[发明专利]基于深度神经网络的汽车损伤检测方法和系统

说明书

本发明公开了一种基于深度神经网络的汽车损伤检测方法和系统，其中，汽车损伤检测方法包括：获取特定角度的汽车损伤检测照片；对汽车损伤检测照片进行外观部件分割，并确定每一外观部件的位置和类型；利用深度卷积神经网络对每一外观部件进行损伤检测；对所有外观部件的损伤检测结果进行融合评估，并输出汽车的损伤部件及置信度。通过本发明的技术方案，能获取极高的准确率和召回率，使用便捷简单，对前端设备无特殊要求，提高了推广性和汽车损伤检测的效率。

技术领域

本发明涉及车辆技术领域，尤其涉及一种基于深度神经网络的汽车损伤检测方法和一种基于深度神经网络的汽车损伤检测系统。

背景技术

汽车外观损伤查勘，在汽车业务中比较常见，例如汽车保险承保，分时租赁以及汽车日租的取车还车环节，都需要确认汽车外观是否有损伤。目前普遍采用的方法有两种，一种是工作人员现场查勘并填写报告，另一种是用户拍摄照片(视频)，提交到服务器上进行处理。

现有的系统存在以下问题：

1.用户拍照提交服务器人工审核的方式存在延时大，成本高，用户体验差的问题，无法大规模扩展使用。

2.定损技术拍摄要求高，并且需要针对每个部位拍摄多组照片，主要应用于保险理赔的场景，无法应用到验车、租赁业务。

2012年以来，深度学习在图片识别领域取得非常大的进步。相比传统的图片识别方法使用的色彩、HOG等低级视觉特征；深度神经网络能学得更多高级的、抽象的特征，这使得深度神经网络的性能远远超越传统方法。2014年以来，深度学习开始在物体检测，物体分割等领域取得优秀成果，涌现出Deeplab，YOLO，Faster RCNN，等一序列方法，识别准确率在特定任务上已经超越了人类识别的水平，并在生成环境中得到大规模使用。深度学习在汽车外观损伤检测领域进行的工作比较少，2016年左右开始有人尝试。但是受限于数据获取的难度，这个领域一直进展比较慢，目前也还没有一个可以落地使用的系统或方法。

现有技术中有一种基于图像的车辆定损方法，该方法是使用保险理赔车辆图片作为训练识别数据，数据适应场景苛刻；只能用于为出险车辆进行外观定损，确定损伤程度，无法推广到以无损伤车辆为主的承保，租赁使用场景。还有一种汽车零部件分级定损方法，属于汽车定损领域，用于解决现有技术中，提取特征信息不完善，造成的提取信息无法真实反映汽车损伤程度的问题，同样只适用于确认损伤程度和采集信息，无法推广到以无损伤车辆为主的承保，租赁使用场景。

发明内容

针对上述问题中的至少之一，本发明提供了一种基于深度神经网络的汽车损伤检测方法和一种基于深度神经网络的汽车损伤检测系统，基于深度神经网络对汽车损伤检测照片中的外观部件进行损伤检测，并将所有外观部件的损伤检测结构进行融合评估，确定汽车的损伤情况。这种基于深度神经网络的方法，能获取极高的准确率和召回率，且每辆车只需采集4或6张特定角度的照片，使用便捷简单，对前端设备无特殊要求，可直接使用主流智能手机，方便C端推广。

为实现上述目的，本发明提供了一种基于深度神经网络的汽车损伤检测方法，包括：获取特定角度的汽车损伤检测照片；对所述汽车损伤检测照片进行外观部件分割，并确定每一外观部件的位置和类型；利用深度卷积神经网络对每一所述外观部件进行损伤检测；对所有所述外观部件的损伤检测结果进行融合评估，并输出所述汽车的损伤部件及置信度。

在上述技术方案中，优选地，所述汽车损伤检测照片为四角照片或六角照片，所述四角照片为相对所述汽车的左前、左后、右前和右后四个角度的照片；所述六角照片为相对于所述汽车的左前、左后、右前和右后四个角度以及前、后、左、右四个角度中的任意两个角度的照片。

在上述技术方案中，优选地，所述对所述汽车损伤检测照片进行外观部件分割，并确定每一外观部件的位置和类型具体为：利用分割算法对所述汽车损伤检测照片进行外观部件分割，并确定分割后的所述外观部件在所述汽车中的位置和所述外观部件的类型。