CN113179368B - 一种车辆定损的数据处理方法、装置、处理设备及客户端 - Google Patents
一种车辆定损的数据处理方法、装置、处理设备及客户端 Download PDFInfo
- Publication number
- CN113179368B CN113179368B CN202110345608.8A CN202110345608A CN113179368B CN 113179368 B CN113179368 B CN 113179368B CN 202110345608 A CN202110345608 A CN 202110345608A CN 113179368 B CN113179368 B CN 113179368B
- Authority
- CN
- China
- Prior art keywords
- shooting
- damage
- damaged area
- vehicle
- window
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 77
- 238000003672 processing method Methods 0.000 title abstract description 9
- 230000006378 damage Effects 0.000 claims abstract description 134
- 238000000034 method Methods 0.000 claims description 99
- 238000009877 rendering Methods 0.000 claims description 16
- 230000003902 lesion Effects 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000012512 characterization method Methods 0.000 claims description 10
- 230000006735 deficit Effects 0.000 claims description 8
- 230000003190 augmentative effect Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000001788 irregular Effects 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 abstract description 7
- 230000015654 memory Effects 0.000 description 38
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 6
- 208000027418 Wounds and injury Diseases 0.000 description 5
- 208000014674 injury Diseases 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000750 progressive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000007795 chemical reaction product Substances 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009365 direct transmission Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009349 indirect transmission Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
- H04N23/617—Upgrading or updating of programs or applications for camera control
-
- 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
- H04N23/63—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
- H04N23/635—Region indicators; Field of view indicators
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
- Processing Or Creating Images (AREA)
- Traffic Control Systems (AREA)
- Studio Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种车辆定损的数据处理方法、装置、处理设备及客户端。用户可以在移动设备上自动识别车辆损伤部位,并在拍摄画面中用容易识别的方式标识出需要拍摄的区域,持续引导用户对该区域拍摄照片或视频,从而让用户可以在不需要专业知识的情况下,也能完成定损所需的符合定损处理要求拍摄,提高车辆定损的处理效率,提高用户定损交互体验。
Description
本申请是申请日为2018年05月08日,申请号为:201810432696.3,名称为“一种车辆定损的数据处理方法、装置、处理设备及客户端”的专利申请的分案申请。
技术领域
本说明书实施例方案属于计算机终端保险业务数据处理的技术领域,尤其涉及一种车辆定损的数据处理方法、装置、处理设备及客户端。
背景技术
机动车辆保险即汽车保险(或简称车险),是指对机动车辆由于自然灾害或意外事故所造成的人身伤亡或财产损失负赔偿责任的一种商业保险。随着经济的发展,机动车辆的数量不断增加,当前,车险已成为中国财产保险业务中最大的险种之一。
