基于分布式人工智能圖像識別的遠程定損方法及系統(tǒng)的制作方法
【專利摘要】基于分布式人工智能圖像識別的遠程定損方法及系統(tǒng)，包括：圖像采集設(shè)備進行事故車輛的外觀件圖像采集并發(fā)送于云平臺；通過車載傳感器設(shè)備獲得碰撞數(shù)據(jù)信息，并由車載傳感器設(shè)備上傳至云平臺；圖像處理模塊針對事故車輛采集的外觀件圖像進行預(yù)處理，并將圖像預(yù)處理的結(jié)果存儲于車輛定損數(shù)據(jù)庫中；圖像特征提取模塊針對圖像預(yù)處理的結(jié)果進行外觀件圖像的特征提取，對所得到預(yù)處理事故車輛外觀件圖像特征信息與車輛定損數(shù)據(jù)庫中的圖像庫進行圖像匹配，從而通過車輛外觀件定損模型得到事故車輛的外觀件定損結(jié)果。本發(fā)明一方面可以快速地進行事故車輛外觀件定損；另一方面通過圖像和碰撞信息分步式定損，可以減少定損失誤，從而提高理賠精度和效率。
【專利說明】
基于分布式人工智能圖像識別的遠程定損方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于遠程定損領(lǐng)域，具體說是基于分布式人工智能圖像識別的遠程定損方法及系統(tǒng)。
【背景技術(shù)】
[0002]由于車輛發(fā)生碰撞后，車輛自身會產(chǎn)生各種變形及損傷，但只靠定損員憑經(jīng)驗進行事故車輛定損，存在很多的主觀性及聯(lián)合騙保的機率。此外，傳統(tǒng)定損為了事故車輛定損的準確性需要進行車輛拆解，這也額外增加了保險理賠的費用。面對當(dāng)前保險市場激烈的競爭形式，為了進一步提高保險業(yè)理賠服務(wù)能力，通過車險遠程定損系統(tǒng)這一全新的現(xiàn)代化服務(wù)方式加強理賠流程管控;優(yōu)化理賠流程，提高理賠效率，有效整合理賠資源。目前，市場上有基于車輛事故拍照的定損系統(tǒng)，但圖像存在偽造及拍攝不清楚等問題。

【發(fā)明內(nèi)容】

[0003]本發(fā)明針對現(xiàn)有技術(shù)存在的上述問題，發(fā)明了一種基于分布式人工智能圖像識別的遠程定損方法及系統(tǒng)，一方面解決了定損員進行定損的主觀性和減少聯(lián)合騙保的機率；另一方面可避免事故車輛的拆解費用，從而大大提升在?？蛻舻臐M意度和事故保險理賠的規(guī)范化。
[0004]—方面，本發(fā)明提供了基于分布式人工智能圖像識別的遠程定損方法，包括:
[0005]SI:圖像采集設(shè)備進行事故車輛的外觀件圖像采集并發(fā)送于云平臺；
[0006]S2:通過車載傳感器設(shè)備獲得碰撞數(shù)據(jù)信息，并由車載傳感器設(shè)備上傳至云平臺；
[0007]S3:圖像處理模塊針對事故車輛采集的外觀件圖像進行預(yù)處理，并將圖像預(yù)處理的結(jié)果存儲于車輛定損數(shù)據(jù)庫中；圖像特征提取模塊針對圖像預(yù)處理的結(jié)果進行外觀件圖像的特征提??；
[0008]S4:對所得到預(yù)處理事故車輛外觀件圖像特征信息與車輛定損數(shù)據(jù)庫中的圖像庫進行圖像匹配，從而通過車輛外觀件定損模型得到事故車輛的外觀件定損結(jié)果；
[0009]S5:由外觀件定損結(jié)果通過車輛事故類型判定模型得到事故車輛的碰撞事故類型;再通過整車事故定損模型得到事故車輛的整車定損結(jié)果；
[0010]S6:根據(jù)整車定損結(jié)果通過定損單模塊得到整車的保險理賠方案;將事故車輛的保險理賠方案通過網(wǎng)絡(luò)發(fā)送給用戶。
[0011 ]具體的，步驟S2中碰撞數(shù)據(jù)信息，包括三軸加速度、三軸角速度、音頻、視頻等數(shù)據(jù)。
[0012]具體的，步驟S3中對外觀件圖像進行預(yù)處理，包括灰度處理、圖像網(wǎng)格圖提取、圖像變形位圖提取、圖像色差分配。
