为受损车辆生成定损文件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，尤其涉及通过计算机进行为受损车辆生成定损文件的方法和装置。

背景技术：

在传统车险验车场景中，往往通过保险公司的专业查勘人员进行验车。例如，在投保时，需要检验车辆是否有损，车险理赔场景中,保险公司需要派出专业的查勘定损人员到事故现场进行现场查勘定损。由于需要人工查勘定损，保险公司需要投入大量的人力成本，和专业知识的培训成本。从普通用户的体验来说，投保和理赔流程由于等待人工查勘员现场查验等，用户的等待时间较长，体验较差。从保险公司的角度来讲，查勘人员的专业度要求较高，一个查勘人员需要同时具备部件识别、损伤程度识别，以及根据部件和损伤程度确定维修方案的专业技能，而且，往往具备丰富的定损经验和专业知识的查勘人员，才能快速给出高质量的定损文件，这样的查勘人员的培训成本较高。

针对以上提到的这些问题，可以将人工智能和机器学习应用到车辆损伤检测的场景中，希望能够利用人工智能领域计算机视觉图像识别技术，根据普通用户拍摄的现场图像，自动识别图片中反映的车损状况。如此，可以大大减少人工成本，提升用户体验。

技术实现要素：

本说明书一个或多个实施例描述了一种为受损车辆生成定损文件的方法和装置，可以将计算机视觉图像识别技术与人工标注相结合，提供高质量的损伤识别结果，给出更有效的定损文件。

根据第一方面，提供了一种为受损车辆生成定损文件的方法，所述方法包括：获取基于所述受损车辆的现场视频确定的受损部件标注结果和损伤程度标注结果，其中，所述受损部件标注结果指示出受损部件和损伤区域，所述受损程度标注结果是基于受损部件标注结果，对各个受损部件的损伤程度的识别结果；至少将所述受损部件标注结果和所述受损程度标注结果输入预先训练的定损模型，其中，所述定损模型基于多个定损人员的历史定损数据和/或多个维修人员的历史维修数据而训练，用于生成损伤维修方案；基于所述定损模型的输出结果，为所述受损车辆生成定损文件。

在一个实施例中，所述受损部件标注结果通过以下方式确定：获取所述现场视频中被标注出第一受损部件和第一受损区域的第一图像帧；在与所述第一图像帧在预定帧数内相邻的图像帧中，检测是否存在第二图像帧，所述第二图像帧中存在第二受损区域，所述第二受损区域与所述第一受损区域相关联；在存在所述第二图像帧的情况下，确定所述第二图像帧的标注结果，所述第二图像帧的标注结果对应第一受损部件及第二受损区域。

在一个实施例中，所述受损程度标注结果通过以下方式确定：将所述现场视频以及所述受损部件标注结果输入预先训练的受损程度预测模型；根据所述受损程度预测模型的输出结果确定所述受损程度标注结果。

在一个实施例中，所述至少将所述受损部件标注结果和所述受损程度标注结果输入预先训练的定损模型包括：将所述受损部件标注结果、所述受损程度标注结果，以及基于所述现场视频确定的车型信息，输入所述定损模型。

在一个实施例中，所述定损模型的输出结果包括，针对所述受损车辆确定的损伤维修方案；所述基于所述定损模型的输出结果，为所述受损车辆生成定损文件包括：获取所述定损模型的输出结果，以及预先确定的损伤维修方案与预定资源的映射关系；基于所述映射关系确定针对所述受损车辆确定的损伤维修方案所对应的资源份额；将针对所述受损车辆确定的损伤维修方案及其对应的资源份额一起生成针对所述受损车辆的定损文件。

在一个实施例中，所述方法还包括：获取定损人员针对为所述受损车辆生成的定损文件是否正确的检测结果；在所述检测结果为错误的情况下，获取修正后的定损文件；根据修正后的定损文件为所述定损模型生成一条新样本；利用所述新样本更新所述定损模型。

