基于车型分类的识别车辆损伤的方法及装置与流程

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及基于车型分类，通过计算机识别车辆损伤的方法和装置。

背景技术：

车辆是各种车的总称，例如可以包括自行车、小汽车、卡车、货车、火车等等。车辆损伤事件中，往往因意外或人为过错造成的车辆受损，例如车辆刮擦、碰撞等。受损车辆的后续处理往往涉及对车辆损伤的鉴定，以对车辆维修、保险理赔等提供依据。传统对车辆损伤的鉴定过程，往往通过人工现场查勘定损。例如，在保险理赔场景下，一个受损车辆的定损过程可能包括：由保险公司派出专业的查勘定损人员，经过查勘定损，给出维修方案和赔偿金额，并将定损照片上传后台，以供后台核查人员核损核价。可以看出，现有的通过人工对车辆定损的过程，不仅需要投入大量的人工，还需要所投入的人工具有较高的损伤鉴定能力，且处理周期较长。

有鉴于此，一些现有技术利用人工智能识别车辆部件损伤。然而，利用人工智能的车辆部件损伤的识别结果可能因为各种因素造成偏差。比如，在通过图片识别损伤的情况下，对于一些外形比较相似的部件，容易误判。如对于小汽车的翼子板和轮眉，受信息采集距离、角度、光线、天气等因素的影响，翼子板的部分区域和轮眉可能会比较相似而被混淆。

因此，希望能有改进的方案，利用受损车辆的更多信息，来自动完成定损过程，提高识别车辆损伤的准确度。

技术实现要素：

本说明书一个或多个实施例描述了一种方法和装置，可以利用人工智能，并基于具体车型分类识别车辆损伤，利用了更多的受损车辆信息，自动完成定损过程，从而可以提高车辆损伤识别的准确度。

根据第一方面，提供了一种基于车型分类的识别车辆损伤的方法，包括：获取受损车辆的现场信息，所述现场信息至少包括图像或视频；根据所述现场信息确定所述受损车辆的部件特征和损伤特征，所述部件特征用于划分所述受损车辆的各个部件；根据所述现场信息确定所述受损车辆的车型类别，并根据所述车型类别确定所述受损车辆的车型特征；至少基于所述部件特征、所述车型特征和所述损伤特征识别所述受损车辆的车辆损伤结果。

在一些实施例中，所述现场信息还包括三维模型和/或车辆标识，其中，所述车辆标识包括以下至少一项：车型识别码、车牌号、发动机号、车架号。

在一些实施例中，根据所述现场信息确定所述受损车辆的车型类别包括：在所述现场信息包括所述车辆标识的情况下，基于映射规则在车型数据库中查找与所述车辆标识相对应的车型类别，其中，所述车型数据库用于存储多个车辆标识与多个车型类别，各个车辆标识与各个车型类别的对应关系通过所述映射规则进行描述；响应于检索到与所述车辆标识相对应的车型类别，将所检索到的车型类别确定为所述受损车辆的车型类别。

在一些实施例中，在基于映射规则在车型数据库中检索不到与所述车辆标识相对应的车型类别的情况下，在所述车型数据库中添加新的车型类别，并在所述映射规则中记录所述受损车辆的车型特征与新的车型类别的对应关系。

在一些实施例中，所述根据所述现场信息确定所述受损车辆的车型类别包括：从所述现场信息中提取所述受损车辆的车辆特征；将所述车辆特征输入车型分类模型，并基于所述车型分类模型的输出结果确定所述受损车辆的车型类别。

在一些实施例中，所述车型特征包括以下至少一项：部件名称、部件数量、部件的材质特征、部件间的位置特征、部件受损关联关系。

在一些实施例中，所述至少基于所述部件特征、所述车型特征和所述损伤特征识别所述受损车辆的车辆损伤结果包括：将所述部件特征、所述车型特征和所述损伤特征输入第一损伤识别模型，根据所述第一损伤识别模型的输出结果确定所述车辆损伤结果。

