CN109410270B - 一种定损方法、设备和存储介质 - Google Patents
一种定损方法、设备和存储介质 Download PDFInfo
- Publication number
- CN109410270B CN109410270B CN201811142338.5A CN201811142338A CN109410270B CN 109410270 B CN109410270 B CN 109410270B CN 201811142338 A CN201811142338 A CN 201811142338A CN 109410270 B CN109410270 B CN 109410270B
- Authority
- CN
- China
- Prior art keywords
- target object
- key points
- calibration
- key
- key point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种定损方法、设备和存储介质,包括:获取目标物体的图像;采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型用于确定输入的图像的关键点;根据所述关键点,确定所述目标物体的受损面积。本发明提供的定损方法可以快速、自动检测出照片中目标物体的关键点,从而确定了目标物体的受损面积,提高了用户体验。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种定损方法、设备和存储介质。
背景技术
随着经济的发展和社会的进步,人们的生活水平日益提高,私家车的数量日益增加,随着而来的是各类交通事故不断增加,因此为了保障用户的利益,对于车辆、房屋、设备等的定损显得特别重要。
现有技术中,对于车辆、房屋、设备等的受损情况主要由定损员来确定,具体地,定损员人工评估车辆、房屋、设备等的受损面积,并确定受损的修复方法以及赔付金额,其中,定损员指的是具有专业知识和技能的独立的第三方机构的工作人员。
然而,不同定损员之间的主观差异较大,而且人工评估作业时间长,用户体验差。
发明内容
本发明实施例提供一种定损方法、设备和存储介质,以解决由定损员确定车辆、房屋、设备等的受损情况,主观差异大、作业时间长,用户体验差的问题。
第一方面,本发明实施例提供一种定损方法,包括:
获取目标物体的图像;
采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型用于确定输入的图像的关键点;
根据所述关键点,确定所述目标物体的受损面积。
可选的,所述方法还包括:
对多个标定物体的关键点和部件进行训练得到所述关键点检测模型,所述多个标定物体与所述目标物体类型相同。
可选的,所述对多个标定物体的关键点和部件进行训练得到所述关键点检测模型,包括:
获取多个标定物体的关键点和部件,标定物体的关键点为所述标定物体不同部件的连接点;
对多个标定物体的关键点和所述关键点对应的部件进行训练,得到关键点检测模型。
可选的,所述根据所述关键点,确定所述目标物体的受损面积,包括:
根据所述目标物体的关键点,确定所述目标物体在坐标系中的位置和轮廓;
根据所述目标物体在坐标系中的位置和轮廓,确定所述目标物体的受损面积。
可选的,目标物体的关键点为所述目标物体的不同部件的连接点,标定物体的部件为对所述标定物体进行部件分割标注确定。
第二方面,本发明实施例提供一种定损设备,包括:
获取模块,用于获取目标物体的图像;
确定模块,用于采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型用于确定输入的图像的关键点;
所述确定模块,还用于根据所述关键点,确定所述目标物体的受损面积。
可选的,还包括处理模块:
所述处理模块,用于对多个标定物体的关键点和部件进行训练得到所述关键点检测模型,所述多个标定物体与所述目标物体类型相同。
可选的,所述获取模块还用于:
获取多个标定物体的关键点和部件,标定物体的关键点为所述标定物体不同部件的连接点;
所述处理模块,还用于对多个标定物体的关键点和所述关键点对应的部件进行训练,得到关键点检测模型。
可选的,所述确定模块具体用于:
根据所述目标物体的关键点,确定所述目标物体在坐标系中的位置和轮廓;
根据所述目标物体在坐标系中的位置和轮廓,确定所述目标物体的受损面积。
可选的,目标物体的关键点为所述目标物体的不同部件的连接点,标定物体的部件为对所述标定物体进行部件分割标注确定。
第三方面,本发明实施例提供一种终端设备,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述终端设备执行第一方面任一项所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现第一方面任一项所述的方法。
