车辆救援场景质检方法、装置、设备及存储介质与流程

本发明涉及人工智能技术领域，尤其涉及一种基于图片的车辆救援场景质检方法、装置、设备及存储介质。

背景技术：

在汽车保险行业，汽车由于发生故障而进行救援是一项重要的保险业务，为节省救援业务的成本，大多数保险公司通过将救援任务外包给救援公司的方式开展车险的救援业务，由救援公司执行救援业务并将与救援业务相关的资料反馈给保险公司，比如救援时间、地点、车辆情况(如车牌号、车型、车品牌、救援类型)等，为便于验证救援的真实性，通常保险公司要求救援公司提供多张救援现场照片。

为了防止救援公司进行业务欺诈，如未到现场开展救援业务或救援的车辆不符等情况，需要救援公司上传救援时的图片，然后由保险公司进行图片真实性核验，比如核验图片对应的救援场景是否与报案信息相符合，现有技术中通常采用的是通过机器学习样本图片中的图片特征，并训练生成相应的场景识别模型，然后再使用学习得到的场景识别模型对图片进行场景识别，此类场景识别方式涉及复杂的算法，并且当场景发生变化时需要重新训练新的模型，因而部署不够灵活且实施成本较高。

技术实现要素：

本发明的主要目的在于提供一种基于图片的车辆救援场景质检方法、装置、设备及存储介质，旨在解决现有保险救援业务中场景识别部署方式不灵活且实施成本高的技术问题。

为实现上述目的，本发明提供一种基于图片的车辆救援场景质检方法，所述基于图片的车辆救援场景质检方法包括以下步骤：

读取待质检的多张车辆救援现场图片以及与所述车辆救援现场图片对应的车辆救援报案信息；

基于所述车辆救援报案信息，确定所述车辆救援现场图片对应的救援业务类型；

基于所述救援业务类型，调用对应的预置目标识别模型对所述车辆救援现场图片中各目标进行识别，输出对应救援场景中各目标在图片中的位置坐标信息；

调用预置车牌号识别模型对所述车辆救援现场图片进行车牌号识别，输出所述车辆救援现场图片中被救车辆的车牌号；

判断当前救援场景中各目标之间的位置关系是否与当前救援场景相符，以及判断被救车辆的车牌号是否与车辆救援报案信息一致；

若当前救援场景中各目标之间的位置关系与当前救援场景相符，且被救车辆的车牌号与车辆救援报案信息一致，则判定质检通过，否则判定质检不通过。

可选地，所述基于所述救援业务类型，调用对应的预置目标识别模型对所述车辆救援现场图片各目标进行识别，输出对应救援场景中各目标在图片中的位置坐标信息包括：

当所述救援业务类型为拖车救援业务时，调用拖车救援识别模型对所述车辆救援现场图片中各目标进行识别，以识别出所述车辆救援现场图片中的被救车辆、拖车以及各车辆车牌，并生成相应的目标框分别对各目标进行标识；

获取各目标框的位置坐标，所述位置坐标包括：被救车辆目标框和拖车目标框的上坐标、下坐标、左坐标、右坐标以及每个车辆车牌的上坐标与下坐标；

判断各目标框的位置坐标是否满足预置拖车救援场景中各目标之间的位置关系；

若满足，则输出所述拖车救援场景中各目标在图片中的位置坐标信息；

其中，若各目标框的位置坐标满足预置的拖车救援场景中的目标位置关系，则确定所述车辆救援现场图片符合拖车救援场景。

可选地，基于所述救援业务类型，调用对应的预置目标识别模型对所述车辆救援现场图片各目标进行识别，输出对应救援场景中各目标在图片中的位置坐标信息还包括：

当所述救援业务类型为搭电救援业务时，调用搭电救援识别模型对所述车辆救援现场图片中各目标进行识别，以识别出所述车辆救援现场图片中的救援电瓶、发动机舱、车盖、夹子、电线及车辆车牌，并生成相应的目标框分别对各目标进行标识；

获取各目标框的位置坐标，所述位置坐标包括：发动机舱、车盖、救援电瓶、夹子、电线各自分别对应的上坐标、下坐标、左坐标、右坐标以及车辆车牌的上坐标与下坐标；

判断各目标框的位置坐标是否满足预置的搭电救援场景中各目标之间的位置关系；

若满足，则输出所述搭电救援场景中各目标在图片中的位置坐标信息；

其中，若各目标框的位置坐标满足预置的搭电救援场景中的目标位置关系，则确定所述车辆救援现场图片符合搭电救援场景。

可选地，所述判断当前救援场景中各目标之间的位置关系是否与当前救援场景相符，以及判断被救车辆的车牌号是否与车辆救援报案信息一致包括：

当所述救援业务类型为拖车救援业务时，判断当前救援场景中各目标的位置坐标信息与被救车辆的车牌号是否满足预置的拖车救援业务质检规则；

若满足，则确定待检测图片存在对应的已实施救援业务的真实场景，以及确定当前救援场景中各目标之间的位置关系与当前救援场景相符且被救车辆的车牌号与车辆救援报案信息一致；