在一些实施例中，所述至少基于所述部件特征、所述车型特征和所述损伤特征识别所述受损车辆的车辆损伤结果包括：利用所述车型特征对所述部件特征进行更新；将更新后的部件特征和所述损伤特征输入第二损伤识别模型，根据所述第二损伤识别模型的输出结果确定所述车辆损伤结果。

在一些实施例中，所述至少基于所述部件特征、所述车型特征和所述损伤特征识别所述受损车辆的车辆损伤结果包括：将所述部件特征和所述损伤特征输入第三损伤识别模型，根据所述第三损伤识别模型的输出结果确定初步损伤结果；利用所述车型特征对所述初步损伤结果进行校验，并根据校验结果生成所述车辆损伤结果。

在一些实施例中，所述车辆损伤结果包括：损伤部件、损伤类别。

在一些实施例中，所述方法还包括，据所述车辆损伤结果确定维修方案和/或预估费用。

根据第二方面，提供一种基于车型分类的识别车辆损伤的装置，包括：获取单元，配置为获取受损车辆的现场信息，所述现场信息至少包括图像或视频；第一确定单元，配置为根据所述现场信息确定所述受损车辆的部件特征和损伤特征，所述部件特征用于划分所述受损车辆的各个部件；第二确定单元，配置为根据所述现场信息确定所述受损车辆的车型类别，并根据所述车型类别确定所述受损车辆的车型特征；识别单元，配置为至少基于所述部件特征、所述车型特征和所述损伤特征识别所述受损车辆的车辆损伤结果。

根据第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。

根据第四方面，提供了一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。

通过本说明书实施例提供的方法和装置，首先获取受损车辆的现场信息，然后根据现场信息确定受损车辆的部件特征、损伤特征和车型特征，再至少基于部件特征、损伤特征和车型特征识别受损车辆的车辆损伤结果。如此，在识别车辆损伤的过程中，充分利用受损车辆的现场信息，利用车型特征和部件特征、损伤特征一起对车辆损伤进行识别，丰富了车辆受损判断的依据，从而可以提高车辆损伤识别的准确度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1示出本说明书披露的一个实施例的实施场景示意图；

图2示出根据一个实施例的基于车型分类的识别车辆损伤的方法流程图；

图3示出根据一个实施方式的基于车型类别、损伤特征和部件特征识别车辆损伤结果的流程示意图；

图4示出根据另一个实施方式的基于车型类别、损伤特征和部件特征识别车辆损伤结果的流程示意图；

图5示出根据又一个实施方式的基于车型类别、损伤特征和部件特征识别车辆损伤结果的流程示意图；

图6示出一个实施例的基于车型分类的识别车辆损伤的装置的示意性框图。

具体实施方式

下面结合附图，对本说明书提供的方案进行描述。

图1为本说明书披露的一个实施例的实施场景示意图。该实施场景中，假设车辆受损，可以通过可采集现场信息的终端，例如智能手机、照相机、传感器等，向计算平台发送受损车辆的现场信息，计算平台可以根据用户发送的现场信息识别出车辆损伤结果。

计算平台识别车辆损伤结果的过程中：首先，可以获取通过上述终端采集的、受损车辆的现场信息，例如现场图片和/或视频，还可以是车辆形变等信息；接着，可以根据上述现场信息确定受损车辆的车型类别，并基于车型类别确定受损车辆的车型特征，同时，可以根据现场信息确定受损车辆的部件特征和损伤特征；然后，至少基于上述车型特征和部件特征、损伤特征识别车辆损伤结果。该车辆损伤结果例如可以是“保险杠凹陷”(损伤部件+损伤类别)的形式。在一些实现中，计算平台还可以根据车辆损伤结果确定维修方案(例如更换保险杠)、预估维修费用等中的一项或多项。