[0013]具體的，步驟S3中對外觀件圖像的特征提取，包括圖像的變形范圍、圖像灰度分布及共生矩陣、圖像變形比、圖像顏色值方圖、圖像的聚合向量、圖像的自回歸紋理模型、圖像小波變換。
[0014]具體的，步驟S3中車輛定損數(shù)據(jù)庫，具體為:
[0015]第一步，獲取事故車輛的外觀件圖像數(shù)據(jù)后，所得到的外觀件圖像數(shù)據(jù)存入車輛定損數(shù)據(jù)庫中作為外觀件原始圖像庫；
[0016]第二步，針對真實事故和事故碰撞仿真分析所得到的事故樣本，通過自動定損模塊得到的基于車型、零件外觀定損、事故類型等定損結(jié)果存入車輛定損數(shù)據(jù)庫中作為定損總數(shù)據(jù)庫。
[0017]第三步，由圖像處理模塊所得到的圖像預(yù)處理結(jié)果數(shù)據(jù)，存入車輛定損數(shù)據(jù)庫中作為外觀件預(yù)處理結(jié)果數(shù)據(jù)庫；
[0018]第四步，由圖像特征提取模塊所得到的圖像特征提取結(jié)果數(shù)據(jù)，存入車輛定損數(shù)據(jù)庫中作為外觀件圖像特征數(shù)據(jù)庫；
[0019]第五步，獲取三軸加速度、三軸角速度、音頻、視頻圖像數(shù)據(jù)，存入車輛定損數(shù)據(jù)庫中作為原始碰撞信息數(shù)據(jù)庫；
[0020]第六步，對三軸加速度、三軸角速度數(shù)據(jù)通過對其信號進行碰撞信息提取并進行濾波處理，處理后的結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次碰撞信息數(shù)據(jù)庫;對音頻數(shù)據(jù)進行去噪、濾波處理后結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次音頻數(shù)據(jù)庫;對視頻圖像進行圖像灰度等預(yù)處理后結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次視頻數(shù)據(jù)庫；
[0021]第七步，從車輛定損數(shù)據(jù)庫的二次數(shù)據(jù)庫針對不同數(shù)據(jù)類型進行特征提取存入車輛定損數(shù)據(jù)庫中作為碰撞信息特征數(shù)據(jù)庫；
[0022]第八步，根據(jù)碰撞仿真事故重現(xiàn)的定損數(shù)據(jù)建立基于車型、基于部位、基于零件的維修方案，并存入車輛定損數(shù)據(jù)庫中作為車輛維修庫。
[0023]更具體的，定損總數(shù)據(jù)庫包括以下三個分數(shù)據(jù)庫:
[0024]I)根據(jù)車型按照不同外觀零部件建立損傷級別存入車輛定損數(shù)據(jù)庫中作為外觀件損傷級別庫；
[0025]2)根據(jù)碰撞仿真事故重現(xiàn)的數(shù)據(jù)建立事故分類規(guī)則及類型，并存入車輛定損數(shù)據(jù)庫中作為事故類型庫；
[0026]3)根據(jù)建立事故與損傷級別的映射關(guān)系存入車輛定損數(shù)據(jù)庫作為整車定損庫。
[0027]另一方面，本發(fā)明還提供了一種基于分布式人工智能圖像識別的遠程定損系統(tǒng)，包括:
[0028]圖像采集設(shè)備，進行事故車輛的外觀件圖像采集并發(fā)送于云平臺；
[0029]車載傳感器設(shè)備，獲得碰撞數(shù)據(jù)信息，并由車載傳感器設(shè)備上傳至云平臺；
[0030]圖像處理模塊，針對事故車輛采集的外觀件圖像進行預(yù)處理，并將圖像預(yù)處理的結(jié)果存儲于車輛定損數(shù)據(jù)庫中；
[0031]圖像特征提取模塊，針對圖像預(yù)處理的結(jié)果進行外觀件圖像的特征提??；
[0032]外觀件定損結(jié)果模塊，對所得到預(yù)處理事故車輛外觀件圖像特征信息與車輛定損數(shù)據(jù)庫中的圖像庫進行圖像匹配，從而通過車輛外觀件定損模型得到事故車輛的外觀件定損結(jié)果；
