CN111612104B - 车辆定损图像获取方法、装置、介质和电子设备 - Google Patents

车辆定损图像获取方法、装置、介质和电子设备 Download PDF

Info

Publication number
CN111612104B
CN111612104B CN202010612920.4A CN202010612920A CN111612104B CN 111612104 B CN111612104 B CN 111612104B CN 202010612920 A CN202010612920 A CN 202010612920A CN 111612104 B CN111612104 B CN 111612104B
Authority
CN
China
Prior art keywords
damage
current
historical
picture
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
Application number
CN202010612920.4A
Other languages
English (en)
Other versions
CN111612104A (zh
Inventor
刘海龙
苏孝强
张恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aibao Technology Co ltd
Original Assignee
Aibao Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aibao Technology Co ltd filed Critical Aibao Technology Co ltd
Priority to CN202010612920.4A priority Critical patent/CN111612104B/zh
Publication of CN111612104A publication Critical patent/CN111612104A/zh
Application granted granted Critical
Publication of CN111612104B publication Critical patent/CN111612104B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/26Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明的实施方式提供了一种车辆定损图像获取方法、装置、介质和电子设备。涉及车辆定损图像获取技术领域,该方法首先获取当前车辆损伤图片集和车辆事故信息,从车辆历史事故信息中获取历史定损图片集;将每张当前车辆损伤图片和历史定损图片集中的每张历史定损图片进行比对,以确定每张当前车辆损伤图片中的历史旧伤图像;将每张当前车辆损伤图片中的历史旧伤图像去除,形成当前车辆定损图片集。该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,提高了车辆定损效率,为用户带来了更好的体验。

