车辆损坏识别和事故管理系统和方法与流程

1.本公开总体上涉及允许连接和未连接车辆识别车辆损坏并且执行事故管理和报告的系统和方法。


背景技术：

2.车辆停放时容易受到轻微或重大损坏。轻微的划伤、凹痕和玻璃损坏通常不会引起注意。损坏可以是由另一个车辆撞到或划伤车辆、钥匙划伤以及自行车/行人撞到车辆造成的
‑‑
仅举几例。


技术实现要素：

3.本公开涉及实时识别车辆损坏并且警告连接和未连接车辆的用户的系统和方法。示例方法可能涉及区分损坏类型和损坏强度。可以将指示损坏的消息或报告(诸如事故索赔表)传达给车辆所有者、租赁公司或诸如警察、保险和/或ems(紧急管理服务)等第三方。诸如本文所描述这些的消息的通信可以基于损坏类型和/或损坏强度/严重程度。可在监督学习下使用机器学习(ml)模型使用车辆上的传感器来确定损坏。一旦模型被训练，来自传感器的连续信号输出响应可以被集成到经训练的模型中，所述经训练的模型然后可以将损坏分类为不同的类别或类型。可以训练另一个模型来识别损坏的类型和/或强度。也可以通过模型(例如，ml噪声模型)来训练和消除静态车辆中存在的恒定噪声或振动。可以集成来自多个传感器(如加速度计、陀螺仪、声音或振动
‑‑
仅举几例)的输入，以识别损坏的类型及其强度。
4.当检测到损坏并且已经分类为重大损坏(例如，超过阈值的损坏)时，可以实时或接近实时地激活车辆相机，以记录车辆上已经发生损坏的位置(诸如车身面板、窗、保险杠等)。车辆上的其他相机可能会被激活，并且根据损坏的方向和相机平移或倾斜的能力来指向损坏区域。这种类型的相机调整可以用于捕获可能导致损坏的对象(汽车、自行车、人等)。本文公开的系统和方法还可以确定独特的特征，如车牌或人脸，以识别可能已经造成损坏的车辆或个人。例如，车辆上的文本可以被识别为“租赁服务公司”，报告可以包括附近的租赁服务公司，可以联系所述公司报告损坏情况。如果车辆的某些侧面看起来像后侧，则可以识别车辆类型、品牌和型号。
5.例如，当所讨论的两个(或更多个)车辆中的一个不在运动中时，本文公开的系统和方法可以用于实时确定车辆损坏。通过过滤基线车辆传感器噪声，所述方法也可适用于移动车辆。一些方法可以包括区块链处理以向相关方传达损坏。在保险索赔过程中，与受损车辆或造成损坏的车辆的保险公司的通信也可以自动化。
6.示例用例可在非连接车辆和连接车辆中实现。本文的系统和方法设想了对小的损坏(如划伤或凹痕)即时保险索赔创建的即时报告以及造成损坏的车辆的识别。本文的系统和方法可以用于识别附近的维修服务中心，以及与执法部门通信以传递可以用于识别目标(如被盗车辆)的相关信息。
附图说明
7.参考附图阐述具体实施方式。使用相同的附图标记可以指示类似或相同的项。各种实施例可以利用除了附图中示出的那些之外的元件和/或部件，并且一些元件和/或部件可能不存在于各种实施例中。附图中的元件和/或部件不一定按比例绘制。在整个本公开中，根据上下文，可以可互换地使用单数和复数术语。
8.图1描绘其中可以实现用于提供本文所公开的系统和方法的技术和结构的说明性架构。
9.图2至图5以图形方式绘示了指示损坏事件的传感器信号和偏差。
10.图6a和图6b共同描绘了使用车辆的相机的损坏事件数据收集过程。
11.图7是本公开的示例性方法的流程图。
12.图8是本公开的另一示例方法的流程图。
具体实施方式
13.现在转到附图，图1描绘其中可以实现本公开的技术和结构的说明性架构100。架构100可以包括第一车辆102、第二车辆104、个人106、服务提供商108和网络110。一般来说，在架构中识别的对象可以被配置为使用网络110进行通信。网络110可以包括诸如有线网络、因特网、无线网络和其他专用和/或公共网络等多种不同类型的网络中的任一者或其组合。在一些情况下，网络110可包括蜂窝网络、wi-fi或wi-fi直连。例如，第一车辆102可以包括通信模块103，用于在网络110上向其他实体(诸如服务提供商108)传输和接收数据。
