已,並不用以限制本說明書一個或多個實施例,凡在本說明書一個或多個實施例的精神和原則之內,所做的任何修改、等同替換、改進等,均應包含在本說明書一個或多個實施例保護的範圍之內。
11:伺服器
12:網路
13:手機
14:手機
15:行車記錄器
16:行車記錄器
202~204:步驟
302~314:步驟
4:拍攝介面
41:事故車輛
42:引導資訊
43:引導資訊
502:處理器
504:內部匯流排
506:網路介面
508:內部儲存器
510:非易失性儲存器
61:圖像獲取單元
62:結果確定單元
63:初始位置確定單元
64:移動狀態確定單元
65:即時位置確定單元
66:第一展示單元
67:方位獲取單元
68:方位確定單元
69:第二展示單元
[圖1]是一示例性實施例提供的一種車輛事故的鑑定系統的架構示意圖。
[圖2]是一示例性實施例提供的一種車輛事故的鑑定方法的流程圖。
[圖3]是一示例性實施例提供的一種車輛事故的鑑定方法的交互圖。
[圖4A]是一示例性實施例提供的一種展示引導資訊的示意圖。
[圖4B]是一示例性實施例提供的另一種展示引導資訊的示意圖。
[圖4C]是一示例性實施例提供的訓練事故鑑定模型的示意圖。
[圖5]是一示例性實施例提供的一種設備的結構示意圖。
[圖6]是一示例性實施例提供的一種車輛事故的鑑定裝置的方塊圖。
Claims (15)
- 一種車輛事故的鑑定方法,包括: 獲取車輛事故現場的圖像資料; 確定鑑定結果,該鑑定結果是藉由將該圖像資料輸入事故鑑定模型而得到的輸出結果得到;該事故鑑定模型由歷史車輛事故現場的圖像資料,以及該歷史車輛事故現場的事故鑑定資訊訓練得到。
- 根據請求項1所述的方法,該確定鑑定結果,包括: 將該圖像資料輸入該事故鑑定模型,以將該事故鑑定模型的輸出結果作為該鑑定結果; 或者,將該圖像資料發送至伺服端以使該伺服端將該圖像資料輸入該事故鑑定模型,以及將該伺服端返回的輸出結果作為該鑑定結果。
- 根據請求項1所述的方法,還包括: 根據該圖像資料確定該車輛事故現場與圖像採集設備之間的初始相對位置關係; 確定該圖像採集設備的移動狀態; 基於該移動狀態和該初始相對位置關係,確定該圖像採集設備移動後與該車輛事故現場的即時相對位置關係; 根據該即時相對位置關係,在該圖像採集設備的拍攝介面中展示第一引導資訊,以引導用戶將該圖像採集設備移動至與標準相對位置關係相匹配的位置。
- 根據請求項1所述的方法,還包括: 獲取圖像採集設備對該車輛事故現場的拍攝方位; 確定該拍攝方位是否符合標準拍攝方位; 當該拍攝方位不符合標準拍攝方位時,在該圖像採集設備的拍攝介面中展示第二引導資訊,以引導用戶將該圖像採集設備移動至該標準拍攝方位處。
- 根據請求項4所述的方法,該獲取圖像採集設備對該車輛事故現場的拍攝方位,包括: 獲取該圖像採集設備拍攝該車輛事故現場得到的即時圖像資料; 將該即時圖像資料輸入拍攝方位確定模型,該拍攝方位確定模型由在預設拍攝方位下拍攝樣本事故車輛得到的圖像資料與該預設拍攝方位的對應關係訓練得到; 將該拍攝方位確定模型的輸出結果作為該圖像採集設備對該車輛事故現場的拍攝方位。
- 根據請求項4所述的方法,該在該圖像採集設備的拍攝介面中展示第二引導資訊,包括: 按照預定義的拍攝流程依次在該拍攝介面中展示引導用戶將該圖像採集設備移動至各個標準拍攝方位的第二引導資訊;該拍攝流程包括針對車輛事故現場中各個拍攝對象的標準拍攝方位,以及拍攝該各個拍攝對象的順序。
- 根據請求項1所述的方法,該鑑定結果的參數包括以下至少之一:碰撞角度、碰撞前的行駛速度、損傷部位、損傷程度。
- 一種車輛事故的鑑定裝置,包括: 圖像獲取單元,獲取車輛事故現場的圖像資料; 結果確定單元,確定鑑定結果,該鑑定結果是藉由將該圖像資料輸入事故鑑定模型而得到的輸出結果得到;該事故鑑定模型由歷史車輛事故現場的圖像資料,以及該歷史車輛事故現場的事故鑑定資訊訓練得到。
- 根據請求項8所述的裝置,該結果確定單元具體用於: 將該圖像資料輸入該事故鑑定模型,以將該事故鑑定模型的輸出結果作為該鑑定結果; 或者,將該圖像資料發送至伺服端以使該伺服端將該圖像資料輸入該事故鑑定模型,以及將該伺服端返回的輸出結果作為該鑑定結果。
- 根據請求項8所述的裝置,還包括: 初始位置確定單元,根據該圖像資料確定該車輛事故現場與圖像採集設備之間的初始相對位置關係; 移動狀態確定單元,確定該圖像採集設備的移動狀態; 即時位置確定單元,基於該移動狀態和該初始相對位置關係,確定該圖像採集設備移動後與該車輛事故現場的即時相對位置關係; 第一展示單元,根據該即時相對位置關係,在該圖像採集設備的拍攝介面中展示第一引導資訊,以引導用戶將該圖像採集設備移動至與標準相對位置關係相匹配的位置。
- 根據請求項8所述的裝置,還包括: 方位獲取單元,獲取圖像採集設備對該車輛事故現場的拍攝方位; 方位確定單元,確定該拍攝方位是否符合標準拍攝方位; 第二展示單元,當該拍攝方位不符合標準拍攝方位時,在該圖像採集設備的拍攝介面中展示第二引導資訊,以引導用戶將該圖像採集設備移動至該標準拍攝方位處。
- 根據請求項11所述的裝置,該方位獲取單元具體用於: 獲取該圖像採集設備拍攝該車輛事故現場得到的即時圖像資料; 將該即時圖像資料輸入拍攝方位確定模型,該拍攝方位確定模型由在預設拍攝方位下拍攝樣本事故車輛得到的圖像資料與該預設拍攝方位的對應關係訓練得到; 將該拍攝方位確定模型的輸出結果作為該圖像採集設備對該車輛事故現場的拍攝方位。
- 根據請求項11所述的裝置,該第二展示單元具體用於: 按照預定義的拍攝流程依次在該拍攝介面中展示引導用戶將該圖像採集設備移動至各個標準拍攝方位的第二引導資訊;該拍攝流程包括針對車輛事故現場中各個拍攝對象的標準拍攝方位,以及拍攝該各個拍攝對象的順序。