[0033]整車定損結(jié)果，由外觀件定損結(jié)果通過車輛事故類型判定模型得到事故車輛的碰撞事故類型;再通過整車事故定損模型得到事故車輛的整車定損結(jié)果；
[0034]定損單模塊，將事故車輛的保險理賠方案通過網(wǎng)絡(luò)發(fā)送給用戶。
[0035]自動定損模塊，根據(jù)真實事故和碰撞事故仿真分析所得到的大量數(shù)據(jù)樣本，進行數(shù)據(jù)分類、數(shù)據(jù)預(yù)處理，結(jié)合定損專家經(jīng)驗及自動定損方法，實現(xiàn)事故車輛的自動定損；
[0036]車輛定損數(shù)據(jù)庫，存儲各種數(shù)據(jù)。
[0037]進一步的，車輛外觀件定損模型，是基于人工智能的圖像識別方法和圖像灰度匹配方法，采用Si ft特征匹配算法、模板匹配算法、信息整合圖像識別算法，建立相關(guān)的圖像識別模塊，封裝為平臺中間件之一。
[0038]進一步的，車輛事故類型判定模型，是采用決策樹、隨機森林人工智能學(xué)習(xí)方法和關(guān)聯(lián)規(guī)則的歸一化方法，建立相關(guān)的車輛事故類型判定模塊，封裝為平臺中間件之一。
[0039]更進一步的，采用SVM、BP神經(jīng)網(wǎng)絡(luò)人工智能學(xué)習(xí)方法和關(guān)聯(lián)數(shù)據(jù)歸一化方法，并建立相關(guān)的整車事故定損模塊，封裝為平臺中間件之一。
[0040]本發(fā)明由于采用以上技術(shù)方法，能夠取得如下的技術(shù)效果:本發(fā)明可以快速地進行事故外觀件定損，尤其針對低速碰撞事故發(fā)生后，大部分理賠主要發(fā)生在車輛外觀件，所以遠程定損先由外觀件精準定損可以提高遠程定損的理賠精度和效率;能快速判定事故類型及事故責(zé)任，加速理賠效率，并能結(jié)合以往的理賠事件進行理賠借鑒;本發(fā)明還可以給出事故車輛的整體定損結(jié)果且給出對方事故車輛的理賠范圍。
[0041]本申請一方面解決了定損員進行定損的主觀性和減少聯(lián)合騙保的機率;另一方面可避免事故車輛的拆解費用，從而大大提升在?？蛻舻臐M意度和事故保險理賠的規(guī)范化。
【附圖說明】
[0042]為了更清楚的說明本發(fā)明的實施例或現(xiàn)有技術(shù)的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖做一簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0043]圖1為基于分布式人工智能圖像識別的遠程定損系統(tǒng)結(jié)構(gòu)示意圖。
[0044]圖2為基于分布式人工智能圖像識別的遠程定損流程結(jié)構(gòu)示意圖。
【具體實施方式】
[0045]為使本發(fā)明的實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚完整的描述:
[0046]實施例1
[0047]基于分布式人工智能圖像識別的遠程定損方法，包括:
[0048]S1:圖像采集設(shè)備，所述的圖像采集設(shè)備可以為手機或攝像設(shè)備，進行事故車輛的外觀件圖像采集并由手機APP發(fā)送于云平臺；
[0049]S2:通過車載OBD傳感器設(shè)備獲得碰撞數(shù)據(jù)信息，所述碰撞數(shù)據(jù)信息包括三軸加速度、三軸角速度、音頻、視頻等數(shù)據(jù)，并由車載OBD傳感器設(shè)備上傳至云平臺；
[0050]S3:圖像處理模塊針對事故車輛采集的外觀件圖像進行預(yù)處理，所述外觀件圖像進行預(yù)處理包括灰度處理、圖像網(wǎng)格圖提取、圖像變形位圖提取、圖像色差分配等圖像數(shù)據(jù)預(yù)處理;并將圖像預(yù)處理的結(jié)果存儲于車輛定損數(shù)據(jù)庫中；圖像特征提取模塊針對圖像預(yù)處理的結(jié)果進行外觀件圖像的特征提取，所述特征提取包括圖像的變形范圍、圖像灰度分布及共生矩陣、圖像變形比、圖像顏色值方圖、圖像的聚合向量、圖像的自回歸紋理模型、圖像小波變換等圖像特征；