14.第一车辆102可以被配置为检测、分类和报告损坏事件。替代地，第一车辆102可以被配置为收集传感器数据并且将其转发给服务提供商108。服务提供商108可以对损坏事件进行分类和报告。第一车辆102可以包括一个或多个传感器112a-112n、一个或多个相机114a-114n和控制器116。一般来说，一个或多个传感器112a-112n可以包括音频传感器或运动传感器的任意组合。此一个或多个传感器112a-112n可以包括能够检测声音、振动、加速度等的任何机构。例如，一个或多个传感器112a-112n可以包括传声器、加速度计和陀螺仪
‑‑
仅举几例。
15.一个或多个相机114a-114n可以包括与第一车辆102的右侧相关联的第一相机114a，以及与第一车辆102的后部相关联的第二相机114b，诸如备用相机。第一车辆102可以包括除上述那些之外的其他相机，但是为了描述本公开的一些方面的非限制性目的已经描述了这些特定的相机。一些相机可以固定在它们的位置，允许这些相机在固定的视野中获得图像。第一车辆102的其他相机可以被配置为平移、倾斜或以其他方式移动。在上述示例中，第一相机114a可以是固定位置相机，而第二相机114b可以平移和/或倾斜。一般来说，可以使用控制器116来控制相机，如将在本文中更详细地讨论的。
16.控制器116可以包括处理器118和存储器120。存储器120存储指令，所述指令由处理器118执行，以执行传感器信号收集、损坏事件检测以及本文所描述的其他特征的方面。当提到由控制器116执行的操作时，应理解，这包括由处理器118执行指令。
17.概括地，控制器116可以被配置为当第一车辆102处于监测模式时与一个或多个传感器112a-112n通信耦合。监测模式可在特定的基础上实现，或当第一车辆102处于静止位置时(诸如当第一车辆102停放在停车场或在灯光下静止时)实现。同样，这些仅是控制器
116可以监测一个或多个传感器112a-112n的信号的情况的示例。在其他配置中，控制器116连续地从一个或多个传感器112a-112n获得传感器信号(例如，连续的车辆传感器信号)。
18.可以处理由控制器116接收的传感器信号以确定损坏事件何时发生。在处理从一个或多个传感器112a-112n接收的信号之前，控制器116可以被配置为应用基线车辆噪声水平。可以从车辆制造商获得的经验信息确定基线车辆噪声水平。替代地，控制器116可以根据从基线车辆噪声水平接收到的连续传感器信号输入来确定基线车辆噪声水平。图2绘示了指示第一车辆102的连续振动的示例加速度计信号图200。加速度计输出202中识别的这种连续振动可能由于车辆移动、车辆发动机操作或相对于第一车辆102的其他运动诱发事件而发生。如图3所示，当检测到加速度计信号强度相对于基线车辆噪声水平(例如，加速度计输出302)的偏差300时，可以检测到损坏事件。作为示例，偏差300可以与由另一个车辆或自行车与车辆接触导致的划伤相关。用于确定损坏类型和/或损坏强度/严重程度的方法将在下文中更详细地公开。
19.图4是另一个示例加速度计曲线图400，其包括具有偏差区域404的基线输出402，所述偏差区域404可以是由诸如划伤的损坏事件导致的。在图5中，另一个示例加速度计曲线图500包括具有偏差区域504的基线输出502，所述偏差区域504可以是由诸如凹痕的损坏事件导致的。例如，第二车辆104的门可能撞击第一车辆102的门。图2至图5集体地和单独地提供各种条件和对应传感器数据的可视化。
20.返回参考图1，控制器116可以实现诸如机器学习的逻辑，以确定任何基线车辆噪声水平，以及损坏事件检测和分类。控制器116可以训练机器学习模型117，诸如长短期记忆(lstm)或门控循环单元(gru)。一般来说，本文公开的机器学习模型可在来自多个传感器(如加速度计、陀螺仪、声音或振动)的输入上进行训练和处理，全部所述输入都可以被评估以分类/识别损坏类型及其强度。
