一種車險定損方法、裝置、計算機設(shè)備及存儲介質(zhì)與流程

本技術(shù)屬于人工智能，具體涉及一種車險定損方法、裝置、計算機設(shè)備及存儲介質(zhì)。

背景技術(shù)：

1、車險自助勘探和定損系統(tǒng)在實際應(yīng)用中面臨一個關(guān)鍵技術(shù)難題，即如何準(zhǔn)確預(yù)測車輛損失的定損金額。傳統(tǒng)的定損流程需要專業(yè)人員上門查勘，費時費力，效率低下。而利用大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)實現(xiàn)定損金額的智能預(yù)測，可以大幅提升定損效率和客戶體驗，這是保險行業(yè)亟需突破的技術(shù)瓶頸。

2、而要實現(xiàn)精準(zhǔn)的車險定損金額預(yù)測，需要系統(tǒng)通過車主上傳的照片和描述自動判斷車輛事故受損情況。在判斷車輛事故受損情況的過程中，一個關(guān)鍵的技術(shù)難題是如何準(zhǔn)確地將照片中受損部位與車輛的具體零部件進(jìn)行匹配。由于事故現(xiàn)場環(huán)境的復(fù)雜性，車主拍攝角度的隨意性，以及受損部位的多樣性，單純依靠圖像識別技術(shù)很難精準(zhǔn)定位到具體的受損零部件。此外，不同車型的零部件位置、形狀都有所不同，進(jìn)一步增加了匹配的難度。同時，車主提交的文字描述可能存在表述不清、信息不全面等問題，無法為精準(zhǔn)判斷提供有效的補充。

3、因此，如何在復(fù)雜的事故環(huán)境下，實現(xiàn)從圖片到受損零部件的精準(zhǔn)匹配，是一個亟待突破的技術(shù)難題。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例的目的在于提出一種車險定損方法、裝置、計算機設(shè)備及存儲介質(zhì)，以解決在復(fù)雜的事故環(huán)境下，實現(xiàn)從圖片到受損零部件的精準(zhǔn)匹配的技術(shù)問題。

2、為了解決上述技術(shù)問題，本技術(shù)實施例提供一種車險定損方法，采用了如下所述的技術(shù)方案：

3、一種車險定損方法，包括：

4、從預(yù)先建立的車輛結(jié)構(gòu)知識庫中獲取不同車型零部件信息，并基于不同車型零部件信息建立車型零部件三維模型庫；

5、獲取車主提交的事故現(xiàn)場照片和文字描述；

6、對事故現(xiàn)場照片進(jìn)行圖像識別，得到圖像識別結(jié)果，其中，圖像識別結(jié)果包括第一受損部件信息和第一受損程度信息；

7、對文字描述進(jìn)行文字語義識別，得到語義識別結(jié)果，其中，語義識別結(jié)果包括第二受損部件信息和第二受損程度信息；

8、對圖像識別結(jié)果和語義識別結(jié)果進(jìn)行融合，得到綜合受損結(jié)果；

9、基于綜合受損結(jié)果和車型零部件三維模型庫，生成車輛受損報告。

10、進(jìn)一步地，從預(yù)先建立的車輛結(jié)構(gòu)知識庫中獲取不同車型零部件信息，并基于不同車型零部件信息建立車型零部件三維模型庫的步驟，具體包括：

11、從車輛結(jié)構(gòu)知識庫中獲取不同車型零部件的位置信息、形狀信息和對應(yīng)的維修信息；

12、分別對位置信息、形狀信息和維修信息進(jìn)行特征提取，得到零部件位置特征、零部件形狀特征和零部件維修特征；

13、使用預(yù)訓(xùn)練的第一卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)零部件位置特征、零部件形狀特征和零部件維修特征之間的特征映射關(guān)系；

14、基于不同車型零部件的位置信息、形狀信息、維修信息以及特征映射關(guān)系進(jìn)行三維建模，得到車型零部件三維模型庫。

15、進(jìn)一步地，對事故現(xiàn)場照片進(jìn)行圖像識別，得到圖像識別結(jié)果，其中，所述圖像識別結(jié)果包括第一受損部件信息和第一受損程度信息的步驟，具體包括：

16、將事故現(xiàn)場照片導(dǎo)入預(yù)訓(xùn)練的第二卷積神經(jīng)網(wǎng)絡(luò)，得到事故現(xiàn)場照片的圖像語義特征；

17、基于圖像語義特征，使用預(yù)訓(xùn)練的受損部件檢測模型識別事故現(xiàn)場照片的受損部件，得到第一受損部件信息；

18、將圖像語義特征和第一受損部件信息輸入到預(yù)訓(xùn)練的受損程度評估模型，得到第一受損程度信息。

19、進(jìn)一步地，對文字描述進(jìn)行文字語義識別，得到語義識別結(jié)果，其中，語義識別結(jié)果包括第二受損部件信息和第二受損程度信息的步驟，具體包括：