[0051]S4:對所得到預(yù)處理事故車輛外觀件圖像特征信息與車輛定損數(shù)據(jù)庫中的圖像庫進行圖像匹配，從而通過車輛外觀件定損模型得到事故車輛的外觀件定損結(jié)果；
[0052]S5:由外觀件定損結(jié)果通過車輛事故類型判定模型得到事故車輛的碰撞事故類型;再通過整車事故定損模型得到事故車輛的整車定損結(jié)果；
[0053]S6:根據(jù)整車定損結(jié)果通過定損單模塊得到整車的保險理賠方案;最終保險公司將事故車輛的保險理賠方案通過網(wǎng)絡(luò)發(fā)送給用戶的手機保險APP軟件。
[0054]另一方面，本發(fā)明還提供了一種基于分布式人工智能圖像識別的遠程定損系統(tǒng)，包括:
[0055]圖像采集設(shè)備，進行事故車輛的外觀件圖像采集并發(fā)送于云平臺；
[0056]車載OBD傳感器設(shè)備，獲得碰撞數(shù)據(jù)信息，所述碰撞數(shù)據(jù)信息包括三軸加速度、三軸角速度、音頻、視頻等數(shù)據(jù)，并由車載OBD傳感器設(shè)備上傳至云平臺；
[0057]圖像處理模塊，針對事故車輛采集的外觀件圖像進行預(yù)處理，并將圖像預(yù)處理的結(jié)果存儲于車輛定損數(shù)據(jù)庫中；
[0058]圖像特征提取模塊，針對圖像預(yù)處理的結(jié)果進行外觀件圖像的特征提取;所述特征提取包括圖像的變形范圍、圖像灰度分布及共生矩陣、圖像變形比、圖像顏色值方圖、圖像的聚合向量、圖像的自回歸紋理模型、圖像小波變換等圖像特征；
[0059]外觀件定損結(jié)果模塊，對所得到預(yù)處理事故車輛外觀件圖像特征信息與車輛定損數(shù)據(jù)庫中的圖像庫進行圖像匹配，從而通過車輛外觀件定損模型得到事故車輛的外觀件定損結(jié)果；
[0060]整車定損結(jié)果，由外觀件定損結(jié)果通過車輛事故類型判定模型得到事故車輛的碰撞事故類型;再通過整車事故定損模型得到事故車輛的整車定損結(jié)果；
[0061]定損單模塊，得到整車的保險理賠方案;最終保險公司將事故車輛的保險理賠方案通過網(wǎng)絡(luò)發(fā)送給用戶的手機保險APP軟件。
[0062]自動定損模塊，根據(jù)真實事故和碰撞事故仿真分析所得到的大量數(shù)據(jù)樣本，進行數(shù)據(jù)分類、數(shù)據(jù)預(yù)處理，結(jié)合定損專家經(jīng)驗及自動定損方法，如能量變化、車輛零件的變形、材料內(nèi)能曲線變化等實現(xiàn)事故車輛的自動定損；
[0063]車輛定損數(shù)據(jù)庫，存儲各種數(shù)據(jù)。
[0064]實施例2
[0065]與實施例1具體相同的技術(shù)方案，更為具體的是，其中車輛定損數(shù)據(jù)庫，具體為:
[0066]第一步，獲取事故車輛的外觀件圖像數(shù)據(jù)后，一方面通過圖像采集設(shè)備，如手機或攝像設(shè)備，另一方面通過事故碰撞仿真分析，將所得到的外觀件圖像數(shù)據(jù)存入車輛定損數(shù)據(jù)庫中作為外觀件原始圖像庫；
[0067]第二步，針對真實事故和事故碰撞仿真分析所得到的事故樣本，通過自動定損模塊得到的基于車型、零件外觀定損、事故類型等定損結(jié)果存入車輛定損數(shù)據(jù)庫中作為定損總數(shù)據(jù)庫。
[0068]第三步，由圖像處理模塊所得到的圖像預(yù)處理結(jié)果數(shù)據(jù)，存入車輛定損數(shù)據(jù)庫中作為外觀件預(yù)處理結(jié)果數(shù)據(jù)庫；
[0069]第四步，由圖像特征提取模塊所得到的圖像特征提取結(jié)果數(shù)據(jù)，存入車輛定損數(shù)據(jù)庫中作為外觀件圖像特征數(shù)據(jù)庫；