在车险行业,车主发生车辆事故提出理赔申请时,保险公司需要对车辆的损伤程度进行评估,以确定需要修复的项目清单,以及赔付金额等。目前的评估方式主要包括:通过保险公司或第三方公估机构查勘员,对发生事故的车辆进行现场评估,或由用户在保险公司人员的指导下,对事故车辆拍照,通过网络传递给保险公司,再由定损员通过照片进行远程定损。目前的这种车险定损获取定损图像的方式中,保险公司安排车辆及人员到事故现场进行查勘,需要花费较高的成本;车主需要花费较多时间等待查勘人员到达现场,体验较差;车主自行拍摄照片时,由于缺乏经验,往往需要查勘人员通过远程电话或视频通话等方式进行指导,费时费力。即使在查看人员远程指导的情况下,部分案件用这种方式拍出的照片存在大量无效照片,当采集到无效的定损图像时,车主用户需要重新拍摄,甚至已经丧失拍摄时机,严重影响定损处理效率和用户定损服务体验。
因此,业内亟需一种可以更加简易、便捷、快速的车辆定损处理方案。
发明内容
本说明书实施例目的在于提供一种车辆定损的数据处理方法、装置、处理设备及客户端,用户可以在移动设备上自动识别车辆损伤部位,并在拍摄画面中用容易识别的方式标识出需要拍摄的区域,持续引导用户对该区域拍摄照片或视频,从而让用户可以在不需要专业知识的情况下,也能完成定损所需的符合定损处理要求拍摄,提高车辆定损的处理效率,提高用户定损交互体验。
本说明书实施例提供的一种车辆定损的数据处理方法、装置、处理设备及客户端是包括以下方式实现的:
一种车辆定损的数据处理方法,所述方法包括:
展示拍摄视窗,以通过所述拍摄视窗对车辆进行拍摄;
在识别出当前拍摄视窗中存在损伤的情况下,对损伤区域启动新的拍摄策略,所述新的拍摄策略根据不同的拍摄区域进行调整拍摄参数后确定;
对损伤区域进行拍摄。
一种车辆定损的数据处理设备,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现:
展示拍摄视窗,以通过所述拍摄视窗对车辆进行拍摄;
在识别出当前拍摄视窗中存在损伤的情况下,对损伤区域启动新的拍摄策略,所述新的拍摄策略根据不同的拍摄区域进行调整拍摄参数后确定;
对损伤区域进行拍摄。
一种客户端,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现:
展示拍摄视窗,以通过所述拍摄视窗对车辆进行拍摄;
在识别出当前拍摄视窗中存在损伤的情况下,对损伤区域启动新的拍摄策略,所述新的拍摄策略根据不同的拍摄区域进行调整拍摄参数后确定;
对损伤区域进行拍摄。
一种电子设备,包括显示屏、处理器以及存储处理器可执行指令的存储器,所述处理器执行所述指令时实现本说明书任意一个实施例所述的方法步骤。
本说明书实施例提供的一种车辆定损的数据处理方法、装置、处理设备及客户端,用户可以在移动设备上自动识别车辆损伤部位,并在拍摄画面中用容易识别的方式标识出需要拍摄的区域,持续引导用户对该区域拍摄照片或视频,从而让用户可以在不需要专业知识的情况下,也能完成定损所需的符合定损处理要求拍摄,提高车辆定损的处理效率,提高用户定损交互体验。
附图说明
为了更清楚地说明本说明书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简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,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他的附图。
图1是本说明书提供的所述一种车辆定损的数据处理方法实施例的流程示意图;
图2是本说明书所述方法实施例使用的深度神经网络模型示意图;
图3是本说明书提供一种采用小点点符号渲染来标识出损伤区域的示意图;
图4是本说明书提供的所述方法中拍摄引导实施例的实施场景示意图;
图5是本说明书提供的所述方法的另一个实施例的实施场景示意图;
图6是应用本发明方法或装置实施例一种车辆定损的交互处理的客户端的硬件结构框图;
图7是本说明书提供的一种车辆定损的数据处理装置实施例的模块结构示意图;
图8是本说明提供的一种电子设备实施例的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书中的一部分实施例,而不是全部的实施例。基于本说明书中的一个或多个实施例,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他实施例,都应当属于本说明书实施例保护的范围。
本说明书提供的一种实施方案可以应用到客户端/服务器的***构架中。所述的客户端可以包括车损现场人员(可以是事故车车主用户,也可以是保险公司人员或进行定损处理的其他人员)使用的具有拍摄功能的终端设备,如智能手机、平板电脑、智能穿戴设备、专用定损终端等。所述的客户端可以具有通信模块,可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。所述服务器可以包括保险公司一侧的服务器或定损服务方一侧的服务器,其他的实施场景中也可以包括其他服务方的服务器,例如与定损服务方的服务器有通信链接的配件供应商的终端、车辆维修厂的终端等。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式***的服务器。一些应用场景中,客户端一侧可以将现场拍摄采集的图像数据实时发送给服务器,由服务器一侧进行损伤的识别,识别的结果可以反馈给客户端。服务器一侧的处理的实施方案,损伤识别等处理由服务器一侧执行,处理速度通常高于客户端一侧,可以减少客户端处理压力,提高损伤识别速度。当然,本说明书不排除其他的实施例中上述全部或部分处理由客户端一侧实现,如客户端一侧进行损伤的实时检测和识别。
用户自行拍摄车损照片或视频时,常常会面临如下的问题:1、用户并不完全理解哪些损伤部位需要进行拍摄(例如一条剐擦痕迹主要在前门,后门只有少量,被用户忽略;但后门同样需要进行喷漆,因此要对后门损伤部位进行拍摄);2、用户不能识别所有的损伤(例如轻微的凹陷对普通人来说难以用肉眼识别);3、用户很难准确掌握拍摄距离、角度、损伤部位在画面中的比例等要素。为此,本发明提供一种可以应用在移动设备上的车辆定损的数据处理方法,可以在拍摄画面中用容易识别的方式标识出需要拍摄的区域,持续引导用户对该区域拍摄照片或视频,从而让用户可以在不需要专业知识的情况下,也能完成定损所需的拍摄。