Description

车辆定损图像获取方法、装置、介质和电子设备
技术领域
本发明的实施方式涉及车辆定损图像获取技术领域,更具体地,本发明的实施方式涉及车辆定损图像获取方法、装置、介质和电子设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
在发生交通事故后,常常需要等待保险公司的理赔员到现场处理,通过拍照等获取理赔依据。随着近年来机动车保有量的增加,每年的交通事故数量一直处于高位状。而车辆理赔定损业务的处理常常需要依赖专业保险工作人员的人力现场处理,成本高、等待周期长,处理效率低。
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车辆定损图像的处理方式。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,仍需依靠人工核定,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
本发明为解决现有技术中出现的问题,提出了一种车辆定损图像获取方法、装置、介质和电子设备。通过确定每张当前车辆损伤图片中的第一历史旧伤图像和第二历史旧伤图像,能够进一步精确获取车辆定损图像,提高车辆定损的准确性。
根据本发明的一个方面,一种车辆定损图像获取方法,包括:获取当前车辆损伤图片集和车辆事故信息,所述当前车辆损伤图片集中的当前车辆损伤图片包含本次新伤图像和历史旧伤图像,所述车辆事故信息包括车辆本次事故信息和车辆历史事故信息;从所述车辆历史事故信息中获取历史定损图片集;将每张所述当前车辆损伤图片和所述历史定损图片集中的历史定损图片进行比对,以确定每张所述当前车辆损伤图片中的第一历史旧伤图像;对每张所述当前车辆损伤图片中的第一历史旧伤图像进行标记,形成第一当前车辆定损图片集。
进一步可选的,在将每张所述当前车辆损伤图片和所述历史定损图片集中的历史定损图片进行比对,以确定每张所述当前车辆损伤图片中的第一历史旧伤图像之前,所述方法还包括:识别每张所述当前车辆损伤图片中的当前受损部件和当前损伤区域;识别每张所述历史定损图片中的历史受损部件和历史损伤区域;所述将每张所述当前车辆损伤图片和所述历史定损图片集中的历史定损图片进行比对包括:将每张所述当前车辆损伤图片按照所述当前受损部件的当前损伤区域分割为多个当前损伤子图像,每个所述当前损伤子图像仅包括单个当前受损部件的单个当前损伤区域;将每张所述历史定损图片按照所述历史受损部件的历史损伤区域分割为多个历史损伤子图像,每个所述历史损伤子图像仅包括单个历史受损部件的单个历史损伤区域;将分割出的每一所述当前损伤子图像与对应相同部件的所述历史损伤子图像相匹配。
进一步可选的,在所述将分割出的每一所述当前损伤子图像与对应相同部件的所述历史损伤子图像相匹配之前,所述将每张所述当前车辆损伤图片和所述历史定损图片集中的历史定损图片进行比对还包括:确定每个所述当前受损部件在相应的当前车辆损伤图片中的当前损伤区域的外接框或掩膜信息;确定每个所述历史受损部件在相应的历史定损图片中的历史损伤区域的外接框或掩膜信息;所述将分割出的每一所述当前损伤子图像与对应相同部件的所述历史损伤子图像相匹配为:基于所述当前损伤区域的外接框或掩膜信息和所述历史损伤区域的外接框或掩膜信息将分割出的每一当前损伤子图像与对应的所述历史损伤子图像相匹配。
进一步可选的,所述基于所述当前损伤区域的外接框或掩膜信息和所述历史损伤区域的外接框或掩膜信息将分割出的每一当前损伤子图像与对应的所述历史损伤子图像相匹配包括:在每一所述当前损伤区域的外接框或掩膜信息和对应的历史损伤区域的外接框或掩膜信息上分别检测图像特征点并提取图像特征;逐一比对每一当前损伤区域外接框或掩膜和对应的历史损伤区域外接框或掩膜的图像特征点;获取所述当前损伤区域外接框或掩膜和所述历史损伤区域外接框或掩膜上图像特征距离小于预设距离阈值且符合几何校验约束的匹配特征点对;若所述匹配特征点对的数量大于数量阈值,则判定所述当前损伤子图像与所述历史损伤子图像匹配。
进一步可选的,所述车辆本次事故信息包括车辆碰撞方向信息,所述方法还包括:根据所述车辆碰撞方向信息确定每张所述当前车辆损伤图片中的第二历史旧伤图像;对每张所述当前车辆损伤图片中的第二历史旧伤图像进行标记,形成第二当前车辆定损图片集。
进一步可选的,所述根据所述车辆碰撞方向信息确定每张所述当前车辆损伤图片中的第二历史旧伤图像包括:基于所述车辆碰撞方向信息从所有所述当前受损部件中筛选出本次事故损伤部件;从所述当前车辆损伤图片中获取所述本次事故损伤部件对应的可用图片;从每张所述可用图片中识别出所述第二历史旧伤图像。
进一步可选的,所述基于所述车辆碰撞方向信息从所有所述当前受损部件中筛选出本次事故损伤部件包括:调用预设碰撞损失列表;根据所述车辆碰撞方向信息和所述预设碰撞损失列表从所有所述当前受损部件中筛选出本次事故损伤部件。