[0070]第五步，獲取三軸加速度、三軸角速度、音頻、視頻圖像數(shù)據(jù)，一方面通過車輛OBD傳感器設(shè)備，另一方面通過事故碰撞仿真分析，所得數(shù)據(jù)存入車輛定損數(shù)據(jù)庫中作為原始碰撞信息數(shù)據(jù)庫；
[0071]第六步，對三軸加速度、三軸角速度數(shù)據(jù)通過對其信號進行碰撞信息提取并進行濾波處理，處理后的結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次碰撞信息數(shù)據(jù)庫;對音頻數(shù)據(jù)進行去噪、濾波處理后結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次音頻數(shù)據(jù)庫;對視頻圖像，如碰撞仿真產(chǎn)生的為碰撞事故動畫及事故車輛的零件損傷圖片，進行圖像灰度等預(yù)處理后結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次視頻數(shù)據(jù)庫；
[0072]第七步，從車輛定損數(shù)據(jù)庫的二次數(shù)據(jù)庫針對不同數(shù)據(jù)類型進行特征提取存入車輛定損數(shù)據(jù)庫中作為碰撞信息特征數(shù)據(jù)庫；
[0073]第八步，根據(jù)碰撞仿真事故重現(xiàn)的定損數(shù)據(jù)建立基于車型、基于部位、基于零件的維修方案，并存入車輛定損數(shù)據(jù)庫中作為車輛維修庫。
[0074]實施例3
[0075]與實施例1具體相同的技術(shù)方案，更為具體的是，其中定損總數(shù)據(jù)庫，具體為:
[0076]I)根據(jù)車型按照不同外觀零部件建立損傷級別存入車輛定損數(shù)據(jù)庫中作為外觀件損傷級別庫；
[0077]2)根據(jù)碰撞仿真事故重現(xiàn)的數(shù)據(jù)建立事故分類規(guī)則及類型，并存入車輛定損數(shù)據(jù)庫中作為事故類型庫；
[0078]3)根據(jù)建立事故與損傷級別的映射關(guān)系存入車輛定損數(shù)據(jù)庫作為整車定損庫。
[0079]實施例4
[0080]為了快速地進行事故外觀件定損，尤其針對低速碰撞事故發(fā)生后，大部分理賠主要發(fā)生在車輛外觀件，故提供了車輛外觀件定損模型，是基于人工智能的圖像識別方法和圖像灰度匹配方法，采用Si ft特征匹配算法、模板匹配算法、信息整合圖像識別算法等，建立相關(guān)的圖像識別模塊，封裝為平臺中間件之一。
[0081]為了快速判定事故類型及事故責(zé)任，能加速理賠效率，故提供了車輛事故類型判定模型，是采用決策樹、隨機森林等人工智能學(xué)習(xí)方法和關(guān)聯(lián)規(guī)則的歸一化方法，建立相關(guān)的車輛事故類型判定模塊，封裝為平臺中間件之一。
[0082]—方面實現(xiàn)給出事故車輛的整體定損結(jié)果，另一方面實現(xiàn)給出對方事故車輛的理賠范圍。故提供了整車事故定損模型，采用SVM、BP神經(jīng)網(wǎng)絡(luò)等人工智能學(xué)習(xí)方法和關(guān)聯(lián)數(shù)據(jù)歸一化方法，并建立相關(guān)的整車事故定損模塊，封裝為平臺中間件之一。
[0083]實施例5
[0084]作為實施例1-4的補充，該實施例中建立基于WEB的保險理賠系統(tǒng)網(wǎng)絡(luò)環(huán)境基礎(chǔ)設(shè)施;面向車險用戶的APP;面向保險公司的應(yīng)用中間件，封裝網(wǎng)絡(luò)環(huán)境中的各種資源，并向集成平臺提供接口，采用定損Web服務(wù)的形式封裝定損應(yīng)用中間件，通過定損工作流集成各個單獨的功能實現(xiàn)和服務(wù);在定損網(wǎng)絡(luò)工作流中實現(xiàn)基于定損Web服務(wù)的信息共享與應(yīng)用的集成，最終定損集成平臺上，以透明的方式提供定損服務(wù)，包含理賠方案及維修分析服務(wù)，并允許保險公司與保戶動態(tài)注冊、注銷及管理各自的資源和服務(wù)，實現(xiàn)定損流程化、標準化。