下面以一个具体的手机客户端应用场景为例对本说明书实施方案进行说明。具体的,图1是本说明书提供的所述一种车辆定损的数据处理方法实施例的流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。当然,下述实施例的描述并不对基于本说明书的其他可扩展到的技术方案构成限制。例如其他的实施场景中。具体的一种实施例如图1所示,本说明书提供的一种车辆定损的数据处理方法的一种实施例中,所述方法可以包括:
S0:展示拍摄车辆第一受损区域的拍摄引导信息;
S2:若识别出当前拍摄视窗中存在第一损伤,则确定出所述第一损伤的第一损伤区域;
S4:对所述第一损伤区域进行显著方式渲染后,利用增强现实在将渲染后的第一损伤区域叠加显示在所述当前拍摄视窗中;
S6:展示针对于所述第一损伤区域的拍摄引导信息。
本实施例中用户一侧的客户端可以为智能手机,所述的智能手机可以具有拍摄功能。用户可以在车辆事故现场打开实施了本说明书实施方案的手机应用对车辆事故现场进行取景拍摄。客户端打开应用后,可以在客户端显示屏上展示拍摄视窗,通过拍摄视窗获取对车辆进行拍摄。所述的拍摄视窗可以为视频拍摄窗口,可以用于终端对车损现场的取景(图像采集),通过客户端集成的拍摄装置获取的图像信息可以展示在所述拍摄视窗中。所述拍摄视窗具体的界面结构和展示的相关信息可以自定义的设计。
车辆拍摄过程中可以获取车辆的特征数据。所述的特征数据可以根据车辆识别、环境识别、图像识别等数据处理需求进行具体的设置。一般的,所述的特征数据可以包括识别出的车辆的各个部件的数据信息,可用于构建3D坐标信息,建立车辆的增强现实空间模型(AR空间模型,一种数据表征方式,主体的轮廓图形)。当然,所述的特征数据还可以包括其他的例如车辆的品牌、型号、颜色、轮廓、唯一识别码等数据信息。
客户端启用定损服务时,可以展示对受损区域进行拍摄的引导信息。为便于描述,将当前或初始即将拍摄的受损区域称为第一受损区域。例如一个应用实例中,用户在启动定损服务应用时,应用程序可以提示用户在能够看清车辆全貌的距离上,对准车辆可能受损的方位进行拍摄。如有必要可以提示用户围绕车身移动,如初始拍摄时未发现损伤,则提示用户逆时针对车辆全面拍摄。当识别出当前拍摄视窗中存在损伤时(此时可以称为第一损伤),则可以进一步计算确定出损伤对应的损伤区域。
本说明书的一些实施例中,损伤识别的处理可以由客户端一侧实施,也可以由服务器一侧进行处理,此时的服务器可以称为损伤识别服务器。在一些应用场景或计算能力允许的情况下,客户端采集的图像可以直接在客户端本地进行损伤识别,或者以及其他的定损数据处理,可以减少网络传输开销。当然,如前所述,通常服务器一侧的计算能力强于客户端。因此,本说明书提供的所述方法的另一个实施例中,损伤识别的处理可以由服务器一侧进行处理。具体的,所述识别出当前拍摄视窗中存在第一损伤可以包括:
S20:将拍摄获取的采集图像发送至损伤识别服务器;
S22:接收服务器返回的损伤识别结果,所述损伤识别结果包括损伤识别服务器利用预先训练的深度神经网络对所述采集图像进行损伤识别得到的处理结果。
需要说明的,本实施例中所述的识别第一损伤是针对当前次的损伤识别处理,所述的第一并不对其他损伤采集的图像进行损伤识别处理构成限制。
上述实施例中,客户端或服务器一侧可以利用预先或实时训练构建的深度神经网络来识别图像中的损伤,如损伤位置、损伤部件、损伤类型等。
深度神经网络能够用于目标检测及语义分割,对于输入的图片,找到目标在图片中的位置。图2是说明书所述方法实施例使用的深度神经网络模型示意图。图2中描述的为一种比较典型的深度神经网络Faster R-CNN,可以通过事先标注好损伤区域的大量图片,训练出一个深度神经网络,对于车辆各个方位及光照条件的图片,给出损伤区域的范围。另外,本说明书的一些实施例中,可以使用针对移动设备定制的网络结构,如基于典型的MobileNet、SqueezeNet或其改进的网络结构,使得该模型能在移动设备较低功耗、较少内存、较慢处理器的环境下运行,如客户端的移动终端运行环境。
确定出第一损伤区域后,可以对该区域进行显著方式渲染,通过AR技术在拍摄画面中叠加渲染损伤所覆盖的区域。所述的显著方式渲染,主要是指在拍摄画面中使用一些特点的渲染方式标出损伤区域,使得该损伤区域容易识别,或较为突出。本实施例中对具体的渲染方式不做限定,具体的可以设置达到显著方式渲染的约束条件或满足条件。
本说明书提供的所述方法的另一个实施例中,所述的显著方式渲染可以包括:
S40:采用预设表征符号标识出所述第一损伤区域,所述预设表征符号包括下述之一:
圆点、引导线、规则图形框、不规则图形框、自定义的图形。
图3是本说明书提供一种采用小点点符号渲染来标识出损伤区域的示意图。当然,其他的实施方式中,所述的预设表征符号还可以包括其他形式,如引导线、规则图形框、不规则图形框、自定义的图形等,其他的实施例中也可以使用文字、字符、数据等标识出损伤区域,指引用户对损伤区域进行拍摄。渲染时可以使用一种或多种预设表征符号。本实施例中采用预设表征符号来标识出损伤区域,可以在拍摄视窗中更加明显的展示出损伤所在的位置区域,辅助用户快速定位以及引导拍摄。
本说明书提供的所述方法的另一个实施例中,还可以采用动态渲染效果来标识出损伤区域,以更加明显的方式指引用户对损伤区域进行拍摄。具体的,另一个实施例中,所述显著方式渲染包括:
S400:对所述预设表征符号进行颜色变换、大小变换、旋转、跳动中的至少一项动画展示。
本说明书的一些实施例中,可以集合AR叠加现实损伤的边界,提示用户将取景框对准变截面的部分进行拍摄。所述的增强现实AR通常是指一种实时地计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技术实现方案,这种方案可以在屏幕上把虚拟世界套在现实世界并进行互动。本说明书实施例中利用所述特征数据构建的增强信息空间模型可以为车辆的轮廓信息,具体的可以基于获取的车辆的型号、拍摄角度以及车辆的轮胎位置、顶棚位置、前脸位置、前大灯位置、尾灯位置、前后车窗位置等多个特征数据构建出所述车辆的轮廓。所述的轮廓可以包括基于3D坐标建立的数据模型,所述轮廓中带有相应的3D坐标信息。然后可以将构建的轮廓展示在拍摄视窗中。当然,本说明书不排除其他的实施例中所述的增强现实空间模型还可以包括其他的模型形式或者在所述轮廓之上增加的其他模型信息。