进一步可选的,所述方法还包括:输出所述第一当前车辆定损图片集和所述第二当前车辆定损图片集的交集。
进一步可选的,所述输出所述第一当前车辆定损图片集和所述第二当前车辆定损图片集的交集包括:从所述交集中,为每一当前受损部件按照预设筛选条件选取至少一张所述当前车辆损伤图片作为相应当前受损部件的定损图像。
根据本发明的一个方面,一种车辆定损图像获取装置,包括:数据获取单元,用于获取当前车辆损伤图片集和车辆事故信息,所述当前车辆损伤图片集中的当前车辆损伤图片包含本次新伤图像和历史旧伤图像,所述车辆事故信息包括车辆本次事故信息和车辆历史事故信息,所述车辆本次事故信息包括车辆碰撞方向信息;图片获取单元,用于从所述车辆历史事故信息中获取历史定损图片集;第一图片匹配单元,用于将每张所述当前车辆损伤图片和所述历史定损图片集中的历史定损图片进行比对,以确定每张所述当前车辆损伤图片中的第一历史旧伤图像;第一旧伤标记单元,用于对每张所述当前车辆损伤图片中的第一历史旧伤图像进行标记,形成第一当前车辆定损图片集;第二图片匹配单元,用于根据所述车辆碰撞方向信息确定每张所述当前车辆损伤图片中的第二历史旧伤图像;第二旧伤标记单元,用于对每张所述当前车辆损伤图片中的第二历史旧伤图像进行标记,形成第二当前车辆定损图片集,输出单元,其用于输出所述第一当前车辆定损图片集和所述第二当前车辆定损图片集的交集。
进一步可选的,所述装置还包括:当前识别单元,其用于识别每张所述当前车辆损伤图片中的当前受损部件和当前损伤区域;历史识别单元,其用于识别每张所述历史定损图片中的历史受损部件和历史损伤区域;
进一步可选的,所述第一图片比对单元包括:当前分割子单元,其用于将每张所述当前车辆损伤图片按照所述当前受损部件的当前损伤区域分割为多个当前损伤子图像,每个所述当前损伤子图像仅包括单个当前受损部件的单个当前损伤区域,确定每个所述当前受损部件在相应的当前车辆损伤图片中的当前损伤区域的外接框或掩膜信息;历史分割子单元,其用于将每张所述历史定损图片按照所述历史受损部件的历史损伤区域分割为多个历史损伤子图像,每个所述历史损伤子图像仅包括单个历史受损部件的单个历史损伤区域,确定每个所述历史受损部件在相应的历史定损图片中的历史损伤区域的外接框或掩膜信息;子图像匹配子单元,其用于将分割出的每一所述当前损伤子图像与对应相同部件的所述历史损伤子图像相匹配,即基于所述当前损伤区域的外接框或掩膜信息和所述历史损伤区域的外接框或掩膜信息将分割出的每一当前损伤子图像与对应的所述历史损伤子图像相匹配。
进一步可选的,所述子图像匹配子单元包括:图像特征点检测模块,其用于在每一所述当前损伤区域的外接框或掩膜信息和对应的历史损伤区域的外接框或掩膜信息上分别检测图像特征点并提取图像特征;比对模块,其用于逐一比对每一当前损伤区域外接框或掩膜和对应的历史损伤区域外接框或掩膜的图像特征点;获取模块,其用于获取所述当前损伤区域外接框或掩膜和所述历史损伤区域外接框或掩膜上图像特征距离小于预设距离阈值且符合几何校验约束的匹配特征点对;若所述匹配特征点对的数量大于数量阈值,则判定所述当前损伤子图像与所述历史损伤子图像匹配。
进一步可选的,所述第二图片匹配单元包括:碰撞筛选子单元,其用于基于所述车辆碰撞方向信息从所述所有当前受损部件中筛选出本次事故损伤部件;可用图片获取子单元,其用于从所述当前车辆损伤图片中获取所述本次事故损伤部件对应的可用图片;第二图片识别子单元,其用于从每张所述可用图片中识别出所述第二历史旧伤图像。
进一步可选的,所述碰撞筛选子单元包括:调用模块,其用于调用预设碰撞损失列表;筛选模块,其用于根据所述车辆碰撞方向信息和所述预设碰撞损失列表从所述所有当前受损部件中筛选出本次事故损伤部件。
进一步可选的,所述输出单元包括:预设条件筛选子单元,其用于从所述交集中,为每一当前受损部件按照预设筛选条件选取至少一张所述当前车辆损伤图片作为相应当前受损部件的定损图像。
根据本发明的另一方面,一种计算机可读存储介质,存储有程序代码,程序代码当被处理器执行时,实现所述车辆定损图像获取方法。
根据本发明的另一方面,一种电子设备,包括处理器和存储有程序代码的存储介质,程序代码当被处理器执行时,实现所述车辆定损图像获取方法。
本发明的有益效果:
1.本发明通过将每张当前车辆损伤图片和历史定损图片集中的每张历史定损图片进行比对,以确定每张当前车辆损伤图片中的第一历史旧伤图像;将每张当前车辆损伤图片中的第一历史旧伤图像去除,形成当前车辆定损图片集。该方式降低了车辆定损图像获取方法的定损成本。
2.本发明通过将每张当前车辆损伤图片和车辆本次事故信息进行比对,获得每张当前车辆损伤图片的第二历史旧伤图像,将每张第二历史旧伤图像去除,形成当前车辆定损图片集。该方式提升了车辆定损图像获取方法的准确性。
以上两种方式显著地降低了车辆事故的定损成本,提高了车辆定损效率和准确性,为用户带来了更好的体验。