在一个可能的设计中，计算平台可以将上述车型特征和部件特征、损伤特征一起输入预先训练好的第一损伤识别模型，并根据第一损伤识别模型输出结果确定车辆损伤结果。

在另一个可能的设计中，计算平台还可以利用车型特征对部件特征进行更新，将更新后的部件特征和损伤特征输入第二损伤识别模型，根据第二损伤识别模型的输出结果确定车辆损伤结果。

在又一个可能的设计中，计算平台还可以将部件特征和损伤特征输入第三损伤识别模型，根据第三损伤识别模型的输出结果确定初步损伤结果，然后利用车型特征对初步损伤结果进行校验，并根据校验结果生成车辆损伤结果。

如此，利用了通过所述现场信息确定的受损车辆的车型类别，并将通过车型类别确定的车型特征作为确定车辆损伤结果的依据之一，丰富了识别损伤的有效信息，来自动完成定损过程，从而提高识别车辆损伤的准确度。以背景技术中的翼子板和轮眉为例，根据车型特征，如果一个车辆的车型没有轮眉部件，则不会产生“轮眉刮擦”这样的损伤结果，从而对车辆损伤的识别更准确。

进一步地，在一些场景中，计算平台还可以把所识别的车辆损伤结果反馈至现场的终端，以供用户对后续处理作参考。例如，在一些场景中，计算平台还可以结合根据车辆损伤结果确定的维修报价、预估维修价格，反馈给用户，用户可以根据预估的维修价格确定是否保险理赔、是否进行维修等等。

图2示出根据一个实施例的基于车型分类的识别车辆损伤的方法流程图。该方法的执行主体可以是任何具有计算、处理能力的系统、设备、装置、平台或服务器，例如图1所示的计算平台等。更具体而言，例如是定损终端，或者为车辆定损类应用提供支持的定损服务器。在上述执行主体是定损终端的情况下，以图1为例，定损终端可以是采集现场信息的终端，而计算平台可以是定损终端的一部分。

如图2所示，该方法包括以下步骤：步骤21，获取受损车辆的现场信息，现场信息至少包括图像或视频；步骤22，根据现场信息确定受损车辆的部件特征和损伤特征；步骤23，根据现场信息确定受损车辆的车型类别，并根据车型类别确定受损车辆的车型特征；步骤24，至少基于车型特征和部件特征、损伤特征识别车辆损伤结果。

首先，在步骤21，获取受损车辆的现场信息。可以理解，受损车辆的现场信息可以是从受损车辆所在地点采集的、用于描述受损车辆的形态的信息。受损车辆的现场信息可以通过受损车辆所在地点(现场)的各种采集设备进行采集。例如可以通过智能手机、相机等设备采集受损车辆的图像、视频信息；

在一个实施例中，还可以通过深度传感器等采集图像中各个点相对采集基准点的距离；

在另一个实施例中，还可以通过现场采集终端的字符识别或接收用户输入的车辆标识，例如：车型识别码(如某品牌轿车7180ae车型)、车牌号、发动机号、车架号(vehicleidentificationnumber，vin)等中的至少一项；

在又一个实施例中，还可以通过激光、雷达照相机采集受损车辆的点云图，等等。其中，通过点云图可以重建受损车辆的三维模型。在其他实施例中，还可以根据受损车辆的多张现场照片建立受损车辆的三维模型，在此不在赘述。

在更多的实施例中，还可以通过其他设备或设备的组合采集受损车辆的现场信息，在此不再一一例举。

接着，在步骤22，根据现场信息确定受损车辆的部件特征和损伤特征。可以理解，部件特征可以是用来区分受损车辆的不同部件的特征，例如，照片中各个部件的轮廓等。损伤特征可以是用来识别损伤区域和/或损伤类别的特征。容易理解，对于受损车辆，损伤部位与其他位置相比，可能会出现诸如颜色、光线、形状、深度之类的变化。因此，损伤特征可以是照片中与正常车身有颜色等差异的像素、区域轮廓、区域深度等之类的各种特征，在此不再赘述。