[0085]以上所述，僅為本發(fā)明較佳的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1.基于分布式人工智能圖像識別的遠程定損方法，其特征在于，包括: 51:圖像采集設(shè)備進行事故車輛的外觀件圖像采集并發(fā)送于云平臺； 52:通過車載傳感器設(shè)備獲得碰撞數(shù)據(jù)信息，并由車載傳感器設(shè)備上傳至云平臺； S3:圖像處理模塊針對事故車輛采集的外觀件圖像進行預(yù)處理，并將圖像預(yù)處理的結(jié)果存儲于車輛定損數(shù)據(jù)庫中；圖像特征提取模塊針對圖像預(yù)處理的結(jié)果進行外觀件圖像的特征提取； S4:對所得到預(yù)處理事故車輛外觀件圖像特征信息與車輛定損數(shù)據(jù)庫中的圖像庫進行圖像匹配，從而通過車輛外觀件定損模型得到事故車輛的外觀件定損結(jié)果； S5:由外觀件定損結(jié)果通過車輛事故類型判定模型得到事故車輛的碰撞事故類型；再通過整車事故定損模型得到事故車輛的整車定損結(jié)果； S6:根據(jù)整車定損結(jié)果通過定損單模塊得到整車的保險理賠方案;最終將事故車輛的保險理賠方案通過網(wǎng)絡(luò)發(fā)送給用戶。2.根據(jù)權(quán)利要求1所述的基于分布式人工智能圖像識別的遠程定損方法，其特征在于，步驟S2中碰撞數(shù)據(jù)信息，包括三軸加速度、三軸角速度、音頻、視頻等數(shù)據(jù)。3.根據(jù)權(quán)利要求1所述的基于分布式人工智能圖像識別的遠程定損方法，其特征在于，步驟S3中對外觀件圖像進行預(yù)處理，包括灰度處理、圖像網(wǎng)格圖提取、圖像變形位圖提取、圖像色差分配。4.根據(jù)權(quán)利要求1所述的基于分布式人工智能圖像識別的遠程定損方法，其特征在于，步驟S3中對外觀件圖像的特征提取，包括圖像的變形范圍、圖像灰度分布及共生矩陣、圖像變形比、圖像顏色值方圖、圖像的聚合向量、圖像的自回歸紋理模型、圖像小波變換。5.根據(jù)權(quán)利要求1所述的基于分布式人工智能圖像識別的遠程定損方法，其特征在于，步驟S3中車輛定損數(shù)據(jù)庫，具體為: 第一步，獲取事故車輛的外觀件圖像數(shù)據(jù)后，所得到的外觀件圖像數(shù)據(jù)存入車輛定損數(shù)據(jù)庫中作為外觀件原始圖像庫； 第二步，針對真實事故和事故碰撞仿真分析所得到的事故樣本，通過自動定損模塊得到的基于車型、零件外觀定損、事故類型等定損結(jié)果存入車輛定損數(shù)據(jù)庫中作為定損總數(shù)據(jù)庫。 第三步，由圖像處理模塊所得到的圖像預(yù)處理結(jié)果數(shù)據(jù)，存入車輛定損數(shù)據(jù)庫中作為外觀件預(yù)處理結(jié)果數(shù)據(jù)庫； 第四步，由圖像特征提取模塊所得到的圖像特征提取結(jié)果數(shù)據(jù)，存入車輛定損數(shù)據(jù)庫中作為外觀件圖像特征數(shù)據(jù)庫； 第五步，獲取三軸加速度、三軸角速度、音頻、視頻圖像數(shù)據(jù)，存入車輛定損數(shù)據(jù)庫中作為原始碰撞信息數(shù)據(jù)庫； 第六步，對三軸加速度、三軸角速度數(shù)據(jù)通過對其信號進行碰撞信息提取并進行濾波處理，處理后的結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次碰撞信息數(shù)據(jù)庫;對音頻數(shù)據(jù)進行去噪、濾波處理后結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次音頻數(shù)據(jù)庫;對視頻圖像進行圖像灰度等預(yù)處理后結(jié)果存入車輛定損數(shù)據(jù)庫中作為二次視頻數(shù)據(jù)庫； 第七步，從車輛定損數(shù)據(jù)庫的二次數(shù)據(jù)庫針對不同數(shù)據(jù)類型進行特征提取存入車輛定損數(shù)據(jù)庫中作為碰撞信息特征數(shù)據(jù)庫； 第八步，根據(jù)碰撞仿真事故重現(xiàn)的定損數(shù)據(jù)建立基于車型、基于部位、基于零件的維修方案，并存入車輛定損數(shù)據(jù)庫中作為車輛維修庫。