所述的AR模型可以在所述拍摄时长中与真实的车辆位置进行匹配,如将构建的3D轮廓叠加到真实车辆的轮廓位置,当两者完全匹配或匹配程度达到阈值时可以认为完成匹配。具体的匹配处理中,可以通过对取景方向做引导,用户通过引导移动拍摄方向或角度,将构建的轮廓与拍摄的真实车辆的轮廓对准。本说明书实施例结合增强现实技术,不仅展现了用户实际客户端拍摄的车辆真实信息,而且将构建的所述车辆的增强现实空间模型信息同时显示出来,两种信息相互补充、叠加,可以提供更好的定损服务体验。
结合了AR空间模型的拍摄视窗可以更加直观的展示车辆现场情况,可以有效的进行车辆损伤位置的定损和拍摄引导。客户端可以在AR场景下进行损伤识别引导,所述损伤识别引导具体的可以包括将展示基于从所述拍摄视窗中获取的图像信息确定的拍摄引导信息。客户端可以获取拍摄窗口中AR场景下获取图像信息,可以对获取的图像信息进行分析计算,根据分析结果确定需要在拍摄视窗中展示什么样的拍摄引导信息。例如当前拍摄视窗的中车辆的位置较远,可以在拍摄视窗中提示用户靠近拍摄。若拍摄位置偏左,无法拍摄到车辆尾部,则可以展示拍摄引导信息,提示用户将拍摄角度向右平移。损伤识别引导具体处理的数据信息以及在什么样的条件下展示什么样的拍摄引导信息,可以预先设定相应的策略或规则,本实施例不再逐一描述。
在本实施例中,可以展示针对所述第一损伤区域的拍摄引导信息。具体的可以根据当前的拍摄信息和所述第一损伤区域的位置信息来确定需要展示的拍摄引导信息。例如,若捕捉到车辆后翼子板存在擦痕,而擦痕需要进行正面拍摄和顺着擦痕方向的拍摄,但根据当前拍摄的位置和角度信息计算得到此时用户为斜着的45度拍摄,且距离擦痕位置较远。则此时可以提示用户靠近擦痕位置,提示用户正面和顺着擦痕方向进行拍摄。拍摄引导信息可以根据当前取景实时调整,例如若用户已经靠近擦痕位置,符合拍摄要求,则此时提示用户靠近擦痕位置的拍摄引导信息可以不再展示。所述的疑似损伤可以由客户端或服务器一侧进行识别。
具体的拍摄时需要展示的拍摄引导信息以及拍摄条件等可以根据定损交互设计或者定损处理需求进行相应的设置。本说明书提供的一个实施例中,所述拍摄引导信息可以至少包括下述之一:
调整拍摄方向;
调整拍摄角度;
调整拍摄距离;
调整拍摄光线。
一个拍摄引导的示例如图4所示。用户可以通过实时的拍摄引导信息更加便利、高效的进行定损处理。用户根据拍摄引导信息进行拍摄,可以无需专业的拍摄技能或繁琐的拍摄操作,用户体验更好。上述实施例描述了通过文字展示的拍摄引导信息,可扩展实施例中,所述的拍摄引导信息还可以包括图像、语音、动画、震动等的展现方式,通过箭头或语音提示将当前拍摄画面对准某个区域。因此,所述方法的另一个实施例中,所述拍摄引导信息的在所述当前拍摄视窗展示的形式包括符号、文字、语音、动画、视频、震动中的至少一种。
所述方法的另一个实施例场景中,当用户将移动设备的摄像头对准车辆进行拍摄时,可以以一定的帧率(如15帧/s)进行拍摄,然后可以使用前述训练的深度神经网络对图像进行识别。若一旦检测出损伤,可以对损伤区域启动新的拍摄策略,如加快拍摄帧率(如30帧/s),获取调整其他参数实现以更快的速度、更低的功耗持续获取该区域在当前拍摄视窗中的位置。这样,可以根据不同的拍摄区域调整拍摄参数,使用不同的拍摄策略,可以灵活适应不同拍摄场景,加强重点区域拍摄,对应非重点区域通过降频还可以降低功耗。因此,本说明书提供的所述方法的另一个实施例中,在识别出当前拍摄视窗中存在损伤时,采用至少调整包括拍摄帧率的参数的拍摄策略来对损伤区域进行拍摄。
当然,还可以调整其他参数,如曝光度、亮度等。具体的拍摄策略可以自定义的根据拍摄场景进行设定。
进一步的,在第一损伤区域采集到足够多(达到定损图像采集要求)的照片或视频后,可以提示引导用户进行下一处损伤的拍摄,直至所有损伤拍摄完毕。这样当用户拍摄某个损伤后,可以持续引导用户进行下一个损伤的拍摄,减少损伤拍摄遗漏,降低用户损伤识别的参与度,提高用户体验。因此,所述的方法的另一个实施例中,如图5所示,还可以包括:
S8:若确定所述第一损伤区域拍摄完成,则展示拍摄所述车辆第二受损区域的拍摄引导信息,直至识别出的损伤拍摄完成。
客户端应用程序可以将拍摄到的损伤画面回传保险公司,以便进行后续的人工或自动定损处理。还可以避免或降低用户伪造定损图像进行骗保的风险。因此,本说明书提供的所述方法的另一个实施例中,所述方法还包括:
S10:将拍摄的符合定损图像采集要求的图像传输至定损服务器。
所述定损服务器可以包括保险公司一侧的服务器,也可以包括定损服务方的服务器。所述的传输至定损服务器可以包括由客户端直接传输给定损服务器,也可以间接传输到定损服务器。当然,确定的符合要求的定损图像也可以同时发给定损服务器和定损服务方的服务器,如某支付应用提供的定损服务的服务器端。
需要说明的,上述实施例中所描述的实时可以包括在获取或确定某个数据信息后即刻发送、接收或展示,本领域技术人员可以理解的是,经过缓存或预期的计算、等待时间后的发送、接收或展示仍然可以属于所述实时的定义范围。本说明书实施例所述的图像可以包括视频,视频可以视为连续的图像集合。
另外,本说明书实施例方案中拍摄获取的采集图像或符合要求的定损图像可以存储到本地客户端或实时上传给远端服务器。本地客户端存储进行一些数据防篡改或上传至服务器存储后,可以有效防止定损数据被篡改,或盗用其他非本次事故图像的数据进行的保险欺诈。因此,本说明书实施例还可以提高定损处理的数据安全性和定损结果的可靠性。
上述实施例描述了用户在手机客户端进行车辆定损的数据处理方法实施方式。需要说明的是,本说明书实施例上述所述的方法可以在多种处理设备中,如专用定损终端,以及包括客户端与服务器架构的实施场景中。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
本申请实施例所提供的方法实施例可以在移动终端、PC终端、专用定损终端、服务器或者类似的运算装置中执行。以运行在移动终端上为例,图6是应用本发明方法或装置实施例一种车辆定损的交互处理的客户端的硬件结构框图。如图6所示,客户端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。本领域普通技术人员可以理解,图6所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,客户端10还可包括比图6中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如GPU(Graphics Processing Unit,图像处理器),或者具有与图8所示不同的配置。
