[发明专利]智能自核验车方法、装置及计算机可读存储介质

说明书

本发明涉及一种人工智能技术，揭露了一种智能自核验车方法，包括：根据车辆图像库的车辆图像集产生标签集；接收验车图像集，对所述验车图像集进行预处理和分割处理，得到所述验车图像集的车辆方向梯度特征图谱集，将所述车辆方向梯度特征图谱集作为训练集；利用所述训练集和所述标签集对预先构建的智能自核验车模型进行训练，输出与所述训练集匹配度最高的车辆特征图像，完成所述智能自核验车模型的训练；根据训练好的所述智能自核验车模型以及所述车辆图像库的车辆图像集对用户上传的验车图像进行识别，输出所述用户上传的验车图像的自核结果。本发明还提出一种智能自核验车装置以及一种计算机可读存储介质。本发明实现了验车图像的精准识别。

技术领域

本发明涉及大数据技术领域，尤其涉及一种基于用户行为的智能自核验车方法、装置及计算机可读存储介质。

背景技术

近年来，由于科技的高速发展和人们生活水平的提高，汽车的数量也在不断增加，路上的交通事故也不断增加，随之影响的便是寿险行业对于车险的审核，目前对于寿险公司验车流程为首先申请投保发起验车任务，在验车拍照后，由审核人员人工核对是否是该标的照片，对拍照地点是否属于投保地辖区内做出判断，只有符合条件方可通过。然而全国每天的单量较大，审核人员负担也大，无法更好地把控行业风险，同时人工审核影响出单失效，出单速度慢，人力成本也高。

发明内容

本发明提供一种智能自核验车方法、装置及计算机可读存储介质，其主要目的在于当用户在进行车辆验证时，给用户提供一种高效的自核验车方法。

为实现上述目的，本发明提供的一种智能自核验车方法，包括：

从一个车辆图像库中获取用户历史存储的车辆图像，并对所述车辆图像库的车辆图像建立标签，产生标签集；

接收所述用户的验车图像集，对所述验车图像集进行预处理操作，得到目标验车图像集；

通过边缘检测法和阈值分割法对所述目标验车图像集的车辆进行分割，得到所述车辆的局部关键点图像；

根据所述车辆的局部关键点图像建立所述车辆的方向梯度特征图谱集，并将所述方向梯度特征图谱集作为训练集；

利用所述训练集对预先构建的智能自核验车模型进行训练，得到训练值，将所述训练值和所述标签集输入至所述智能自核验车模型的损失函数中，得到损失函数值，直至所述损失函数值小于预设的阈值时，完成所述智能自核验车模型的训练；

将用户上传的验车图像输入至训练好的所述智能自核验车模型中，得到所述验车图像的匹配度最高的特征图像，并利用逻辑比对程序将所述匹配度最高的特征图像与所述车辆图像库进行遍历比对，输出所述用户上传的验车图像的自核结果。

可选地，所述接收所述用户的验车图像集，对所述验车图像集进行预处理操作，得到目标验车图像集，包括：

通过直方图均衡化将所述验车图像集中的验车图像转换为灰度图像；利用对比度拉伸方法对所述灰度图像进行对比度增强；利用高斯滤波对所述对比度增强的灰度图像进行降噪，得到所述目标验车图像集。

可选地，所述通过边缘检测法和阈值分割法对所述目标验车图像集的车辆进行分割，得到所述车辆局部关键点图像，包括：

利用Canny边缘检测法对所述目标验车图像集的车辆进行界面定位，通过一阶偏导的有限差分计算所述车辆的梯度的幅度和方向，并将所述车辆的梯度中非局部极大值点的幅度置为零，得到细化的车辆边缘图像；

利用双阈值法对所述车辆边缘图像进行分割，采用区域增长法对分割后的所述车辆边缘图像中的关键点进行放大，通过边缘连接将分割后的所述车辆边缘图像进行连接，从而得到所述车辆的局部关键点图像。

可选地，所述根据所述车辆的局部关键点图像建立所述车辆的方向梯度特征图谱集，包括：