在一个实施例中，所述损伤维修方案包括喷漆、钣金、更换、抛光、机修、外修、拆装、电工中的至少一类。

根据第二方面，提供一种为受损车辆生成定损文件的装置，所述装置包括：

获取单元，配置为获取基于所述受损车辆的现场视频确定的受损部件标注结果和损伤程度标注结果，其中，所述受损部件标注结果指示出受损部件和损伤区域，所述受损程度标注结果是基于受损部件标注结果，对各个受损部件的损伤程度的识别结果；

定损单元，配置为至少将所述受损部件标注结果和所述受损程度标注结果输入预先训练的定损模型，其中，所述定损模型基于多个定损人员的历史定损数据和/或多个维修人员的历史维修数据而训练，用于生成损伤维修方案；

生成单元，配置为基于所述定损模型的输出结果，为所述受损车辆生成定损文件。

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为受损车辆生成定损文件的方法和装置，在为受损车辆生成定损文件的过程中，受损部件标注结果和损伤程度标注结果作为定损模型的特征，可以采用与定损模型相互独立的模块进行标注和训练，分散标注人员的工作，降低标注人员的综合专业度。在受损模型训练阶段，采用多个定损人员的历史定损数据和/或多个维修人员的历史维修数据，使得定损模型样本多样化，消除个人习惯或经验的影响，提高定损模型的有效性，从而生成高质量的定损文件。总之，本说明书实施例可以提高车辆定损的有效性。

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为受损车辆生成定损文件的方法流程图；

图3示出一个具体例子的受损部件标注示意图；

图4示出一个具体例子的受损程度标注示意图；

图5示出一个具体例子的基于定损模型生成定损文件，及定损模型优化的流程示意图；

图6示出根据一个实施例的为受损车辆生成定损文件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。

为了便于说明，结合图1示出的本说明书实施例的一个具体适用场景进行描述。图1示出的是验车场景，目的为：为车辆生成定损文件。该定损文件可以用于为用户提供维修建议，或者用于为保险公司提供保险赔付参考，再或者用于车辆维修点的维修参考。定损文件中可以包含维修方案和/或维修费用，还可以包括损伤部件、损伤类型、损伤材质等等中的至少一项。

该实施场景中，用户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，采集车辆的现场视频。用户可以通过终端将现场视频发送至定损平台。该定损平台可以包括三个模块：受损部件标注模块、受损程度标注模块、定损模块。定损平台中的三个模块可以集成在一起，也可以相互独立。

其中，受损部件标注模块通过现场视频对受损车辆进行损伤标注，例如对受损部件、损伤区域进行标注。受损部件和损伤区域通过受损部件标注结果描述。该模块可以是计算机执行的独立模块，也可以包括人工与计算机交互执行的交互模块。

受损程度标注模块可以在现场视频的受损部件标注结果基础上进一步确定受损部件的损伤程度。受损部件的损伤程度通过损伤程度标注结果描述。

定损模块可以存储有预先训练的定损模型，通过定损模型处理上述的受损部件标注结果以及损伤程度标注结果，可以确定对损伤车辆的维修方案，并根据维修方案生成定损文件。

在图1示出的实施场景中，定损平台可以设于为终端的定损类应用提供支持的服务端，但不排除定损平台设置于其他设备的可能。定损平台中的三个模块也可以分开设置于不同设备，本说明书对此不做限定。本说明书的实施例，以定损模块为主体对定损过程进行描述。

可以理解的是，在生成定损文件时，需要结合损伤维修方案。而不同的专业人员也可能存在不同的维修偏好，对于相同的损伤，也可能给出不同的维修方案。因此，在本说明书的技术构思下，为了提高定损文件的质量，应该尽量避免个人色彩导致的维修方案偏向，给出中肯的建议，如不因为不必要的换修增加保险公司的维修赔付成本、不因为维修不彻底造成车主损失等等，针对定损模型的训练，采用多方数据的训练样本。