其中，所述拖车救援业务质检规则至少包括：

a、所有车辆救援现场图片中至少存在一张车辆救援现场图片符合拖车救援场景；

b、所有车辆救援现场图片中至少存在两张车辆救援现场图片的车牌号与被救车辆车牌号一致，其中，若车牌号后五位中至少存在四位号码相同，则判定车辆救援现场图片的车牌号与被救车辆车牌号一致。

可选地，所述判断当前救援场景中各目标之间的位置关系是否与当前救援场景相符，以及判断被救车辆的车牌号是否与车辆救援报案信息一致还包括：

当所述救援业务类型为搭电救援业务时，判断当前救援场景中各目标的位置坐标信息与被救车辆的车牌号是否满足预置的搭电救援业务质检规则；

若满足，则确定待检测图片存在对应的已实施救援业务的真实场景，以及确定当前救援场景中各目标之间的位置关系与当前救援场景相符且被救车辆的车牌号与车辆救援报案信息一致；

其中，所述搭电救援业务质检规则至少包括：

a、所有车辆救援现场图片中至少存在一张车辆救援现场图片符合搭电救援场景；

b、所有车辆救援现场图片中至少存在一张车辆救援现场图片中包含有发动机舱、机盖和车牌；

c、所有车辆救援现场图片中至少存在两张车辆救援现场图片的车牌号与被救车辆车牌号一致，其中，若车牌号后五位中至少存在四位号码相同，则判定车辆救援现场图片的车牌号与被救车辆车牌号一致。

可选地，在所述读取待质检的多张车辆救援现场图片以及与所述车辆救援现场图片对应的车辆救援报案信息的步骤之前，还包括：

获取多张带有救援场景标签的车辆救援现场图片；

以车辆救援现场图片为训练样本并采用机器学习算法进行训练，构建所述目标识别模型，其中，所述目标识别模型包括拖车救援识别模型与搭电救援识别模型。

进一步地，为实现上述目的，本发明还提供一种基于图片的车辆救援场景质检装置，所述基于图片的车辆救援场景质检装置包括：

读取模块，用于读取待质检的多张车辆救援现场图片以及与所述车辆救援现场图片对应的车辆救援报案信息；

确定模块，用于基于所述车辆救援报案信息，确定所述车辆救援现场图片对应的救援业务类型；

目标识别模块，用于基于所述救援业务类型，调用对应的预置目标识别模型对所述车辆救援现场图片中各目标进行识别，输出对应救援场景中各目标在图片中的位置坐标信息；

车牌号识别模块，用于调用预置车牌号识别模型对所述车辆救援现场图片进行车牌号识别，输出所述车辆救援现场图片中被救车辆的车牌号；

质检模块，用于判断当前救援场景中各目标之间的位置关系是否与当前救援场景相符，以及判断被救车辆的车牌号是否与车辆救援报案信息一致，其中，若当前救援场景中各目标之间的位置关系与当前救援场景相符，且被救车辆的车牌号与车辆救援报案信息一致，则判定质检通过，否则判定质检不通过。

可选地，所述目标识别模块包括：

拖车救援识别单元，用于当所述救援业务类型为拖车救援业务时，调用拖车救援识别模型对所述车辆救援现场图片中各目标进行识别，以识别出所述车辆救援现场图片中的被救车辆、拖车以及各车辆车牌，并生成相应的目标框分别对各目标进行标识；

获取各目标框的位置坐标，所述位置坐标包括：被救车辆目标框和拖车目标框的上坐标、下坐标、左坐标、右坐标以及每个车辆车牌的上坐标与下坐标；

判断各目标框的位置坐标是否满足预置拖车救援场景中各目标之间的位置关系；若满足，则输出所述拖车救援场景中各目标在图片中的位置坐标信息；其中，若各目标框的位置坐标满足预置的拖车救援场景中的目标位置关系，则确定所述车辆救援现场图片符合拖车救援场景。

可选地，所述目标识别模块还包括：

搭电救援识别单元，用于当所述救援业务类型为搭电救援业务时，调用搭电救援识别模型对所述车辆救援现场图片中各目标进行识别，以识别出所述车辆救援现场图片中的救援电瓶、发动机舱、车盖、夹子、电线及车辆车牌，并生成相应的目标框分别对各目标进行标识；

