一种检测方法及装置、一种计算设备及存储介质制造方法及图纸

本申请提供的一种检测方法及装置、一种计算设备及存储介质，其中所述方法包括获取拍摄终端经一次拍摄得到的同一待识别物体的第一图片和第二图片，确定所述第一图片和所述第二图片中所述待识别物体的属性信息，若所述第一图片和所述第二图片中所述待识别物体的属性信息不满足预设条件，则获取所述第一图片的第一位置参数和所述第二图片的第二位置参数，根据预先训练的融合模型获取所述第一图片、所述第一位置参数、所述第二图片和所述第二位置参数对应的调整参数，基于所述调整参数指导所述拍摄终端移动并控制所述拍摄终端继续拍摄。

【技术实现步骤摘要】
一种检测方法及装置、一种计算设备及存储介质
本申请涉及计算机
，特别涉及一种检测方法及装置、一种计算设备及存储介质。
技术介绍
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。目前的车险定损过程中最核心的依据材料是由定损员拍摄的车辆受损图，因此车辆受损图的拍摄质量将直接影响最终的定损结果。而目前总会因为车辆受损图拍摄角度不当，导致车辆损伤难以辨认或无法准确判定车辆损伤的程度，并且还会由于拍摄终端与车辆的损伤部位的拍摄距离不当，过近或过远，导致无法准确判定车辆损伤程度或无法辨认损伤部位。
技术实现思路
有鉴于此，本申请实施例提供了一种检测方法及装置、一种计算设备及存储介质，以解决现有技术中存在的技术缺陷。本申请实施例公开了一种检测方法，包括：a：获取拍摄终端经一次拍摄得到的同一待识别物体的第一图片和第二图片，其中，所述第一图片和所述第二图片的成像方式不同；b：确定所述第一图片和所述第二图片中所述待识别物体的属性信息，其中，所述属性信息包括所述待识别物体在所述第一图片中的大小和位置信息以及所述待识别物体在所述第二图片中的大小和位置信息；c：若所述第一图片和所述第二图片中所述待识别物体的属性信息不满足预设条件，则获取所述第一图片的第一位置参数和所述第二图片的第二位置参数，其中，所述第一位置参数包括基于所述第一图片获取的所述待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度，所述第二位置参数包括基于所述第二图片获取的所述待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度；d：根据预先训练的融合模型获取所述第一图片、所述第一位置参数、所述第二图片和所述第二位置参数对应的调整参数；e：基于所述调整参数指导所述拍摄终端移动并控制所述拍摄终端继续拍摄，并跳转至步骤a。另一方面，本申请还提供了一种检测装置，包括：图片获取模块，被配置为获取拍摄终端经一次拍摄得到的同一待识别物体的第一图片和第二图片，其中，所述第一图片和所述第二图片的成像方式不同；确定模块，被配置为确定所述第一图片和所述第二图片中所述待识别物体的属性信息，其中，所述属性信息包括所述待识别物体在所述第一图片中的大小和位置信息以及所述待识别物体在所述第二图片中的大小和位置信息；判断模块，被配置为若所述第一图片和所述第二图片中所述待识别物体的属性信息不满足预设条件，则获取所述第一图片的第一位置参数和所述第二图片的第二位置参数，其中，所述第一位置参数包括基于所述第一图片获取的所述待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度，所述第二位置参数包括基于所述第二图片获取的所述待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度；调整参数获取模块，被配置为根据预先训练的融合模型获取所述第一图片、所述第一位置参数、所述第二图片和所述第二位置参数对应的调整参数；指导模块，被配置为基于所述调整参数指导所述拍摄终端移动并控制所述拍摄终端继续拍摄，并跳转执行图片获取模块。另一方面，本申请还提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述指令时实现所述检测方法的步骤。另一方面，本申请还提供了一种计算机可读存储介质，其存储有计算机指令，该程序被处理器执行时实现所述检测方法的步骤。本申请提供的一种检测方法及装置、一种计算设备及存储介质，其中所述方法包括获取拍摄终端经一次拍摄得到的同一待识别物体的第一图片和第二图片，确定所述第一图片和所述第二图片中所述待识别物体的属性信息，若所述第一图片和所述第二图片中所述待识别物体的属性信息不满足预设条件，则获取所述第一图片的第一位置参数和所述第二图片的第二位置参数，根据预先训练的融合模型获取所述第一图片、所述第一位置参数、所述第二图片和所述第二位置参数对应的调整参数，基于所述调整参数指导所述拍摄终端移动并控制所述拍摄终端继续拍摄。附图说明图1为本说明书一实施例提供的一种检测方法所应用的系统架构的示意图；图2为本说明书一实施例提供的距离检测模型的生成方法流程图；图3为本说明书一实施例提供的融合模型的生成方法流程图；图4为本说明书一实施例提供的深度相机的光脉冲工作原始示意图；图5为本说明书一实施例提供的深度可分离的卷积神经网络模型的结构示意图；图6为本说明书一实施例提供的一种检测方法流程图；图7为本说明书一实施例提供的一种检测方法流程图；图8为本说明书一实施例提供的一种检测方法流程图；图9为本说明书一实施例提供的一种检测装置的结构示意图。具体实施方式在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。首先对本说明书一个或多个实施例中使用到的技术术语进行解释。汽车保险定损：通过科学、系统的专业化检查、测试与勘测手段，对汽车碰撞与事故现场进行综合分析，运用车辆估损资料与维修数据，对车辆碰撞修复进行科学系统的估损定价。深度相机：深度相机是指可以直接获取某场景中物体距离摄像头物理距离的相机。根据原理不同，深度相机主要有结构光、激光、飞行时间(TOF)扫描几种方式。目前使用较多的是TOF相机。TOF相机：(Timeofflight)翻译为“飞行时间”。其测距原理是通过给目标连续发送光脉冲，然后用传感器接收从物体返回的光，通过探测光脉冲的飞行(往返)时间得到目标物距离。TOF相机可以同时得到整幅图像的深度(距离)信息。参见图1，本说明书一个或多个实施例提供了一种实现检测的系统架构图，包括网络104、训练样本集102、拍摄终端106和计算设备108。所述计算设备108包括但不限于存储器110、处理器112、通信接口114以及总线116。所述训练样本集102与所述网络104连接，所述网络104与所述拍摄终端106本文档来自技高网...