20、對文字描述進(jìn)行分詞處理，得到文字分詞；

21、采用預(yù)先構(gòu)建的條件隨機場模型對文字分詞進(jìn)行文本語義標(biāo)注，得到文本語義標(biāo)簽；

22、對文本語義標(biāo)簽進(jìn)行分類，得到受損部件標(biāo)簽和受損程度標(biāo)簽；

23、根據(jù)受損部件標(biāo)簽確定車輛受損部件，得到第二受損部件信息；

24、根據(jù)受損程度標(biāo)簽確定車輛部件受損程度，得到第二受損程度信息。

25、進(jìn)一步地，對圖像識別結(jié)果和語義識別結(jié)果進(jìn)行融合，得到綜合受損結(jié)果的步驟，具體包括：

26、對圖像識別結(jié)果進(jìn)行特征提取，得到第一受損結(jié)果特征；

27、對語義識別結(jié)果進(jìn)行特征提取，得到第二受損結(jié)果特征；

28、對第一受損結(jié)果特征和第二受損結(jié)果特征進(jìn)行特征融合，得到受損結(jié)果融合特征；

29、基于受損結(jié)果融合特征，使用預(yù)訓(xùn)練的綜合受損檢測模型進(jìn)行零部件綜合受損評估，得到綜合受損結(jié)果。

30、進(jìn)一步地，對第一受損結(jié)果特征和第二受損結(jié)果特征進(jìn)行特征融合，得到受損結(jié)果融合特征的步驟，具體包括：

31、確定第一受損結(jié)果特征和第二受損結(jié)果特征之間的共同特征項和非共同特征項；

32、計算共同特征項和非共同特征項的特征權(quán)值；

33、基于特征權(quán)值對共同特征項和非共同特征項進(jìn)行加權(quán)求和，得到受損結(jié)果融合特征。

34、進(jìn)一步地，基于綜合受損結(jié)果和車型零部件三維模型庫，生成車輛受損報告的步驟，具體包括：

35、根據(jù)綜合受損結(jié)果在車型零部件三維模型庫中確定匹配的零部件三維模型，得到目標(biāo)零部件三維模型；

36、從預(yù)設(shè)的報告模板庫獲取與綜合受損結(jié)果匹配的受損報告模板，得到目標(biāo)受損報告模板；

37、將綜合受損結(jié)果和目標(biāo)零部件三維模型導(dǎo)入目標(biāo)受損報告模板中，生成車輛受損報告。

38、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種車險定損裝置，采用了如下所述的技術(shù)方案：

39、一種車險定損裝置，包括：

40、三維模型庫模塊，用于從預(yù)先建立的車輛結(jié)構(gòu)知識庫中獲取不同車型零部件信息，并基于不同車型零部件信息建立車型零部件三維模型庫；

41、資料提交模塊，用于獲取車主提交的事故現(xiàn)場照片和文字描述；

42、圖像識別模塊，用于對事故現(xiàn)場照片進(jìn)行圖像識別，得到圖像識別結(jié)果，其中，圖像識別結(jié)果包括第一受損部件信息和第一受損程度信息；

43、語義識別模塊，用于對文字描述進(jìn)行文字語義識別，得到語義識別結(jié)果，其中，語義識別結(jié)果包括第二受損部件信息和第二受損程度信息；

44、結(jié)果融合模塊，用于對圖像識別結(jié)果和語義識別結(jié)果進(jìn)行融合，得到綜合受損結(jié)果；

45、報告生成模塊，用于基于綜合受損結(jié)果和車型零部件三維模型庫，生成車輛受損報告。

46、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機設(shè)備，采用了如下所述的技術(shù)方案：

47、一種計算機設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，所述處理器執(zhí)行所述計算機可讀指令時實現(xiàn)如上述任一項所述的車險定損方法的步驟。

48、為了解決上述技術(shù)問題，本技術(shù)實施例還提供一種計算機可讀存儲介質(zhì)，采用了如下所述的技術(shù)方案：

49、一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)上存儲有計算機可讀指令，所述計算機可讀指令被處理器執(zhí)行時實現(xiàn)如上述中任一項所述的車險定損方法的步驟。

50、與現(xiàn)有技術(shù)相比，本技術(shù)實施例主要有以下有益效果：

51、本技術(shù)公開一種車險定損方法、裝置、計算機設(shè)備及存儲介質(zhì)，屬于人工智能技術(shù)領(lǐng)域。本技術(shù)通過基于不同車型零部件信息建立車型零部件三維模型庫；獲取車主提交的事故現(xiàn)場照片和文字描述；對事故現(xiàn)場照片進(jìn)行圖像識別，得到圖像識別結(jié)果，其中，圖像識別結(jié)果包括第一受損部件信息和第一受損程度信息；對文字描述進(jìn)行文字語義識別，得到語義識別結(jié)果，其中，語義識別結(jié)果包括第二受損部件信息和第二受損程度信息；對圖像識別結(jié)果和語義識別結(jié)果進(jìn)行融合，得到綜合受損結(jié)果；基于綜合受損結(jié)果和車型零部件三維模型庫，生成車輛受損報告。本技術(shù)通過構(gòu)建車輛結(jié)構(gòu)知識庫和車型零部件三維模型庫，結(jié)合圖像識別和語義分析技術(shù)，實現(xiàn)復(fù)雜事故環(huán)境下從圖片到受損零部件的精準(zhǔn)匹配，通過多源信息融合，生成綜合受損結(jié)果，有效提高了車險自助定損的準(zhǔn)確性和效率。