获取各目标框的位置坐标，所述位置坐标包括：发动机舱、车盖、救援电瓶、夹子、电线各自分别对应的上坐标、下坐标、左坐标、右坐标以及车辆车牌的上坐标与下坐标；

判断各目标框的位置坐标是否满足预置的搭电救援场景中各目标之间的位置关系；若满足，则输出所述搭电救援场景中各目标在图片中的位置坐标信息；其中，若各目标框的位置坐标满足预置的搭电救援场景中的目标位置关系，则确定所述车辆救援现场图片符合搭电救援场景。

可选地，所述质检模块包括：

拖车救援质检单元，用于当所述救援业务类型为拖车救援业务时，判断当前救援场景中各目标的位置坐标信息与被救车辆的车牌号是否满足预置的拖车救援业务质检规则；

若满足，则确定待检测图片存在对应的已实施救援业务的真实场景，以及确定当前救援场景中各目标之间的位置关系与当前救援场景相符且被救车辆的车牌号与车辆救援报案信息一致；

其中，所述拖车救援业务质检规则至少包括：

a、所有车辆救援现场图片中至少存在一张车辆救援现场图片符合拖车救援场景；

b、所有车辆救援现场图片中至少存在两张车辆救援现场图片的车牌号与被救车辆车牌号一致，其中，若车牌号后五位中至少存在四位号码相同，则判定车辆救援现场图片的车牌号与被救车辆车牌号一致。

可选地，所述质检模块还包括：

搭电救援质检单元，用于当所述救援业务类型为搭电救援业务时，判断当前救援场景中各目标的位置坐标信息与被救车辆的车牌号是否满足预置的搭电救援业务质检规则；

若满足，则确定待检测图片存在对应的已实施救援业务的真实场景，以及确定当前救援场景中各目标之间的位置关系与当前救援场景相符且被救车辆的车牌号与车辆救援报案信息一致；

其中，所述搭电救援业务质检规则至少包括：

a、所有车辆救援现场图片中至少存在一张车辆救援现场图片符合搭电救援场景；

b、所有车辆救援现场图片中至少存在一张车辆救援现场图片中包含有发动机舱、机盖和车牌；

c、所有车辆救援现场图片中至少存在两张车辆救援现场图片的车牌号与被救车辆车牌号一致，其中，若车牌号后五位中至少存在四位号码相同，则判定车辆救援现场图片的车牌号与被救车辆车牌号一致。

可选地，基于图片的车辆救援场景质检装置还包括：

模型构建模块，用于获取多张带有救援场景标签的车辆救援现场图片；以车辆救援现场图片为训练样本并采用机器学习算法进行训练，构建所述目标识别模型，其中，所述目标识别模型包括拖车救援识别模型与搭电救援识别模型。

进一步地，为实现上述目的，本发明还提供一种基于图片的车辆救援场景质检设备，所述基于图片的车辆救援场景质检设备包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的车辆救援场景质检程序，所述车辆救援场景质检程序被所述处理器执行时实现如上述任一项所述的基于图片的车辆救援场景质检方法的步骤。

进一步地，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有车辆救援场景质检程序，所述车辆救援场景质检程序被处理器执行时实现如上述任一项所述的基于图片的车辆救援场景质检方法的步骤。

本发明使用机器质检，进而可以对车险救援场景自动进行质检，从而极大地节约了人工质检成本。本发明通过目标识别模型找到图片中的目标物，进而再确认对应救援场景是否被实施，同时，通过车牌号识别模型确认被救援车辆和应救援车辆是否相符合，进而确保救援无欺诈。由于机器的检验速度快，因而待救援公司上传图片后即可以实时完成质检，解决了救援质检延时问题，提升了质检时效性。本发明方法短小精悍，不涉及复杂的算法，易于部署实施且质检规则可随救援场景的变化而进行动态调整，改善了基于机器学习等复杂算法实施质检成本高的问题。

附图说明

图1为本发明实施例方案涉及的基于图片的车辆救援场景质检设备运行环境的结构示意图；

图2为本发明基于图片的车辆救援场景质检方法一实施例的流程示意图；

图3为图2中步骤s30一实施例的细化流程示意图；

图4为图2中步骤s30另一实施例的细化流程示意图；

图5为本发明基于图片的车辆救援场景质检装置一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明提供一种基于图片的车辆救援场景质检设备。