- 根據請求項8所述的裝置,該鑑定結果的參數包括以下至少之一:碰撞角度、碰撞前的行駛速度、損傷部位、損傷程度。
- 一種電子設備,包括: 處理器; 用於儲存處理器可執行指令的儲存器; 其中,該處理器藉由運行該可執行指令以實現如請求項1-7中任一項所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910171587.5 | 2019-03-07 | ||
CN201910171587.5A CN110033386B (zh) | 2019-03-07 | 2019-03-07 | 车辆事故的鉴定方法及装置、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202034270A true TW202034270A (zh) | 2020-09-16 |
TWI770420B TWI770420B (zh) | 2022-07-11 |
Family
ID=67235093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108133384A TWI770420B (zh) | 2019-03-07 | 2019-09-17 | 車輛事故的鑑定方法及裝置、電子設備 |
Country Status (3)
Country | Link |
---|---|
CN (1) | CN110033386B (zh) |
TW (1) | TWI770420B (zh) |
WO (1) | WO2020177480A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111079506A (zh) * | 2019-10-11 | 2020-04-28 | 深圳壹账通智能科技有限公司 | 基于增强现实的信息采集方法、装置和计算机设备 |
CN110809088A (zh) * | 2019-10-25 | 2020-02-18 | 广东以诺通讯有限公司 | 一种基于手机app的交通事故拍照方法及系统 |
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 |
CN112434368A (zh) * | 2020-10-20 | 2021-03-02 | 联保(北京)科技有限公司 | 一种图像采集方法、装置及存储介质 |
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 |
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 |
CN114764979A (zh) * | 2021-01-14 | 2022-07-19 | 大陆泰密克汽车系统(上海)有限公司 | 事故信息警示系统及方法、电子设备、存储介质 |
CN113255842B (zh) * | 2021-07-05 | 2021-11-02 | 平安科技(深圳)有限公司 | 车辆置换预测方法、装置、设备及存储介质 |
CN114637438B (zh) * | 2022-03-23 | 2024-05-07 | 支付宝(杭州)信息技术有限公司 | 基于ar的车辆事故处理方法及装置 |
CN114724373B (zh) * | 2022-04-15 | 2023-06-27 | 地平线征程(杭州)人工智能科技有限公司 | 交通现场信息获取方法和装置、电子设备和存储介质 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8311283B2 (en) * | 2008-07-06 | 2012-11-13 | Automotive Research&Testing Center | Method for detecting lane departure and apparatus thereof |
US8510196B1 (en) * | 2012-08-16 | 2013-08-13 | Allstate Insurance Company | Feedback loop in mobile damage assessment and claims processing |
CN103646534B (zh) * | 2013-11-22 | 2015-12-02 | 江苏大学 | 一种道路实时交通事故风险控制方法 |
CN103702029B (zh) * | 2013-12-20 | 2017-06-06 | 百度在线网络技术(北京)有限公司 | 拍摄时提示对焦的方法及装置 |
US10089396B2 (en) * | 2014-07-30 | 2018-10-02 | NthGen Software Inc. | System and method of a dynamic interface for capturing vehicle data |
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 |
CN106373395A (zh) * | 2016-09-20 | 2017-02-01 | 三星电子(中国)研发中心 | 行车事故的监控方法和装置 |
CN108629963A (zh) * | 2017-03-24 | 2018-10-09 | 纵目科技(上海)股份有限公司 | 基于卷积神经网络的交通事故上报方法及系统、车载终端 |