附图说明
图1示出了本发明实施例中的一种应用场景示意图;
图2示出了本发明实施例中一种车辆定损图像获取方法的流程图;
图3A示出了本发明实施例中一种车辆定损图像获取方法的串行流程图;
图3B示出了本发明实施例中一种车辆定损图像获取方法的并行流程图;
图4示出了图3A和图3B中步骤205的一种实现方式的流程示意图;
图5示出了图4中步骤2053的一种实现方式的流程示意图;
图6示出了图3A和图3B中步骤208的一种实现方式的流程示意图;
图7示出了本发明一种车辆定损图像获取装置的功能结构示意图。
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***、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。
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,因此,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历史定损信息等)将影响车辆定损的历史损伤排除,而无需人工进行筛选。
图1是本发明的车辆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,若为视频可以在服务器端抽取关键帧图像。服务器根据本发明的车辆定损图像获取方法对图像数据进行处理,选出包括车辆损伤的图片,从车辆损伤图片中筛选出包括本次事故造成的损伤的当前车辆损伤图片,对图片中的历史旧伤区域加以标注,最终得到若干张事故车辆的定损图像,并将定损图像下发至相应的终端设备A进行车辆定损。
下面结合以上所述应用场景,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。
实施例1:
如图2所示,根据本发明的实施例提出了一种车辆定损图像获取方法,包括如下步骤:
101、获取当前车辆损伤图片集和车辆事故信息,当前车辆损伤图片集中的当前车辆损伤图片包含本次新伤图像和历史旧伤图像,车辆事故信息包括车辆本次事故信息和车辆历史事故信息;
102、从车辆历史事故信息中获取历史定损图片集;
103、将每张当前车辆损伤图片和历史定损图片集中的历史定损图片进行比对,以确定每张当前车辆损伤图片中的第一历史旧伤图像;
104、对每张当前车辆损伤图片中的第一历史旧伤图像进行标记,形成第一当前车辆定损图片集。
本实施例的有益效果在于:
本实施例通过将每张当前车辆损伤图片和历史定损图片集中的每张历史定损图片进行比对,以确定每张当前车辆损伤图片中的第一历史旧伤图像;将每张当前车辆损伤图片中的第一历史旧伤图像去除,形成当前车辆定损图片集。该方式降低了车辆定损图像获取方法的定损成本,提升了定损效率和准确性。
实施例2:
作为上述实施例的一种改进,如图3A和图3B所示,发明的实施例提出了另一种车辆定损图像获取方法,包括如下步骤:
201、获取当前车辆损伤图片集和车辆事故信息,当前车辆损伤图片集中的当前车辆损伤图片包含本次新伤图像和历史旧伤图像,车辆事故信息包括车辆本次事故信息和车辆历史事故信息;
202、从车辆历史事故信息中获取历史定损图片集;
203、识别每张当前车辆损伤图片中的受损部件和损伤区域,结果以外接框/掩膜来表示;即确定每个当前受损部件在相应的当前车辆损伤图片中的当前损伤区域的外接框或掩膜信息;后续执行步骤204和/或步骤207。
204、识别每张历史定损图片中的受损部件和损伤区域,结果以外接框/掩膜来表示;即确定每个历史受损部件在相应的历史定损图片中的历史损伤区域的外接框或掩膜信息;
在一些实施例中,203,204步骤可以但不限于通过以下过程实现:对损伤图像采用实例分割深度神经网络Mask-RCNN做部件分割,得到部件掩膜信息。采用目标检测深度神经网络Faster-RCNN, yolo, SSD等或实例分割深度神经网络Mask-RCNN在同一张损伤图像上做损伤检测/分割,得到当前损伤区域的外接框或掩膜信息。将部件分割和损伤检测/分割的结果进行几何映射,可得到以外接框/掩膜形式表示的损伤部件和损伤区域识别结果。
205、将每张当前车辆损伤图片和历史定损图片集中的对应历史定损图片进行比对,以确定每张当前车辆损伤图片中的第一历史旧伤图像;
一些实施例中,如图4所示,步骤205可以但不限于通过以下过程实现:
2051、将每张当前车辆损伤图片按照当前受损部件的当前损伤区域分割为多个当前损伤子图像,每个当前损伤子图像仅包括单个当前受损部件的单个当前损伤区域;
2052、将每张历史定损图片按照历史受损部件的历史损伤区域分割为多个历史损伤子图像,每个历史损伤子图像仅包括单个历史受损部件的单个历史损伤区域;
2053、将分割出的每一当前损伤子图像与对应相同部件的历史损伤子图像相匹配。即基于当前损伤区域的外接框或掩膜信息和历史损伤区域的外接框或掩膜信息将分割出的每一当前损伤子图像与对应的历史损伤子图像相匹配。