本发明实施例提供的定损方法、设备和存储介质,该方法包括:获取目标物体的图像,采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型用于确定输入的图像的关键点,根据所述关键点,确定所述目标物体的受损面积。本发明提供的定损方法可以快速、自动检测出照片中目标物体的关键点,从而确定了目标物体的受损面积,提高了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的定损方法的流程示意图一;
图2为本发明实施例提供的定损方法的流程示意图二;
图3为本发明实施例提供的车辆部件示意图;
图4为本发明实施例提供的车辆关键点示意图;
图5为本发明实施例提供的定损设备的结构示意图一;
图6为本发明实施例提供的定损设备的结构示意图二;
图7为本发明实施例提供的终端设备的硬件结构示意图。
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
现有技术中,人工评估车辆、房屋、设备等的受损情况,不仅主观差异较大,而且人工评估作业时间长,用户体验差。本实施例提供的定损***包括:终端设备和目标物体的图像。
其中,终端设备安装有应用程序,可以为手机、平板电脑、笔记本电脑等,本实施例对于终端设备的实现方式不做限制。目标物体的图像可以由手机、相机、平板电脑等配置有摄像头的设备拍摄得到,本实施例对于目标物体的图像的获取方式不做限制。
本实施例提供的定损方法,将目标物体的图像加载至终端设备的应用程序中,基于该目标物体的关键点,确定目标物体的受损面积,提高了用户体验。下面以待定损车辆作为目标物体为例,采用详细的实施例进行详细说明。
图1为本发明实施例提供的定损方法的流程示意图一,本发明的执行主体为图1所示实施例中的终端设备,如图1所示,该方法包括:
S101、获取目标物体的图像。
可选的,可以使用外置照相机对待定损的目标物体进行拍摄,获取待定损目标物体的图像,或者,使用终端设备自带的照相机对目标物体进行拍摄,从而得到目标物体的图像。
S102、采用预先获取的关键点检测模型,在目标物体的图像中确定关键点。
关键点检测模型用于确定输入的图像的关键点,可选的,关键点检测模型为根据多个标定物体的关键点和部件,对人体关键点检测的数学模型进行训练得到的,多个标定物体与目标物体的类型相同,例如,若目标物体是车辆,那么多个标定的物体也是车辆。
应理解,关键点能够反映物体的特征,结合该物体的所有关键点可以获得该物体的外形轮廓。
其中,人体关键点检测的数学模型用于检测人体的关键点,具体地,输入一张人物图像到人体关键点检测的数学模型中,该模型输出为该人物的关键点,例如,四肢、脖颈、鼻子等部位的坐标信息等。
之所以不用人体关键点检测的数学模型检测车辆的关键点,原因在于车辆和人体相比,由于车辆的轮廓更大,因此当拍摄车辆时,会存在更多的局部图、关键点被遮挡的情况,直接使用人体关键点检测的数学模型来检测车辆的关键点不准确。
具体地,根据多个标定物体的关键点和部件,对人体关键点检测的数学模型进行训练,得到关键点检测模型。
在本步骤中,根据目标物体的图像,采用预先训练获取的关键点检测模型,确定目标物体的关键点,其中,标定物体的关键点为所述标定物体不同部件的连接点,标定物体的部件为对所述标定物体进行部件分割标注确定。
可选的,若以待定损车辆作为目标物体,若待定损车辆的受损位置可以在一张图像中展示出来,则拍摄一张包括待定损车辆的全部受损位置的图像,再采用预先训练获取的车辆关键点检测模型,得到待定损车辆的关键点;若待定损车辆的受损位置不能在一张图像中展示出来,则拍摄多张该待定损车辆的图像,这些图像包括待定损车辆的全部受损位置,再将该待定损车辆的多张图像分别输入到预先训练获取的车辆关键点检测模型中,得到该待定损车辆的全部关键点。
可选的,可以预设待定损车辆的图像的尺寸以及像素的阈值,若待定损车辆的图像的尺寸以及像素满足阈值,则可以根据车辆关键点检测模型,获取该车辆的关键点;若待定损车辆的图像的尺寸以及像素不满足阈值,则确定无法根据车辆关键点检测模型得到该定损车辆的关键点,终端设备可以提示弹出一个提示以提醒用户该图像有误,以便用户重新拍摄图像。
应理解,由于拍摄角度问题,待定损车辆的图像有可能无法将该车辆的所有部件和关键点都体现出来,因此,这里的待定损车辆的关键点为待定损车辆的图像中可见的车辆的关键点。
可选的,待定损车辆的图像的关键点可以以坐标的形式显示,和/或在待对关键点以特殊颜色进行标注,使用户直观看到待定损车辆的关键点。
S103、根据所述关键点,确定目标物体的受损面积。
可选的,确定目标物体图像的关键点后,根据目标物体的关键点,确定待目标物体在坐标系中的位置和轮廓,进一步,根据所述目标物体在坐标系中的位置和轮廓,确定目标物体的受损面积以及受损面积在整个目标物体中的面积占比。