【技术保护点】
1.一种检测方法，其特征在于，包括：/na：获取拍摄终端经一次拍摄得到的同一待识别物体的第一图片和第二图片，其中，所述第一图片和所述第二图片的成像方式不同；/nb：确定所述第一图片和所述第二图片中所述待识别物体的属性信息，其中，所述属性信息包括所述待识别物体在所述第一图片中的大小和位置信息以及所述待识别物体在所述第二图片中的大小和位置信息；/nc：若所述第一图片和所述第二图片中所述待识别物体的属性信息不满足预设条件，则获取所述第一图片的第一位置参数和所述第二图片的第二位置参数，其中，所述第一位置参数包括基于所述第一图片中所述待识别物体的大小信息获取的所述待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度，所述第二位置参数包括基于所述第二图片获取的所述待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度；/nd：根据预先训练的融合模型获取所述第一图片、所述第一位置参数、所述第二图片和所述第二位置参数对应的调整参数；/ne：基于所述调整参数指导所述拍摄终端移动并控制所述拍摄终端继续拍摄，并跳转至步骤a。/n

【技术特征摘要】
1.一种检测方法，其特征在于，包括：
a：获取拍摄终端经一次拍摄得到的同一待识别物体的第一图片和第二图片，其中，所述第一图片和所述第二图片的成像方式不同；
b：确定所述第一图片和所述第二图片中所述待识别物体的属性信息，其中，所述属性信息包括所述待识别物体在所述第一图片中的大小和位置信息以及所述待识别物体在所述第二图片中的大小和位置信息；
c：若所述第一图片和所述第二图片中所述待识别物体的属性信息不满足预设条件，则获取所述第一图片的第一位置参数和所述第二图片的第二位置参数，其中，所述第一位置参数包括基于所述第一图片中所述待识别物体的大小信息获取的所述待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度，所述第二位置参数包括基于所述第二图片获取的所述待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度；
d：根据预先训练的融合模型获取所述第一图片、所述第一位置参数、所述第二图片和所述第二位置参数对应的调整参数；
e：基于所述调整参数指导所述拍摄终端移动并控制所述拍摄终端继续拍摄，并跳转至步骤a。


2.根据权利要求1所述的方法，其特征在于，所述获取所述第一图片的第一位置参数和所述第二图片的第二位置参数包括：
根据预先训练的位置参数检测模型获取第一图片的第一位置参数，并且通过所述拍摄终端获取所述第二图片的第二位置参数。