另一方面，在步骤23，根据现场信息确定受损车辆的车型类别，并根据车型类别确定受损车辆的车型特征。可以理解，车型特征可以是与受损车辆的车型相关的特征。例如，对于某品牌某个型号的轿车，车型特征可以包括但不限于：部件名称、部件数量(如座位数)、部件材质特征、部件间的位置特征(如大灯与保险杠位置关系)、部件受损关联关系(如部件a受损，部件b受损的概率)等等中的一项或多项。受损车辆的车型类别可以通过步骤1所获取的现场信息确定。

在一个可能的实施例中，如果现场信息中包括受损车辆的车辆标识，则可以基于预定的映射规则在车型数据库中检索与上述车辆标识相对应的车型类别。在检索到与上述车辆标识相对应的车型类别的情况下，将所检索到的车型类别作为受损车辆的车型类别。其中，车型数据库可以存储多个车辆标识与多个车型类别，各个车辆标识与各个车型类别的对应关系可以通过上述映射规则进行描述。

在一些实现中，上述车辆标识例如可以包括但不限于车型识别码、车牌号、发动机号、车架号、车主身份证号等中的一项或多项。车型识别码通常可以精确识别车型类别；对于机动车辆，可能会唯一对应车牌号、发动机号、车架号、车主身份证号等这些信息通，也就是说，根据这些号码中的任一个都有可能追溯到车型类别。如此，在现场信息包括上述信息的情况下，映射规则可以包括各种号码与车型类别的对应关系。基于映射规则，可以在车型数据库中检索上述号码中的一个相对应的车型类别。

可选地，车型数据库中，针对每个车型类别，还可以存储有该类别车辆共有的各种特征，例如部件列表、外观三维模型、几何结构特征以及用于车辆视觉识别的其他特征，如车身长宽高比例、车顶形状、有无天窗等等。在本说明书的实施例中，可以将这些特征作为先验知识，通过映射规则描述其与车型类别的关系，还可以在确定出受损车辆的车型类别后，获取这些特征作为受损车辆的特征。

在一个可能的实现中，如果基于映射规则无法在车型数据库中检索到相应车型类别，还可以在车型数据库中增加新的车型类别，该新的车型类别与受损车辆相对应。在一些实施例中，该新的车型类别还可以由人工标定车型或计算机按照固定时间间隔与网络上的车型进行匹配识别车型。新的车型对应的车型特征可以是受损车辆的各种特征(如车顶形状、有无天窗等等)。可选地，该新的车型类别与受损车辆的车辆标识的对应关系记录在映射规则中。在具体实践中，还可以对多个新增加的车型类别进行聚类，每个聚类对应一个上位的车型类别，聚类中的车辆的共同特征作为相应车型类别的车型特征。

在另一个可能的实施例中，可以预先通过不同车型的车辆作为样本训练车型分类模型，用于根据车辆特征进行车型分类。在对受损车辆进行分类时，可以从现场信息中提取车辆特征，将车辆特征输入车型分类模型，并基于车型分类模型的输出结果确定受损车辆的车型类别。车型分类模型训练过程中，可以首先针对各种类别的车辆样本提取车辆特征，例如车顶形状、有无天窗、车身长宽高比例、车灯位置、保险杠形状、保险杠位置、有无轮眉(如有，轮眉位置)等等。这些特征可以通过重建的车辆三维模型获取，也可以通过人工识别，本说明书实施例对此不作限定。

在一些实现中，可以通过无监督学习的方式(无需关注样本的真实分类)训练车型分类模型。以聚类方法为例，将各个车辆样本的车辆特征进行聚类，根据聚类结果划分车型类别。可选地，还可以人工对聚类结果中的各个车型类别进行标定，或机器识别聚类中心的样本的车型类别，作为与其属于同一聚类的样本的车型类别。