CN107392218B (zh) * | 2017-04-11 | 2020-08-04 | 创新先进技术有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
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 |
CN111797689B (zh) * | 2017-04-28 | 2024-04-16 | 创新先进技术有限公司 | 车辆定损图像获取方法、装置、服务器和客户端 |
CN109325488A (zh) * | 2018-08-31 | 2019-02-12 | 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 |
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 |
CN109344819A (zh) * | 2018-12-13 | 2019-02-15 | 深源恒际科技有限公司 | 基于深度学习的车辆损伤识别方法 |
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 |
-
2019
- 2019-03-07 CN CN201910171587.5A patent/CN110033386B/zh active Active
- 2019-09-17 TW TW108133384A patent/TWI770420B/zh active
-
2020
- 2020-01-06 WO PCT/CN2020/070511 patent/WO2020177480A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
TWI770420B (zh) | 2022-07-11 |
WO2020177480A1 (zh) | 2020-09-10 |
CN110033386B (zh) | 2020-10-02 |
CN110033386A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI770420B (zh) | 車輛事故的鑑定方法及裝置、電子設備 | |
US10817956B2 (en) | Image-based vehicle damage determining method and apparatus, and electronic device | |
EP3520045B1 (en) | Image-based vehicle loss assessment method, apparatus, and system, and electronic device | |
JP6893564B2 (ja) | ターゲット識別方法、装置、記憶媒体および電子機器 | |
WO2019223382A1 (zh) | 单目深度估计方法及其装置、设备和存储介质 | |
US20190340746A1 (en) | Stationary object detecting method, apparatus and electronic device | |
US20120127276A1 (en) | Image retrieval system and method and computer product thereof | |
WO2021114612A1 (zh) | 目标重识别方法、装置、计算机设备和存储介质 | |
CN110660102B (zh) | 基于人工智能的说话人识别方法及装置、系统 | |
EP4178194A1 (en) | Video generation method and apparatus, and readable medium and electronic device | |
TW202030683A (zh) | 理賠資訊提取方法和裝置、電子設備 | |
CN116547711A (zh) | 图像分割过程的一致性度量 | |
US10198842B2 (en) | Method of generating a synthetic image | |
WO2014026021A1 (en) | Systems and methods for image-based searching | |
CN114267041B (zh) | 场景中对象的识别方法及装置 | |
CN116824533A (zh) | 一种基于注意力机制的远小目标点云数据特征增强方法 | |
JP5878634B2 (ja) | 特徴抽出方法、プログラム及びシステム | |
CN110334650A (zh) | 物体检测方法、装置、电子设备及存储介质 | |
CN111310595B (zh) | 用于生成信息的方法和装置 | |
CN113450459B (zh) | 目标物的三维模型构建方法及装置 | |
US20150254527A1 (en) | Methods for 3d object recognition and registration | |
WO2023142550A1 (zh) | 异常事件检测方法及装置、计算机设备、存储介质、计算机程序、计算机程序产品 | |
CN115690845A (zh) | 一种运动轨迹预测方法及装置 | |
CN115331181A (zh) | 车辆图像融合方法、装置、计算机设备和存储介质 | |
JP7416614B2 (ja) | 学習モデルの生成方法、コンピュータプログラム、情報処理装置、及び情報処理方法 |