另外，定损平台中三个模块的分开设置，可以大大减少样本或车辆实际定损过程中的人工标注的难度。例如，受损部件标注模块，标注人员仅需识别相应部件，在明显损伤部位能够识别出相应部件即可，受损程度标注模块，标注人员仅需掌握某些受损部件的损伤程度，这就大大降低了定损人员的专业度和经验要求，为定损业务方节约人力培训成本，并提高效率。

总之，本说明书实施架构下，采用受损部件标注结果和受损程度标注结果一起作为定损模型的特征，由受损部件及其损伤程度共同决定其维修方案，受损部件标注结果和受损程度标注结果可以采用和定损模型独立的模块进行，可以分散标注人员的工作，降低标注人员的综合专业度。另一方面，在受损模型训练阶段，采用多个定损人员的历史定损数据和/或多个维修人员的历史维修数据，结合样本的多样化，消除个人偏好的影响，提高定损模型的有效性，从而生成高质量的定损文件。

图2示出一个实施例的为受损车辆生成定损文件的流程。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示出的计算平台。如图2所示，该为受损车辆生成定损文件的方法可以包括以下步骤：步骤201，获取基于受损车辆的现场视频确定的受损部件标注结果和损伤程度标注结果，其中，受损部件标注结果包括受损部件名称和损伤边框，损伤边框用于包围损伤区域，受损程度标注结果是基于受损部件标注结果，对各个受损部件的损伤程度的识别结果；步骤202，至少将受损部件标注结果和受损程度标注结果输入预先训练的定损模型，其中，定损模型基于多个定损人员的历史定损数据和/或多个维修人员的历史维修数据而训练，用于生成损伤维修方案；步骤203，基于定损模型的输出结果，为受损车辆生成定损文件。

首先，在步骤201中，获取基于受损车辆的现场视频确定的受损部件标注结果和损伤程度标注结果。其中，受损部件标注结果和损伤程度标注结果可以是预先存储的，也可以是在该流程的执行主体基于受损车辆的现场视频标注的。受损车辆的现场视频可以由用户利用现场终端(如智能手机、相机等)采集。在该流程的执行主体是为定损类应用提供支持的服务端时，现场视频可以由用户通过运行有定损类应用的终端设备远程传送至上述执行主体。

这里，受损部件标注结果可以指示出受损部件和损伤区域。例如，受损标注结果中包含受损部件名称，指示出受损部件，以及损伤边框，包围出损伤区域。例如，受损部件标注结果包括：前保险杠，轻微刮擦；左前车灯，轻微裂纹。受损部件的确定可以基于预先训练的、基于视频流的损伤检测模型确定，也可以通过人工标注确定，还可以由人工和计算机结合确定。

下面以人工和计算机结合为例，详细说明受损部件标注的具体过程。

请参考图3所示，首先，可以由受损部件标记人员人工观看现场视频，在发现明显有损的图像帧(以下称为明显有损帧)时，标记出该明显有损帧的受损部件及损伤区域。由于视频播放的连续性，在连续多帧存在有损区域，标记人员可以选择其中一帧进行标记。之后，计算机可以通过预定模型自动补齐明显有损帧前后多帧的损伤识别结果。其中，预定模型可以包含图像相似性(像素相似性、区域相连性等)之类的算法，当一个图像帧中包含和标记人员标记出的损伤区域相关联(相似或相连接)的区域时，在该图像帧上标记出受损部件和损伤区域。计算机还可以通过自适应方式将人工标注的受损部件应用于上述明显有损帧的前后帧。

例如，第一图像帧是人工标注出的明显有损帧，并标注有第一受损部件“前保险杠”，以及包围第一受损区域的损伤边框，计算机可以在第一图像帧前后预定帧数(如k)内相邻的各帧中，检测是否存在包含与第一受损区域相关联的第二受损区域的第二图像帧。若存在，确定第二图像帧的标注结果。可以理解，第二图像帧的标注结果对应第一受损部件及第二受损区域。例如预定帧数为2时，在第一图像帧的前后分别2个图像帧上进行补充标注。与第一受损区域相关联的第二受损区域，可以是与第一受损区域相似(如相似度高于预定阈值)，也可以是与第一受损区域存在重合的区域，还可以是与第一区域的边缘一致，可连接成一个区域的区域。