参照图1，图1为本发明实施例方案涉及的基于图片的车辆救援场景质检设备运行环境的结构示意图。

如图1所示，该基于图片的车辆救援场景质检设备包括：处理器1001，例如cpu，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。存储器1005可以是高速ram存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的基于图片的车辆救援场景质检设备的硬件结构并不构成对基于图片的车辆救援场景质检设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆救援场景质检程序。其中，操作系统是管理和控制基于图片的车辆救援场景质检设备和软件资源的程序，支持车辆救援场景质检程序以及其它软件和/或程序的运行。

在图1所示的基于图片的车辆救援场景质检设备的硬件结构中，网络接口1004主要用于接入网络；用户接口1003主要用于侦测确认指令和编辑指令等，而处理器1001可以用于调用存储器1005中存储的车辆救援场景质检程序，并执行以下基于图片的车辆救援场景质检方法的各实施例的操作。

基于上述基于图片的车辆救援场景质检设备硬件结构，提出本发明基于图片的车辆救援场景质检方法的各个实施例。

参照图2，图2为本发明基于图片的车辆救援场景质检方法一实施例的流程示意图。本实施例中，所述基于图片的车辆救援场景质检方法包括以下步骤：

步骤s10，读取待质检的多张车辆救援现场图片以及与所述车辆救援现场图片对应的车辆救援报案信息；

本实施例中，车辆救援现场图片具体由外包救援公司完成车辆救援后，对救援现场进行拍照，然后上传后台进行质检。为进一步确保图片的真实性，本实施例优选由外包公司提供同一救援现场的多张车辆救援现场图片。

需要说明的是，为便于提升质检效率，通常要求拍照图片中包含有车牌，也即需要救援业务人员朝车头或车尾方向拍摄车辆救援现场图片。

此外，图片质检需要与报案信息进行比对，从而对外包救援公司的救援情况进行质检评估以核对真假。因此，还需进一步获得与车辆救援现场图片对应的车辆救援报案信息。该报案信息具体由被救援车辆驾驶员向保险公司提供并记录。

步骤s20，基于所述车辆救援报案信息，确定所述车辆救援现场图片对应的救援业务类型；

本实施例中，基于常用的车辆救援业务分类方式，优选救援业务类型包括但不限定以下两类：

(1)拖车救援业务，比如由于爆胎等原因导致车辆不能移动，则可以使用该拖车救援业务；

(2)搭电救援业务，比如由于电瓶亏电等原因导致车辆不能启动，则可以使用该搭电救援业务。

本实施例中，在进行质检之前，需要首先确定需要质检的车辆救援现场图片对应的救援业务类型。本实施例对于救援业务类型的确定方式不限。例如，救援业务通常由车主向保险公司报案，然后再由保险公司委派外包救援公司前往事故车辆所在地开展救援业务，因此，可基于车辆救援报案信息，确定并获得救援业务类型。或者还可以预先由外包救援公司在提交车辆救援现场图片进行审核时，指定该批图片对应的救援业务类型。

步骤s30，基于所述救援业务类型，调用对应的预置目标识别模型对所述车辆救援现场图片中各目标进行识别，输出对应救援场景中各目标在图片中的位置坐标信息；

本实施例中，不同的救援业务类型对应使用不同的质检模型。根据救援业务类型的不同，本实施例优选质检使用的目标识别模型包括但不限于：

(1)拖车救援识别模型，用于对拖车救援场景进行目标识别，比如识别拖车、被救车辆等目标。

(2)搭电救援识别模型，用于对搭电救援场景进行目标识别，比如识别电瓶、发动机舱、车盖、夹子、电线等目标。

本实施例中，目标识别模型为预先通过机器学习方式训练得到的，可对任意照片进行目标识别，比如，将某一照片输入拖车救援识别模型进行目标识别，如果该照片为拖车救援场景的现场照片，则输出拖车、被救车辆等目标在当前图片中的位置坐标信息。同理，如果将一照片输入搭电救援识别模型进行目标识别，且该照片为搭电救援场景的现场照片，则输出电瓶、发动机舱、车盖、夹子、电线等目标在当前图片中的位置坐标信息。

本实施例通过识别救援场景现场照片中各目标的位置信息，通过进一步识别各目标之间的位置关系以确定救援场景。

步骤s40，调用预置车牌号识别模型对所述车辆救援现场图片进行车牌号识别，输出所述车辆救援现场图片中被救车辆的车牌号；

本实施例中，车牌识别模型为预先通过机器学习方式训练得到，可以对任意包含有车牌的图片进行车牌识别，输出车牌号。本实施例对于车牌识别的具体方式不限。

例如，采用如下方式进行车牌识别：

(1)车牌区域检测

利用车牌的颜色和形状特征确认并获取汽车的车牌位置。例如，根据hsv颜色模型，对待识别的车辆图片进行针对车牌颜色的图像处理及腐蚀去噪，先得到车辆图片中的蓝色区域，然后得到车辆图片中的白色区域，最后再将车辆图片中的蓝色区域与白色区域合并，从而得到车牌区域。