一些实施例中,如图5所示,步骤2053可以但不限于通过以下过程实现:
2053a、在每一当前损伤区域的外接框或掩膜信息和对应的历史损伤区域的外接框或掩膜信息上分别检测图像特征点并提取图像特征;
2053b、逐一比对每一当前损伤区域外接框或掩膜和对应的历史损伤区域外接框或掩膜的图像特征点;
2053c、获取当前损伤区域外接框或掩膜和历史损伤区域外接框或掩膜上图像特征距离小于预设距离阈值且符合几何校验约束的匹配特征点对;
2053d、若匹配特征点对的数量大于数量阈值,则判定当前损伤子图像与历史损伤子图像匹配。
206、对每张当前车辆损伤图片中的第一历史旧伤图像进行标记,形成第一当前车辆定损图片集。后续执行步骤210和/或步骤207。
207、从车辆本次事故信息中获取车辆碰撞方向信息;
208、根据车辆碰撞方向信息确定每张当前车辆损伤图片中的第二历史旧伤图像;
一些实施例中,如图6所示,步骤208可以但不限于通过以下过程实现:
2081、基于车辆碰撞方向信息从所有当前受损部件中筛选出本次事故损伤部件;
2081a、调用预设碰撞损失列表;
2081b、根据车辆碰撞方向信息和预设碰撞损失列表从所有当前受损部件中筛选出本次事故损伤部件;
2082、从当前车辆损伤图片中获取本次事故损伤部件对应的可用图片;
2083、从每张可用图片中识别出第二历史旧伤图像。
一些实施例中,步骤207,208可以通过但不限于以下过程实现:
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,比如通过关键字匹配等方法一般可以提取出车辆碰撞方向。比如“车辆右前侧与三者车碰撞”说明车辆右前侧受损,“车辆超越前车驶入对侧车道时与对面来车发生刮碰”说明车辆大概率左侧受损。
调用预设碰撞损失列表。在本实施例中,优选地预设碰撞损失列表如下表所示:
Figure 507504DEST_PATH_IMAGE001
表1
根据车辆碰撞方向信息和预设碰撞损伤列表从所有当前受损部件中筛选出本次事故可能损伤部件,比如车辆前部撞击的事故中出现了车辆后侧的损失部件,如后保险杠,则可以判定该部件上的损伤应不属于本次事故造成的损伤,而是历史旧伤。
209、对每张当前车辆损伤图片中的第二历史旧伤图像进行标记,形成第二当前车辆定损图片集。
210、输出第一当前车辆定损图片集和第二当前车辆定损图片集的交集,形成当前车辆定损图片集。
2101、从交集中,为每一当前受损部件按照预设筛选条件选取至少一张当前车辆损伤图片损伤图像作为相应当前受损部件位的定损图像。可以理解的是,预设筛选条件可以自定义的设置。
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,为每一受损部位基于受损部位图像的清晰度和受损区域占图像的面积比例,分别选取至少一张作为受损区域的定损图像。
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,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。
以上实施例仅示出了发明某一具体实施方式,本发明对上述步骤的执行顺序不做限定,其他以本发明思想所做出的所有变形均在本发明的保护范围之内。
本实施例的有益效果在于:
1.本实施例通过将每张当前车辆损伤图片和历史定损图片集中的每张历史定损图片进行比对,以确定每张当前车辆损伤图片中的第一历史旧伤图像;将每张当前车辆损伤图片中的第一历史旧伤图像去除,形成当前车辆定损图片集。该方式降低了车辆定损图像获取方法的定损成本。
2.本实施例通过将每张当前车辆损伤图片和车辆本次事故信息进行比对,获得每张当前车辆损伤图片的第二历史旧伤图像,将每张第二历史旧伤图像去除,形成当前车辆定损图片集。该方式提升了车辆定损图像获取方法的准确性。
根据本发明实施方式的车辆定损图像获取方法,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,提高了车辆定损效率,为用户带来了更好的体验。
实施例3:
参考图7,本发明示例性实施方式提供了一种车辆定损图像获取装置,装置包括:
数据获取单元301,用于获取当前车辆损伤图片集和车辆事故信息,当前车辆损伤图片集中的当前车辆损伤图片包含本次新伤图像和历史旧伤图像,车辆事故信息包括车辆本次事故信息和车辆历史事故信息;
图片获取单元302,用于从车辆历史事故信息中获取历史定损图片集;
当前识别单元303,其用于识别每张当前车辆损伤图片中的当前受损部件和当前损伤区域;确定每个当前受损部件在相应的当前车辆损伤图片中的当前损伤区域的外接框或掩膜信息;
历史识别单元304,其用于识别每张历史定损图片中的历史受损部件和历史损伤区域,确定每个历史受损部件在相应的历史定损图片中的历史损伤区域的外接框或掩膜信息;
