本发明专利技术提供一种智能车辆定损方法，包括以下步骤：获取车损原始图像，基于车损原始图像形成训练样本集和测试样本集；对车损原始图像进行预处理获得待检测图像；基于训练样本集中的训练样本，利用SSD深度神经网络方法对待检测图像进行判断，以识别出车辆的受损部位；基于车辆的受损部位判断车辆受损类型，并对车辆受损类型进行分类以获得训练模型；将测试样本集中的测试样本输入该训练模型，判断所述测试样本中的图像的车辆受损类型以生成测试结果；根据测试结果迭代更新所述训练模型以获得最终测试模型；利用最终测试模型分析车辆受损类型。本发明专利技术还公开了一种智能车辆定损系统。本发明专利技术的最终测试模型可以准确的分析、判断车辆受损类型。
Method, system, electronic equipment and storage medium of intelligent vehicle loss assessment
【技术实现步骤摘要】
智能车辆定损方法、系统、电子设备及存储介质
本专利技术属于图像识别
,具体涉及一种智能车辆定损方法、系统、电子设备及存储介质。
技术介绍
智能车辆定损系统的成功实现与应用能够远程完成业务，大幅度降低保险公司进行车辆定损的工作量和成本；其简单化、高智能的特性能够降低操作人员的定损难度，有效地提高了工作效率。现有技术中公开了一种基于图像识别原理的智能车辆定损系统，该系统由“图像采集设备和后台处理单元”组成。该系统以大量事故车现场图片作为数据来源，并在后台处理单元采用基础算法SVM对不同类型的车损图像进行分类；该算法的采用的分类器算法过于基础，支持的图像特征也比较固定化，对车损类型分类较为模糊。现有技术中还公开了一种基于人工智能AI技术的定损系统，该系统中应用的后台处理算法采用了比SVM分类器更深度化，且特征更细致分类且准确的CNN卷积神经网络分类器，这是对传统分类算法的一种改进，但应用CNN卷积神经网络算法会造成整个定损系统的计算消耗，因为车辆定损的特征是多样化的且相似度较高难以区分的，应用CNN网络对每类样本进行逐个训练排查会造成非常大规模的参数计算。另外，现有技术中还公开一种车辆定损图像获取的车损系统，该系统提出：前端根据客户自行拍摄的视频影像，通过数据预处理步骤提取出受损部位以进行下一步的定损，然后利用更高级的RPN+CNN结构算法(即FastRCNN)对车辆进行定损类型分类，该系统在定损精确度方面较前述两个系统有了显著地提高，但却降低了系统的敏捷性，而且由于增加了RPN网络(即将窗口随机分割区域第一次送入卷积网络提取特征)，这会增加整个系统的计算量。因此，综上所述，现有技术中存在以下几个问题：1.采用的分类器算法过于基础，支持的图像特征也比较固定化，泛化能力弱，对车损类型分类较为模糊。2.应用CNN网络对每类样本进行逐个训练排查会造成非常大规模的参数计算。3.降低了系统的敏捷性，同时增加整个定损系统的计算量。
技术实现思路
本专利技术实施例提供一种智能车辆定损方法、系统、电子设备及存储介质，通过将获取到的车损原始图像进行预处理，并利用SSD深度神经网络方法对待检测图像进行训练最终的测试模型，利用该最终测试模型可以准确的分析、判断车辆受损类型，以至少解决现有技术中的一个技术问题。第一方面，本专利技术实施例提供一种智能车辆定损方法，包括以下步骤：获取车损原始图像，基于所述车损原始图像形成训练样本集和测试样本集；对所述车损原始图像进行预处理获得待检测图像；基于训练样本集中的训练样本，利用SSD深度神经网络方法对待检测图像进行判断，以识别出车辆的受损部位；基于所述车辆的受损部位判断车辆受损类型，并对车辆受损类型进行分类以获得训练模型；将测试样本集中的测试样本输入该训练模型，判断所述测试样本中的图像的车辆受损类型以生成测试结果；根据所述测试结果迭代更新所述训练模型以获得最终测试模型；利用所述最终测试模型分析车辆受损类型。第二方面，本专利技术实施例提供一种智能车辆定损系统，该系统包括第一获取模块、第一预处理模块、第一判断模块、第二获取模块、第二判断模块、更新模块和分析模块；所述第一获取模块用于获取车损原始图像并基于所述车损原始图像形成训练样本集和测试样本集；所述第一预处理模块对所述车损原始图像进行预处理获得待检测图像；所述第一判断模块基于训练样本集中的训练样本，并利用SSD深度神经网络方法对待检测图像进行判断，以识别出车辆的受损部位；所述第二获取模块基于所述车辆的受损部位判断车辆受损类型，并对车辆受损类型进行分类以获得训练模型；所述第二判断模块将测试样本集中的测试样本输入该训练模型，判断所述测试样本中的图像的车辆受损类型以生成测试结果；所述更新模块用于根据所述测试结果迭代更新所述训练模型以获得最终测试模型；所述分析模块利用所述最终测试模型分析车辆受损类型。第三方面，本专利技术实施例提供一种电子设备包括：处理器和存储装置；所述存储装置上存储有计算机程序，所述处理器执行所述存储装置上的计算机程序时实现上述专利技术任一项所述的方法。第四方面，本专利技术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程序，所述计算机程序在被处理器执行时实现上述专利技术任一项所述的方法。