[发明专利]通过计算机执行的、用于识别车辆部件的方法及装置

说明书

本说明书实施例提供一种通过计算机执行的、用于识别车辆部件的方法。该方法包括：首先，获取待识别的车辆图片；接着，基于所述车辆图片，确定以至少一个车辆部件为潜在目标的多个候选区域和所述多个候选区域对应的多个第一特征向量；然后，将所述多个第一特征向量转换为多个第二特征向量，其中对于第i个第一特征向量，基于所述第i个第一特征向量与若干第一特征向量之间的关联度，对所述若干第一特征向量进行加权求和，得到对应的第i个第二特征向量；其中，i为正整数；再接着，基于所述多个第二特征向量，确定所述多个候选区域中各个候选区域所对应的部件类别。

技术领域

本说明书实施例涉及利用机器学习进行目标识别和检测的技术领域，具体地，涉及一种通过计算机执行的、用于识别车辆部件的方法及装置，一种通过计算机执行的、用于识别目标对象的方法及装置。

背景技术

在传统车险理赔场景中,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，给出车辆的维修方案和赔偿金额，并拍摄现场照片，定损照片留档以供后台核查人员核损核价。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，理赔流程由于等待人工查勘员现场拍照、定损员在维修地点定损、核损人员在后台核损，理赔周期长达1-3天，用户的等待时间较长，体验较差。

针对需求背景中提到的这一人工成本巨大的行业痛点，开始设想将人工智能和机器学习应用到车辆定损的场景中，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损失图片，自动识别图片中反映的车损状况，并自动给出维修方案。如此，无需人工查勘定损核损，大大减少了保险公司的成本，提升了普通用户的车险理赔体验。

在车损检测识别过程中，往往需要对车辆部件进行识别。目前的智能定损方案中，车辆部件识别的准确度还有待进一步提高。

因此，希望能有改进的方案，可以更准确地对车辆部件进行识别，从而提高智能定损的准确度。

发明内容

在本说明书一个或多个实施例描述的识别车辆部件的方法中，通过引入车辆部件之间的空间约束信息，提高对车辆部件的识别准确度。

根据第一方面，提供一种通过计算机执行的、用于识别车辆部件的方法，其中，所述方法包括：获取待识别的车辆图片；基于所述车辆图片，确定以至少一个车辆部件为潜在目标的多个候选区域和所述多个候选区域对应的多个第一特征向量；将所述多个第一特征向量转换为多个第二特征向量，其中对于第i个第一特征向量，基于所述第i个第一特征向量与若干第一特征向量之间的关联度，得到对应的第i个第二特征向量；其中，i为正整数；基于所述多个第二特征向量，确定所述多个候选区域中各个候选区域所对应的部件类别。

在一个实施例中，所述确定以至少一个车辆部件为潜在目标的多个候选区域和所述多个候选区域对应的多个第一特征向量，包括：对所述车辆图片进行卷积处理，得到对应的卷积特征图；基于所述卷积特征图，利用区域生成网络RPN确定所述多个候选区域和所述多个第一特征向量。

在一个实施例中，所述多个候选区域中包括对应所述第i个第一特征向量的第i个候选区域和对应所述若干第一特征向量的若干候选区域；所述若干候选区域位于针对所述第i个候选区域设定的位置范围内。

进一步地，在一个具体的实施例中，所述若干候选区域中包括第一候选区域，所述若干候选区域位于针对所述第i个候选区域设定的位置范围内包括：所述第一候选区域的区域中心与所述第i个候选区域的区域中心之间的距离小于距离阈值。

在一个更具体的实施例中，所述距离阈值基于所述第i个候选区域的宽和高而设定。

在另一个具体的实施例中，所述若干候选区域中包括第二候选区域，所述若干候选区域位于针对所述第i个候选区域设定的位置范围内包括：所述第二候选区域位于所述第i个候选区域的预定方位侧。