在本实施例中,当前识别单元303,历史识别单元304的一种具体实施方式是对损伤图像采用实例分割深度神经网络Mask-RCNN做部件分割,得到部件掩膜信息。采用目标检测深度神经网络Faster-RCNN, yolo, SSD等或实例分割深度神经网络Mask-RCNN在同一张损伤图像上做损伤检测/分割,得到当前损伤区域的外接框或掩膜信息。将部件分割和损伤检测/分割的结果进行几何映射,可得到以外接框/掩膜形式表示的损伤部件和损伤区域识别结果。
第一图片匹配单元305,用于将每张当前车辆损伤图片和历史定损图片集中的历史定损图片进行比对,以确定每张当前车辆损伤图片中的第一历史旧伤图像;第一图片匹配单元305包括:
当前分割子单元3051,其用于将每张当前车辆损伤图片按照当前受损部件的当前损伤区域分割为多个当前损伤子图像,每个当前损伤子图像仅包括单个当前受损部件的单个当前损伤区域;
历史分割子单元3052,其用于将每张历史定损图片按照历史受损部件的历史损伤区域分割为多个历史损伤子图像,每个历史损伤子图像仅包括单个历史受损部件的单个历史损伤区域;
子图像匹配子单元3053,其用于将分割出的每一当前损伤子图像与对应相同部件的历史损伤子图像相匹配,即基于当前损伤区域的外接框或掩膜信息和历史损伤区域的外接框或掩膜信息将分割出的每一当前损伤子图像与对应的历史损伤子图像相匹配。子图像匹配子单元3053包括:
图像特征点检测模块3053a,其用于在每一当前损伤区域的外接框或掩膜信息和对应的历史损伤区域的外接框或掩膜信息上分别检测图像特征点并提取图像特征;
比对模块3053b,其用于逐一比对每一当前损伤区域外接框或掩膜和对应的历史损伤区域外接框或掩膜的图像特征点;
获取模块3053c,其用于获取当前损伤区域外接框或掩膜和历史损伤区域外接框或掩膜上图像特征距离小于预设距离阈值且符合几何校验约束的匹配特征点对;若匹配特征点对的数量大于数量阈值,则判定当前损伤子图像与历史损伤子图像匹配。
第一旧伤标记单元306,用于对每张当前车辆损伤图片中的第一历史旧伤图像进行标记,形成第一当前车辆定损图片集;
第二图片匹配单元307,用于从车辆本次事故信息中获取车辆碰撞方向信息,根据车辆碰撞方向信息确定每张当前车辆损伤图片中的第二历史旧伤图像;第二图片匹配单元307包括:
碰撞筛选子单元3071,其用于基于车辆碰撞方向信息从所有当前受损部件中筛选出本次事故损伤部件;碰撞筛选子单元3071包括:
调用模块3071a,其用于调用预设碰撞损失列表;
筛选模块3071b,其用于根据车辆碰撞方向信息和预设碰撞损失列表从所有当前受损部件中筛选出本次事故损伤部件。
可用图片获取子单元3072,其用于从当前车辆损伤图片中获取本次事故损伤部件对应的可用图片;
第二图片识别子单元3073,其用于从每张可用图片中识别出第二历史旧伤图像。
第二旧伤标记单元308,用于对每张当前车辆损伤图片中的第二历史旧伤图像进行标记,形成第二当前车辆定损图片集,
输出单元309,其用于输出第一当前车辆定损图片集和第二当前车辆定损图片集的交集。输出单元309包括:
预设条件筛选子单元3091,其用于从交集中,为每一当前受损部件按照预设筛选条件选取至少一张当前车辆损伤图片作为相应当前受损部件的定损图像。
本实施例的有益效果:
1.本实施例通过将每张当前车辆损伤图片和历史定损图片集中的每张历史定损图片进行比对,以确定每张当前车辆损伤图片中的第一历史旧伤图像;将每张当前车辆损伤图片中的第一历史旧伤图像去除,形成当前车辆定损图片集。该方式降低了车辆定损图像获取方法的定损成本。
2.本实施例通过将每张当前车辆损伤图片和车辆本次事故信息进行比对,获得每张当前车辆损伤图片的第二历史旧伤图像,将每张第二历史旧伤图像去除,形成当前车辆定损图片集。该方式提升了车辆定损图像获取方法的准确性。
以上两种方式显著地降低了车辆事故的定损成本,提高了车辆定损效率和准确性,为用户带来了更好的体验。
实施例4:
根据本发明的另一方面,一种计算机可读存储介质,存储有程序代码,程序代码当被处理器执行时,实现所述车辆定损图像获取方法。
实施例5:
根据本发明的另一方面,一种电子设备,包括处理器和存储有程序代码的存储介质,程序代码当被处理器执行时,实现所述车辆定损图像获取方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和设备的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例节能信号发送/接收的方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
应理解,本发明的发明内容及实施例中各步骤的序号的大小并不绝对意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。

