车辆损伤检测方法、装置、计算机设备及存储介质与流程

1.本技术涉及人工智能技术领域，尤其涉及车辆损伤检测方法、装置、计算机设备及存储介质。


背景技术：

2.随着汽车保有量的增长，城市道路上的车辆密度越来越大，由此引发的交通事故也越来越多。在交通事故中为受损车辆确定受损部位对于当前的保险公司而言是一项非常重要的工作。现有的为受损车辆确定受损部位的方式通常是由定损人员进行人工判断，这种人工处理的方式工作量大、效率低下，并且容易因为定损人员的个人因素而导致判断结果存在误差。


技术实现要素：

3.本技术实施例的目的在于提出一种车辆损伤检测方法、装置、计算机设备及存储介质，以解决现有的为受损车辆确定受损部位的方式通常是由定损人员进行人工判断，这种人工处理的方式工作量大、效率低下，并且容易因为定损人员的个人因素而导致判断结果存在误差的技术问题。
4.为了解决上述技术问题，本技术实施例提供一种车辆损伤检测方法，采用了如下所述的技术方案：
5.接收用户触发的车辆损伤检测请求；其中，所述车辆损伤检测请求携带车辆受损图片以及所述用户的用户信息；
6.从所述车辆损伤检测请求中获取所述车辆受损图片以及所述用户信息；
7.对所述车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片；
8.获取与所述用户信息对应的用户等级；
9.从预设的多个识别模型中获取与所述用户等级对应的目标识别模型；
10.基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位。
11.进一步的，所述基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位的步骤，具体包括：
12.对所述车辆受损图片进行特征提取得到对应的图片特征；
13.基于所述图片特征生成对应的特征矩阵；
14.将所述特征矩阵输入至所述目标识别模型内，通过所述目标识别模型对所述特征矩阵进行识别处理，并输出与所述目标车辆受损图片对应的识别结果；
15.将所述识别结果作为所述目标车辆的目标损伤部位。
16.进一步的，在所述基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位的步骤之后，还包括：
17.基于预设的损失检测模型对所述目标车辆受损图片进行处理，得到相应的车辆受损信息；
18.获取所述目标损伤部位的质地信息；
19.基于所述车辆受损信息与所述质地信息，确定所述目标车辆在碰撞过程中的接触力大小；
20.基于所述接触力大小确定出所述目标车辆由碰撞引起的车辆受损的目标空间坐标；
21.基于所述目标空间坐标确定出所述目标车辆的目标损伤空间区域。
22.进一步的，所述基于所述接触力大小确定出所述目标车辆由碰撞引起的车辆受损的目标空间坐标的步骤，具体包括：
23.基于所述接触力大小确定出与所述接触力大小对应的力矩作用时间信息；
24.基于所述力矩作用时间信息，调用预设计算公式确定出所述目标车辆由碰撞造成的受力区域；
25.基于所述受力区域确定出所述目标空间坐标。
26.进一步的，所述基于所述目标空间坐标确定出所述目标车辆的目标损伤空间区域的步骤，具体包括：
27.获取预先分割的多个空间区域；
28.基于所述目标空间坐标，从所有所述空间区域中筛选出与所述目标空间坐标对应的第一空间区域；
29.获取所述第一空间区域的第一优先级数值；
30.基于所述第一优先级数值从所有所述第一空间区域中确定出所述目标损伤空间区域。
31.进一步的，所述基于所述第一优先级数值从所有所述第一空间区域中确定出所述目标损伤空间区域的步骤，具体包括：
32.从所有所述第一优先级数值中筛选出数值最大的第二优先级数值；
33.从所有所述第一空间区域中获取与所述第二优先级数值对应的第二空间区域；
34.将所述第二空间区域作为所述目标损伤空间区域。
35.进一步的，在所述从预设的多个识别模型中获取与所述用户等级对应的目标识别模型的步骤之前，还包括：
36.获取预先采集的训练数据；其中，所述训练数据包括若干车辆的损伤部位的训练图片，以及与各所述训练图片一一对应的损伤部位标签；
37.获取预设的初始模型；
38.将所述训练图片作为所述初始模型的输入，将与所述训练图片对应的损伤部位标签作为所述初始模型的输出，对所述初始模型进行训练，得到训练后的初始模型；
39.获取所述训练后的初始模型的损失函数，并判断所述损失函数是否满足预设的收敛条件；
40.若是，将所述训练后的初始模型作为指定识别模型；其中，所述指定识别模型为所有所述识别模型中的任意一个模型。
41.为了解决上述技术问题，本技术实施例还提供一种车辆损伤检测装置，采用了如
下所述的技术方案：
42.接收模块，用于接收用户触发的车辆损伤检测请求；其中，所述车辆损伤检测请求携带车辆受损图片以及所述用户的用户信息；
43.第一获取模块，用于从所述车辆损伤检测请求中获取所述车辆受损图片以及所述用户信息；
44.第一处理模块，用于对所述车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片；