在另一些实现中，可以用有监督学习的方式(预先标定样本的真实分类)训练车型分类模型。以车型分类模型是决策树(decisiontree)为例，从车辆样本中提取车辆特征，通过训练决策树，使决策树的每个内部节点表示一个车辆特征的判断，每个分支代表一个判断输出，每个叶节点代表一种车型类别。

根据一个可能的设计，车型类别还可以分为多个层级。例如：第一个层级将车辆分为小汽车、卡车、货车、工程车等等；第二个层级中，将小汽车分为小轿车、suv(运动型实用汽车)、越野车等等，将卡车分为微型卡车、轻型卡车、重型卡车等等……以此类推，可以细分到具体品牌的具体型号，甚至具体型号的自动挡/手动挡、高配款/低配款等。在车型类别包括多个层级的情况下，可以将受损车辆划分到能确定的一个层级的车型类别即可。例如，一个受损严重的车辆无法区分是小轿车还是suv，则可以将其划分到小汽车类别即可。

具体实践中，对于分类模型而言，可以通过不同的方式体现车辆类别间的层级。例如，对于聚类模型，每个聚类可以作为一个较细的类别，将距离相近的多个聚类作为它们的上一层级类别，等等。再例如，对于决策树模型，可以使每个内部节点对应一个车型类别，叶节点是最细的车型类别，等等。

在一个可能的设计中，可以检测现场信息中是否包括受损车辆的车辆标识，在没有包括受损车辆的车辆标识的情况下，再基于车型分类模型确定受损车辆的车型类别。可以理解，虽然对于车牌号、发动机号、车架号、车主身份证号等这些信息，根据它们中的任一项都有可能追溯到车型类别，但是如果在统计时没有对应到精确的车型类别，仍然无法识别出具体车型类别。因此，在一个实现中，还可以将所检索到的信息(如品牌名)作为车型分类模型的特征之一，以通过车型分类模型识别受损车辆的车型类别。

在一些实施例中，如果利用车型分类模型无法识别出具体车型类别，还可以根据车辆特征增加新的车型类别，该新的车型类别可以用于更新车型分类模型。新的车型类别的处理和前述的处理类似，在此不再赘述。

值得说明的是，用于车型分类的车辆特征和基于车型提取的车型特征中，可以具有部分或全部相同的特征，本说明书实施例对此不作限定。可以理解，车辆特征由于用于识别车型类别，因此可以包括一些与视觉相关，或者能区分车型的其他特征，而车型特征由于侧重于用于识别损伤，因此还可以包括车辆部件名称(如部件名称列表)、部件材质、部件位置等相关的特征。

然后，在步骤24中，至少基于上述车型特征和上述部件特征、损伤特征识别车辆损伤结果。可以理解，车辆损伤结果是对受损车辆的损伤情况的判断。车辆损伤结果可以包括诸如损伤类别(如刮擦)、损伤部件(如保险杠)、损伤部件+损伤类别/程度、损伤材质(如钢件)+损伤类别/程度等等之类的结果，本说明书实施例对此不作限定。根据一个可能的实施方式，如图3所示，可以将部件特征、车型特征和损伤特征输入第一损伤识别模型，根据第一损伤识别模型的输出结果确定车辆损伤结果。在一个实施例中，第一损伤识别模型的输出结果就是车辆损伤结果。第一损伤识别模型可以是预先训练的、基于部件、车型和损伤特征确定损伤结果的模型。在一个实施例中，该模型可以采用有监督的方式预先训练。

根据另一个实施方式，可以将车型特征作为损伤识别的先验信息，在车型特征的基础上进行损伤识别。具体地，如图4所示，首先利用车型特征对部件特征进行更新。这里的更新例如可以是对部件特征(如边框位置)进行纠正、增加描述属性(如塑胶或钣金等材质属性、损伤概率等损伤属性等)等等。然后，将更新后的部件特征和损伤特征一起输入第二损伤识别模型，根据第二损伤识别模型的输出结果确定车辆损伤结果。

