[发明专利]碎屏确定方法、装置、计算机设备及计算机可读存储介质

说明书

本发明公开一种碎屏确定方法、装置、计算机设备及计算机可读存储介质。该碎屏确定方法包括：获取待识别图像；基于目标检测算法，对所述待识别图像中包含的目标物体进行定位，并检测定位出的所述目标物体是否包含电子设备的屏幕；以及当所述目标物体包含电子设备的屏幕时，通过预先训练的二分类模型，判断所述电子设备的屏幕是否破碎。根据本发明提供的碎屏确定方法，能够对碎屏进行自动化智能识别，无需人力投入，显著地提高了碎屏识别的精度与效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种碎屏确定方法、装置、计算机设备及计算机可读存储介质。

背景技术

现阶段，保险公司在进行碎屏险承保时，需要客户使用另外一台手机拍摄欲承保手机的屏幕并上传照片。保险公司后台服务器接收照片后，由专门的工作人员对照片中的手机屏幕是否破碎进行人工识别。

上述承保流程需要投入大量的人力成本，且当理赔手机量极大时，人工识别的效率严重下滑，误识别的概率将大大增加，影响客户满意度。

需要说明的是，在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种碎屏确定方法、装置、计算机设备及计算机可读存储介质。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提供一种碎屏确定方法，包括：获取待识别图像；基于目标检测算法，对所述待识别图像中包含的目标物体进行定位，并检测定位出的所述目标物体是否包含电子设备的屏幕；以及当所述目标物体包含电子设备的屏幕时，通过预先训练的二分类模型，判断所述电子设备的屏幕是否破碎。

根据本发明的一实施方式，所述目标检测算法为基于一阶段模型框架的目标检测算法；对所述待识别图像中包含的目标物体进行定位，并检测定位出的所述目标物体是否包含电子设备的屏幕包括：均匀地在所述待识别图像中的不同位置，以不同尺寸和不同长宽比进行密集重采样；以及将采样结果输入经训练的卷积神经网络中进行分类，以检测定位出的所述目标物体是否包含电子设备的屏幕。

根据本发明的一实施方式，通过预先训练的二分类模型，判断所述电子设备的屏幕是否破碎之前，所述方法还包括：根据定位出的所述目标物体的坐标，对所述待识别图像进行裁剪，以裁剪出所述屏幕对应的图像部分；以及将所述屏幕对应的图像部分输入至所述二分类模型。

根据本发明的一实施方式，在将所述屏幕对应的图像部分输入至所述二分类模型之前，所述方法还包括：对所述屏幕对应的图像部分进行形态学处理。

根据本发明的一实施方式，所述二分类模型为卷积神经网络模型；所述卷积神经网络模型包括：多个卷积层、多个池化层和多个全连接层，其中最后一个全连接层由两个神经元组成。

根据本发明的一实施方式，所述卷积神经网络模型是基于对VGG16模型的迁移学习进行预先训练的；所述卷积神经网络的训练样本包括对原始训练图像进行下述至少一种操作而获得的新图像：图片反转、角度变换、增加色差度。

根据本发明的一实施方式，通过预先训练的二分类模型，判断所述电子设备的屏幕是否破碎包括：对所述屏幕对应的图像部分进行特征提取，生成对应所述屏幕的多个特征图；根据所述多个特征图，分别确定所述屏幕对应的图像部分属于第一类别的第一概率和属于第二类别的第二概率；其中，所述第一类别为“碎屏”，所述第二类别为“未碎屏”；以及当所述第一概率大于所述第二概率时，确定所述电子设备的屏幕破碎。