如图3所示，在一些实施例中，还可以通过人工检测计算机自动补充的标注结果中，受损部件及受损区域是否正确，如果存在错误，可以对错误帧进行纠正，纠正方法可以包括改正和删除。具体地，如果不存在损伤的图像帧被标注，可以将该帧的标注删除，如果损伤标注区域存在错误，可以人工纠正标注边框的位置，使其正确包围损伤区域。

接着，可以通过人工继续检测是否有明显包含明显损伤的图像帧(明显有损帧)。如果没有新的明显有损帧，确定标注完成，并输出标注结果，例如所有受损部件的名称，以及标注出受损区域的相应图像帧。如果有新的明显有损帧，重复以上过程。

可以理解的是，人工和计算机结合的标注方式适用于标注模型不够准确的情况下的损伤标注。该过程仅对受损部件进行标注，对标注人员来说，只需标注出受损部件，一个受损部件最少只需标注出一个图像帧上的明显的损伤区域，无需一次性准确标注出所有受损部件及其损伤程度，因此，标注人员的专业和经验要求较低，培训成本也较低。另外，对一个受损部件可能只标注出其中一个图像帧，其他标注过程由计算机自动补充，大大提高了标注效率。进一步地，当计算机标注结果准确度满足预定条件后，以上标注过程可以完全由计算机实现，无需人工参与，进一步提高标注效率。

进一步地，如图4所示，可以基于受损部件标注结果确定，对各个受损部件的损伤程度的识别结果，得到相应的受损程度标注结果。例如，受损部件标注了“左前保险杠”，进一步可以标注其受损程度“轻微刮擦”。受损程度可以和受损部件和/或损伤区域相关，因此可以结合受损部件和损伤区域进行标注。

该部分可以通过计算机完成，也可以通过人工完成。在通过计算机完成的情况下，计算机可以预先存储有训练好的、根据受损部件和损伤区域识别损伤程度的受损程度预测模型。受损程度预测模型的一个训练样本可以对应一张或多张标注出某个受损部件和受损区域的图片，以及一个损伤程度标签。识别模型可以是卷积神经网络cnn等等，本说明书对此不做限定。损伤程度标签例如可以包括：轻微刮擦、严重刮擦、轻微裂纹、碎裂、轻微变形、严重变形……等等。将经过受损部件标注的图像帧，以及受损部件名称输入训练好的受损程度预测模型，模型输出损伤程度的分类结果，该分类结果对应的损伤程度标签就可以作为相应受损部件的损伤程度标注结果。受损程度标注通过计算机完成的情况下，无需人工参与，降低了相关业务方(如保险公司)的人工成本。

本领域技术人员可以理解，受损程度预测模型可以是一个模型，用于识别各种部件的损伤程度，也可以包括多个模型，每个模型仅识别一个或少数个部件的损伤程度。当受损程度预测模型包括多个模型时，还可以根据受损部件标注结果中的受损部件名称确定使用哪个模型预测受损部件的受损程度。

在受损程度标注通过人工完成的情况下，由于标注人员仅关注受损程度，而无需标注部件及损伤区域，也无需关注维修方案之类的后续程序，其专业度要求也降低很多，相应地，相关业务方(如保险公司)的培训成本相较传统定损方式也低得多。