在一些实现中，第二损伤识别模型也可以是损伤程度识别模型，此时，还可以先根据车型特征确定损伤位置所处的部件，再根据损伤程度识别模型确定损伤类别/程度。在另一些实现中，第二损伤识别模型还可以是根据不同的车型进行训练，此时，可以先根据车型特征确定受损车辆对应的第二损伤识别模型，然后将损伤特征输入第二损伤识别模型，确定车辆损伤结果。

根据又一个实施方式，还可以将车型特征用于损伤识别模型的识别结果的后续处理，以得到准确的损伤识别结果。在这种情况下，如图5所示，可以先将损伤特征和部件特征输入第三损伤识别模型，根据第三损伤识别模型的输出结果确定受损车辆的初步损伤结果。然后，利用车型特征对该初步损伤结果进行校验，并根据校验结果生成车辆损伤结果。

具体地，如果根据车型特征确定初步损伤结果中的损伤部件正确，相当于是对初步损伤结果进行的验证；如果根据车型特征确定初步损伤结果中的损伤部件有偏差，则可以通过车型特征对初步损伤结果进行修正，确定正确的损伤部件和各部件的损伤类别/程度。例如，对于一个塑胶材质的部件，初步损伤结果是该部件变形，则可以确定该初步识别结果可能是错误的，需要进行修正。举例而言，一种修正的可能性可以是：确定“损伤”位置在该部件上，则可能是光线等原因造成的误判，该损伤可能是不存在的；另一种修正的可能性可以是：“损伤”位置在该部件与另一部件的连接处，根据车型特征，实际损伤区域可能在该另一部件上。如此，可以对常规技术的定损结果进行修正。

可以理解，上述“第一损伤识别模型”、“第二损伤识别模型”、“第三损伤识别模型”中的“第一”、“第二”、“第三”是为了区分不同的模型，而非对顺序或名称的限定。换句话说，这三个损伤识别模型由于输入特征不同，而不是完全相同的模型。实际使用中，并不排除它们是同一个模型或者使用相同的机器学习算法进行训练的可能性。

值得说明的是，虽然在本实施例里标注了步骤21-24，然而，并不对步骤的执行顺序进行限定。以步骤22和步骤23为例，虽然上述流程中是步骤22在前，然而，如图2所示，步骤22和步骤23也可以并行执行。在其他实施例中，步骤22和步骤23还可以调换顺序执行，也就是说，上述流程中，步骤23也可以在步骤22之前执行。

在一些可能实现中，还可以进一步根据损伤识别结果确定维修方案(如更换保险杠)和/或预估维修费用等。对于维修方案来说，可以根据4s店、修理厂的大量车辆损伤结果和最终维修方案通过机器学习获得，也可以人为指定车辆损伤结果和维修方案的对应关系。同理，预估维修费用也可以根据4s店、修理厂的大量车辆损伤结果和最终维修费用通过机器学习获得，或者人为确定。在一些可选方案中，预估维修费用是在维修方案的基础上做出的，例如维修方案为更换保险杠，则针对该维修方案，获取各个4s店、修理厂的维修报价。可选地，预估维修费用可以是一个默认的维修报价(例如4s店的报价)，还可以是根据用户选择的维修条件(如质量好或价格低等)确定的一个维修报价。

可以理解，在根据损伤识别结果确定维修方案和/或预估维修费用等时，还可以结合车型类别就行修正。例如，对于不同的车型，即使在相同的损伤识别结果下，维修方案和维修费用也都可能不相同。

回顾以上过程，在识别车辆损伤的过程中，充分利用受损车辆的现场信息，不仅从现场信息中提取了部件特征和损伤特征，还提取出车型特征，利用车型特征和损伤特征一起对车辆损伤进行识别，丰富了车辆受损判断的依据，从而可以提高车辆损伤识别的准确度。