(2)车牌分割

对检测到的车牌区域进行字符分割，得到车牌中的各字符图像。例如，先将车牌从背景中分割出来，然后再将车牌的各个字符分别分割出来。

对于第一步，在对图像进行相关颜色处理之后，已经将字符从背景之中分割出来了，比如使用阈值分割的方法，通过将图像转换为灰度图像，选取适当的阈值，对其进行二值化。

第二步将各字符分别分割出来，字符分割通常可以选择连通域的方法，比如根据车牌字符排列位置特征：车牌有七个字符，第一个为汉字，第二个为字母，其余五个为数字和字母，第二个字符和第三个字符之间有一个点(算半个字符)。字符的宽度是一样，因此依据字符的宽度就可以较为准确将单个字符分别分割出来。

(3)车牌识别

利用模板匹配方式对切割得到的字符进行识别，从而得到车牌号码。例如，先对每个字符进行图像显示位置校正，然后利用预先通过神经网络训练的字符识别模型对各字符图像进行识别，从而输出各字符图像代表的字符，最后按照识别顺序，将各字符组合成车牌号。

步骤s50，判断当前救援场景中各目标之间的位置关系是否与当前救援场景相符，以及判断被救车辆的车牌号是否与车辆救援报案信息一致；

步骤s60，若当前救援场景中各目标之间的位置关系与当前救援场景相符，且被救车辆的车牌号与车辆救援报案信息一致，则判定质检通过，否则判定质检不通过。

本实施例对于质检规则的设置不限，具体根据实际需要进行设置。通过上述目标识别与车牌识别，从而获得相应识别结果并进行综合判断，进而得出质检结论。

本实施例中，目标识别结果主要用于确定救援场景，车牌识别结果主要确定客户的报案信息是否与外包救援公司反馈的救援信息一致，通过对上述两识别结果的综合判断即可得出质检结论，比如：“质检结果真实”或者“提交图片与报案信息一致”等。

本实施例使用机器质检，进而可以对车险救援场景自动进行质检，从而极大地节约了人工质检成本。本实施例通过目标识别模型找到图片中的目标物，进而再确认对应救援场景是否被实施，同时，通过车牌号识别模型确认被救援车辆和应救援车辆是否相符合，进而确保救援无欺诈。由于机器的检验速度快，因而待救援公司上传图片后即可以实时完成质检，解决了救援质检延时问题，提升了质检时效性。本实施例采用的方法短小精悍，不涉及复杂的算法，易于部署实施且质检规则可随救援场景的变化而进行动态调整，改善了基于机器学习等复杂算法实施质检成本高的问题。

参照图3，图3为图2中步骤s30一实施例的细化流程示意图。基于上述实施例，本实施例中，上述步骤s30进一步包括：

步骤s3101，当所述救援业务类型为拖车救援业务时，调用拖车救援识别模型对所述车辆救援现场图片中各目标进行识别，以识别出所述车辆救援现场图片中的被救车辆、拖车以及各车辆车牌，并生成相应的目标框分别对各目标进行标识；

本实施例中，如果车辆救援现场图片对应场景为拖车救援场景，则将图片输入拖车救援模型进行识别后，将输出拖车救援场景中的目标：被救车辆、拖车以及各车辆车牌。其中，拖车救援模型通过预先训练得到，训练样本为拖车救援场景图片。

例如，拖车救援模型采用ssd(singleshotmultiboxdetector)算法框架进行构建，首先利用目标检测识别神经网络模型对全景图像进行目标检测识别，获取目标类别和检测框初始位置；之后对目标局部区域进行图像分割，得到多个超像素块，再采用多阈值融合策略合并所述超像素块，得到调整后目标检测框；再计算新的目标局部区域的边缘图，根据目标检测框周围边缘点的分布调整目标检测框，得到最终目标检测框；最后由全景图像成像平面坐标系与世界坐标系的映射关系，将最终目标检测框位置转化为目标的实际位置，进而最终完成目标识别与标定。

步骤s3102，获取各目标框的位置坐标，所述位置坐标包括：被救车辆目标框和拖车目标框的上坐标、下坐标、左坐标、右坐标以及每个车辆车牌的上坐标与下坐标；

本实施例中，目标框优选为方形，也即图片中每一个目标对应的一个目标框都对应有上下、左右四个坐标，本实施例所述的坐标具体是指同一张图片中的像素位置坐标。

在拖车救援场景中，被救车辆、拖车和车辆车牌都具有一定位置关系，因此，本实施例中可基于拖车救援场景中的各目标位置关系来辨别救援场景。

步骤s3103，判断各目标框的位置坐标是否满足预置拖车救援场景中各目标之间的位置关系；

步骤s3104，若满足，则输出所述拖车救援场景中各目标在图片中的位置坐标信息；其中，若各目标框的位置坐标满足预置的拖车救援场景中的目标位置关系，则确定所述车辆救援现场图片符合拖车救援场景。