存储器104可用于存储应用软件的软件程序以及模块,如本说明书实施例中的搜索方法对应的程序指令/模块,处理器102通过运行存储在存储器104内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述导航交互界面内容展示的处理方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至客户端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中,传输模块106包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块106可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
基于上述所述的图像物体定位的方法,本说明书还提供一种车辆定损的数据处理装置。所述的装置可以包括使用了本说明书实施例所述方法的***(包括分布式***)、软件(应用)、模块、组件、服务器、客户端等并结合必要的实施硬件的设备装置。基于同一创新构思,本说明书提供的一种实施例中的处理装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的处理装置的实施可以参见前述方法的实施,重复之处不再赘述。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。具体的,如图7所示,图7是本说明书提供的一种车辆定损的数据处理装置实施例的模块结构示意图,具体的可以包括:
第一提示模块201,可以用于展示拍摄车辆第一受损区域的拍摄引导信息;
损伤识别结果模块202,可以用于若识别出当前拍摄视窗中存在第一损伤,则确定出所述第一损伤的第一损伤区域;
显著显示模块203,可以用于对所述第一损伤区域进行显著方式渲染后,利用增强现实在将渲染后的第一损伤区域叠加显示在所述当前拍摄视窗中;
第二提示模块204,可以用于展示针对于所述第一损伤区域的拍摄引导信息。
需要说明的是,上述实施例上述所述的装置,根据相关方法实施例的描述还可以包括其他的实施方式,如执行渲染的渲染处理模块、进行AR处理的AR显示模块等。具体的实现方式可以参照方法实施例的描述,在此不作一一赘述。
本说明书实施例提供的设备型号识别方法可以在计算机中由处理器执行相应的程序指令来实现,如使用windows/Linux操作***的c++/java语言在PC端/服务器端实现,或其他例如android、iOS***相对应的应用设计语言集合必要的硬件实现,或者基于量子计算机的处理逻辑实现等。具体的,本说明书提供的一种车辆定损的数据处理设备实现上述方法的实施例中,所述处理设备可以包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现:
展示拍摄车辆第一受损区域的拍摄引导信息;
若识别出当前拍摄视窗中存在第一损伤,则确定出所述第一损伤的第一损伤区域;
对所述第一损伤区域进行显著方式渲染后,利用增强现实在将渲染后的第一损伤区域叠加显示在所述当前拍摄视窗中;
展示针对于所述第一损伤区域的拍摄引导信息。
基于前述方法实施例描述,所述处理设备的另一个实施例中,所述处理器还执行:
若确定所述第一损伤区域拍摄完成,则展示拍摄所述车辆第二受损区域的拍摄引导信息,直至识别出的损伤拍摄完成。
基于前述方法实施例描述,所述处理设备的另一个实施例中,所述显著方式渲染包括:
采用预设表征符号标识出所述第一损伤区域,所述预设表征符号包括下述之一:
圆点、引导线、规则图形框、不规则图形框、自定义的图形。
基于前述方法实施例描述,所述处理设备的另一个实施例中,所述显著方式渲染包括:
对所述预设表征符号进行颜色变换、大小变换、旋转、跳动中的至少一项动画展示。
基于前述方法实施例描述,所述处理设备的另一个实施例中,所述拍摄引导信息至少包括下述之一:
调整拍摄方向;
调整拍摄角度;
调整拍摄距离;
调整拍摄光线。
基于前述方法实施例描述,所述处理设备的另一个实施例中,所述拍摄引导信息的在所述当前拍摄视窗展示的形式包括符号、文字、语音、动画、视频、震动中的至少一种。
基于前述方法实施例描述,所述处理设备的另一个实施例中,所述处理器识别出当前拍摄视窗中存在第一损伤包括:
将拍摄获取的采集图像发送至损伤识别服务器;
接收服务器返回的损伤识别结果,所述损伤识别结果包括损伤识别服务器利用预先训练的深度神经网络对所述采集图像进行损伤识别得到的处理结果。
基于前述方法实施例描述,所述处理设备的另一个实施例中,所述处理器在识别出当前拍摄视窗中存在损伤时,执行采用至少调整包括拍摄帧率的参数的拍摄策略来对损伤区域进行拍摄。
基于前述方法实施例描述,所述处理设备的另一个实施例中,所述处理器还执行:
将拍摄的符合定损图像采集要求的图像传输至定损服务器。
需要说明的是,上述实施例上述所述的处理设备,根据相关方法实施例的描述还可以包括其他的可扩展实施方式。具体的实现方式可以参照方法实施例的描述,在此不作一一赘述。
上述的指令可以存储在多种计算机可读存储介质中。所述计算机可读存储介质可以包括用于存储信息的物理装置,可以将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。本实施例所述的计算机可读存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。本说明书实施例中所述的装置或服务器或客户端或***中的指令同上描述。
上述方法或装置实施例可以用于用户一侧的客户端,如智能手机。因此,本说明书提供一种客户端,包括处理器以及用于存储处理器可执行指令的存储器,所述处理器执行所述指令时实现:
展示拍摄车辆第一受损区域的拍摄引导信息;
若识别出当前拍摄视窗中存在第一损伤,则确定出所述第一损伤的第一损伤区域;
对所述第一损伤区域进行显著方式渲染后,利用增强现实在将渲染后的第一损伤区域叠加显示在所述当前拍摄视窗中;
展示针对于所述第一损伤区域的拍摄引导信息。
基于前述所述,本说明书实施例还提供一种电子设备,包括显示屏、处理器以及存储处理器可执行指令的存储器。
图8是本说明提供的一种电子设备实施例的结构示意图,所述处理器执行所述指令时可以实现本说明书任意一个实施例所述的方法步骤。