在步骤201中，执行主体可以从本地获取预先存储的受损部件标注结果和损伤程度标注结果，也可以实时远程地获取受损部件标注结果和损伤程度标注结果，在此不作限定。

接着，在步骤202中，至少将上述的受损部件标注结果和受损程度标注结果输入预先训练的定损模型。其中，定损模型基于多个定损人员的历史定损数据和/或多个维修人员的历史维修数据而训练，用于生成损伤维修方案。这里的维修方案例如包括但不限于喷漆、钣金、更换、抛光、机修、外修、拆装、电工等等中的一类或多类。其中，每个类别下还可以根据受损部件的受损程度不同，对应更加细化的维修方案，例如根据刮擦程度从轻到重，喷漆处理分为：补漆、半喷和全喷。

根据一个实施方式，定损模型的训练样本可以从多个定损人员的历史定损数据中获得。一个定损人员的某条历史定损数据中，可以包含标注的某个受损部件及其受损程度(对应特征)，以及维修建议(对应标签)。针对一条历史定损数据，确定的训练样本例如可以为：受损部件“左前保险杠”、受损程度“轻微刮擦”，相应维修方案标签“补漆”。

根据另一个实施方式，定损模型的训练样本可以从多个维修人员的历史维修数据中获得。一个维修人员的某条历史维修数据中，可以包含受损部件名称及其受损程度(对应特征)，以及维修方案(对应标签)。针对一条历史维修数据，确定的训练样本例如可以为：受损部件“左前保险杠”、受损程度“严重变形”，相应维修方案标签“更换左前保险杠”。

可以理解，在一些实现中，针对同一受损部件以及受损程度，不同的车型、不同的定损或维修人员，给出的维修方案也不相同。

一方面，针对同一受损部件以及受损程度，不同的车型维修方案可能不同。例如，一些车型的保险杠是金属材质，在变形情况下，可以仅维修，而一些车型的保险杠则可能是塑料材质，一旦变形，就需要更换。为此，定损模型的特征还可以包括车型信息。此时，可以直接将车型信息作为特征输入定损模型，也可以将受损车辆的图片或视频作为特征输入定损模型，由定损模型通过神经网络自动提取车型特征。如此，可以基于车型确定维修方案，使得损伤维修方案更准确。

另一方面，针对同一车型的同一受损部件以及受损程度，不同的定损或维修人员，给出的维修方案也不相同。例如，同样是保险杠轻微刮擦，有的定损或维修人员可能仅建议补漆处理，有的定损或维修人员则可能建议全喷处理。在刮擦特别轻微的情况下，有的定损或维修人员可能建议抛光处理，有的定损或维修人员则可能建议喷漆处理。为此，本说明书实施例中，尽可能收集多个定损人员/维修人员的历史数据，使得样本多元化，避免个体经验和习惯差异导致的标签偏颇，从而提高定损模型输出结果的有效性。

接着，通过步骤203，基于定损模型的输出结果，为受损车辆生成定损文件。这里的定损文件可以是文档、列表等形式。定损文件可以用于描述车辆损伤及其维修方案，也可以描述车辆损伤以及基于车辆损伤，车辆所有者或者保险公司损失的资源数量，如保险公司的赔付金额等。

根据步骤202的描述可知，定损模型的输出结果为维修方案，例如左前保险杠补漆，等等。在基于定损模型的输出结果生成定损文件的过程中，如果定损文件用于描述车辆损伤及其维修方案，则可以将维修方案生成定损文件，如果定损文件还用于描述车辆所有者或者保险公司损失的资源数量，则需要将维修方案及所涉及的资源份额一起生成定损文件。在可选的实现方式中，维修方案对应的资源份额可以经过预先确定的映射关系来确定。例如，对于“左前保险杠更换”的维修方案，可以按照车型映射到4s店更换原厂配置保险杠、普通车辆维修店更换普通保险杠等至少一种方式对应的资源份额(维修费用)。可选地，受损文件中还可以包括受损部件标注结果、损伤程度标注结果。

