[发明专利]计算机执行的车辆定损方法及装置

权利要求书

1.一种计算机执行的车辆定损方法，包括：

获取待识别的车损图片；

利用预先训练的损伤检测模型，获取损伤对象检测信息，其包括，框选出所述车损图片中多个损伤对象的多个损伤检测框的信息；

利用预先训练的部件模型，获取针对所述车损图片的车辆部件信息，其中包括，部件对象检测信息，和部件分割信息，所述部件对象检测信息中包括检测出的第一部件；

基于所述损伤对象检测信息和所述车辆部件信息，针对所述第一部件生成第一综合特征，所述第一综合特征包括，该第一部件的部件特征，以及融合损伤特征，所述融合损伤特征通过将所述多个损伤检测框中，同属于所述第一部件的至少一个损伤检测框的损伤特征进行融合而得到；

确定针对所述第一部件的多个备选预测结果，每个备选预测结果包括备选部件类别和备选损伤类别；

将所述第一综合特征和所述多个备选预测结果输入预先训练的第一条件预测模型，得到第一预测结果，所述第一预测结果包括，每个备选预测结果中，备选损伤类别正确的概率；

将所述第一综合特征和所述多个备选预测结果输入预先训练的第二条件预测模型，得到第二预测结果，所述第二预测结果包括，每个备选预测结果中，备选部件类别正确的概率；

至少基于所述第一预测结果和所述第二预测结果，确定所述第一部件的部件类别及其对应的损伤类别。

2.根据权利要求1所述的方法，其中，所述损伤检测模型包括多个损伤检测模型，所述损伤检测信息包括，分别来自于所述多个损伤检测模型的多个损伤检测框的信息。

3.根据权利要求1所述的方法，其中利用预先训练的部件模型，获取针对所述车损图片的车辆部件信息，包括：

利用部件检测模型，获取针对所述车损图片的所述部件对象检测信息，其中包括框选出相应部件的至少一个部件检测框，以及每个部件检测框对应的预测部件类别；

利用部件分割模型，获取对所述车损图片中各个部件的分割结果。

4.根据权利要求1所述的方法，其中，所述部件模型基于卷积神经网络实现；

基于所述损伤对象检测信息和所述车辆部件信息，针对第一部件生成第一综合特征，包括：

从所述卷积神经网络的卷积层中获取，所述车损图片中与所述第一部件相关的特征，作为所述部件特征。

5.根据权利要求1所述的方法，其中，基于所述损伤对象检测信息和所述车辆部件信息，针对第一部件生成第一综合特征，包括：

根据所述损伤对象检测信息和所述部件分割信息，确定同属于该第一部件的至少一个损伤检测框；

获取所述至少一个损伤检测框的损伤特征；

将所述至少一个损伤检测框的损伤特征进行融合操作，得到所述融合损伤特征。

6.根据权利要求5所述的方法，其中，确定同属于该第一部件的至少一个损伤检测框，包括：

根据所述部件分割信息，确定所述第一部件覆盖的第一区域；

根据所述多个损伤检测框的位置信息，确定其是否落入所述第一区域；

将落入所述第一区域的损伤检测框确定为所述至少一个损伤检测框。

7.根据权利要求5所述的方法，其中，所述至少一个损伤检测框包括第一损伤检测框；

所述获取所述至少一个损伤检测框的损伤特征包括，获取所述第一损伤检测框对应的第一损伤特征，其包括，从所述损伤检测模型所对应的卷积神经网络的卷积层中提取，与所述第一损伤检测框相关的图片卷积特征。

8.根据权利要求7所述的方法，其中，所述损伤对象检测信息包括，所述多个损伤检测框中各个损伤检测框对应的预测损伤类别；

获取所述第一损伤检测框对应的第一损伤特征还包括，根据所述第一损伤检测框与所述多个损伤检测框中其他损伤检测框之间的关联关系，确定第一关联特征作为所述第一损伤特征的一部分，所述关联关系至少包括以下中的一项或多项：损伤检测框位置关联关系，预测损伤类别关联关系，以及通过所述图片卷积特征反映的框内容关联关系。