本说明书所述的装置、客户端、电子设备等的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
尽管本说明书实施例内容中提到AR技术、拍摄引导信息展示、与用户交互的拍摄引导、利用深度神经网络初步识别损伤位置等之类的数据获取、位置排列、交互、计算、判断等操作和数据描述,但是,本说明书实施例并不局限于必须是符合行业通信标准、标准图像数据处理协议、通信协议和标准数据模型/模板或本说明书实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例,仍然可以属于本说明书的可选实施方案范围之内。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或终端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本领域技术人员应明白,本说明书的实施例可提供为方法、***或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已,并不用于限制本说明书实施例。对于本领域技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的权利要求范围之内。
Claims (9)
1.一种车辆定损的数据处理方法,其特征在于,包括:
展示拍摄视窗,以通过所述拍摄视窗对车辆进行拍摄;
在识别出当前拍摄视窗中存在损伤的情况下,对损伤区域启动新的拍摄策略,所述新的拍摄策略根据不同的拍摄区域进行调整拍摄参数后确定;
对所述损伤区域进行拍摄;
其中,在展示拍摄视窗之后,还包括:
在启用定损服务时,展示拍摄车辆第一受损区域的拍摄引导信息;
对应的,在识别出当前拍摄视窗中存在损伤的情况下,对损伤区域启动新的拍摄策略,包括:
若识别出所述当前拍摄视窗中存在第一损伤,则确定出所述第一损伤的第一损伤区域;
对所述第一损伤区域进行显著方式渲染后,利用增强现实将渲染后的第一损伤区域叠加显示在所述当前拍摄视窗中;
调整拍摄参数,得到针对所述第一损伤区域的新的拍摄策略;
根据所述新的拍摄策略展示针对于所述第一损伤区域的拍摄引导信息。
2.如权利要求1所述的方法,其特征在于,还包括:
若确定所述第一损伤区域拍摄完成,则展示拍摄所述车辆第二受损区域的拍摄引导信息,直至识别出的损伤拍摄完成。
3.如权利要求1所述的方法,其特征在于,所述显著方式渲染包括:
采用预设表征符号标识出所述第一损伤区域,所述预设表征符号包括下述之一:
圆点、引导线、规则图形框、不规则图形框、自定义的图形。
4.如权利要求3所述的方法,其特征在于,所述显著方式渲染包括:
对所述预设表征符号进行颜色变换、大小变换、旋转、跳动中的至少一项动画展示。
5.如权利要求1所述的方法,其特征在于,所述拍摄引导信息至少包括下述之一:
调整拍摄方向;
调整拍摄角度;
调整拍摄距离;
调整拍摄光线。
6.如权利要求1所述的方法,其特征在于,所述拍摄引导信息的在所述当前拍摄视窗展示的形式包括符号、文字、语音、动画、视频、震动中的至少一种。
7.如权利要求1所述的方法,其特征在于,所述识别出当前拍摄视窗中存在第一损伤包括:
将拍摄获取的采集图像发送至损伤识别服务器;
接收所述损伤识别服务器返回的损伤识别结果,所述损伤识别结果包括损伤识别服务器利用预先训练的深度神经网络对所述采集图像进行损伤识别得到的处理结果。
8.如权利要求1所述的方法,其特征在于,所述拍摄参数包括以下至少之一:拍摄帧率、曝光度、亮度。
9.如权利要求1所述的方法,其特征在于,还包括:
将拍摄的符合定损图像采集要求的图像传输至定损服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110345608.8A CN113179368B (zh) | 2018-05-08 | 2018-05-08 | 一种车辆定损的数据处理方法、装置、处理设备及客户端 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110345608.8A CN113179368B (zh) | 2018-05-08 | 2018-05-08 | 一种车辆定损的数据处理方法、装置、处理设备及客户端 |
CN201810432696.3A CN108632530B (zh) | 2018-05-08 | 2018-05-08 | 一种车辆定损的数据处理方法、装置、设备及客户端、电子设备 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810432696.3A Division CN108632530B (zh) | 2018-05-08 | 2018-05-08 | 一种车辆定损的数据处理方法、装置、设备及客户端、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113179368A CN113179368A (zh) | 2021-07-27 |
CN113179368B true CN113179368B (zh) | 2023-10-27 |
Family
ID=63695894
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810432696.3A Active CN108632530B (zh) | 2018-05-08 | 2018-05-08 | 一种车辆定损的数据处理方法、装置、设备及客户端、电子设备 |
CN202110345608.8A Active CN113179368B (zh) | 2018-05-08 | 2018-05-08 | 一种车辆定损的数据处理方法、装置、处理设备及客户端 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810432696.3A Active CN108632530B (zh) | 2018-05-08 | 2018-05-08 | 一种车辆定损的数据处理方法、装置、设备及客户端、电子设备 |
Country Status (3)
Country | Link |
---|---|
