用于车辆核损的方法及装置与流程

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及用于通过计算机对车辆核损的方法和装置。

背景技术：

车辆是各种车的总称，例如可以包括自行车、小汽车、卡车、货车、火车等等。车辆损伤事件中，往往因意外或人为过错造成的车辆受损，例如车辆刮擦、碰撞等。受损车辆的后续处理往往涉及对车辆损伤的鉴定，以对车辆维修、保险理赔等提供依据。以保险理赔为例，一个受损车辆的定损过程可能包括：由保险公司派出专业的查勘定损人员，经过查勘定损，给出维修方案和赔偿金额，并将定损照片上传后台，以供后台核查人员核损核价。核损通常是对损伤的核查，以及对所确定的损伤是否为本次事故损伤的校验，以免出现诸如用户将多次事故一起报给保险公司进行骗保的情况。

常规技术中，核损过程往往由人工根据定损照片进行判断。这种方式人力成本较大。在一些实现中，也会通过制定简单的规则，例如两侧车门不可能同时损伤等，来判断定损结果是否合理，以进行初步核损。然而，这样的规则制定过于简单或绝对，往往不能涵盖全部情形。例如，一些符合规则的损伤，也可能不属于同一次事故。因此，需要提供一种更加合理的核损方式，利用更多的损伤信息，对受损车辆进行核损，提高核损的准确度。

技术实现要素：

本说明书一个或多个实施例描述了一种用于车辆核损的方法和装置，可以从受损车辆的损伤检测结果中提取损伤特征和损伤关联特征，并基于损伤特征和损伤关联特征对各处损伤进行分类，从而能够通过更丰富的损伤信息进行核损，提高核损的准确度。

根据第一方面，提供了一种用于车辆核损的方法，所述方法包括：获取受损车辆的损伤检测结果，其中，所述损伤检测结果中包括多处损伤的损伤结果；根据所述损伤检测结果确定所述受损车辆的损伤特征和损伤关联特征，所述损伤特征是通过单个损伤的损伤结果提取的特征，所述损伤关联特征用于描述至少两个损伤之间的损伤结果的相关性；至少基于所述损伤特征和所述损伤关联特征，对各处损伤按照是否属于同一次事故进行分类，以基于分类结果确定核损结果。

在一个实施例中，所述损伤特征至少包括：损伤所在部件、损伤在所述受损车辆上的位置、损伤类别、损伤程度。

在一个实施例中，所述损伤关联特征包括损伤相对位置特征、损伤在车辆上的分布特征、损伤所在部件之间的相关性特征、损伤类型相关性特征、损伤程度相关性特征中的一项或多项。

根据一种实施方式，至少基于所述损伤特征和所述损伤关联特征，对各处损伤按照是否属于同一次事故进行分类包括：对各处损伤，至少基于所述损伤特征和所述损伤关联特征进行聚类；将聚类结果中属于同一类簇的损伤确定为属于同一次事故。

在一个可能的设计中，至少基于所述损伤特征和所述损伤关联特征进行聚类包括：对于任意两处损伤，将该两处损伤各自的损伤特征和该两处损伤之间的损伤关联特征输入预先确定的距离函数，得到该两处损伤属于同一次事故的距离；基于所述距离对所述各处损伤进行聚类。

根据另一种实施方式，至少基于所述损伤特征和所述损伤关联特征，对各处损伤按照是否属于同一次事故进行分类包括：针对所述各处损伤中的第一损伤和第二损伤，将所述第一损伤的损伤特征、第二损伤的损伤特征，以及所述第一损伤和所述第二损伤之间的损伤关联特征输入预先训练的判断模型；根据所述判断模型的输出结果确定所述第一损伤和所述第二损伤是否属于同一次事故。

在一个可选的实施例中，所述输出结果包括所述第一损伤和所述第二损伤属于同一次事故的概率；以及，根据所述判断模型的输出结果确定所述第一损伤和所述第二损伤是否属于同一次事故包括：在所述输出结果大于预定概率阈值的情况下，确定所述第一损伤和所述第二损伤属于同一次事故。

在一个可选的实施例中，所述判断模型通过以下方法训练得到：将多个标注有是否属于同一次事故的损伤样本对加入训练样本集；对每一个损伤样本对中的两个损伤，分别提取损伤样本特征；提取每一个损伤样本中对两个损伤之间的损伤样本关联特征；将所述损伤样本特征和所述损伤样本关联特征作为输入，根据是否属于同一次事故的标注结果调整模型参数以训练所述判断模型。