21.使用监督学习，可以确定来自各种条件(例如，划伤、凹痕、撞击、碰撞等)的传感器信号样本，并且将其分成单独的类别，称为损坏类型或类别。尽管已经描述了lstm/gru方法，但是本公开不限于此，并且可以使用其他合适的训练和检测机器学习算法。一旦机器学习模型被训练，来自一个或多个传感器112a-112n的连续信号输出响应可以被引导到经训练的模型，所述经训练的模型可以用于将损坏分类为不同的类别/类型。在一些情况下，可以使用一个以上的机器学习模型。因此，可以使用一个或多个分类器模型，诸如损坏类型分类器和损坏严重程度分类器。
22.一旦完成损坏分类的确定，控制器116就可以应用一个或多个损坏严重程度模型来确定损坏事件的大小或强度。在一个示例中，可以经由测量传感器输出偏差的持续时间和大小来确定损坏的严重程度。返回参考图3，可由偏差300的大小(诸如高度)来指示损坏事件(诸如划伤)的大小。
23.一旦已经识别出损坏，并且在一些用例中根据类型和/或严重程度分类，控制器116可以被配置为确定损坏发生在第一车辆102上的位置。例如，损坏可能发生在车辆表面，如门、四分之一面板、窗或其他类似的车辆结构。在示例用例中，第二车辆104的门撞击第一车辆102的右侧(诸如门)，并且导致凹痕类型的损坏。控制器116识别第一车辆102上的位置，诸如门。控制器116然后可以根据类型和/或严重程度对损坏进行分类。损坏的位置通常可以确定为发生在车辆的特定侧面、前部或后部。当组合使用定位在车辆不同位置的传感
器时，可能会出现更具体的损坏位置确定。一种信号三角测量过程可以用于识别车辆上更具体的损坏位置。
24.一旦知道损坏的一般或特定位置，控制器116就可以激活对应于已经发生损坏的一侧上的第一相机114a。如图6a所示(参考图1的示意性控制器方面)，控制器116可以激活第一车辆的对应于或邻近第一车辆上已经发生损坏的位置的一侧上的相机。
25.第一相机114a具有视野123，并且可以获得第二车辆104的相机图像。图像可以包括车辆识别信息，诸如品牌、型号、风格、车辆类型或其他信息。在此示例中，视野123中仅存在第二车辆104的一小部分。因此，控制器116可以使用具有第二视野125的另一个相机继续获得第二车辆104的图像。
26.如图6b所示，控制器116可以激活另外的相机(诸如第二相机114b)，所述另外的相机可以捕获第二车辆104的另外的图像。例如，第二相机114b可以捕获第二车辆104的后部的图像，这可以包括捕获识别信息，诸如车牌号或车辆品牌。因此，第二车辆104可以首先被第一相机114a跟踪，然后被第二相机114b跟踪。当第二车辆104远离第一车辆102移动时，控制器116可以使得第二相机114b平移或倾斜以记录第二车辆104。
27.当获得相机图像时，控制器116可以处理图像以确定图像中的识别信息。例如，控制器116可以从车辆上存在的标记识别车辆品牌或型号。控制器116可以识别其他信息，诸如车辆的所有者。例如，如果车辆是租赁单位，则控制器116可在车辆上存在的标签或其他标记上识别租赁公司的名称。
28.其他识别信息可以包括车牌号、保险杠贴纸或其他视觉上与众不同的信息。例如，可以使用模式识别人工智能找到图像中的识别信息。在一些情况下，识别信息可以包括在第二车辆104上识别的对应损坏区域。例如，从相机图像识别第二车辆104上的损坏区域121。
29.相机图像可以被转发到用户的移动装置122，诸如车辆的所有者。识别信息可以用作确定图像的接收方124的基础。例如，当识别信息包括车牌或车辆所有者时，可以使用识别信息以将相机图像和其他信息发送到接收方124，诸如保险公司、警察或紧急响应服务。在一些情况下，移动装置122向车辆注册。
30.在另一个示例用例中，控制器116可以确定已经检测到损坏事件，诸如钥匙划伤。可以激活第一相机114a以获得图像。图像可以被处理以识别持有可能已经被用来形成钥匙划伤的钥匙115的个人106。在一些情况下，个人106持有的钥匙可以被认为是识别信息，因为控制器116将损坏类型识别为钥匙划伤。可以评估个人的图像以确定其他识别信息，诸如面部识别或识别服装或标记。