Claims (11)

1.一种车辆定损图像获取方法,其特征在于,包括:
获取当前车辆损伤图片集和车辆事故信息,所述当前车辆损伤图片集中的当前车辆损伤图片包含本次新伤图像和历史旧伤图像,所述车辆事故信息包括车辆本次事故信息和车辆历史事故信息;
从所述车辆历史事故信息中获取历史定损图片集;
识别每张所述当前车辆损伤图片中的当前受损部件和当前损伤区域;识别每张历史定损图片中的历史受损部件和历史损伤区域;
将每张所述当前车辆损伤图片和所述历史定损图片集中的历史定损图片进行比对,将每张所述当前车辆损伤图片按照所述当前受损部件的当前损伤区域分割为多个当前损伤子图像,每个所述当前损伤子图像仅包括单个当前受损部件的单个当前损伤区域;将每张所述历史定损图片按照所述历史受损部件的历史损伤区域分割为多个历史损伤子图像,每个所述历史损伤子图像仅包括单个历史受损部件的单个历史损伤区域;将分割出的每一所述当前损伤子图像与对应相同部件的所述历史损伤子图像相匹配,以确定每张所述当前车辆损伤图片中的第一历史旧伤图像;
对每张所述当前车辆损伤图片中的第一历史旧伤图像进行标记,形成第一当前车辆定损图片集。
2.根据权利要求1所述的车辆定损图像获取方法,其特征在于,在所述将分割出的每一所述当前损伤子图像与对应相同部件的所述历史损伤子图像相匹配之前,所述将每张所述当前车辆损伤图片和所述历史定损图片集中的历史定损图片进行比对还包括:
确定每个所述当前受损部件在相应的当前车辆损伤图片中的当前损伤区域的外接框或掩膜信息;
确定每个所述历史受损部件在相应的历史定损图片中的历史损伤区域的外接框或掩膜信息;
所述将分割出的每一所述当前损伤子图像与对应相同部件的所述历史损伤子图像相匹配为:基于所述当前损伤区域的外接框或掩膜信息和所述历史损伤区域的外接框或掩膜信息将分割出的每一当前损伤子图像与对应的所述历史损伤子图像相匹配。
3.根据权利要求2所述的车辆定损图像获取方法,其特征在于,所述基于所述当前损伤区域的外接框或掩膜信息和所述历史损伤区域的外接框或掩膜信息将分割出的每一当前损伤子图像与对应的所述历史损伤子图像相匹配包括:
在每一所述当前损伤区域的外接框或掩膜信息和对应的历史损伤区域的外接框或掩膜信息上分别检测图像特征点并提取图像特征;
逐一比对每一当前损伤区域外接框或掩膜信息和对应的历史损伤区域外接框或掩膜信息的图像特征点;
获取所述当前损伤区域外接框或掩膜信息和所述历史损伤区域外接框或掩膜信息上图像特征距离小于预设距离阈值且符合几何校验约束的匹配特征点对;
若所述匹配特征点对的数量大于数量阈值,则判定所述当前损伤子图像与所述历史损伤子图像匹配。
4.根据权利要求2-3任一项所述的车辆定损图像获取方法,其特征在于,所述车辆本次事故信息包括车辆碰撞方向信息,所述方法还包括:
根据所述车辆碰撞方向信息确定每张所述当前车辆损伤图片中的第二历史旧伤图像;
对每张所述当前车辆损伤图片中的第二历史旧伤图像进行标记,形成第二当前车辆定损图片集。
5.根据权利要求4所述的车辆定损图像获取方法,其特征在于,所述根据所述车辆碰撞方向信息确定每张所述当前车辆损伤图片中的第二历史旧伤图像包括:
基于所述车辆碰撞方向信息从所有所述当前受损部件中筛选出本次事故损伤部件;
从所述当前车辆损伤图片中获取所述本次事故损伤部件对应的可用图片;
从每张所述可用图片中识别出所述第二历史旧伤图像。
6.根据权利要求5所述的车辆定损图像获取方法,其特征在于,所述基于所述车辆碰撞方向信息从所有所述当前受损部件中筛选出本次事故损伤部件包括:
调用预设碰撞损失列表;
根据所述车辆碰撞方向信息和所述预设碰撞损失列表从所有所述当前受损部件中筛选出本次事故损伤部件。
7.根据权利要求6所述的车辆定损图像获取方法,其特征在于,还包括:
输出所述第一当前车辆定损图片集和所述第二当前车辆定损图片集的交集。
8.根据权利要求7所述的车辆定损图像获取方法,其特征在于,所述输出所述第一当前车辆定损图片集和所述第二当前车辆定损图片集的交集包括:
从所述交集中,为每一当前受损部件按照预设筛选条件选取至少一张所述当前车辆损伤图片作为相应当前受损部件的定损图像。
9.一种车辆定损图像获取装置,其特征在于,包括:
数据获取单元,用于获取当前车辆损伤图片集和车辆事故信息,所述当前车辆损伤图片集中的当前车辆损伤图片包含本次新伤图像和历史旧伤图像,所述车辆事故信息包括车辆本次事故信息和车辆历史事故信息,所述车辆本次事故信息包括车辆碰撞方向信息;
图片获取单元,用于从所述车辆历史事故信息中获取历史定损图片集;识别每张所述当前车辆损伤图片中的当前受损部件和当前损伤区域;识别每张历史定损图片中的历史受损部件和历史损伤区域;
第一图片匹配单元,用于将每张所述当前车辆损伤图片按照所述当前受损部件的当前损伤区域分割为多个当前损伤子图像,每个所述当前损伤子图像仅包括单个当前受损部件的单个当前损伤区域;将每张所述历史定损图片按照所述历史受损部件的历史损伤区域分割为多个历史损伤子图像,每个所述历史损伤子图像仅包括单个历史受损部件的单个历史损伤区域;将分割出的每一所述当前损伤子图像与对应相同部件的所述历史损伤子图像相匹配;将每张所述当前车辆损伤图片和所述历史定损图片集中的历史定损图片进行比对,以确定每张所述当前车辆损伤图片中的第一历史旧伤图像;
第一旧伤标记单元,用于对每张所述当前车辆损伤图片中的第一历史旧伤图像进行标记,形成第一当前车辆定损图片集;
第二图片匹配单元,用于根据车辆碰撞方向信息确定每张所述当前车辆损伤图片中的第二历史旧伤图像;
第二旧伤标记单元,用于对每张所述当前车辆损伤图片中的第二历史旧伤图像进行标记,形成第二当前车辆定损图片集;
输出单元,其用于输出所述第一当前车辆定损图片集和所述第二当前车辆定损图片集的交集。
10.一种计算机可读存储介质,存储有程序代码,程序代码当被处理器执行时,实现如权利要求1-8之一的车辆定损图像获取方法。
11.一种电子设备,包括处理器和存储有程序代码的存储介质,程序代码当被处理器执行时,实现如权利要求1-8之一的车辆定损图像获取方法。
CN202010612920.4A 2020-06-30 2020-06-30 车辆定损图像获取方法、装置、介质和电子设备 Active CN111612104B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010612920.4A CN111612104B (zh) 2020-06-30 2020-06-30 车辆定损图像获取方法、装置、介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010612920.4A CN111612104B (zh) 2020-06-30 2020-06-30 车辆定损图像获取方法、装置、介质和电子设备