本实施例提供的定损方法,通过获取目标物体的图像;采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型用于确定输入的图像的关键点;根据所述关键点,确定所述目标物体的受损面积,从而确定了目标物体的受损面积,提高了用户体验。
图2为本发明实施例提供的定损方法的流程示意图二,本实施例在图1实施例的基础上,对本实施例的具体实现过程进行了详细说明。如图2所示,该方法包括:
S201、获取多个标定物体的关键点和部件。
其中,标定物体的关键点为所述标定物体不同部件的连接点,标定物体的部件为对所述标定物体进行部件分割标注确定。以车辆为标定物体为例,下面对车辆的关键点和部件进行举例说明。
图3为本发明实施例提供的车辆部件示意图,可选的,根据车辆的组成对该车辆进行部件分割,如图3所示,车辆部件可以为车头机盖、车头左前雾灯、车顶等。
图4为本发明实施例提供的车辆关键点示意图,如图4所示,车辆的关键点可以为不同部件的连接点,其中,“1”表示第一个关键点,“2”表示第2个关键点,以此类推,“5”表示第5个关键点,其中,“1”、“2”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的关键点的重要性。
可选的,主流家用车辆的关键点有63个。
需要说明的是,对于预设多个车辆的关键点和部件的划分可以但不仅限于上述一种方法。
S202、对多个标定物体的关键点和所述关键点对应的部件进行训练,得到关键点检测模型。
在一种实现方式中,将每个标定物体的图像作为人体关键点检测模型的输入,对人体关键点检测模型进行训练,使得模型输出的标定物体的关键点位于不同部件的连接处,无限接近标定物体的关键点的位置,也就是采用车标定物体的部件来约束关键点的定位,使得关键点的位置更加准确,从而得到最终的关键点检测模型。
具体地,若训练结束后,得到一个关键点检测模型,若在该模型中标定物体的关键点不在标定物体部件的连接处,即使该关键点的位置已经很接近预设该标定物体的关键点的位置,还需要对该模型进行训练,使得关键点位于不同部件的连接处,更加无限接近标定物体的关键点的位置。
可选的,以车辆为例,终端设备预先存储标定车辆的关键点和该关键点对应的部件之间的对应关系,例如,坐标为(3,2,1)的关键点对应车顶和车前玻璃,将标定车辆的图像作为人体关键点检测模型的输入时,终端设备调用该对应关系,针对标定车辆的关键点和该关键点对应的部件,对人体关键点检测模型进行训练,得到车辆关键点检测模型。
S203、获取目标物体的图像。
可以使用照相机、手机相机对目标物体拍照,从而获得目标物体的图像,对于目标物体的图像获取方式本方案不做限制。
S204、采用预先获取的关键点检测模型,在目标物体的图像中确定关键点。
在步骤S201-S202中,获取多个标定物体的关键点和部件,再针对多个标定物体的关键点和关键点对应的部件,对人体关键点检测模型进行训练,得到关键点检测模型,具体地,多个标定物体的图像包括部件和关键点,采用部件来约束关键点的定位,使得关键点的位置更加准确,从而得到最终的关键点检测模型。
进一步,采用预先获得的关键点检测模型,确定目标物体的图像中的关键点,所述目标物体的关键点为所述目标物体不同部件的连接点,所述目标物体的部件为对所述目标物体进行部件分割标注确定,可选的,根据目标物体的组成对该目标物体进行部件分割。
S205、根据所述关键点,确定目标物体的受损面积。
可选的,根据目标物体的关键点,确定目标物体在坐标系中的位置和轮廓,根据目标物体在坐标系中的位置和轮廓,确定目标物体的受损面积。
本实施例提供的定损方法,通过获取多个标定物体的关键点和部件,标定物体的关键点为所述标定物体不同部件的连接点,对多个标定物体的关键点和所述关键点对应的部件进行训练,得到关键点检测模型,基于该关键点检测模型可以快速、自动检测出目标物体的关键点,从而确定了目标物体受损面积,提高了用户体验。
图5为本发明实施例提供的定损设备的结构示意图一,如图5所示,本实施例提供的定损设备50包括:获取模块501、确定模块502。
获取模块501,用于获取目标物体的图像;
确定模块502,用于采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型用于确定输入的图像的关键点;
所述确定模块502,还用于根据所述关键点,确定所述目标物体的受损面积。
本实施例提供的定损设备,包括获取模块和确定模块,获取模块用于获取目标物体的图像,确定模块用于采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型用于确定输入的图像的关键点,确定模块还用于根据所述关键点,确定所述目标物体的受损面积。本实施例提供的定损设备可以快速、自动检测出目标物体的关键点,从而确定了目标物体的受损面积,提高了用户体验。
