(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210696965.3 (22)申请日 2022.06.20 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 余宪　刘莉红　刘玉宇　肖京　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 陈敬华 (51)Int.Cl. G06V 20/20(2022.01) G06V 10/20(2022.01) G06V 10/10(2022.01) G06V 10/74(2022.01)G06V 10/75(2022.01) (54)发明名称 基于人工智能的车身损伤取证方法、 装置、 设备及介质 (57)摘要 本申请提出一种基于人工智能的车身损伤 取证方法、 装置、 电子设备及存储介质， 基于 人工 智能的车身损伤取证方法包括： 依据预设的多个 点位对车身进行图像采集以获取点位图像集； 对 所述点位图像集中的图像进行预处理获得点位 优化图像集； 对 所述点位优化图像集中的图像进 行筛选获得点位显著图像； 基于所有的点位显著 图像构建车身取证图像集； 基于预设的车身损伤 检测模型对所述车身取证图像集中的所有图像 进行检测得到车身损伤图片。 本申请通过对车辆 进行多个点位的拍照取证， 并对每个点位的取证 照片进行筛选， 可以获取高质量的车身损伤取证 照片， 从而提高车辆 定损结果的准确性。 权利要求书2页 说明书12页 附图2页 CN 114943908 A 2022.08.26 CN 114943908 A 1.一种基于人工智能的车身损伤取证方法， 其特 征在于， 所述方法包括： 依据预设的多个点位对车身进行图像采集以获取点位图像集， 所述点位与 所述点位图 像集一一对应； 对所述点位图像集中的图像进行预处理获得点位优化图像集， 所述点位优化图像集和 所述点位图像集 一一对应； 对所述点位优化图像集中的图像进行筛选获得点位显著图像， 所述点位显著图像与 所 述点位优化图像集 一一对应； 基于所有的点 位显著图像构建车身取证图像集； 基于预设的车身损伤检测模型对所述车身取证图像集中的所有图像进行检测得到车 身损伤图片。 2.如权利要求1所述的基于人工智能的车身损伤取证方法， 其特征在于， 所述依据 预设 的多个点位对车身进行图像采集以获取点位图像集， 所述点位与所述点位图像集一一对 应， 包括： 对预设的多个点 位设置不同的编码标签得到多个标签点 位； 分别依据每一个标签点位对车身进行多次图像采集， 并将每一个标签点位对应的所有 图像作为 点位图像集， 所述 点位与所述 点位图像集 一一对应。 3.如权利要求1所述的基于人工智能的车身损伤取证方法， 其特征在于， 所述对所述点 位图像集中的图像进 行预处理获得点位优化图像集， 所述点位优化图像集和所述点位图像 集一一对应， 包括： 将所有的点位图像集中的图像转换为灰度图像得到点位灰度图像集， 所述点位灰度图 像集与所述 点位图像集 一一对应； 对所有的点 位灰度图像集中的图像进行图像滤波得到点 位优化图像集。 4.如权利要求1所述的基于人工智能的车身损伤取证方法， 其特征在于， 所述对所述点 位优化图像集中的图像进 行筛选获得点位显著图像， 所述点位显著图像与所述点位优化图 像集一一对应， 包括： 分别计算所述点位优化图像集中的每一幅图像和预设的点位模板图像之间的图像相 似度， 所述 点位优化图像集和预设的点 位模板图像一 一对应； 基于所述图像相似度对所述 点位优化图像集中的图像进行筛 选获得点 位显著图像。 5.如权利要求1所述的基于人工智能的车身损伤取证方法， 其特征在于， 所述基于所有 的点位显著图像构建车身取证图像集包括： 依据预设方式对所有的点 位显著图像进行划分获得 各点位显著图像的边 缘区域图像； 依次对各相邻的点 位所对应的点 位显著图像之间的边 缘区域图像进行相似变换； 依次计算经过相似变换后的各相邻的点位所对应的边缘区域图像的相似度以获取临 近相似度； 基于所述临近相似度和预设的临近阈值构建车身取证图像集。 6.如权利要求5所述的基于人工智能的车身损伤取证方法， 其特征在于， 所述基于所述 临近相似度和预设的临近阈值构建车身取证图像集包括： 对比所述临近相似度与预设的临近相似度阈值； 若所有的临近相似度均大于预设的临近相似度阈值， 则将所有的点位显著图像作为车权　利　要　求　书 1/2 页 2 CN 114943908 A 2身取证图像集； 若不是所有的临近相似度均 大于预设的临近相似度阈值， 则需要对不大于临近相似度 阈值的临近相似度所对应的点位进行重新拍照以使所有的临近相似度均大于预设的临近 相似度阈值， 并将所有的点 位显著图像作为车身取证图像集。 7.如权利要求1所述的基于人工智能的车身损伤取证方法， 其特征在于， 所述基于预设 的车身损伤检测模型对所述车身取证图像集中的所有图像进行检测得到车身损伤图片包 括： 对预设的车身损伤检测模型进行优化获得 车损优化检测模型； 基于所述车损优化检测模型对所述车身取证图像集中的所有图像进行车身损伤检测， 并将检测出 车身损伤的图像作为车身损伤图片。 8.一种基于人工智能的车身损伤取证装置， 其特 征在于， 所述装置包括： 获取单元， 用于依据预设的多个点位对车身进行图像采集以获取点位图像集， 所述点 位与所述 点位图像集 一一对应； 处理单元， 用于对所述点位图像集中的图像进行预处理获得点位优化图像集， 所述点 位优化图像集和所述 点位图像集 一一对应； 筛选单元， 用于对所述点位优化图像集中的图像进行筛选获得点位显著图像， 所述点 位显著图像与所述 点位优化图像集 一一对应； 构建单元， 用于基于所有的点 位显著图像构建车身取证图像集； 检测单元， 用于基于预设的车身损伤检测模型对所述车身取证图像集中的所有图像进 行检测得到车身损伤图片。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 存储器， 存储有计算机可读指令； 及 处理器， 执行所述存储器 中存储的计算机可读指令以实现如权利要求1至7中任意一项 所述的基于人工智能的车身损伤取证方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 可读指令， 所述计算机可读指 令被处理器执行时实现如权利要求 1至7中任一项 所述的基于 人工智能的车身损伤取证方法。权　利　要　求　书 2/2 页 3 CN 114943908 A 3