Publications (2)

Publication Number Publication Date
CN111612104A CN111612104A (zh) 2020-09-01
CN111612104B true CN111612104B (zh) 2021-04-13

Family

ID=72200561

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010612920.4A Active CN111612104B (zh) 2020-06-30 2020-06-30 车辆定损图像获取方法、装置、介质和电子设备

Country Status (1)

Country Link
CN (1) CN111612104B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112307965B (zh) * 2020-10-30 2021-05-25 哈尔滨市科佳通用机电股份有限公司 一种滚动轴承施封锁丢失和折断故障检测方法
CN112966730A (zh) * 2021-03-01 2021-06-15 创新奇智(上海)科技有限公司 车辆伤损识别方法、装置、设备及存储介质
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
CN113705351B (zh) * 2021-07-28 2024-05-14 中国银行保险信息技术管理有限公司 车辆定损方法、装置及设备
CN113538293B (zh) * 2021-08-20 2022-09-13 爱保科技有限公司 一种车损伤图像的增强方法和装置
CN115115611B (zh) * 2022-07-21 2023-04-07 明觉科技(北京)有限公司 车辆损伤识别方法、装置、电子设备和存储介质
CN117894182A (zh) * 2024-03-15 2024-04-16 长春师范大学 一种基于车联网的车辆事故数据快速采集方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358596A (zh) * 2017-04-11 2017-11-17 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***
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
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
CN109784170A (zh) * 2018-12-13 2019-05-21 平安科技(深圳)有限公司 基于图像识别的车险定损方法、装置、设备及存储介质
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***
EP3605386A1 (en) * 2017-04-28 2020-02-05 Alibaba Group Holding Limited Method and apparatus for obtaining vehicle loss assessment image, server and terminal device

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016049730A1 (en) * 2014-09-30 2016-04-07 Cae Inc. Rendering damaged-enhanced images in a computer simulation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107358596A (zh) * 2017-04-11 2017-11-17 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***
EP3605386A1 (en) * 2017-04-28 2020-02-05 Alibaba Group Holding Limited Method and apparatus for obtaining vehicle loss assessment image, server and terminal device
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
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
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***
CN109784170A (zh) * 2018-12-13 2019-05-21 平安科技(深圳)有限公司 基于图像识别的车险定损方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于单车的大数据技术在车险中的应用研究;朱向雷等;《汽车工业研究》;20170131(第1期);第10-14页 *

Also Published As

Publication number Publication date
CN111612104A (zh) 2020-09-01

Similar Documents

Publication Publication Date Title
CN111612104B (zh) 车辆定损图像获取方法、装置、介质和电子设备
CN110705405B (zh) 目标标注的方法及装置
CN109753928B (zh) 违章建筑物识别方法和装置
CN112001902A (zh) 缺陷检测方法和相关装置、设备、存储介质
CN104616021B (zh) 交通标志图像处理方法及装置
CN110766033B (zh) 图像处理方法、装置、电子设备及存储介质
Boulkenafet et al. Scale space texture analysis for face anti-spoofing
EP2662827A1 (en) Video analysis
CN108323209B (zh) 信息处理方法、***、云处理设备以及计算机存储介质
CN111259891B (zh) 一种自然场景下身份证识别方法、装置、设备和介质
CN104573680A (zh) 图像检测方法、图像检测装置以及交通违法检测***
CN110443814B (zh) 车辆的定损方法、装置、设备和存储介质
CN111753642B (zh) 一种确定关键帧的方法及装置
CN110121109A (zh) 面向监控***数字视频实时溯源方法、城市视频监控***
CN110175553B (zh) 基于步态识别与人脸识别建立特征库的方法及装置
CN111062927A (zh) 一种无人机图像质量检测的方法、***及设备
CN113408364B (zh) 一种临时车牌识别方法、***、装置及存储介质
CN113158773B (zh) 一种活体检测模型的训练方法及训练装置
CN106778765B (zh) 一种车牌识别的方法及装置
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
CN110660000A (zh) 数据预测方法、装置、设备及计算机可读存储介质
CN106611417A (zh) 将视觉元素分类为前景或背景的方法及装置
KR102604009B1 (ko) 차량번호판 위조 대응 시스템 및 방법
CN110458171B (zh) 一种车牌识别的方法以及相关装置
CN114170470A (zh) 样本生成方法、装置、设备和存储介质

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
GR01 Patent grant
GR01 Patent grant