根据第二方面，提供一种用于车辆核损的装置，所述装置包括：获取单元，配置为获取受损车辆的损伤检测结果，其中，所述损伤检测结果中包括多处损伤的损伤结果；确定单元，配置为根据所述损伤检测结果确定所述受损车辆的损伤特征和损伤关联特征，所述损伤特征是通过单个损伤的损伤结果提取的特征，所述损伤关联特征用于描述至少两个损伤之间的损伤结果的相关性；分类单元，配置为至少基于所述损伤特征和所述损伤关联特征，对各处损伤按照是否属于同一次事故进行分类，以基于分类结果确定核损结果。

根据第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。

根据第四方面，提供了一种计算设备，包括存储器和处理器，其特征在于，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现第一方面的方法。

通过本说明书实施例提供的用于车辆核损的方法和装置，通过获取受损车辆的损伤检测结果，并从中提取至少包括损伤特征和损伤关联特征的事故信息，以对各处损伤按照是否属于同一次事故进行分类，并基于分类结果确定核损结果。由于提取了更丰富的损伤信息来完成核损，可以提高核损的准确度。进一步地，可以节约人力，提高核损效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1示出本说明书披露的一个实施例的实施场景示意图；

图2示出根据一个实施例的用于车辆核损的方法流程图；

图3示出对各处损伤进行聚类的一个具体例子；

图4示出通过判断模型对各处损伤进行分类的一个具体例子；

图5示出根据一个实施例的用于车辆核损的装置的示意性框图。

具体实施方式

下面结合附图，对本说明书提供的方案进行描述。

图1为本说明书披露的一个实施例的实施场景示意图。在图1所示的应用场景中，是保险理赔的一个具体场景。在该场景中，当车辆出现事故时，由用户通过现场采集设备采集受损车辆的现场信息，通过现场信息可以对受损车辆进行损伤检测。然后，损伤检测结果上传至图1中的处理平台，由处理平台完成核损过程并反馈给用户。值得说明的是，损伤检测过程可以由图1的处理平台完成，也可以由其他处理平台完成，本说明书实施例对此不作限定。本说明书实施例中的用于车辆核损的方法，适用于处理平台的核损过程。

处理平台可以首先获取受损车辆的损伤检测结果。可以理解，损伤检测结果可能包括一处或多处损伤。对于损伤只有一处的情况而言，只需判断该处损伤是否符合当前事故，即可完成核损。在损伤检测结果中包括多处损伤的损伤结果的情况下，处理平台可以进一步根据损伤检测结果中确定受损车辆的事故信息，并根据事故信息对各处损伤按照是否属于同一次事故进行分类，以基于分类结果确定核损结果。其中，事故信息可以是与区分损伤是否属于同一次事故相关的信息，至少可以包括损伤特征和损伤关联特征。损伤特征可以是通过单个损伤的损伤结果提取的特征，例如损伤所在部件、损伤在所述受损车辆上的位置、损伤类别、损伤程度等等中的一项或多项。损伤关联特征可以是用于描述至少两个损伤之间的损伤结果的相关性的特征，例如两个损伤之间的位置关系、损伤所在部件之间的位置相关性、损伤类型相关性等等中的一项或多项。

可以理解，根据事故信息对各处损伤按照是否属于同一次事故进行分类，得到的分类结果中，每一个类别可以对应一次事故。如此，可以对各个类别判断是否符合当前事故，或者从各个类别中挑选出符合当前事故的类别，即可得到核损结果。

如此，可以充分利用单个损伤的信息，同时还利用损伤之间的关联关系，对各处损伤按照是否为同一次事故划分类别，对于同一类别的损伤，属于同一次事故。从而，给核损过程提供更多的依据，使核损结果更加准确。

在保险理赔领域，以上核损结果还可以用于辨别各处损伤是否当前事故造成的损伤。核损结果准确度的提高，有助于更有效地防止用户的欺诈、骗保等行为。值得说明的是，图1只是一个应用场景的示例，并不对本说明书实施例的用于车辆核损的方法在应用场景上构成限定。本说明书实施例的用于车辆核损的方法还可以应用于其他场景，在此不在一一例举。