45.第二获取模块，用于获取与所述用户信息对应的用户等级；
46.第三获取模块，用于从预设的多个识别模型中获取与所述用户等级对应的目标识别模型；
47.第二处理模块，用于基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位。
48.为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
49.接收用户触发的车辆损伤检测请求；其中，所述车辆损伤检测请求携带车辆受损图片以及所述用户的用户信息；
50.从所述车辆损伤检测请求中获取所述车辆受损图片以及所述用户信息；
51.对所述车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片；
52.获取与所述用户信息对应的用户等级；
53.从预设的多个识别模型中获取与所述用户等级对应的目标识别模型；
54.基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位。
55.为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
56.接收用户触发的车辆损伤检测请求；其中，所述车辆损伤检测请求携带车辆受损图片以及所述用户的用户信息；
57.从所述车辆损伤检测请求中获取所述车辆受损图片以及所述用户信息；
58.对所述车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片；
59.获取与所述用户信息对应的用户等级；
60.从预设的多个识别模型中获取与所述用户等级对应的目标识别模型；
61.基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位。
62.与现有技术相比，本技术实施例主要有以下有益效果：
63.本技术在接收到用户触发的车辆损伤检测请求后，首先从车辆损伤检测请求中获取车辆受损图片以及用户信息；然后对车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片；之后获取与用户信息对应的用户等级；后续从预设的多个识别模型中获取与用户等级对应的目标识别模型；最后基于目标识别模型对车辆受损图片进行
识别处理，得到与目标车辆受损图片对应的目标车辆的目标损伤部位。本技术实施例能够利用目标识别模型来实现快速准确地对车辆受损图片对应的目标车辆的损伤部位的识别处理，提高了对目标车辆的损伤部位的识别效率，保证了生成的目标车辆的损伤部位结果的准确性。
附图说明
64.为了更清楚地说明本技术中的方案，下面将对本技术实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本技术的一些实施例，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他的附图。
65.图1是本技术可以应用于其中的示例性系统架构图；
66.图2根据本技术的车辆损伤检测方法的一个实施例的流程图；
67.图3是根据本技术的车辆损伤检测装置的一个实施例的结构示意图；
68.图4是根据本技术的计算机设备的一个实施例的结构示意图。
具体实施方式
69.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本技术的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
70.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
71.为了使本技术领域的人员更好地理解本技术方案，下面将结合附图，对本技术实施例中的技术方案进行清楚、完整地描述。
72.如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
73.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
74.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、mp3播放器(mov i ng p i cture expertsgroup aud i o layer i i i，动态影像专家压缩标准音频层面3)、mp4(mov i ng p i ctu reexpe rts g roup aud i o layer i v，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
75.服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的
页面提供支持的后台服务器。
76.需要说明的是，本技术实施例所提供的车辆损伤检测方法一般由服务器/终端设备执行，相应地，车辆损伤检测装置一般设置于服务器/终端设备中。
77.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
78.继续参考图2，示出了根据本技术的车辆损伤检测方法的一个实施例的流程图。所述的车辆损伤检测方法，包括以下步骤：
79.步骤s201，接收用户触发的车辆损伤检测请求；其中，所述车辆损伤检测请求携带车辆受损图片以及所述用户的用户信息。
80.在本实施例中，车辆损伤检测方法运行于其上的电子设备(例如图1所示的服务器/终端设备)，可以通过有线连接方式或者无线连接方式获取车辆受损图片以及用户的用户信息。需要指出的是，上述无线连接方式可以包括但不限于3g/4g/5g连接、w i f i连接、蓝牙连接、w i max连接、z i gbee连接、uwb(u l t ra w i deband)连接、以及其他现在已知或将来开发的无线连接方式。其中，上述车辆受损图片为包括目标车辆的损伤部位的图片，上述用户信息可包括用户的姓名或i d信息。
81.步骤s202，从所述车辆损伤检测请求中获取所述车辆受损图片以及所述用户信息。
82.在本实施例中，可通过对车辆损伤检测请求进行解析，以从车辆损伤检测请求中提取出上述车辆受损图片以及用户信息。
83.步骤s203，对所述车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片。
84.在本实施例中，上述预设处理可为图像增强处理。其中，对于上述预设清晰度条件所对应的清晰度数值不作具体限定，可根据实际的业务使用需求进行设置。通过对车辆受损图片进行预设处理可以避免输入至识别模型中的图片数据为不清晰的图像，以便于识别模型能够基于满足预设清晰度条件的目标车辆受损图片来进行更加准确的识别处理。
85.步骤s204，获取与所述用户信息对应的用户等级。
86.在本实施例中，可通过查询预设的等级数据表来查询出与用户信息对应的用户等级。其中，上述等级数据表为预先存储有各个客户的客户信息，以及与各个客户对应的客户等级的数据库。用户等级包括高级用户、中级用户以及普通用户。
87.步骤s205，从预设的多个识别模型中获取与所述用户等级对应的目标识别模型。
88.在本实施例中，预先会基于不同的训练数据训练生成多个识别模型，并会基于各个识别模型的识别效率进行分类，分为识别效率优秀的识别模型、识别效率良好的识别模型以及识别效率普通的识别模型，并为识别模型的识别效率与上述各个客户的客户等级建立关联关系。其中，高级用户对应于识别效率优秀的识别模型、中级用户对应于识别效率良好的识别模型，以及普通用户对应于识别效率普通的识别模型。通过为不同等级的客户分配相对应的识别模型来提供与用户等级相匹配的识别模型进行服务，可以提高用户的使用体验，提高对于不同用户的服务质量。
89.步骤s206，基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位。
90.在本实施例中，上述基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位的具体实施过程，本技术将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
91.本技术在接收到用户触发的车辆损伤检测请求后，首先从车辆损伤检测请求中获取车辆受损图片以及用户信息；然后对车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片；之后获取与用户信息对应的用户等级；后续从预设的多个识别模型中获取与用户等级对应的目标识别模型；最后基于目标识别模型对车辆受损图片进行识别处理，得到与目标车辆受损图片对应的目标车辆的目标损伤部位。本技术能够利用目标识别模型来实现快速准确地对车辆受损图片对应的目标车辆的损伤部位的识别处理，提高了对目标车辆的损伤部位的识别效率，保证了生成的目标车辆的损伤部位结果的准确性。
92.在一些可选的实现方式中，步骤s206包括以下步骤：
93.对所述车辆受损图片进行特征提取得到对应的图片特征。
94.基于所述图片特征生成对应的特征矩阵。
95.将所述特征矩阵输入至所述目标识别模型内，通过所述目标识别模型对所述特征矩阵进行识别处理，并输出与所述目标车辆受损图片对应的识别结果。
96.在本实施例中，上述目标识别模型可为基于预先采集的训练数据对深度学习模型进行训练得到的。
97.将所述识别结果作为所述目标车辆的目标损伤部位。
98.本技术通过对车辆受损图片进行特征提取得到对应的图片特征，并基于图片特征生成对应的特征矩阵，进而将特征矩阵输入至目标识别模型内，以通过目标识别模型对特征矩阵进行识别处理以得到目标车辆的目标损伤部位，实现了准确地对目标车辆的损伤部位的识别，提高了对目标车辆的损伤部位的识别效率。
99.在本实施例的一些可选的实现方式中，在步骤s201之后，上述电子设备还可以执行以下步骤：
100.基于预设的损失检测模型对所述目标车辆受损图片进行处理，得到相应的车辆受损信息。
101.在本实施例中，上述车辆受损信息可包括与目标车辆内的目标损伤部位对应的损伤状态与损伤程度。举例地，损伤信息包括但不限于：刮擦、划痕、凹陷、撕裂等；损伤程度包括但不限于：轻度损伤、中度损伤、重度损伤等。其中，上述损失检测模型可基于预先采集的图片训练数据以及与该图片训练数据对应的损伤信息标签以及损伤程度标签，对预设的深度学习模型进行训练生成的。另外，该损失检测模型的训练生成可参考后续的识别模型的训练生成过程，在此不作过多阐述。
102.获取所述目标损伤部位的质地信息。
103.在本实施例中，可通过查询与目标车辆的车辆信息，再从该车辆信息中获取到与上述目标损伤部位对应的质地信息。
104.基于所述车辆受损信息与所述质地信息，确定所述目标车辆在碰撞过程中的接触力大小。
105.在本实施例中，可以基于不同车型提供的原始试验数据，使用上述车辆受损信息
与上述质地信息来推导出目标车辆在碰撞过程中的接触力大小。其中，上述原始试验数据内包含不同车型的车辆受损信息、部件质地信息以及接触力大小之间的关联关系。
106.基于所述接触力大小确定出所述目标车辆由碰撞引起的车辆受损的目标空间坐标。
107.在本实施例中，上述基于所述接触力大小确定出所述目标车辆由碰撞引起的车辆受损的目标空间坐标的具体实施过程，本技术将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
108.基于所述目标空间坐标确定出所述目标车辆的目标损伤空间区域。
109.在本实施例中，上述基于所述目标空间坐标确定出所述目标车辆的目标损伤空间区域的具体实施过程，本技术将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
110.本技术在基于目标识别模型识别出目标车辆的目标损伤部位后，还会智能地基于预设的损失检测模型对目标车辆受损图片进行处理，得到相应的车辆受损信息，以及获取目标损伤部位的质地信息，然后基于车辆受损信息与质地信息，确定目标车辆在碰撞过程中的接触力大小，并基于接触力大小确定出目标车辆由碰撞引起的车辆受损的目标空间坐标，进而基于目标空间坐标确定出目标车辆的目标损伤空间区域，以实现基于损失检测模型以及与接触力大小相关的碰撞力学来演练得到车辆隐损的波及范围，以实现准确地确定出目标车辆最终的损伤空间区域，进一步提高了对于目标车辆的外部损伤识别的精准性，从而可以方便后续基于目标损伤空间区域来对目标车辆进行匹配的维修处理。
111.在一些可选的实现方式中，所述基于所述接触力大小确定出所述目标车辆由碰撞引起的车辆受损的目标空间坐标的步骤，包括以下步骤：
112.基于所述接触力大小确定出与所述接触力大小对应的力矩作用时间信息。
113.在本实施例中，上述力矩作用时间信息包括与所述接触力大小对应的力矩作用的累计时间t1-》t2。
114.基于所述力矩作用时间信息，调用预设计算公式确定出所述目标车辆由碰撞造成的受力区域。
115.在本实施例中，上述预设计算公式为冲量矩原理所对应的计算公式，在对质点的冲量矩等于力矩与力矩作用时间的乘积，即冲量矩δl＝m
·
δt.对于质点系，由于内力矩可以相互抵消，可得δl＝(m外+m内)
·
δt＝(m外+0)
·
δt＝m外
·
δt。在t1-》t2时间内，质点或质点系所受的冲量矩为这段时间内冲量矩的累加，即δl总＝∑δl＝∑m外
·
δt，其中，δl为矢量，m外为外力矩，m内为内力矩，方向与m外相同，单位是n
·m·
s，δt＝t2-t1。在得到了冲量矩δl总后，基于碰撞力学即可推算出目标车辆由碰撞造成的受力区域。
116.基于所述受力区域确定出所述目标空间坐标。
117.在本实施例中，在得到了受力区域后，会通过区域与空间坐标之间的换算关系，将受力区域转化为对应的目标空间坐标。
118.本技术通过基于接触力大小确定出与接触力大小对应的力矩作用时间信息，然后基于力矩作用时间信息，调用预设计算公式确定出目标车辆由碰撞造成的受力区域，进而基于受力区域确定出目标空间坐标，实现了快速准确地得到目标车辆由碰撞引起的车辆受损的目标空间坐标，有利于后续可以基于得到的目标空间坐标来确定出所述目标车辆的目
标损伤空间区域，以实现进一步提高对于目标车辆的外部损伤识别的精准性，从而可以方便后续基于目标损伤空间区域来对目标车辆进行匹配的维修处理。
119.在一些可选的实现方式中，所述基于所述目标空间坐标确定出所述目标车辆的目标损伤空间区域的步骤，包括以下步骤：
120.获取预先分割的多个空间区域。
121.在本实施例中，可将目前的车辆分割成33个空间区域,具体包括左前,左中,左后,右前,右中,右后,前中,正中,后中,左前中,左后中,右前中,右后中,前中部,后中部,左前侧,左后侧,右前侧,右后侧,左侧,右侧,中侧横向,前侧,后侧,中侧纵向,左前部,左后部,右前部,右后部,左侧部,右侧部,前侧部,后侧部。
122.基于所述目标空间坐标，从所有所述空间区域中筛选出与所述目标空间坐标对应的第一空间区域。
123.在本实施例中，空间坐标与空间区域之间具有对应关系，可基于空间坐标与空间区域之间的对应关系，从所有所述空间区域中筛选出与所述目标空间坐标对应的第一空间区域。
124.获取所述第一空间区域的第一优先级数值。
125.在本实施例中，可以基于大数据对历史出险案件进行车型、区域、重大事故等多个维度分析，以将所有的空间区域进行优先级加权。举例地，可以基于每次事故中各个空间区域的损伤结果来进行优先级加权。如果空间区域a在所有的历史出险案件中出现了x次的损伤情况，则将空间区域a的优先级数值为x。
126.基于所述第一优先级数值从所有所述第一空间区域中确定出所述目标损伤空间区域。
127.在本实施例中，上述基于所述第一优先级数值从所有所述第一空间区域中确定出所述目标损伤空间区域的具体实施过程，本技术将在后续的具体实施例中对此进行进一步的细节描述，在此不作过多阐述。
128.本技术通过获取预先分割的多个空间区域，然后基于目标空间坐标，从所有空间区域中筛选出与目标空间坐标对应的第一空间区域，后续获取第一空间区域的第一优先级数值，进而可以基于第一优先级数值准确地从所有第一空间区域中确定出目标损伤空间区域，实现了进一步提高对于目标车辆的外部损伤识别的精准性，有利于后续基于目标损伤空间区域来对目标车辆进行匹配的维修处理。
129.在本实施例的一些可选的实现方式中，所述基于所述第一优先级数值从所有所述第一空间区域中确定出所述目标损伤空间区域的步骤，包括以下步骤：
130.从所有所述第一优先级数值中筛选出数值最大的第二优先级数值。
131.从所有所述第一空间区域中获取与所述第二优先级数值对应的第二空间区域。
132.在本实施例中，数值最大的第一优先级数值，即上述第二优先级数值是指优先级最高的空间区域，也即上述第二空间区域。
133.将所述第二空间区域作为所述目标损伤空间区域。
134.本技术通过从所有第一优先级数值中筛选出数值最大的第二优先级数值，然后从所有第一空间区域中获取与第二优先级数值对应的第二空间区域，并将第二空间区域作为目标损伤空间区域，即将第一空间区域中优先级最高的空间区域作为目标车辆最终的目标
损伤空间区域，提高了对于目标车辆的外部损伤识别的精准性，有利于后续基于目标损伤空间区域来对目标车辆进行匹配的维修处理。
135.在本实施例的一些可选的实现方式中，在步骤s205之前，上述电子设备还可以执行以下步骤：
136.获取预先采集的训练数据；其中，所述训练数据包括若干车辆的损伤部位的训练图片，以及与各所述训练图片一一对应的损伤部位标签。
137.获取预设的初始模型。
138.在本实施例中，上述初始模型可采用深度学习模型中的任意一种模型，例如决策树、随机森林、gbdt、xgb等。
139.将所述训练图片作为所述初始模型的输入，将与所述训练图片对应的损伤部位标签作为所述初始模型的输出，对所述初始模型进行训练，得到训练后的初始模型。
140.获取所述训练后的初始模型的损失函数，并判断所述损失函数是否满足预设的收敛条件。
141.在本实施例中，对于上述收敛条件不作具体限定，可根据实际的业务使用需求进行设置。
142.若是，将所述训练后的初始模型作为指定识别模型；其中，所述指定识别模型为所有所述识别模型中的任意一个模型。
143.本技术通过基于预设采集的训练数据来对初始模型进行训练，可以快速的生成所需的识别模型，有利于后续可以基于得到的识别模型来实现快速准确地对车辆受损图片对应的目标车辆的损伤部位的识别处理，从而有利于提高对目标车辆的损伤部位的识别效率，并且可以保证生成的目标车辆的损伤部位结果的准确性。
144.需要强调的是，为进一步保证上述目标损伤部位的私密和安全性，上述目标损伤部位还可以存储于一区块链的节点中。
145.本技术所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(b l ockcha i n)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
146.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(art i f i c i a l i nte l l i gence，a i)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
147.人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
148.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储
介质可为磁碟、光盘、只读存储记忆体(read-on l y memory，rom)等非易失性存储介质，或随机存储记忆体(random access memory，ram)等。
149.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
150.进一步参考图3，作为对上述图2所示方法的实现，本技术提供了一种车辆损伤检测装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
