[发明专利]目标物定损方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种目标物定损方法，其特征在于，所述方法包括：

获取目标物的图片集，对所述图片集中的图片进行拼接，得到拼接图；

识别出所述拼接图的像素点集；

对所述像素点集中的像素点粗分类，根据所述粗分类对一个预构建的超平面分类模型进行训练，得到训练完成的超平面分类模型；

利用所述训练完成的超平面分类模型对所述像素点集中的像素点进行精分类，得到不同类别的像素点集；

根据所述不同类别的像素点集利用预设的目标物定损算法分析所述目标物的定损结果，所述目标物定损算法的公式为：

其中，H表示定损结果，J表示轻度受损的像素点个数，K表示中度受损的像素点个数，M表示重度受损的像素点个数，P表示原始像素点集的像素点个数，δ，μ，σ为预设的百分比。

2.如权利要求1所述的目标物定损方法，其特征在于，所述对所述图片集中的图片进行拼接，得到拼接图，包括：

获取所述目标物的全景二维模型；

对所述图片集中的每一张图片执行去噪操作，得到标准图片集；

利用所述全景二维模型匹配所述标准图片集中的每一张图片，得到所述目标物的拼接图。

3.如权利要求1所述的目标物定损方法，其特征在于，所述识别出所述拼接图的像素点集，包括：

对所述拼接图进行卷积操作，得到拼接图二维画布；

映射所述拼接图二维画布至处理器，得到原始像素点集；

对所述原始像素点集进行池化操作，得到所述拼接图的像素点集。

4.如权利要求3所述的目标物定损方法，其特征在于，所述映射所述拼接图二维画布至处理器，得到原始像素点集，包括：

利用如下公式映射所述拼接图二维画布：

其中，z_x,y表示原始像素点集，p*q表示卷积核，w表示卷积核权重，v表示卷积核通道数，b表示偏置数，h()表示非线性激活函数。

5.如权利要求1所述的目标物定损方法，其特征在于，所述根据所述粗分类对一个预构建的超平面分类模型进行训练，得到训练完成的超平面分类模型，包括：

根据所述粗分类，得到不同类别的训练集；

构建初始超平面；

构建所述初始超平面与所述训练集的几何间隔函数；

根据所述几何间隔函数构建几何间隔最小值优化函数；

求解所述几何间隔最小值优化函数的约束条件；

根据所述约束条件及所述几何间隔最小值优化函数，重复训练所述初始超平面，得到所述超平面分类模型。

6.如权利要求5所述的目标物定损方法，其特征在于，所述构建所述初始超平面与所述训练集的几何间隔函数，包括：

利用下述公式构建所述初始超平面与所述训练集的几何间隔函数：

其中,λ_i表示几何间隔的值，y_i表示所述初始超平面中y轴的值，x_i表示所述初始超平面中x轴的值，w表示一元一次方程的系数，||w||表示w的转置共轭矩阵与w的积的最大特征根的平方根值，d表示一元一次方程的常数。

7.一种目标物定损装置，其特征在于，所述装置包括：

获取模块，用于获取目标物的图片集，对所述图片集中的图片进行拼接，得到拼接图；

识别模块，用于识别出所述拼接图的像素点集；

分类模块，用于对所述像素点集中的像素点粗分类，根据所述粗分类对一个预构建的超平面分类模型进行训练，得到训练完成的超平面分类模型；利用所述训练完成的超平面分类模型对所述像素点集中的像素点进行精分类，得到不同类别的像素点集；

计算模块，用于根据所述不同类别的像素点集利用预设的目标物定损算法分析所述目标物的定损结果，所述目标物定损算法的公式为：

其中，H表示定损结果，J表示轻度受损的像素点个数，K表示中度受损的像素点个数，M表示重度受损的像素点个数，P表示原始像素点集的像素点个数，δ，μ，σ为预设的百分比。