本实施例对于拖车救援场景中各目标之间的位置关系的设置不限。可选的，在一实施例中，采用如下目标位置关系识别拖车救援场景：

a、被救车辆下坐标>拖车下坐标；

b、被救车辆上坐标>拖车上坐标；

c、被救车辆左坐标<拖车右左边；

d、被救车辆右坐标>拖车左坐标；

e、被救车辆车牌下坐标>拖车车牌下坐标；

f、被救车辆车牌上坐标>拖车车牌上坐标。

本实施例预先设置用于判定拖车救援场景的目标位置关系，当被救车辆与拖车满足上述指定的多项或所有项的目标位置关系时，则判定车辆救援现场图片符合拖车救援场景。

本实施例中，通过拖车救援识别模型，自动识别出救援外包公司上传图片中的目标：被救车辆、拖车以及各车辆车牌，同时使用带坐标的目标框对各目标进行标识，然后对标识各目标的目标框对应坐标进行一一比对，进而用以判断辆救援现场图片是否符合拖车救援场景，若各目标框的位置坐标满足预置的拖车救援场景中的目标位置关系，则确定所述车辆救援现场图片符合拖车救援场景，也即本实施例中通过拖车救援识别模型实现了对拖车救援场景的机器判断，从而实现了救援场景的自动化质检。

参照图4，图4为图2中步骤s30另一实施例的细化流程示意图。基于上述实施例，本实施例中，上述步骤s30进一步包括：

步骤s3201，当所述救援业务类型为搭电救援业务时，调用搭电救援识别模型对所述车辆救援现场图片中各目标进行识别，以识别出所述车辆救援现场图片中的救援电瓶、发动机舱、车盖、夹子、电线及车辆车牌，并生成相应的目标框分别对各目标进行标识；

本实施例中，如果车辆救援现场图片对应场景为搭电救援场景，则将图片输入搭电救援模型进行识别后，将输出搭电救援场景中的目标：救援电瓶、发动机舱、车盖、夹子、电线及车辆车牌。其中，搭电救援模型通过预先训练得到，训练样本为搭电救援场景图片。

例如，搭电救援模型采用ssd(singleshotmultiboxdetector)算法框架进行构建，首先利用目标检测识别神经网络模型对全景图像进行目标检测识别，获取目标类别和检测框初始位置；之后对目标局部区域进行图像分割，得到多个超像素块，再采用多阈值融合策略合并所述超像素块，得到调整后目标检测框；再计算新的目标局部区域的边缘图，根据目标检测框周围边缘点的分布调整目标检测框，得到最终目标检测框；最后由全景图像成像平面坐标系与世界坐标系的映射关系，将最终目标检测框位置转化为目标的实际位置，进而最终完成目标识别与标定。

步骤s3202，获取各目标框的位置坐标，所述位置坐标包括：发动机舱、车盖、救援电瓶、夹子、电线各自分别对应的上坐标、下坐标、左坐标、右坐标以及车辆车牌的上坐标与下坐标；

本实施例中，目标框优选为方形，也即图片中每一个目标对应的一个目标框都对应有上下、左右四个坐标，本实施例所述的坐标具体是指同一张图片中的像素位置坐标。

在搭电救援场景中，救援电瓶、发动机舱、车盖、夹子、电线及车辆车牌都具有一定位置关系，因此，本实施例中可基于搭电救援场景中的各目标位置关系来辨别救援场景。

步骤s3203，判断各目标框的位置坐标是否满足预置的搭电救援场景中各目标之间的位置关系；

步骤s3204，若满足，则输出所述搭电救援场景中各目标在图片中的位置坐标信息；其中，若各目标框的位置坐标满足预置的搭电救援场景中的目标位置关系，则确定所述车辆救援现场图片符合搭电救援场景。