CN (2) | CN108632530B (zh) |
TW (1) | TW201947452A (zh) |
WO (1) | WO2019214319A1 (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108885436B (zh) * | 2016-01-15 | 2021-12-14 | 美国iRobot公司 | 自主监视机器人*** |
CN108632530B (zh) * | 2018-05-08 | 2021-02-23 | 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、设备及客户端、电子设备 |
CN109447171A (zh) * | 2018-11-05 | 2019-03-08 | 电子科技大学 | 一种基于深度学习的车辆姿态分类方法 |
CN109740547A (zh) * | 2019-01-04 | 2019-05-10 | 平安科技(深圳)有限公司 | 一种图像处理方法、设备及计算机可读存储介质 |
CN110245552B (zh) * | 2019-04-29 | 2023-07-18 | 创新先进技术有限公司 | 车损图像拍摄的交互处理方法、装置、设备及客户端 |
CN110427810B (zh) * | 2019-06-21 | 2023-05-30 | 北京百度网讯科技有限公司 | 视频定损方法、装置、拍摄端及机器可读存储介质 |
CN110659567B (zh) * | 2019-08-15 | 2023-01-10 | 创新先进技术有限公司 | 车辆损伤部位的识别方法以及装置 |
CN110650292B (zh) * | 2019-10-30 | 2021-03-02 | 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 |
BR112022010837A2 (pt) * | 2019-12-02 | 2022-09-13 | Click Ins Ltd | Sistemas, métodos e programas para gerar impressão de dano em um veículo |
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 |
CN111368752B (zh) * | 2020-03-06 | 2023-06-02 | 德联易控科技(北京)有限公司 | 车辆损伤的分析方法和装置 |
CN111475157B (zh) * | 2020-03-16 | 2024-04-19 | 中保车服科技服务股份有限公司 | 一种图像采集模板管理方法、装置、存储介质及平台 |
CN111340974A (zh) * | 2020-04-03 | 2020-06-26 | 北京首汽智行科技有限公司 | 一种记录共享汽车车辆损坏部位的方法 |
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*** |
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 |
CN113486725A (zh) * | 2021-06-11 | 2021-10-08 | 爱保科技有限公司 | 智能车辆定损方法及装置、存储介质及电子设备 |
CN113256778B (zh) * | 2021-07-05 | 2021-10-12 | 爱保科技有限公司 | 生成车辆外观部件识别样本的方法、装置、介质及服务器 |
KR102366017B1 (ko) * | 2021-07-07 | 2022-02-23 | 쿠팡 주식회사 | 설치 서비스를 위한 정보 제공 방법 및 장치 |
CN113840085A (zh) * | 2021-09-02 | 2021-12-24 | 北京城市网邻信息技术有限公司 | 车源信息的采集方法、装置、电子设备及可读介质 |
CN113866167A (zh) * | 2021-09-13 | 2021-12-31 | 北京逸驰科技有限公司 | 一种轮胎检测结果的生成方法、计算机设备及存储介质 |
CN114245055B (zh) * | 2021-12-08 | 2024-04-26 | 深圳位置网科技有限公司 | 一种用于紧急呼叫情况下视频通话的方法和*** |
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 |
CN115174885A (zh) * | 2022-06-28 | 2022-10-11 | 深圳数位大数据科技有限公司 | 基于ar终端的线下场景信息采集方法、平台、***及介质 |
CN117455466B (zh) * | 2023-12-22 | 2024-03-08 | 南京三百云信息科技有限公司 | 一种汽车远程评估的方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106062805A (zh) * | 2013-10-15 | 2016-10-26 | 奥达特克斯北美公司 | 用于生成受损车辆保险估计的移动*** |
CN107194323A (zh) * | 2017-04-28 | 2017-09-22 | 阿里巴巴集团控股有限公司 | 车辆定损图像获取方法、装置、服务器和终端设备 |
CN107360365A (zh) * | 2017-06-30 | 2017-11-17 | 盯盯拍(深圳)技术股份有限公司 | 拍摄方法、拍摄装置、终端以及计算机可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9723251B2 (en) * | 2013-04-23 | 2017-08-01 | Jaacob I. SLOTKY | Technique for image acquisition and management |
US9491355B2 (en) * | 2014-08-18 | 2016-11-08 | Audatex North America, Inc. | System for capturing an image of a damaged vehicle |