根据另一方面的实施例，还提供一种基于车型分类的识别车辆损伤的装置。图6示出根据一个实施例的用于基于车型分类的识别车辆损伤的装置的示意性框图。如图6所示，用于基于车型分类的识别车辆损伤的装置600包括：获取单元61，配置为获取受损车辆的现场信息，现场信息至少包括图像或视频；第一确定单元62，配置为根据现场信息确定受损车辆的部件特征和损伤特征，部件特征用于划分受损车辆的各个部件；第二确定单元63，配置为根据现场信息确定受损车辆的车型类别，并根据车型类别确定受损车辆的车型特征；识别单元64，配置为至少基于上述部件特征、车型特征和损伤特征识别受损车辆的车辆损伤结果。

可以理解，受损车辆的现场信息可以是从受损车辆所在地点采集的、用于描述受损车辆的形态的信息。现场信息至少可以包括图像和/或视频。在一些实现中，现场信息还可以包括三维模型和/或车辆标识。其中，车辆标识可以包括但不限于车型识别码、车牌号、发动机号、车架号、车主身份证号等等中的一项或多项。

根据一种可能的设计，第二确定单元63进一步可以配置为：在现场信息包括车辆标识的情况下，基于映射规则在车型数据库中查找与受损车辆的车辆标识相对应的车型类别；响应于检索到与受损车辆的车辆标识相对应的车型类别，将所检索到的车型类别确定为受损车辆的车型类别。其中，车型数据库可以存储有多个车辆标识与多个车型类别，各个车辆标识与各个车型类别的对应关系通过映射规则进行描述。在一些实现中，车型数据库中，针对每个车型类别，还可以存储有该类别车辆共有的各种特征，例如部件列表、外观三维模型、几何结构特征以及用于车辆视觉识别的其他特征。

根据另一种可能的设计，第二确定单元63还可以配置为：从现场信息中提取受损车辆的车辆特征；将车辆特征输入车型分类模型，并基于车型分类模型的输出结果确定受损车辆的车型类别。

在一些实现中，第二确定单元63可以先从现场信息中检测受损车辆的预定标识，在没有检测到预定标识，或者根据预定标识无法精确确定受损车型的车型类别时，再通过上述车型分类模型确定受损车辆的车型类别。可选地，当无法通过上述车型分类模型确定受损车辆的车型类别时，还可以根据受损车辆的车辆特征建立新的车型类别，以对车型数据库进行数据扩充。

第二确定单元63所确定的车型特征，可以是与受损车辆的车型相关的特征。车型特征例如可以包括但不限于以下至少一项：部件名称、部件的材质特征、部件间的位置特征，等等。

根据一个实施方式，识别单元64进一步可以配置为：将部件特征、所述车型特征和损伤特征输入第一损伤识别模型，根据第一损伤识别模型的输出结果确定车辆损伤结果。

根据另一个实施方式，识别单元64进一步可以配置为：利用车型特征对部件特征进行更新；将更新后的部件特征和损伤特征输入第二损伤识别模型，根据第二损伤识别模型的输出结果确定受损车辆的车辆损伤结果。

根据再一个实施方式，识别单元64进一步可以配置为：将部件特征和损伤特征输入第三损伤识别模型，根据第三损伤识别模型的输出结果确定初步损伤结果；利用车型特征对初步损伤结果进行校验，并根据校验结果生成车辆损伤结果。

根据一个可能的设计，装置600还包括第三确定单元(未示出)，配置为根据车辆损伤结果确定维修方案和/或维修费用。

值得说明的是，图6所示的装置600是与图2示出的方法实施例相对应的装置实施例，图2示出的方法实施例中的相应描述同样适用于装置600，在此不再赘述。

通过以上装置，在识别车辆损伤的过程中，充分利用受损车辆的现场信息，通过车型特征和损伤特征一起对车辆损伤进行识别，充分利用受损车辆的更多信息，从而可以提高车辆损伤识别的准确度。

根据另一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行结合图2所描述的方法。

根据再一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图2所述的方法。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。