可以理解，图1中的处理平台可以是具有一定运算能力的各种装置、设备，例如台式计算机、服务器等等。可以理解，处理平台还可以是上述装置、设备组成的设备集群。下面描述用于车辆核损的方法的具体执行过程。

图2示出了本说明书一个实施例的用于车辆核损的方法流程图。该方法的执行主体例如可以是图1的处理平台。如图2所示，该方法可以包括以下步骤：步骤21，获取受损车辆的损伤检测结果，其中，损伤检测结果中包括多处损伤的损伤结果；步骤22，根据损伤检测结果确定受损车辆的损伤特征和损伤关联特征，损伤特征是通过单个损伤的损伤结果提取的特征，损伤关联特征用于描述两个损伤之间的损伤结果的相关性；步骤23，至少基于上述损伤特征和损伤关联特征，对各处损伤按照是否属于同一次事故进行分类，以基于分类结果确定核损结果。下面描述以上各个步骤的具体执行过程。

首先，在步骤21，获取受损车辆的损伤检测结果。可以理解，核损之前，需要先对受损车辆进行损伤检测。核损，是对所检测到的损伤的核查。损伤检测结果可以包括对受损车辆所有损伤进行检测得到的损伤结果，也可以是部分损伤进行检测得到的损伤结果。这依据用户上传的现场信息而定。本说明书实施例的方案主要针对损伤检测结果中包括多处损伤的损伤结果的情况。

损伤检测结果的描述形式可以有多种。例如：通过现场图片来描述，如通过矩形框或边缘线来描出不同的损伤；通过三维模型来描述，如用立体框或边缘线在三维模型中标出各处损伤；通过文字或其他格式的文件来描述，如左前车门{(x1，y1，z1)，(x2，y2，z2)……}变形，等等。本说明书的实施例对此不作限定。

然后，在步骤22中，根据损伤检测结果确定受损车辆的损伤特征和损伤关联特征。可以理解，损伤检测结果中可以包括各种事故信息。其中，事故信息可以是与事故相关的信息，例如，与追尾事故相关的信息可以包括后保险杠变形、前车灯碎裂、挡风玻璃碎裂脱落等。从这些事故信息中至少可以提取到损伤特征和损伤关联特征。

一方面，事故信息可以包括损伤特征。损伤特征往往是通过单个损伤的损伤结果提取的特征。损伤特征例如可以包括但不限于以下至少一项：损伤所在部件、损伤在受损车辆上的位置、损伤类别、损伤程度等等。举例而言，对于文字描述的“后保险杠变形”这个损伤，损伤特征可以包括：损伤所在部件—后保险杠，损伤类别—变形。在受损车辆的损伤检测结果通过其他方式描述的情况下，例如“左前车门{(x1，y1，z1)，(x2，y2，z2)……}严重变形”，损伤特征不仅可以包括：损伤所在部件—左前车门，损伤类别—变形，还可以包括损伤在受损车辆上的位置—{(x1，y1，z1)，(x2，y2，z2)……}、损伤程度—严重等。在一些实现中，损伤特征还可以包括新旧程度，例如划痕是否生锈等。生锈的划痕和锃亮的划痕可能是属于不同次事故的划痕。

另一方面，事故信息还可以包括损伤关联特征。损伤关联特征可以是描述至少两个损伤之间的损伤结果的相关性的特征。损伤关联特征例如可以包括但不限于以下至少一项：损伤相对位置关系特征、损伤在车辆上的分布特征、损伤所在部件之间的相关性特征、损伤类别相关性特征、损伤程度相关性特征等等。

在一个实施例中，损伤关联特征可以包括损伤相对位置特征，用于描述损伤之间的相对位置关系。根据损伤检测结果的描述方式不同，损伤相对位置特征的描述也有所区别。例如较笼统的描述：损伤1在损伤2的前方。再如较具体的描述：损伤1的后边界与损伤2的前边界在水平方向相距50厘米，等等。

在一个实施例中，损伤关联特征可以包括损伤在车辆上的分布特征。损伤在车辆上的分布特征可以包括多处损伤的分布特征，也可以包括两处损伤的分布特征。例如：从左前保险杠、左前车门、左后车门延续到左后保险杠的划痕，其损伤可能包括左前保险杠划痕、左前车门划痕、左后车门划痕、左后保险杠划痕，损伤分布特征可以是连续延长分布，等等。

在一个实施例中，损伤关联特征还可以包括损伤所在部件之间的相关性特征。损伤部件之间的相关性可以是用于表示损伤所在部件的位置或结构上是否相关、相关程度等。例如，左前车灯和左前保险杠强相关、左前车灯和右后车灯不相关等。其中，损伤所在部件之间的相关性特征还可以通过量化的相关度来表示，例如根据事故中两个部件是否同时受损、受损程度是否一致等计算相关度。举例而言，如果两个部件往往同时受损，并且损伤程度一致，则相关度可以为100％。

在一个实施例中，损伤关联特征还可以包括损伤类型相关性特征。损伤类型相关性，可以用于表示不同损伤的损伤类型是否相关、相关程度等。例如，对于挡风玻璃碎裂脱落和右后车门刮擦两个损伤中，损伤类型“碎裂”和“刮擦”可能相关程度非常小，而对于左前车灯碎裂和挡风玻璃裂纹两个损伤中，损伤类型“碎裂”和“裂纹”相关程度比较大。同样的，损伤类型的相关性特征也可以通过量化的相关度来表示，例如，绝对相关度为1(即两个损伤类型绝对相关时，相关度为1)，“碎裂”和“刮擦”相关度为0.2，“碎裂”和“碎裂”相关度为0.99等。

在一个实施例中，损伤关联特征还可以包括损伤程度相关性特征。损伤程度相关性可以用于表示损伤程度是否相关、相关程度等。可以理解，在损伤检测结果中，还可以提取到损伤程度特征，例如，轻微刮擦的损伤程度是轻微等。对于“轻微”和“严重”两个损伤程度而言，损伤程度相关性可能比较小。损伤程度相关性特征也可以是通过量化的相关程度值表示的，例如“轻微”和“严重”的损伤程度相关性特征是0.3。

在其他实施例中，除了损伤特征和损伤关联特征，事故信息还可以包括其他用于区分是否同一次事故的信息，例如用户输入的事故类型、现场图片、文字描述等等。其中，这些信息可以辅助对各处损伤是否为同一事故进行判断。例如，在三辆车追尾连撞的事故中，对于中间车辆而言，仅通过损伤特征和损伤相关性特征，车头损伤和车尾损伤可能会被认为是两次事故。此时，结合用户以选择方式输入的事故类型(例如为三车追尾连撞)、三车连撞的现场图片、用户输入的文字描述“三车追尾连撞”等等信息，有助于更准确地进行事故分类。

步骤23，至少基于上述损伤特征和损伤关联特征，对各处损伤按照是否属于同一次事故进行分类，以基于分类结果确定核损结果。可以理解，按照上述事故信息，可以对各处损伤进行分类，每个类别中的各处损伤，可以是属于同一次事故的损伤。

根据一方面的实施方式，可以对各处损伤按照损伤特征进行聚类。聚类方法可以预先指定要分成多少个类别(如k均值算法指定类别数k)，也可以不预先指定要分成多少个类别。在本说明书实施例中，由于各处损伤实际属于多少次事故通常并不能确定，因此，适用不预先指定要分成多少个类别的聚类方法，例如均值漂移聚类、dbscan(density-basedspatialclusteringofapplicationswithnoise，具有噪声的基于密度的聚类方法)，等等。

可以理解，聚类往往通过目标之间的距离进行。在本说明书实施例中，聚类的目标为损伤。在一些实现中，两个损伤之间的距离可以通过两个损伤属于同一次事故的距离来表示。两个损伤属于同一次事故的距离可以通过距离函数来确定。对于距离函数而言，输入任意两个损伤的损伤特征和损伤关联特征，输出为这两个损伤属于同一次事故的距离。利用标注是否为同一次事故的样本，通过逻辑回归或线性回归方法可以确定该距离函数的参数，使得到的距离越小则表明两个损伤是同一次事故导致的可能性越大。利用该距离函数，可以针对给定的任意若干处损伤，使用它们的损伤特征和损伤关联特征计算出它们互相之间的距离，以进行聚类。在一种实现中，可以根据所得到的距离将各处损伤映射为空间或平面上的点，通过映射得到的点对各处损伤进行聚类。如图3所示，每个小黑点可以对应1处损伤。点与点之间的距离可以是相应的两个损伤属于同一次事故的距离。在另一种实现中，还可以先将各个损伤与标准点(标准损伤点)映射到空间或平面上，通过对映射得到的点对各处损伤进行聚类。此时，聚类过程中点与点之间的距离通过前述的距离函数来确定。