US11361380B2 (en) * | 2016-09-21 | 2022-06-14 | Allstate Insurance Company | Enhanced image capture and analysis of damaged tangible objects |
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*** |
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 |
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 |
CN108632530B (zh) * | 2018-05-08 | 2021-02-23 | 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、设备及客户端、电子设备 |
-
2018
- 2018-05-08 CN CN201810432696.3A patent/CN108632530B/zh active Active
- 2018-05-08 CN CN202110345608.8A patent/CN113179368B/zh active Active
-
2019
- 2019-02-18 TW TW108105280A patent/TW201947452A/zh unknown
- 2019-02-25 WO PCT/CN2019/076028 patent/WO2019214319A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106062805A (zh) * | 2013-10-15 | 2016-10-26 | 奥达特克斯北美公司 | 用于生成受损车辆保险估计的移动*** |
CN107194323A (zh) * | 2017-04-28 | 2017-09-22 | 阿里巴巴集团控股有限公司 | 车辆定损图像获取方法、装置、服务器和终端设备 |
CN107360365A (zh) * | 2017-06-30 | 2017-11-17 | 盯盯拍(深圳)技术股份有限公司 | 拍摄方法、拍摄装置、终端以及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108632530A (zh) | 2018-10-09 |
TW201947452A (zh) | 2019-12-16 |
CN113179368A (zh) | 2021-07-27 |
CN108632530B (zh) | 2021-02-23 |
WO2019214319A1 (zh) | 2019-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113179368B (zh) | 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) | 一种车辆定损的交互处理方法、装置、处理设备及客户端 | |
US20200364802A1 (en) | Processing method, processing apparatus, user terminal and server for recognition of vehicle damage | |
CN110245552B (zh) | 车损图像拍摄的交互处理方法、装置、设备及客户端 | |
CN113810587B (zh) | 一种图像处理方法及装置 | |
US9633479B2 (en) | Time constrained augmented reality | |
TWI759647B (zh) | 影像處理方法、電子設備,和電腦可讀儲存介質 | |
TWI715932B (zh) | 車輛損傷識別的處理方法及其處理裝置、車輛定損的資料處理設備、定損處理系統、客戶端及伺服器 | |
CN110163188B (zh) | 视频处理以及在视频中嵌入目标对象的方法、装置和设备 | |
CN112200187A (zh) | 一种目标检测方法、装置、机器可读介质及设备 | |
CN110136091B (zh) | 图像处理方法及相关产品 | |
US9778750B2 (en) | Hand-gesture-based region of interest localization | |
CN111340048B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN112037142A (zh) | 一种图像去噪方法、装置、计算机及可读存储介质 | |
US11823433B1 (en) | Shadow removal for local feature detector and descriptor learning using a camera sensor sensitivity model | |
CN114565962A (zh) | 人脸图像处理方法及装置、电子设备和存储介质 | |
CN116883770A (zh) | 深度估计模型的训练方法、装置、电子设备及存储介质 | |
CN115471647A (zh) | 位姿估计方法及装置、电子设备和存储介质 | |
CN116977485A (zh) | 一种图像处理方法、装置、设备、介质及程序产品 | |
CN118262391A (zh) | 针对驾驶员打电话行为的检测方法及***、设备、介质 | |
CN114065928A (zh) | 一种虚拟数据生成方法、装置、电子设备及存储介质 | |
CN116091866A (zh) | 视频对象分割模型训练方法、装置、电子设备及存储介质 | |
CN117011439A (zh) | 图像重建方法、装置及计算机设备、存储介质、产品 | |
CN117437429A (zh) | 图像数据处理方法、装置和存储介质 |
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 |