6.根據(jù)權(quán)利要求5所述的基于分布式人工智能圖像識別的遠程定損方法，其特征在于，定損總數(shù)據(jù)庫包括以下三個分數(shù)據(jù)庫: 1)根據(jù)車型按照不同外觀零部件建立損傷級別存入車輛定損數(shù)據(jù)庫中作為外觀件損傷級別庫； 2)根據(jù)碰撞仿真事故重現(xiàn)的數(shù)據(jù)建立事故分類規(guī)則及類型，并存入車輛定損數(shù)據(jù)庫中作為事故類型庫； 3)根據(jù)建立事故與損傷級別的映射關(guān)系存入車輛定損數(shù)據(jù)庫作為整車定損庫。7.基于分布式人工智能圖像識別的遠程定損系統(tǒng)，其特征在于，包括: 圖像采集設(shè)備，進行事故車輛的外觀件圖像采集并發(fā)送于云平臺； 車載傳感器設(shè)備，獲得碰撞數(shù)據(jù)信息，并由車載傳感器設(shè)備上傳至云平臺； 圖像處理模塊，針對事故車輛采集的外觀件圖像進行預(yù)處理，并將圖像預(yù)處理的結(jié)果存儲于車輛定損數(shù)據(jù)庫中； 圖像特征提取模塊，針對圖像預(yù)處理的結(jié)果進行外觀件圖像的特征提取； 外觀件定損結(jié)果模塊，對所得到預(yù)處理事故車輛外觀件圖像特征信息與車輛定損數(shù)據(jù)庫中的圖像庫進行圖像匹配，從而通過車輛外觀件定損模型得到事故車輛的外觀件定損結(jié)果; 整車定損結(jié)果，由外觀件定損結(jié)果通過車輛事故類型判定模型得到事故車輛的碰撞事故類型;再通過整車事故定損模型得到事故車輛的整車定損結(jié)果； 定損單模塊，將事故車輛的保險理賠方案通過網(wǎng)絡(luò)發(fā)送給用戶。 自動定損模塊，根據(jù)真實事故和碰撞事故仿真分析所得到的大量數(shù)據(jù)樣本，進行數(shù)據(jù)分類、數(shù)據(jù)預(yù)處理，結(jié)合定損專家經(jīng)驗及自動定損方法，實現(xiàn)事故車輛的自動定損； 車輛定損數(shù)據(jù)庫，存儲各種數(shù)據(jù)。8.根據(jù)權(quán)利要求7所述的基于分布式人工智能圖像識別的遠程定損系統(tǒng)，其特征在于，包括:車輛外觀件定損模型，是基于人工智能的圖像識別方法和圖像灰度匹配方法，采用Sift特征匹配算法、模板匹配算法、信息整合圖像識別算法，建立相關(guān)的圖像識別模塊，封裝為平臺中間件之一。9.根據(jù)權(quán)利要求7所述的基于分布式人工智能圖像識別的遠程定損系統(tǒng)，其特征在于，車輛事故類型判定模型，是采用決策樹、隨機森林人工智能學(xué)習(xí)方法和關(guān)聯(lián)規(guī)則的歸一化方法，建立相關(guān)的車輛事故類型判定模塊，封裝為平臺中間件之一。10.根據(jù)權(quán)利要求7所述的基于分布式人工智能圖像識別的遠程定損系統(tǒng)，其特征在于，采用SVM、BP神經(jīng)網(wǎng)絡(luò)人工智能學(xué)習(xí)方法和關(guān)聯(lián)數(shù)據(jù)歸一化方法，并建立相關(guān)的整車事故定損模塊，封裝為平臺中間件之一。
【文檔編號】G06Q40/08GK106021548SQ201610365742
【公開日】2016年10月12日
【申請日】2016年5月27日
【發(fā)明人】田雨農(nóng), 張虹
【申請人】大連樓蘭科技股份有限公司