3.根据权利要求1所述的方法，其特征在于，若所述第一图片和所述第二图片中所述待识别物体的属性信息不满足预设条件，则获取所述第一图片的第一位置参数和所述第二图片的第二位置参数包括：
若所述待识别物体在所述第一图片中的大小和位置信息与预设的待识别物体在所述第一图片中的大小和位置信息的匹配度不满足第一阈值，或者所述待识别物体在所述第二图片中的大小和位置信息与预设的待识别物体在所述第二图片中的大小和位置信息的匹配度不满足第二阈值，则根据预先训练的位置参数检测模型获取第一图片的第一位置参数，并且通过所述拍摄终端获取所述第二图片的第二位置参数。


4.根据权利要求2或3所述的方法，其特征在于，所述位置参数检测模型被配置为检测待识别物体与所述拍摄终端之间的拍摄距离和拍摄角度。


5.根据权利要求4所述的方法，其特征在于，所述位置参数检测模型包括检测待识别物体与所述拍摄终端之间的拍摄距离的距离检测模型和检测待识别物体与所述拍摄终端之间的拍摄角度的角度检测模型。


6.根据权利要求5所述的方法，其特征在于，所述距离检测模型的生成方法包括：
获取训练样本集，其中，所述训练样本集包含多组图片样本，每组所述图片样本包括目标物体的属性信息以及所述目标物体与拍摄终端之间的拍摄距离，所述属性信息包括所述目标物体在第一图片中的大小；
通过所述训练样本集对距离检测模型进行训练，得到所述距离检测模型，所述距离检测模型使得所述属性信息与所述拍摄距离相关联。


7.根据权利要求5所述的方法，其特征在于，所述角度检测模型的生成方法包括：
获取训练样本集，其中，所述训练样本集包含多组角度样本，每组所述角度样本包括目标物体的属性信息、所述目标物体与拍摄终端之间的拍摄距离以及所述目标物体与拍摄终端之间的拍摄角度，所述属性信息包括所述目标物体在第一图片中的大小；
通过所述训练样本集对角度检测模型进行训练，得到所述角度检测模型，所述角度检测模型使得所述属性信息、所述拍摄距离与所述拍摄角度相关联。


8.根据权利要求1所述的方法，其特征在于，所述融合模型的生成方法包括：
获取训练样本集，其中，所述训练样本集包括多组历史位置参数样本，每组所述位置参数样本包括第一图片样本、所述第一图片样本对应的第一位置参数样本、所述第二图片样本和所述第二图片样本对应的第二位置参数样本以及调整参数样本；
通过所述训练样本集对融合模型进行训练，得到所述融合模型，所述融合模型使得第一图片样本、所述第一图片样本对应的第一位置参数样本、所述第二图片样本、所述第二图片样本对应的第二位置参数样本与所述调整参数样本相关联。


9.根据权利要求1所述的方法，其特征在于，还包括：
若所述第一图片中所述待识别物体的属性信息与预设的待识别物体的属性信息的匹配度满足第一阈值，并且所述第二图片中所述待识别物体的属性信息与预设的待识别物体的属性信息匹配度满足第二阈值，则结束拍摄。


10.根据权利要求1所述的方法，其特征在于，获取拍摄终端经一次拍摄得到的同一待识别物体的第一图片和第二图片之后，还包括：
通过图像识别方法识别所述第一图片和所述第二图片中待识别物体的名称；或者
通过预先训练的部件检测模型获得所述第一图片和所述第二图片中待识别物体的名称。


11.根据权利要求1所述的方法，其特征在于，基于所述调整参数指导所述拍摄终端移动包括：
基于所述调整参数发出语音提示，所述拍摄终端根据所述语音提示移动；或者
基于所述调整参数形成指导箭头，所述拍摄终端根据所述指导箭头移动。


12.根据权利要求1所述的方法，其特征在于，所述融合模型包括深度可分离的卷积神经网络模型。


13.根据权利要求1所述的方法，其特征在于，所述拍摄终端包括至少两种成像方式。


14.根据权利要求13所述的方法，其特征在于，所述拍摄终端包括深度相机，其中所述深度相机包括TOF深度相机或双目深度相机。

【专利技术属性】
技术研发人员：杨文学，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY