(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210606939.7 (22)申请日 2022.05.31 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 童新宇　刘莉红　刘玉宇　肖京　 (74)专利代理 机构 深圳国新 南方知识产权代理 有限公司 4 4374 专利代理师 胡志桐 (51)Int.Cl. G06V 10/25(2022.01) G06V 10/28(2022.01) G06V 10/764(2022.01) G06V 10/40(2022.01)G06V 10/74(2022.01) G06Q 10/00(2012.01) G06Q 40/08(2012.01) G06V 10/82(2022.01) (54)发明名称 车辆智能定损方法、 装置、 设备及存 储介质 (57)摘要 本申请涉及人工智能技术领域， 提供了一种 车辆智能定损方法、 装置、 设备及存储介质， 其中 方法包括： 将待识别的车辆定损图片输入至预先 训练好的语义分割网络进行分割， 得到灰度图， 以及灰度图中每个像素的像素值； 根据像素值进 行分类， 得到初始车辆部件列表， 以及由相同像 素值组成的每个车辆部件对应的分割图； 逐个将 分割图与预先构建的细节 图特征库中的细节 图 一一进行匹配； 对于匹配上的分割图， 以匹配的 细节图的部件信息替换初始车辆部件列表中分 割图对应的部件信息， 对于未匹配上的分割图则 不进行修改， 以得到最终车辆部件列表； 根据最 终车辆部件列表输出车辆维修方案。 本发明能够 减少车辆部件匹配错误的情况， 提高了匹配的准 确率。 权利要求书2页 说明书10页 附图8页 CN 114842198 A 2022.08.02 CN 114842198 A 1.一种车辆智能定损方法， 其特 征在于， 包括： 将待识别的车辆定损图片输入至预先训练好的语义分割 网络进行分割， 得到灰度图， 以及所述灰度图中每 个像素的像素值； 根据所述灰度图中每个像素的像素值进行分类， 得到初始车辆部件列表， 以及由相同 像素值组成的每 个车辆部件对应的分割图； 逐个将所述分割图与 预先构建的细节图特征库中的细节图一一进行匹配， 所述细节图 特征库存储有细节图和对应的部件信息； 根据匹配结果， 对于匹配上的分割图， 以匹配的细节图的部件信息替换所述初始车辆 部件列表中所述分割图对应的部件信息， 对于未匹配上 的分割图则不进行修改， 以得到最 终车辆部件列表； 根据所述 最终车辆 部件列表输出 车辆维修方案 。 2.根据权利要求1所述的车辆智能定损方法， 其特征在于， 建立所述细节图特征库， 包 括： 获取各种车型的多角度拍摄的图片； 根据车辆部件的交界线的位置裁剪生成各种车型的各个车辆部件的细节图， 并获取每 张细节图对应的车辆 部件信息； 利用所述语义分割网络提取 所述细节图的特 征向量； 将所述特 征向量与对应的车辆 部件信息成对 存储， 以得到细节图特 征库。 3.根据权利要求2所述的车辆智能定损方法， 其特征在于， 所述将所述特征向量与对应 的车辆部件信息成对 存储， 以得到细节图特 征库之后， 包括： 利用所述语义分割网络提取每 个所述分割图的待匹配特 征向量； 将每个所述待匹配特征向量分别与所述细节图特征库中每个细节图的特征向量进行 匹配， 以确认所述细节图特 征库中是否存在与所述待匹配特 征向量匹配的特 征向量。 4.根据权利要求1所述的车辆智能定损方法， 其特征在于， 所述逐个将所述分割图与 预 先构建的细节图特 征库中的细节图一 一进行匹配， 包括： 从所有所述分割图中筛 选面积大小超过 预设面积阈值的目标分割图； 利用所述语义分割网络从所述目标分割图中提取特征信 息， 并确认是否存在与预设标 志信息对应的特 征信息； 若存在， 则将所述目标分割图与所述细节图特 征库中的细节图一 一进行匹配。 5.根据权利要求1所述的车辆智能定损方法， 其特征在于， 所述根据所述最终车辆部件 列表输出车辆维修方案， 包括： 将所述车辆定损图片输入至预先训练好的目标检测网络， 得 到损伤位置和车辆损伤类别； 基于预设维修 规则确认所述车辆损伤类别对应的维修方式； 根据所述损伤位置、 所述维修方式、 所述最终车辆部件列表中的车辆部件信息生成车 辆维修方案； 输出所述车辆维修方案 。 6.根据权利要求5所述的车辆智能定损方法， 其特征在于， 所述输出所述车辆维修方案 之前， 还包括： 根据所述损伤位置在所述灰度图上生成矩形框；权　利　要　求　书 1/2 页 2 CN 114842198 A 2获取所述矩形框的中心点 坐标的像素的目标像素值； 计算所述矩形框 中与所述目标像素值大小相同的所有像素的第 一面积， 以及计算所述 灰度图中与所述目标像素值大小相同的所有像素的第二 面积； 当所述第一面积与 所述第二面积的比值超过预设面积占比阈值 时， 按预设规则 升级所 述维修方案 。 7.根据权利要求5所述的车辆智能定损方法， 其特征在于， 训练所述目标检测网络， 包 括： 将损伤样本图像输入含有第 一参数的目标检测网络， 通过目标检测网络提取所述损伤 样本图像中的损伤特 征并生成中间卷积特 征图； 将所述中间卷积特 征图输入 含有第二 参数的掩码预测分支模型； 将所述损伤样本 图像的所有损伤标签类型、 所有矩形框区域、 所有样本损伤类型和所 有样本损伤矩形区域输入第一损失模型， 得到第一损失值， 同时将所述损伤样本图像的所 有损伤标签类型、 所有掩码标注图、 所有掩码损伤类型和所有掩码张量图输入第二损失模 型， 得到第二损失值； 根据所述第一损失值和所述第二损失值， 确定总损失值； 在所述总损失值未达到预设的收敛条件时， 迭代更新目标检测网络的第 一参数和掩码 预测分支模型 的第二参数， 直至所述总损失值达到预设的收敛条件时， 将收敛之后的所述 目标检测网络记录为训练好的目标检测网络 。 8.一种车辆智能定损装置， 其特 征在于， 其包括： 分割模块， 将待识别的车辆定损图片输入至预先训练好的语义分割 网络进行分割， 得 到灰度图， 以及所述灰度图中每 个像素的像素值； 分类模块， 根据 所述灰度图中每个像素的像素值进行分类， 得到初始车辆部件列表， 以 及由相同像素值组成的每 个车辆部件对应的分割图； 匹配模块， 逐个将所述分割图与预先构建的细节图特征库中的细节图一一进行匹配， 所述细节图特 征库存储有细节图和对应的部件信息； 修正模块， 根据匹配结果， 对于匹配上的分割图， 以匹配的细节图的部件信息替换所述 初始车辆部件列表中所述分割图对应的部件信息， 对于未匹配上 的分割图则不进行修改， 以得到最终车辆 部件列表； 生成模块， 根据所述 最终车辆 部件列表输出 车辆维修方案 。 9.一种计算机设备， 其特征在于， 所述计算机设备包括处理器、 与所述处理器耦接的存 储器， 所述存储器中存储有程序指令， 所述程序指 令被所述处理器执行时， 使得所述处理器 执行如权利要求1 ‑7中任一项权利要求所述的车辆智能定损方法的步骤。 10.一种存储介质， 其特征在于， 存储有能够实现如权利要求1 ‑7中任一项所述的车辆 智能定损方法的程序指令 。权　利　要　求　书 2/2 页 3 CN 114842198 A 3