[发明专利]计算机执行的车辆定损方法及装置

说明书

本说明书实施例提供一种计算机执行的车辆定损方法和装置，根据该方法，在智能定损过程中，首先分别利用损伤检测模型和部件模型对车损图片中的损伤和部件分别进行识别，然后对损伤和部件识别结果按位置进行几何合并,产生(部件类别,损伤类别)候选项，相应特征也进行合并产生每个候选项的部件级损伤特征。接着，利用预测模型，对单图或多图的各个候选项进行判别,最终输出整案的智能决策。

技术领域

本说明书一个或多个实施例涉及机器学习领域，尤其涉及利用机器学习进行车辆智能定损的方法和装置。

背景技术

在传统车险理赔场景中,保险公司需要派出专业的查勘定损人员到事故现场进行现场查勘定损，给出车辆的维修方案和赔偿金额，并拍摄现场照片，定损照片留档以供后台核查人员核损核价。由于需要人工查勘定损，保险公司需要投入大量的人力成本，和专业知识的培训成本。从普通用户的体验来说，理赔流程由于等待人工查勘员现场拍照、定损员在维修地点定损、核损人员在后台核损，理赔周期长达1-3天，用户的等待时间较长，体验较差。

针对需求背景中提到的这一人工成本巨大的行业痛点，开始设想将人工智能和机器学习应用到车辆定损的场景中，希望能够利用人工智能领域计算机视觉图像识别技术，根据普通用户拍摄的现场损失图片，自动识别图片中反映的车损状况，并自动给出维修方案。如此，无需人工查勘定损核损，大大减少了保险公司的成本，提升了普通用户的车险理赔体验。

不过，目前的智能定损方案，对车损进行确定的准确度还有待进一步提高。因此，希望能有改进的方案，能够对车辆损伤的检测结果进行进一步优化，提高识别准确度。

发明内容

本说明书一个或多个实施例描述了一种计算机执行的车辆定损方法，通过将车辆部件特征和损伤特征进行融合，并利用预测模型进行综合判断，高效地确定出受损的车辆部件类别和其上的损伤类别。

根据第一方面，提供了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。

在一个实施例中，上述损伤检测模型包括多个损伤检测模型；相应的，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。

根据一种实施方式，通过以下方式获取针对所述车损图片的车辆部件信息：

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；