对车辆的损伤部位进行分类的方法和设备技术

本公开提供了一种用于对车辆的损伤部位进行分类的方法和设备。具体而言，该方法包括：接收包括车辆的损伤部位的图片；将包括车辆的损伤部位的图片输入到经训练的深度学习模型中；以及将所述经训练的深度学习模型的输出确定为所述车辆的损伤部位的分类。利用本公开的方法和设备，能够利用深度学习模型来准确地对车辆的损伤部位进行分类，从而方便后续对车辆进行维修。进行维修。进行维修。

【技术实现步骤摘要】
对车辆的损伤部位进行分类的方法和设备


[0001]本公开总体上涉及车辆
，更特别地，涉及一种用于对车辆的损伤部位进行分类的方法和设备。

技术介绍

[0002]随着汽车保有量的增长，城市道路上的车辆密度越来越大，由此引发的交通事故也越来越多。当发生交通事故时，为了对车辆进行维修，首先需要确定车辆的损伤状况，然后生成车辆维修工单。
[0003]在确定车辆的损伤状况时，通常需要先确定车辆的损伤部位(具体而言，车辆的损伤部位的分类)，然后依据该分类生成车辆维修工单。然而，经常发生的情况是，由于用户并非专业维修人员，用户上传的关于车辆损伤的图片没有正确的分类，使得需要人工介入来进行正确的分类。由于人工进行分类工作量大且效率低下，因此需要改进的用于确定车辆的损伤部位的分类的技术。