请参考图3，以dbscan方法为例，聚类过程中，可以首先确定扫描半径33(r值)和最小包含点数minpoints。任选一处未被访问的点32，找出与其距离在扫描半径33之内(包括r)的所有附近的点。如果附近点的数量大于或等于minpoints。图3中点32附近点的数量大于minpoints，则点32与其附近的点形成一个簇，并且该点32被标记为已访问(visited)。然后递归，以相同的方法处理该簇内所有未被标记为已访问(visited)的点，如点33，从而对簇进行扩展。如果簇充分地被扩展，即簇内的所有点被标记为已访问，然后用同样的算法去处理未被访问的点。直到所有的点都被访问过。

如此，通过聚类得到多个类簇，每个类簇可以对应于一次事故的损伤，从而对受损车辆的各处损伤进行分类。

根据另一方面的实施方式，如图4所示，还可以将各处损伤中的任意两处损伤(如第一损伤和第二损伤，其中“第一”和“第二”仅用于区分不同的损伤)每处损伤各自的损伤特征(在图4中，分别为第一损伤特征和第二损伤特征)，以及两处损伤之间的损伤关联特征输入预先训练的判断模型，得到判断模型的输出结果。然后，可以根据判断模型的输出结果确定该两处损伤是否属于同一次事故。其中，判断模型可以通过以下方法训练得到：将多个标注有是否属于同一次事故的损伤样本对加入训练样本集；对每一个损伤样本对中的两个损伤，分别提取损伤样本特征；提取每一个损伤样本对两个损伤间的损伤样本关联特征；将损伤样本特征和损伤样本关联特征作为输入，根据对应的损伤样本对是否属于同一次事故的标注结果，调整模型参数以训练判断模型。其中，每一个损伤样本对中包括两个损伤，损伤样本特征和损伤样本关联特征分别和前述的损伤特征、损伤关联特征类似，在此不再赘述。

在一个实施例中，判断模型的输出结果可以是对应于属于同一次事故和不属于同一次事故的数值，如输出结果为0或1，0表示属于同一次事故，1表示不属于同一次事故，等等。

在另一个实施例中，判断模型的输出结果是输入的损伤特征和损伤关联特征所对应的两处损伤属于同一次事故的概率。概率越大，两处损伤属于同一次事故的可能性越大。此时，可以进一步对输出结果和预定概率阈值进行对比，并且，在输出结果大于预定概率阈值的情况下，确定两处损伤属于同一次事故。

如此，可以确定对每两处损伤是否属于同一次事故，从而可以将属于同一次事故的损伤分为一类，完成对受损车辆上的各处损伤的分类。

根据分类结果，可以对各个类别进行核损以生成核损结果，大大减少人力要求和人力成本。

例如，在一些可能的设计中，在得到上述分类结果后，可以将分类结果展现给核损人员。核损人员只需选择与当前事故相吻合的一处损伤。在接收到核损人员对损伤的选择之后，可以自动将核损人员选择的损伤，以及与核损人员选择的损伤属于同一类别的其他损伤一起生成核损结果。在一些实现中，还可以获取诸如事故类型之类的事故信息，以供核损人员结合到分类结果进行定损。该事故类型例如是用户申报案件类型。可选地，还可以向用户驳回其他类别损伤理赔的申请。

根据本说明书实施例的用于车辆核损的方法可以应用于事故车辆的保险理赔过程中的反欺诈处理。例如，一个用户在一次保险理赔申报中，将多次事故的损伤一起合并到当前事故中上报至保险公司。虽然按照损伤检测结果，损伤都是存在的，但可能并不是当前事故造成的，对保险公司而言造成欺诈。因此，本说明书实施例的用于车辆核损的方法可以辅助保险公司进行核损，从而达到反欺诈的目的。

回顾以上过程，通过获取受损车辆的损伤检测结果，并从中提取至少包括损伤特征和损伤关联特征的事故信息，以对各处损伤按照是否属于同一次事故进行分类，并基于分类结果确定核损结果。由于提取了更丰富的损伤信息进行核损，可以提高核损的准确度。进一步地，可以节约人力，提高核损效率。