本实施例对于搭电救援场景中各目标之间的位置关系的设置不限。可选的，在一实施例中，采用如下目标位置关系识别搭电救援场景：

a、同时包含发动机舱、车盖以及救援电瓶、夹子、电线中的任一个或多个；

b、救援电瓶、夹子、电线中的任一个或多个各自分别对应的上坐标、下坐标、左坐标、右坐标在发动机舱对应的坐标以内；

c、车辆车牌下坐标<发动机舱下坐标；

d、车辆车牌上坐标<发动机舱上坐标。

本实施例预先设置用于判定搭电救援场景的目标位置关系，当被救车辆满足上述指定的多项或所有项的目标位置关系时，则判定车辆救援现场图片符合搭电救援场景。

本实施例中，通过搭电救援识别模型，自动识别出救援外包公司上传图片中的目标：发动机舱、车盖、救援电瓶、夹子、电线以及车辆车牌，同时使用带坐标的目标框对各目标进行标识，然后对标识各目标的目标框对应坐标进行一一比对，进而用以判断辆救援现场图片是否符合搭电救援场景，若各目标框的位置坐标满足预置的搭电救援场景中的目标位置关系，则确定所述车辆救援现场图片符合搭电救援场景，也即本实施例中通过搭电救援识别模型实现了对搭电救援场景的机器判断，从而实现了救援场景的自动化质检。

可选的，在本发明一具体实施例中，通过识别救援场景现场照片中各目标的位置坐标信息，然后根据个目标的位置坐标信息，进一步识别救援场景现场照片中各目标之间的位置关系，从而最终确定救援场景。该方式具体通过预置的质检规则实现。

场景一：救援业务类型为拖车救援业务

本场景中，拖车救援业务质检规则至少包括：

a、所有车辆救援现场图片中至少存在一张车辆救援现场图片符合拖车救援场景；

b、所有车辆救援现场图片中至少存在两张车辆救援现场图片的车牌号与被救车辆车牌号一致，其中，若车牌号后五位中至少存在四位号码相同，则判定车辆救援现场图片的车牌号与被救车辆车牌号一致。

若救援场景中各目标的位置位置信息与被救车辆的车牌号满足预置的拖车救援业务质检规则，则确定待检测图片存在对应的已实施救援业务的真实场景，以及确定当前救援场景中各目标之间的位置关系与当前救援场景相符且被救车辆的车牌号与车辆救援报案信息一致。

本实施例中，通过上述目标识别与车牌识别，从而获得相应识别结果并进行综合判断，进而得出质检结论。当进行拖车救援业务质检时，先获取拖车救援识别模型的目标识别结果以及车牌识别模型的车牌识别结果，然后综合上述两结果进行综合判断。

本规则是对拖车救援场景是否已实施(也即是否真实发生)进行判断，主要是进行车牌号比对，从而防止外包救援公司欺诈。其中，被救车辆车牌号可以预先从报案信息中获得。需要进一步说明的是，为进一步提升质检效率，本实施例中允许识别得到的车牌号与实际车牌号存在一定误差，比如车牌号后五位号码可以错一位，例如粤b12345和粤b22345视为号码相同。

本实施例中，通过对上述两识别结果的综合判断即可得出质检结论，比如：“质检结果真实”或者“提交图片与报案信息一致”等。本实施例使用机器质检，可以对主流车险救援场景：拖车救援做到无人工参与，极大的节约了人工质检成本，并提升质检效率。

场景二：救援业务类型为搭电救援业务

本场景中，搭电救援业务质检规则至少包括：

a、所有车辆救援现场图片中至少存在一张车辆救援现场图片符合搭电救援场景；

b、所有车辆救援现场图片中至少存在一张车辆救援现场图片中包含有发动机舱、机盖和车牌；

c、所有车辆救援现场图片中至少存在两张车辆救援现场图片的车牌号与被救车辆车牌号一致，其中，若车牌号后五位中至少存在四位号码相同，则判定车辆救援现场图片的车牌号与被救车辆车牌号一致。

若救援场景中各目标的位置坐标信息与被救车辆的车牌号满足预置的搭电救援业务质检规则，则确定待检测图片存在对应的已实施救援业务的真实场景，以及确定当前救援场景中各目标之间的位置关系与当前救援场景相符且被救车辆的车牌号与车辆救援报案信息一致。

本实施例中，通过上述目标识别与车牌识别，从而获得相应识别结果并进行综合判断，进而得出质检结论。当进行搭电救援业务质检时，先获取搭电救援识别模型的目标识别结果以及车牌识别模型的车牌识别结果，然后综合上述两结果进行综合判断。

本规则是对搭电救援场景是否已实施(也即是否真实发生)进行判断，主要是进行车牌号比对，从而防止外包救援公司欺诈。其中，被救车辆车牌号可以预先从报案信息中获得。需要进一步说明的是，为进一步提升质检效率，本实施例中允许识别得到的车牌号与实际车牌号存在一定误差，比如车牌号后五位号码可以错一位，例如粤b12345和粤b22345视为号码相同。