技术实现思路

[0004]本公开的一个目的在于，利用深度学习模型来对车辆的损伤部位进行分类，从而方便后续对车辆进行维修。
[0005]为此，本公开提出了一种用于对车辆的损伤部位进行分类的方法和设备。
[0006]在本公开的一个方面，提供了一种用于对车辆的损伤部位进行分类的方法，包括：接收包括车辆的损伤部位的图片；将包括车辆的损伤部位的图片输入到经训练的深度学习模型中；以及将所述经训练的深度学习模型的输出确定为所述车辆的损伤部位的分类。
[0007]在一个示例中，所述经训练的深度学习模型是利用包括车辆的损伤部位的图片以及该损伤部位的分类预先训练的。
[0008]在一个示例中，将包括车辆的损伤部位的图片输入到经训练的深度学习模型中包括：对接收的包括车辆的损伤部位的图片进行特征提取；利用提取的特征形成特征矩阵；以及将所形成的特征矩阵输入到所述经训练的深度学习模型中。
[0009]在一个示例中，所述方法还包括：与包括车辆的损伤部位的图片相关联地存储确定的分类，以供对所述车辆进行维修时使用。
[0010]在一个示例中，所述方法还包括：在将包括车辆的损伤部位的图片输入到经训练的深度学习模型中之前，对接收的包括车辆的损伤部位的图片进行图像增强。
[0011]在一个示例中，所述方法还包括：接收指示所述车辆的损伤部位的信息；比较接收的指示所述车辆的损伤部位的信息与确定的所述车辆的损伤部位的分类；以及在接收的指示所述车辆的损伤部位的信息与确定的所述车辆的损伤部位的分类不同时，发出警报。
[0012]在一个示例中，所述包括车辆的损伤部位的图片和指示所述车辆的损伤部位的信息是从所述车辆的用户接收的。
[0013]在一个示例中，所述方法还包括：根据所述车辆的标识信息，从一组经训练的深度
学习模型中选择所述经训练的深度学习模型。
[0014]根据本公开的另一方面，提供了一种用于对车辆的损伤部位进行分类的设备，包括：接收器，被配置为接收包括车辆的损伤部位的图片；以及处理器，被配置为：将包括车辆的损伤部位的图片输入到经训练的深度学习模型中；以及将所述经训练的深度学习模型的输出确定为所述车辆的损伤部位的分类。
[0015]在一个示例中，所述经训练的深度学习模型是利用包括车辆的损伤部位的图片以及该损伤部位的分类预先训练的。
[0016]在一个示例中，将包括车辆的损伤部位的图片输入到经训练的深度学习模型中包括：对接收的包括车辆的损伤部位的图片进行特征提取；利用提取的特征形成特征矩阵；以及将所形成的特征矩阵输入到所述经训练的深度学习模型中。
[0017]在一个示例中，所述设备还包括存储器，所述存储器被配置为：与包括车辆的损伤部位的图片相关联地存储确定的分类，以供对所述车辆进行维修时使用。
[0018]在一个示例中，所述处理器还被配置为：在将包括车辆的损伤部位的图片输入到经训练的深度学习模型中之前，对接收的包括车辆的损伤部位的图片进行图像增强。
[0019]在一个示例中，所述接收器还被配置为接收指示所述车辆的损伤部位的信息；以及所述处理器还被配置为：比较接收的指示所述车辆的损伤部位的信息与确定的所述车辆的损伤部位的分类；以及在接收的指示所述车辆的损伤部位的信息与确定的所述车辆的损伤部位的分类不同时，发出警报。
[0020]在一个示例中，所述包括车辆的损伤部位的图片和指示所述车辆的损伤部位的信息是从所述车辆的用户接收的。
[0021]在一个示例中，处理器还被配置为根据所述车辆的标识信息，从一组经训练的深度学习模型中选择所述经训练的深度学习模型。
[0022]利用本公开的方法和设备，能够利用深度学习模型来准确地对车辆的损伤部位进行分类，从而方便后续对车辆进行维修。
[0023]根据本公开的又一方面，提供了一种非暂时性计算机可读存储介质，其包括一个或多个指令序列，所述一个或多个指令序列在由一个或多个处理器执行时使得以上所述的方法被执行。
附图说明
[0024]通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。
[0025]图1示出了根据本公开至少一个实施方式的用于对车辆的损伤部位进行分类的方法的流程图。
[0026]图2示出了根据本公开至少一个实施方式的包括车辆的损伤部位的图片的示例。
[0027]图3示出了根据本公开至少一个实施方式的用于对车辆的损伤部位进行分类的设备的示意图。
具体实施方式
[0028]下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0029]所属
的技术人员知道，本专利技术可以实现为系统、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施方式中，本专利技术还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
[0030]可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于对车辆的损伤部位进行分类的方法，包括：接收包括车辆的损伤部位的图片；以及将包括车辆的损伤部位的图片输入到经训练的深度学习模型中；以及将所述经训练的深度学习模型的输出确定为所述车辆的损伤部位的分类。2.根据权利要求1所述的方法，其中所述经训练的深度学习模型是利用包括车辆的损伤部位的图片以及该损伤部位的分类预先训练的。3.根据权利要求1所述的方法，其中将包括车辆的损伤部位的图片输入到经训练的深度学习模型中包括：对接收的包括车辆的损伤部位的图片进行特征提取；利用提取的特征形成特征矩阵；以及将所形成的特征矩阵输入到所述经训练的深度学习模型中。4.根据权利要求1所述的方法，还包括：与包括车辆的损伤部位的图片相关联地存储确定的分类，以供对所述车辆进行维修时使用。5.根据权利要求1所述的方法，还包括：在将包括车辆的损伤部位的图片输入到经训练的深度学习模型中之前，对接收的包括车辆的损伤部位的图片进行图像增强。6.根据权利要求1所述的方法，还包括：接收指示所述车辆的损伤部位的信息；比较接收的指示所述车辆的损伤部位的信息与确定的所述车辆的损伤部位的分类；以及在接收的指示所述车辆的损伤部位的信息与确定的所述车辆的损伤部位的分类不同时，发出警报。7.根据权利要求6所述的方法，其中所述包括车辆的损伤部位的图片和指示所述车辆的损伤部位的信息是从所述车辆的用户接收的。8.根据权利要求1所述的方法，还包括：根据所述车辆的标识信息，从一组经训练的深度学习模型中选择所述经训练的深度学习模型。9.一种用于对车辆的损伤部位进行分类的设备，包括：接收器，被配置为接收包括车辆的损伤部位的图片；以及处理器，被配置为：将包括车辆的损伤部位的图片输入到经训练的深...

【专利技术属性】
技术研发人员：戴福双，符春晓，
申请(专利权)人：华晨宝马汽车有限公司，
类型：发明
国别省市：