31.除了中继相机图像之外，控制器116可以被配置为完成保险索赔模板。例如，当损坏事件发生时，控制器116可以组装索赔表，所述索赔表可以包括第一车辆102以及导致损坏事件的对象(诸如第二车辆104)(可以包括任何其他对象，诸如个人、自行车等)的识别信息。可以收集位置信息以及日期和时间。此信息可以与相机图像以及在相机图像中找到的任何识别信息一起被传输到接收方124，诸如保险公司。可以从图像提取一些识别信息，并且将其插入保险表格中。例如，可以将车牌号添加到保险单的字段中。其他相关的保险索赔处理功能可以使用收集到的信息来便于，诸如损坏估计以及与受损车辆的所有者一起确认损坏和估计。
32.在一个用例中，一种方法可以包括接收损坏已经被分类为可索赔损坏的指示(例如，高于特定强度水平或严重程度)。所述方法可以包括用相机图像生成保险索赔，以及向保险公司传输带有相机图像的保险索赔。
33.在上述示例中，在监测、处理和/或报告期间收集的数据可以存储在区块链分类账中。区块链可以用于获取证据(诸如图像/视频剪辑、车牌、位置、车辆类型、损坏类型、损坏强度、大致费用)并且发送给保险持有人。车内参数(诸如速度、车辆警报)中的一些对于了解损坏的引发者也至关重要，也可以对其进行捕获。
34.如上所述，尽管上述特征已经被公开为发生在车辆水平，但是服务提供商108可以类似地被配置为接收、处理和报告车辆损坏。服务提供商108可以从车辆接收传感器数据并且处理传感器数据。服务提供商108可以存储和执行上述机器学习模型，以基于类型和严重程度对损坏进行分类。服务提供商108也可以提供报告功能，向移动装置122或接收方124提供任何上述损坏事件信息，所述上述损坏事件信息可以包括情境车辆信息(诸如位置、方向、速度等)，以及关于导致损坏的对象的信息。
35.在一个用例中，停车场中的车辆发生损坏是常见的场景。确定损坏的原因可能依赖于从安全相机获得的信息。本文公开的方法可以利用基本的车辆传感器唯一地识别损坏的类型、其强度。车辆的相机可以用来生成和证实额外的损坏证据。这减少了创建报告所花费的精力，并且用作通知第三方(如保险公司)的机制。这些解决方案甚至适用于可能未被注意到的较小损坏事件。可以生成多个较小的报告，因此当车辆处于服务状态时，可以索要所有必要的报告。
36.图7是本公开的示例性方法的流程图。所述方法包括从车辆的传感器获得传感器信号的步骤602。所述方法可以包括从传感器信号确定损坏事件的步骤604。在一些情况下，所述方法可以包括对损坏类型进行分类的步骤606和对损坏强度/严重程度进行分类的步骤608。如果未检测到损坏，则在步骤604中，处理后的传感器信号信息可以用于训练与一般损坏事件检测相关的机器学习。例如，与损坏无关的传感器信号信息可以用于更新基线传感器输出，所述基线传感器输出可以用于消除由例如发动机振动、气候系统活动等导致的基线传感器噪声。
37.在一些情况下，所述方法可以包括确定损坏事件是否保证响应数据收集的步骤610。例如，除非确定损坏属于特定类型或强度，否则可能不会发生响应性数据收集，诸如相机激活。在一个示例中，在加速度计信号超过加速度阈值以前，可能不发生响应数据收集。在所述方法的一些配置中，步骤610是任选的。
38.所述方法可以包括执行响应数据收集和报告的步骤612。响应性数据收集可以包括激活车辆的相机以获得图像。如上所述，这可以包括激活检测到损坏的车辆的一侧上的相机(或甚至与其邻近的相机)。然后处理图像以识别与造成损坏(或可能已经造成损坏)的对象相关的信息。相机图像/视频和/或识别信息可以被传输到受损车辆的所有者的移动装置，以及任何被识别的第三方，诸如保险公司、紧急服务等。在此期间收集的数据可以存储在区块链中，并且可以根据需要生成报告并且传输给第三方。如上所述，可以收集受损车辆的车内参数，诸如速度、车辆警报、轮胎压力、车辆位置等。
