[发明专利]事故车辆理赔方法和装置、电子设备

权利要求书

1.一种事故车辆理赔方法，所述方法包括：

获取事故车辆的图像数据；

将所述图像数据输入至预测模型，以由所述预测模型基于所述图像数据预测所述事故车辆的车辆受损时长；其中，所述预测模型为基于若干被标注了车辆受损时长的车辆图像样本训练出的机器学习模型；

将预测出的车辆受损时长与预设的受损时长阈值进行比较，并基于比较结果针对所述事故车辆进行理赔决策。

2.根据权利要求1所述的方法，所述图像数据包括：所述事故车辆的多张图像；所述预测出的车辆受损时长包括：由所述预测模型分别基于所述多张图像预测出的多个车辆受损时长。

3.根据权利要求2所述的方法，所述将预测出的车辆受损时长与预设的受损时长阈值进行比较，并基于比较结果针对所述事故车辆进行理赔决策，包括：

对预测出的所述多个车辆受损时长进行加权平均计算，得到所述事故车辆的平均受损时长，并将所述平均受损时长与预设的受损时长阈值进行比较；

如果所述平均受损时长小于所述受损时长阈值时，则确定针对所述事故车辆进行理赔处理；如果所述平均受损时长大于或等于所述受损时长阈值时，则将所述事故车辆所属的理赔案件标记为风险案件。

4.根据权利要求2所述的方法，所述将预测出的车辆受损时长与预设的受损时长阈值进行比较，并基于比较结果针对所述事故车辆进行理赔决策，包括：

将预测出的所述多个车辆受损时长分别与所述受损时长阈值进行比较；

确定所述多个车辆受损时长中小于所述受损时长阈值的车辆受损时长的目标数量；

如果所述目标数量大于或等于预设的数量阈值时，则确定针对所述事故车辆进行理赔处理；如果所述目标数量小于所述数量阈值，则将所述事故车辆所属的理赔案件标记为风险案件。

5.根据权利要求2所述的方法，所述将预测出的车辆受损时长与预设的受损时长阈值进行比较，并基于比较结果针对所述事故车辆进行理赔决策，包括：

将预测出的所述多个车辆受损时长分别与所述受损时长阈值进行比较；

确定所述多个车辆受损时长中小于所述受损时长阈值的车辆受损时长的数量，对应于所述多个车辆受损时长的数量的目标比值；

如果所述目标比例大于或等于预设的比值阈值，则确定针对所述事故车辆进行理赔处理；如果所述目标比例小于所述比值阈值，则将所述事故车辆所属的理赔案件标记为风险案件。

6.根据权利要求3至5任一所述的方法，所述方法还包括：

将被标记为风险案件的理赔案件向所述理赔案件的相关责任人输出，以由所述相关责任人针对所述理赔案件进行调查取证。

7.根据权利要求1所述的方法，所述方法还包括：

获取预设数量的车辆图像样本；其中，所述车辆图像样本被标注了对应的车辆受损时长；

基于预设的机器学习算法针对所述车辆图像样本进行训练，以得到所述预测模型。

8.根据权利要求1所述的方法，所述预测模型为以下模型中的任意一个：Faster-RCNN模型，YOLOv3模型，SSD模型。

9.一种事故车辆理赔装置，所述装置包括：

第一获取模块，用于获取事故车辆的图像数据；

预测模块，用于将所述图像数据输入至预测模型，以由所述预测模型基于所述图像数据预测所述事故车辆的车辆受损时长；其中，所述预测模型为基于若干被标注了车辆受损时长的车辆图像样本训练出的机器学习模型；

比较模块，用于将预测出的车辆受损时长与预设的受损时长阈值进行比较，并基于比较结果针对所述事故车辆进行理赔决策。

10.根据权利要求1所述的装置，所述图像数据包括：所述事故车辆的多张图像；所述预测出的车辆受损时长包括：由所述预测模型分别基于所述多张图像预测出的多个车辆受损时长。