151.如图3所示，本实施例所述的车辆损伤检测装置300包括：接收模块301、第一获取模块302、第一处理模块303、第二获取模块304、第三获取模块305以及第二处理模块306。其中：
152.接收模块301，用于接收用户触发的车辆损伤检测请求；其中，所述车辆损伤检测请求携带车辆受损图片以及所述用户的用户信息；
153.第一获取模块302，用于从所述车辆损伤检测请求中获取所述车辆受损图片以及所述用户信息；
154.第一处理模块303，用于对所述车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片；
155.第二获取模块304，用于获取与所述用户信息对应的用户等级；
156.第三获取模块305，用于从预设的多个识别模型中获取与所述用户等级对应的目标识别模型；
157.第二处理模块306，用于基于所述目标识别模型对所述车辆受损图片进行识别处理，得到与所述目标车辆受损图片对应的目标车辆的目标损伤部位。
158.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的车辆损伤检测方法的步骤一一对应，在此不再赘述。
159.在本实施例的一些可选的实现方式中，第二处理模块306包括：
160.提取子模块，用于对所述车辆受损图片进行特征提取得到对应的图片特征；
161.生成子模块，用于基于所述图片特征生成对应的特征矩阵；
162.处理子模块，用于将所述特征矩阵输入至所述目标识别模型内，通过所述目标识别模型对所述特征矩阵进行识别处理，并输出与所述目标车辆受损图片对应的识别结果；
163.第一确定子模块，用于将所述识别结果作为所述目标车辆的目标损伤部位。
164.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的车辆损伤检测方法的步骤一一对应，在此不再赘述。
165.在本实施例的一些可选的实现方式中,车辆损伤检测装置还包括：
166.第三处理模块，用于基于预设的损失检测模型对所述目标车辆受损图片进行处理，得到相应的车辆受损信息；
167.第四获取模块，用于获取所述目标损伤部位的质地信息；
168.第一确定模块，用于基于所述车辆受损信息与所述质地信息，确定所述目标车辆在碰撞过程中的接触力大小；
169.第二确定模块，用于基于所述接触力大小确定出所述目标车辆由碰撞引起的车辆受损的目标空间坐标；
170.第三确定模块，用于基于所述目标空间坐标确定出所述目标车辆的目标损伤空间区域。
171.本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的车辆损伤检测方法的步骤一一对应，在此不再赘述。
172.在本实施例的一些可选的实现方式中，第二确定模块包括：
173.第二确定子模块，用于基于所述接触力大小确定出与所述接触力大小对应的力矩作用时间信息；
174.第三确定子模块，用于基于所述力矩作用时间信息，调用预设计算公式确定出所述目标车辆由碰撞造成的受力区域；
175.第四确定子模块，用于基于所述受力区域确定出所述目标空间坐标。
176.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的车辆损伤检测方法的步骤一一对应，在此不再赘述。
177.在本实施例的一些可选的实现方式中，第三确定模块包括：
178.第一获取子模块，用于获取预先分割的多个空间区域；
179.筛选子模块，用于基于所述目标空间坐标，从所有所述空间区域中筛选出与所述目标空间坐标对应的第一空间区域；
180.第二获取子模块，用于获取所述第一空间区域的第一优先级数值；
181.第五确定子模块，用于基于所述第一优先级数值从所有所述第一空间区域中确定出所述目标损伤空间区域。
182.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的车辆损伤检测方法的步骤一一对应，在此不再赘述。
183.在本实施例的一些可选的实现方式中，第五确定子模块包括：
184.第一获取单元，用于
185.筛选单元，用于从所有所述第一优先级数值中筛选出数值最大的第二优先级数值；
186.第二获取单元，用于从所有所述第一空间区域中获取与所述第二优先级数值对应的第二空间区域；
187.确定单元，用于将所述第二空间区域作为所述目标损伤空间区域。
188.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的车辆损伤检测方法的步骤一一对应，在此不再赘述。
189.在本实施例的一些可选的实现方式中，车辆损伤检测装置还包括：
190.第五获取模块，用于获取预设的初始模型；
191.训练模块，用于将所述训练图片作为所述初始模型的输入，将与所述训练图片对应的损伤部位标签作为所述初始模型的输出，对所述初始模型进行训练，得到训练后的初始模型；