39.图8是本公开的示例性方法的流程图。所述方法可以包括基于车辆传感器信号确定第一车辆的损坏事件的发生的步骤702。当然，车辆传感器信号可以包括来自许多不同类
型的传感器的传感器信号，这些传感器广泛地包括声音和运动传感器。所述方法包括使用车辆传感器信号确定第一车辆上已经发生损坏的位置的步骤704。例如，车辆的后保险杠可能发生损坏。接下来，所述方法可以包括激活车辆的对应于或邻近第一车辆上已经发生损坏的位置的一侧上的相机的步骤706。所述方法可以包括从相机图像确定与相机图像中捕获的对象相关的识别信息的步骤708，以及向接收者传输包括识别信息的消息的步骤710。
40.有利地，本公开的方面可以用于非连接车辆以及连接车辆。本文公开的方法和系统可以被配置为提供对小损坏(如划伤或凹痕)的即时(例如，实时)报告，以及便于即时保险索赔和对导致损坏的车辆的识别。所述系统和方法可以用于识别附近的维修服务中心，和/或通知执法部门发送可以用于识别目标(如被盗车辆)的相关信息。基于位置的特征可能依赖于从连接的车辆获得的位置信息。可以通过例如车辆或服务提供商可用的映射图或导航服务，使用受损车辆的当前位置来定位附近的服务。
41.在以上公开中，已经参考了形成以上公开的一部分的附图，附图示出了其中可以实践本公开的具体实现方式。应理解，在不脱离本公开的范围的情况下，可以利用其他实现方式，并且可以进行结构改变。本说明书中对“一个实施例”、“实施例”、“示例性实施例”等的引用指示所描述的实施例可以包括特定特征、结构或特性，但每个实施例可能不一定包括所述特定特征、结构或特性。此外，此类短语不一定指代同一实施例。另外，当结合实施例描述特定特征、结构或特性时，无论是否明确地描述，本领域技术人员都将认识到结合其他实施例的此类特征、结构或特性。
42.本文公开的系统、设备、装置和方法的实现方式可以包括或利用专用或通用计算机，所述专用或通用计算机包括计算机硬件，如例如一个或多个处理器和系统存储器，如本文所讨论。在本公开的范围内的实现方式还可以包括用于携载或存储计算机可执行指令和/或数据结构的物理和其他计算机可读介质。这种计算机可读介质可以是可由通用或专用计算机系统访问的任何可用介质。存储计算机可执行指令的计算机可读介质是计算机存储介质(装置)。携载计算机可执行指令的计算机可读介质是传输介质。因此，作为示例而非限制，本公开的实现方式可以包括至少两种截然不同的计算机可读介质：计算机存储介质(装置)和传输介质。
43.计算机存储介质(装置)包括ram、rom、eeprom、cd-rom、固态驱动器(ssd)(例如，基于ram)、快闪存储器、相变存储器(pcm)、其他类型的存储器、其他光盘存储装置、磁盘存储装置或其他磁性存储装置或可用于存储呈计算机可执行指令或数据结构形式的期望程序代码装置并且可由通用或专用计算机访问的任何其他介质。
44.本文公开的装置、系统和方法的实现方式可以通过计算机网络进行通信。“网络”被定义为使得能够在计算机系统和/或模块和/或其他电子装置之间传输电子数据的一个或多个数据链路。当通过网络或另一种通信连接(硬连线、无线或者硬连线或无线的任何组合)向计算机传送或提供信息时，所述计算机适当地将连接视为传输介质。传输介质可以包括网络和/或数据链路，所述网络和/或数据链路可以用于携载呈计算机可执行指令或数据结构的形式的所期望的程序代码手段并可以由通用或专用计算机访问。上述的组合也应包括在计算机可读介质的范围内。
45.计算机可执行指令包括例如在处理器处执行时致使通用计算机、专用计算机或专用处理装置执行某个功能或某组功能的指令和数据。计算机可执行指令可以是例如二进制
代码、中间格式指令(诸如汇编语言)或甚至源代码。尽管已经用特定于结构特征和/或方法动作的语言描述了本主题，但是应理解，在所附权利要求中限定的主题不必限于上面描述的所述特征或动作。而是，所描述的特征和动作被公开作为实施权利要求的示例性形式。