图6为本发明实施例提供的定损设备的结构示意图二,如图6所示,定损设备50还包括:处理模块503。
可选的,所述处理模块503,用于对多个标定物体的关键点和部件进行训练得到所述关键点检测模型,所述多个标定物体与所述目标物体类型相同。
可选的,所述获取模块501,还用于获取多个标定物体的关键点和部件,标定物体的关键点为所述标定物体不同部件的连接点;
所述处理模块503,具体用于对多个标定物体的关键点和所述关键点对应的部件进行训练,得到关键点检测模型。
可选的,所述确定模块502具体用于:
根据所述目标物体的关键点,确定所述目标物体在坐标系中的位置和轮廓;
根据所述目标物体在坐标系中的位置和轮廓,确定所述目标物体的受损面积。
可选的,目标物体的关键点为所述目标物体的不同部件的连接点,标定物体的部件为对所述标定物体进行部件分割标注确定。
本实施例提供的定损设备,还包括处理模块,所述处理模块用于对多个标定物体的关键点和部件进行训练得到所述关键点检测模型,所述多个标定物体与所述目标物体类型相同。可以准确定位目标物体的关键点,从而确定了目标物体的受损面积,提高了用户体验。
图7为本发明实施例提供的终端设备的硬件结构示意图。如图7所示,本实施例的终端设备70包括:处理器702以及存储器701;其中:
存储器701,用于存储计算机执行指令;
处理器702,用于执行存储器存储的计算机执行指令,以实现上述实施例中所述的定损方法。具体可以参见前述方法实施例中的相关描述。
可选地,存储器701既可以是独立的,也可以跟处理器702集成在一起。
当存储器701独立设置时,该语音交互设备还包括总线703,用于连接所述存储器701和处理器702。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上所述的定损方法。
在上述控制设备的具体实现中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application SpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:只读存储器(英文:read-only memory,缩写:ROM)、RAM、快闪存储器、硬盘、固态硬盘、磁带(英文:magnetictape)、软盘(英文:floppy disk)、光盘(英文:optical disc)及其任意组合。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (8)
1.一种定损方法,其特征在于,包括:
获取目标物体的图像,所述图像包括:所述目标物体的全部受损位置;
采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型是通过将多个标定物体的图像作为人体关键点检测模型的输入,将多个标定物体的关键点的位置作为所述人体关键点检测模型的输出进行训练得到的,使得所述关键点检测模型输出的标定物体的关键点位于不同部件的连接处且无限接近标定物体的关键点的位置,其中,所述多个标定物体的图像包括部件和关键点,每个标定物体的关键点为所述标定物体不同部件的连接点,所述标定物体的部件为对所述标定物体进行部件分割标注确定的,所述多个标定物体与所述目标物体类型相同;
根据所述关键点,确定所述目标物体的受损面积。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取多个标定物体的关键点和部件,标定物体的关键点为所述标定物体不同部件的连接点;
对多个标定物体的关键点和所述关键点对应的部件进行训练,得到关键点检测模型。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述关键点,确定所述目标物体的受损面积,包括:
根据所述目标物体的关键点,确定所述全部受损位置对应的所有部件在坐标系中的位置和轮廓;
根据所述全部受损位置对应的所有部件在坐标系中的位置和轮廓,确定所述目标物体的受损面积。
4.一种定损设备,其特征在于,包括:
获取模块,用于获取目标物体的图像,所述图像包括:所述目标物体的全部受损位置;
确定模块,用于采用预先获取的关键点检测模型,在所述目标物体的图像中确定关键点,所述关键点检测模型是通过将多个标定物体的图像作为人体关键点检测模型的输入,将多个标定物体的关键点的位置作为所述人体关键点检测模型的输出进行训练得到的,使得所述关键点检测模型输出的标定物体的关键点位于不同部件的连接处且无限接近标定物体的关键点的位置,其中,所述多个标定物体的图像包括部件和关键点,每个标定物体的关键点为所述标定物体不同部件的连接点,所述标定物体的部件为对所述标定物体进行部件分割标注确定的,所述多个标定物体与所述目标物体类型相同;