本实施例中，通过对上述两识别结果的综合判断即可得出质检结论，比如：“质检结果真实”或者“提交图片与报案信息一致”等。本实施例使用机器质检，可以对主流车险救援场景：搭电救援做到无人工参与，极大的节约了人工质检成本，并提升质检效率。

本发明还提供一种基于图片的车辆救援场景质检装置。

参照图5，图5为本发明基于图片的车辆救援场景质检装置一实施例的功能模块示意图。本实施例中，基于图片的车辆救援场景质检装置包括：

读取模块10，用于读取待质检的多张车辆救援现场图片以及与所述车辆救援现场图片对应的车辆救援报案信息；

确定模块20，用于基于所述车辆救援报案信息，确定所述车辆救援现场图片对应的救援业务类型；

目标识别模块30，用于基于所述救援业务类型，调用对应的预置目标识别模型对所述车辆救援现场图片中各目标进行识别，输出对应救援场景中各目标在图片中的位置坐标信息；

车牌号识别模块40，用于调用预置车牌号识别模型对所述车辆救援现场图片进行车牌号识别，输出所述车辆救援现场图片中被救车辆的车牌号；

质检模块50，用于判断当前救援场景中各目标之间的位置关系是否与当前救援场景相符，以及判断被救车辆的车牌号是否与车辆救援报案信息一致，其中，若当前救援场景中各目标之间的位置关系与当前救援场景相符，且被救车辆的车牌号与车辆救援报案信息一致，则判定质检通过，否则判定质检不通过。

可选的，在一具体实施例中，所述质检模块50包括：

(1)拖车救援质检单元，用于当所述救援业务类型为拖车救援业务时，判断当前救援场景中各目标的位置坐标信息与被救车辆的车牌号是否满足预置的拖车救援业务质检规则；

若满足，则确定待检测图片存在对应的已实施救援业务的真实场景，以及确定当前救援场景中各目标之间的位置关系与当前救援场景相符且被救车辆的车牌号与车辆救援报案信息一致；

其中，所述拖车救援业务质检规则至少包括：

a、所有车辆救援现场图片中至少存在一张车辆救援现场图片符合拖车救援场景；

b、所有车辆救援现场图片中至少存在两张车辆救援现场图片的车牌号与被救车辆车牌号一致，其中，若车牌号后五位中至少存在四位号码相同，则判定车辆救援现场图片的车牌号与被救车辆车牌号一致；

(2)搭电救援质检单元，用于当所述救援业务类型为搭电救援业务时，判断当前救援场景中各目标的位置坐标信息与被救车辆的车牌号是否满足预置的搭电救援业务质检规则；

若满足，则确定待检测图片存在对应的已实施救援业务的真实场景，以及确定当前救援场景中各目标之间的位置关系与当前救援场景相符且被救车辆的车牌号与车辆救援报案信息一致；

其中，所述搭电救援业务质检规则至少包括：

a、所有车辆救援现场图片中至少存在一张车辆救援现场图片符合搭电救援场景；

b、所有车辆救援现场图片中至少存在一张车辆救援现场图片中包含有发动机舱、机盖和车牌；

c、所有车辆救援现场图片中至少存在两张车辆救援现场图片的车牌号与被救车辆车牌号一致，其中，若车牌号后五位中至少存在四位号码相同，则判定车辆救援现场图片的车牌号与被救车辆车牌号一致。

基于与上述本发明基于图片的车辆救援场景质检方法相同的实施例说明内容，因此本实施例对基于图片的车辆救援场景质检装置的实施例内容不做过多赘述。

本实施例使用机器质检，进而可以对车险救援场景自动进行质检，从而极大地节约了人工质检成本。本实施例通过目标识别模型找到图片中的目标物，进而再确认对应救援场景是否被实施，同时，通过车牌号识别模型确认被救援车辆和应救援车辆是否相符合，进而确保救援无欺诈。由于机器的检验速度快，因而待救援公司上传图片后即可以实时完成质检，解决了救援质检延时问题，提升了质检时效性。本实施例采用的方法短小精悍，不涉及复杂的算法，易于部署实施且质检规则可随救援场景的变化而进行动态调整，改善了基于机器学习等复杂算法实施质检成本高的问题。

本发明还提供一种计算机可读存储介质。

本实施例中，计算机可读存储介质上存储有车辆救援场景质检程序，所述车辆救援场景质检程序被处理器执行时实现如上述任一项实施例中所述的基于图片的车辆救援场景质检方法的步骤。其中，车辆救援场景质检程序被处理器执行时所实现的方法可参照本发明车辆救援场景质检方法的各个实施例，因此不再过多赘述。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，这些均属于本发明的保护之内。