192.判断模块，用于获取所述训练后的初始模型的损失函数，并判断所述损失函数是否满足预设的收敛条件；
193.第四确定模块，用于若是，将所述训练后的初始模型作为指定识别模型；其中，所述指定识别模型为所有所述识别模型中的任意一个模型。
194.在本实施例中，上述模块或单元分别用于执行的操作与前述实施方式的车辆损伤检测方法的步骤一一对应，在此不再赘述。
195.为解决上述技术问题，本技术实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
196.所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件41-43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(app l i cat i on spec i f i c i ntegrated c i rcu i t，as i c)、可编程门阵列(f i e l d－programmab l e gate ar ray，fpga)、数字处理器(d i g i ta l s i gna l processor，dsp)、嵌入式设备等。
197.所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
198.所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(smart med i a card,smc)，安全数字(secure d i g i ta l,sd)卡，闪存卡(f l ash card)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如车辆损伤检测方法的计算机可读指令等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
199.所述处理器42在一些实施例中可以是中央处理器(centra lprocess i ng un i t，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的计算机可读指令或者处理数据，例如运行所述车辆损伤检测方法的计算机可读指令。
200.所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
201.与现有技术相比，本技术实施例主要有以下有益效果：
202.本技术实施例中，本技术在接收到用户触发的车辆损伤检测请求后，首先从车辆损伤检测请求中获取车辆受损图片以及用户信息；然后对车辆受损图片进行预设处理，得
到满足预设清晰度条件的目标车辆受损图片；之后获取与用户信息对应的用户等级；后续从预设的多个识别模型中获取与用户等级对应的目标识别模型；最后基于目标识别模型对车辆受损图片进行识别处理，得到与目标车辆受损图片对应的目标车辆的目标损伤部位。本技术实施例能够利用目标识别模型来实现快速准确地对车辆受损图片对应的目标车辆的损伤部位的识别处理，提高了对目标车辆的损伤部位的识别效率，保证了生成的目标车辆的损伤部位结果的准确性。
203.本技术还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被至少一个处理器执行，以使所述至少一个处理器执行如上述的车辆损伤检测方法的步骤。
204.与现有技术相比，本技术实施例主要有以下有益效果：
205.本技术实施例中，本技术在接收到用户触发的车辆损伤检测请求后，首先从车辆损伤检测请求中获取车辆受损图片以及用户信息；然后对车辆受损图片进行预设处理，得到满足预设清晰度条件的目标车辆受损图片；之后获取与用户信息对应的用户等级；后续从预设的多个识别模型中获取与用户等级对应的目标识别模型；最后基于目标识别模型对车辆受损图片进行识别处理，得到与目标车辆受损图片对应的目标车辆的目标损伤部位。本技术实施例能够利用目标识别模型来实现快速准确地对车辆受损图片对应的目标车辆的损伤部位的识别处理，提高了对目标车辆的损伤部位的识别效率，保证了生成的目标车辆的损伤部位结果的准确性。
206.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本技术各个实施例所述的方法。
207.显然，以上所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例，附图中给出了本技术的较佳实施例，但并不限制本技术的专利范围。本技术可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本技术的公开内容的理解更加透彻全面。尽管参照前述实施例对本技术进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本技术说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本技术专利保护范围之内。