46.本领域技术人员将了解，本公开可以在具有许多类型的计算机系统配置的网络计算环境中实践，所述计算机系统配置包括内置式车辆计算机、个人计算机、台式计算机、膝上型计算机、消息处理器、手持式装置、多处理器系统、基于微处理器的或可编程的消费电子产品、网络pc、小型计算机、大型计算机、移动电话、pda、平板电脑、寻呼机、路由器、交换机、各种存储装置等。本公开还可以在分布式系统环境中实践，其中通过网络链接(通过硬连线数据链路、无线数据链路或通过硬连线数据链路与无线数据链路的任何组合)的本地和远程计算机系统两者都执行任务。在分布式系统环境中，程序模块可以位于本地和远程存储器存储装置两者中。
47.此外，在适当的情况下，本文中描述的功能可以在以下项中的一者或多者中执行：硬件、软件、固件、数字部件或模拟部件。例如，一个或多个专用集成电路(asic)可以被编程为执行本文所描述的系统和程序中的一者或多者。贯穿说明书和权利要求使用某些术语来指代特定系统部件。如本领域的技术人员将了解，部件可以用不同的名称指代。本文件不意图区分名称不同但功能相同的部件。
48.应注意，上文论述的传感器实施例可以包括计算机硬件、软件、固件或其任何组合，以执行它们的至少一部分功能。例如，传感器可以包括被配置为在一个或多个处理器中执行的计算机代码并且可以包括由计算机代码控制的硬件逻辑/电路。这些示例装置在本文中出于说明目的而提供，而不意图进行限制。如相关领域的技术人员所知晓，本公开的实施例可在其他类型的装置中实施。
49.本公开的至少一些实施例已经涉及计算机程序产品，其包括存储在任何计算机可用介质上的这种逻辑(例如，以软件的形式)。这种软件当在一个或多个数据处理装置中被执行时致使装置如本文所描述那样进行操作。
50.尽管上文已描述了本公开的各种实施例，但应理解，仅通过示例而非限制的方式呈现本公开的各种实施例。相关领域的技术人员将明白，在不脱离本公开的精神和范围的情况下可以作出形式和细节上的各种变化。因此，本公开的广度和范围不应受任一上述示例性实施例的限制，而是应仅根据所附权利要求和其等效物限定。已经出于说明和描述目的而呈现了前述描述。前述描述并不意图是详尽的或将本公开限制于所公开的精确形式。根据以上教导，许多修改和变化是可能的。此外，应注意，任何或所有前述替代性实现方式可以期望的任何组合使用以形成本公开的另外的混合实现方式。例如，相对于特定装置或部件描述的功能中的任一者可以由另一个装置或部件执行。另外，尽管已经描述了具体装置特性，但本公开的实施例可能涉及许多其他装置特性。此外，尽管已用特定于结构特征和/或方法动作的语言描述了实施例，但是应理解，本公开不一定受限于所描述的特定特征或动作。而是，将特定特征和动作公开为实现实施例的说明性形式。除非另有特别说明或在使用时在上下文内以其他方式理解，否则诸如尤其是“能够”、“可能”、“可以”或“可”的条件语言一般意图表达某些实施例可包括某些特征、元件和/或步骤，而其他实施例可不包括某些特征、元件和/或步骤。因此，此类条件语言一般并不意图暗示一个或多个实施例无论如何都需要各特征、要素和/或步骤。
51.根据本发明的一个实施例，服务提供商被配置为向接收者传输消息，所述消息包括相机图像中找到的对象的识别信息。
52.根据实施例，服务提供商向注册到车辆的移动装置传输相机图像。
53.根据实施例，服务提供商包括损坏类型分类器，所述损坏类型分类器被配置为：确定车辆的基线噪声模型；接收连续的车辆传感器信号；并且使用基线噪声模型从连续的车辆传感器信号中识别损坏类型。
54.根据实施例，服务提供商包括损坏严重程度分类器，所述损坏严重程度分类器被配置为使用损坏严重程度模型来确定损坏的损坏严重程度，所述损坏严重程度模型使用基线噪声模型。
55.根据实施例，从包括加速度计、陀螺仪、音频传感器及其组合的多个传感器获得连续的车辆传感器信号。