根据另一方面的实施例，还提供一种用于车辆核损的装置。图5示出根据一个实施例的车辆核损装置500的示意性框图。如图5所示，装置500包括：获取单元51，配置为获取受损车辆的损伤检测结果，其中，损伤检测结果中包括多处损伤的损伤结果；确定单元52，配置为根据损伤检测结果确定受损车辆的损伤特征和损伤关联特征，损伤特征是通过单个损伤的损伤结果提取的特征，损伤关联特征用于描述至少两个损伤之间的损伤结果的相关性；分类单元53，配置为至少基于损伤特征和损伤关联特征，对各处损伤按照是否属于同一次事故进行分类，以基于分类结果确定核损结果。

可以理解，核损之前，需要先对受损车辆进行损伤检测。获取单元51首先可以获取对受损车辆进行损伤检测的损伤检测结果。损伤检测结果的描述形式可以是现场图片、三维模型、文字或其他格式的文件，本说明书实施例对此不作限定。

确定单元52接着可以根据损伤检测结果确定受损车辆的事故信息。其中，事故信息至少包括损伤特征和损伤关联特征。损伤特征是通过单个损伤的损伤结果提取的特征，例如可以包括但不限于以下至少一项：损伤所在部件、损伤在受损车辆上的位置、损伤类别、损伤程度等等。损伤关联特征可以用于描述两个损伤之间的损伤结果的相关性，例如可以包括但不限于以下至少一项：损伤相对位置关系特征、损伤在车辆上的分布特征、损伤所在部件之间的相关性特征、损伤程度相关性特征等等。可选地，损伤特征还可以包括损伤新旧程度等。在一些实施例中，除了损伤特征和损伤关联特征，获取单元51还可以获取其他用于区分是否同一次事故的事故信息，例如用户输入的事故类型、现场图片、文字描述等等。

接着，分类单元53至少基于上述损伤特征和损伤关联特征，可以对各处损伤按照是否属于同一次事故进行分类，以基于分类结果确定核损结果。

根据一方面的实施方式，分类单元53可以通过对各处损伤按照损伤特征的聚类来对各处损伤进行分类。此时，分类单元53可以计算任意两个损伤之间，属于同一次事故的距离以进行聚类。损伤之间的距离可以通过预先确定的距离函数计算。可选地，分类单元53还可以根据所得到的距离将各处损伤映射为空间或平面上的点，通过映射得到的点对各处损伤进行聚类。或者，还可以先将各个损伤与标准点(标准损伤点)映射到空间或平面上，聚类过程中点与点之间的距离通过前述的距离函数来确定。

根据另一方面的实施方式，分类单元53还可以通过判断模型来对各处损伤进行分类。此时，分类单元53可以将各处损伤中的任意两处损伤的损伤特征，以及两处损伤之间的损伤关联特征输入预先训练的判断模型，得到判断模型的输出结果。然后，可以根据判断模型的输出结果确定该两处损伤是否属于同一次事故。判断模型的输出结果可以是对应于属于同一次事故和不属于同一次事故的数值，如输出结果为0或1，也可以是两处损伤属于同一次事故的概率，本说明书实施例对此不作限定。在判断模型的输出结果是两处损伤属于同一次事故的概率的情况下，分类单元53可以进一步对输出结果和预定概率阈值进行对比，并且，如果输出结果大于预定概率阈值，确定两处损伤属于同一次事故。

在一个实施例中，装置500还可以包括训练单元(未示出)，配置为通过以下方法训练得到上述分类单元53使用的判断模型：将多个标注有是否属于同一次事故的损伤样本对加入训练样本集；对每一个损伤样本对中的两个损伤，分别提取损伤样本特征；提取每一个损伤样本对中两个损伤之间的损伤样本关联特征；将损伤样本特征和损伤样本关联特征作为输入，根据是否属于同一次事故的标注结果调整模型参数以训练判断模型。

通过以上装置，可以提取更丰富的损伤信息来完成核损，从而提高核损的准确度。进一步地，还可以节约人力，提高核损效率。

根据另一方面的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行结合图2所描述的方法。

根据再一方面的实施例，还提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现结合图2所述的方法。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。