本专利技术通过将获取到的车损原始图像进行预处理，并利用SSD深度神经网络方法对待检测图像进行训练最终的测试模型，利用该最终测试模型可以准确的分析、判断车辆受损类；另外本专利技术采用的ResNext深度残差网络结构可以在不增加参数复杂度的前提下提高训练模型的准确率，同时还减少了超参数的数量，且ResNeXt深度残差网络的深度能够支撑起多样化复杂特征的分辨率，方便各种应用的模型迁移学习。附图说明图1为本专利技术的一种智能车辆定损方法的一个实施例的流程示意图；图2为本专利技术的一种智能车辆定损方法的一个实施例中的Resnext深度残差网络的结构示意图；图3为本专利技术的一种智能车辆定损系统的一个实施例的结构示意图；图4为本专利技术的一种电子设备的一个实施例的结构示意图。具体实施方式下面结合附图所示的各实施方式对本专利技术进行详细说明，但应当说明的是，这些实施方式并非对本专利技术的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本专利技术的保护范围之内。实施例一图1为本专利技术的一种智能车辆定损方法的一个实施例的流程示意图，参见图1，所述方法包括以下步骤：S100:获取车损原始图像，基于所述车损原始图像形成训练样本集和测试样本集；具体的，在本实施例中，用户可以自行将拍摄到的事故车的车损原始图像上传到云端，保险公司通过云端接收该车损原始图像，并将全部所述车损原始图像划分为训练样本集和测试样本集；例如可以将70％的车损原始图像的作为训练样本以形成训练数据集，将30％的车损原始图像作为测试样本以形成测试样本集,该测试样本集用于验证步骤400中获得的训练模型的精准度，从而适用于非样本集内的待检测图像的车辆受损类型的定损。S200:对所述车损原始图像进行预处理获得待检测图像；具体的，本实施例中对所述车损原始图像进行预处理的步骤可以是对车损原始图像进行去噪处理，即将车损原始图像中的背景像素不清晰的数据进行去噪处理，例如可以采用自适应维纳滤波器对车损原始图像进行滤波处理，该自适应维纳滤波器可根据所述车损原始图像的局部方差来调整自适应维纳滤波器的输出，若所述局部方差越大，则该自适应维纳滤波器的平滑作用越强，其目的是使恢复车损原始图像滤波后的图像f(x，y)与车损原始图像的均方误差最小；其中，f(x，y)为滤波后的图像的图像参数；为车损原始图像的图像参数；e2为滤波后图像与车损原始图像之间的均方差。该自适应维纳滤波器滤波器与均值滤波器相比的优点是：利用自适应滤波器的强大滤波功能可以去除图像的噪声干扰，处理该车损原始图像的白噪声的效果最佳，可以有效滤除车损原始图像中不清晰的图像数据，方便对车损的图像进行后期的特征提取和分类，与现有技术相比能够提高车损分类的准确率。S300:基于训练样本集中的训练样本，利用SSD深度神经网络方法对待检测图像进行判断，以识别出车辆的受损部位；本实施例中利用SSD(即：SingleShotMultiBoxDetector)深度神经网络方法对待本文档来自技高网...
【技术保护点】
1.一种智能车辆定损方法，其特征在于，包括以下步骤：获取车损原始图像，基于所述车损原始图像形成训练样本集和测试样本集；对所述车损原始图像进行预处理获得待检测图像；基于训练样本集中的训练样本，利用SSD深度神经网络方法对待检测图像进行判断，以识别出车辆的受损部位；基于所述车辆的受损部位判断车辆受损类型，并对车辆受损类型进行分类以获得训练模型；将测试样本集中的测试样本输入该训练模型，判断所述测试样本中的图像的车辆受损类型以生成测试结果；根据所述测试结果迭代更新所述训练模型以获得最终测试模型；利用所述最终测试模型分析车辆受损类型。
【技术特征摘要】
1.一种智能车辆定损方法，其特征在于，包括以下步骤：获取车损原始图像，基于所述车损原始图像形成训练样本集和测试样本集；对所述车损原始图像进行预处理获得待检测图像；基于训练样本集中的训练样本，利用SSD深度神经网络方法对待检测图像进行判断，以识别出车辆的受损部位；基于所述车辆的受损部位判断车辆受损类型，并对车辆受损类型进行分类以获得训练模型；将测试样本集中的测试样本输入该训练模型，判断所述测试样本中的图像的车辆受损类型以生成测试结果；根据所述测试结果迭代更新所述训练模型以获得最终测试模型；利用所述最终测试模型分析车辆受损类型。2.根据权利要求1所述的方法，其特征在于，所述对所述车损原始图像进行预处理为对车损原始图像进行去噪处理。3.根据权利要求1所述的方法，其特征在于，所述基于所述车辆的受损部位对车辆受损类型进行分类获得训练模型的方法包括以下子步骤：对车辆的受损部位进行标记；将标记好的训练样本进行预处理，获得预处理后的训练样本；将所述预处理后的训练样本输入ResNext深度残差网络进行训练，以获得所述训练模型。4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括根据车辆受损类型确定车辆的维修方案，所述车辆维修方案为“喷漆”、“钣金”、“部件更换”中的一种或多种。5.根据权利要求4所述的方法，其特征在于，还包括根据车辆的维修方案自动生成车辆的赔付金额结果。6.一种智能车辆定损系统，其特征在于，该系统包括第一获取模块、第一预处理模块、第一判断模块、第二获取模块、第二判断模块、更新模块和分析模块；所述第一获取...
【专利技术属性】
技术研发人员：左春，张正，成翌宁，王洋，
申请(专利权)人：中科软科技股份有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。