所述确定模块,还用于根据所述关键点,确定所述目标物体的受损面积。
5.根据权利要求4所述的设备,其特征在于,所述获取模块还用于:
获取多个标定物体的关键点和部件,标定物体的关键点为所述标定物体不同部件的连接点;
所述设备还包括:处理模块;
所述处理模块,用于对多个标定物体的关键点和所述关键点对应的部件进行训练,得到关键点检测模型。
6.根据权利要求4或5所述的设备,其特征在于,所述确定模块具体用于:
根据所述目标物体的关键点,确定所述全部受损位置对应的所有部件在坐标系中的位置和轮廓;
根据所述全部受损位置对应的所有部件在坐标系中的位置和轮廓,确定所述目标物体的受损面积。
7.一种终端设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述终端设备执行权利要求1-3任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机执行指令,当所述计算机执行指令被处理器执行时,实现权利要求1-3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811142338.5A CN109410270B (zh) | 2018-09-28 | 2018-09-28 | 一种定损方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811142338.5A CN109410270B (zh) | 2018-09-28 | 2018-09-28 | 一种定损方法、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109410270A CN109410270A (zh) | 2019-03-01 |
CN109410270B true CN109410270B (zh) | 2020-10-27 |
Family
ID=65465545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811142338.5A Active CN109410270B (zh) | 2018-09-28 | 2018-09-28 | 一种定损方法、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109410270B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443814B (zh) * | 2019-07-30 | 2022-12-27 | 北京百度网讯科技有限公司 | 车辆的定损方法、装置、设备和存储介质 |
CN110598502B (zh) * | 2019-08-06 | 2020-10-23 | 珠海格力电器股份有限公司 | 一种无线扫码自动拍摄的方法及*** |
CN111489433B (zh) * | 2020-02-13 | 2023-04-25 | 北京百度网讯科技有限公司 | 车辆损伤定位的方法、装置、电子设备以及可读存储介质 |
CN111553268A (zh) * | 2020-04-27 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 车辆部件识别方法、装置、计算机设备和存储介质 |
CN113723969A (zh) * | 2021-08-20 | 2021-11-30 | 上海东普信息科技有限公司 | 物品理赔处理方法、装置、设备及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4780889B2 (ja) * | 2000-02-15 | 2011-09-28 | 株式会社イー・エー・シー | 事故車の損傷部認識システム及びプログラム |
JP2002318619A (ja) * | 2001-04-19 | 2002-10-31 | Matsushita Electric Ind Co Ltd | 移動車の障害検出方法と装置 |
CN102063737A (zh) * | 2010-12-18 | 2011-05-18 | 江苏省交通科学研究院股份有限公司 | 地铁模型的生成***及方法 |
CN103323209B (zh) * | 2013-07-02 | 2016-04-06 | 清华大学 | 基于双目立体视觉的结构模态参数识别*** |
CN106033601B (zh) * | 2015-03-09 | 2019-01-18 | 株式会社理光 | 检测异常情形的方法和装置 |
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 |