根据一个可能的设计，如图5所示，对于所生成的定损文件，还可以通过具有一定经验的定损人员进行检验。如果定损文件准确，检验结束。反之，如果定损文件不准确，例如保险杠轻微刮擦的维修方案为更换保险杠等，则经过专业定损人员修正所生成的定损文件。进一步地，还可以基于所修正的定损文件生成一条新样本，并利用新样本更新定损模型。如此，可以不断优化定损模型，提升定损模型的准确度。

图5中，实线描绘的部分为图2示出的流程中生成定损文件的过程，虚线部分描述了定损模型的更新过程。

回顾以上过程，在为受损车辆生成定损文件的过程中，受损部件标注结果和损伤程度标注结果作为定损模型的特征，可以采用与定损模型相互独立的模块进行标注和训练，分散标注人员的工作，降低标注人员的综合专业度。在受损模型训练阶段，采用多个定损人员的历史定损数据和/或多个维修人员的历史维修数据，使得定损模型样本多样化，消除个人习惯或经验的影响，提高定损模型的有效性，从而生成高质量的定损文件。总之，本说明书实施例可以提高车辆定损的有效性。

根据另一方面的实施例，还提供一种为受损车辆生成定损文件的装置。图6示出根据一个实施例的为受损车辆生成定损文件的装置的示意性框图。如图6所示，用于为受损车辆生成定损文件的装置600包括：获取单元61，配置为获取基于受损车辆的现场视频确定的受损部件标注结果和损伤程度标注结果，其中，受损部件标注结果指示出受损部件和损伤区域，受损程度标注结果是基于受损部件标注结果，对各个受损部件的损伤程度的识别结果；定损单元62，配置为至少将受损部件标注结果和受损程度标注结果输入预先训练的定损模型，其中，定损模型基于多个定损人员的历史定损数据和/或多个维修人员的历史维修数据而训练，用于生成损伤维修方案；生成单元63，配置为基于定损模型的输出结果，为受损车辆生成定损文件。

根据一个实施方式，装置600还可以包括受损部件标注单元(未示出)，配置为，通过以下方式确定受损部件标注结果：

获取现场视频中被标注出第一受损部件和第一受损区域的第一图像帧；

在与第一图像帧在预定帧数内相邻的图像帧中，检测是否存在第二图像帧，第二图像帧中存在第二受损区域，第二受损区域与第一受损区域相关联；

在存在第二图像帧的情况下，确定第二图像帧的标注结果，第二图像帧的标注结果对应第一受损部件及第二受损区域。

根据另一个实施方式，装置600还可以包括受损程度标注单元(未示出)，配置为，通过以下方式确定受损程度标注结果：

将现场视频以及受损部件标注结果输入预先训练的受损程度预测模型；

根据受损程度预测模型的输出结果确定受损程度标注结果。

在一个实施例中，定损单元62还可以配置为：

将受损部件标注结果、受损程度标注结果，以及基于现场视频确定的车型信息，输入定损模型。

在一个实施例中，定损模型的输出结果包括，针对受损车辆确定的损伤维修方案。其中，损伤维修方案可以包括但不限于喷漆、钣金、更换、抛光、机修、拆装、外修、电工等等中的至少一类。

此时，生成单元63还可以配置为：

获取定损模型的输出结果，以及预先确定的损伤维修方案与预定资源的映射关系；

基于上述映射关系确定针对受损车辆确定的损伤维修方案所对应的资源份额；

将针对受损车辆确定的损伤维修方案及其对应的资源份额一起生成针对受损车辆的定损文件。

根据一个可能的设计，装置600还可以包括更新单元(未示出)，配置为：

获取定损人员针对为受损车辆生成的定损文件是否正确的检测结果；

在检测结果为错误的情况下，获取修正后的定损文件；

根据修正后的定损文件为定损模型生成一条新样本；

利用新样本更新定损模型。

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。

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，本说明书实施例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，对本说明书的技术构思的目的、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，以上所述仅为本说明书的技术构思的具体实施方式而已，并不用于限定本说明书的技术构思的保护范围，凡在本说明书实施例的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本说明书的技术构思的保护范围之内。