CN108133220A (zh) * | 2016-11-30 | 2018-06-08 | 北京市商汤科技开发有限公司 | 模型训练、关键点定位及图像处理方法、***及电子设备 |
CN108230390B (zh) * | 2017-06-23 | 2021-01-01 | 北京市商汤科技开发有限公司 | 训练方法、关键点检测方法、装置、存储介质和电子设备 |
CN107357984B (zh) * | 2017-07-03 | 2019-09-27 | 大连理工大学 | 车身前脸造型参数化模型的全自动提取方法 |
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*** |
CN108446618A (zh) * | 2018-03-09 | 2018-08-24 | 平安科技(深圳)有限公司 | 车辆定损方法、装置、电子设备及存储介质 |
CN108519819A (zh) * | 2018-03-30 | 2018-09-11 | 北京金山安全软件有限公司 | 智能设备的处理方法、装置、智能设备及介质 |
-
2018
- 2018-09-28 CN CN201811142338.5A patent/CN109410270B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109410270A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109410270B (zh) | 一种定损方法、设备和存储介质 | |
US10984293B2 (en) | Image processing method and apparatus | |
WO2019214319A1 (zh) | 一种车辆定损的数据处理方法、装置、处理设备及客户端 | |
US20200288065A1 (en) | Target tracking method and device, movable platform, and storage medium | |
CN112017231B (zh) | 基于单目摄像头的人体体重识别方法、装置及存储介质 | |
US11126875B2 (en) | Method and device of multi-focal sensing of an obstacle and non-volatile computer-readable storage medium | |
US10051179B2 (en) | Photographing method, device and terminal | |
CN110837580A (zh) | 一种行人图片标注方法、装置、存储介质和智能设备 | |
CN111288956B (zh) | 一种目标姿态确定方法、装置、设备和存储介质 | |
CN113706513A (zh) | 基于图像检测的车损图像的分析方法、装置、设备及介质 | |
CN111079483A (zh) | 一种书写规范判断方法及电子设备 | |
CN111199198B (zh) | 一种图像目标定位方法、图像目标定位装置及移动机器人 | |
CN109916415A (zh) | 道路类型确定方法、装置、设备及存储介质 | |
CN114170565A (zh) | 一种基于无人机航拍的图像对比方法、装置及终端设备 | |
WO2022227548A1 (zh) | 抛洒事件检测方法、装置、电子设备、存储介质及计算机程序产品 | |
CN112419420A (zh) | 一种相机标定方法、装置、电子设备及存储介质 | |
CN115965934A (zh) | 一种停车位检测方法及装置 | |
CN114627186A (zh) | 一种测距方法及测距装置 | |
CN114067406A (zh) | 一种关键点检测方法、装置、设备及可读存储介质 | |
CN114119695A (zh) | 一种图像标注方法、装置及电子设备 | |
CN114520895A (zh) | 投影控制方法、装置、投影光机及可读存储介质 | |
CN104050676A (zh) | 一种基于Logistic回归模型的逆光图像检测方法及装置 | |
CN110310336B (zh) | 一种触控投影***及图像处理方法 | |
CN108876891B (zh) | 人脸图像数据采集方法及人脸图像数据采集装置 | |
CN113192070B (zh) | 一种基于计算机视觉的焊缝图像处理方法和*** |
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 |