一種基于圖像識別的車輛智能定損系統

施海

（上海新致軟件股份有限公司，上海200120）

經濟的發展推動了汽車行業的蓬勃，隨著汽車數量的增多車險成為保險行業銷售量最大的保險種類之一。傳統的車險出險后需要專業的定損人員到現場勘查事故原因，確定責任，對現場取證采集事故照片、車輛信息、人員信息。然后在修理廠或4s 店進行修理報價，最后將相關資料上傳到保險公司，由核賠人員進行最終的審核，才能完成整個出險定損。傳統模式存在賠付周期長，操作流程復雜，參與人員角色多，整個賠案付出的成本高等問題，所以針對保險公司為了解決上述幾個問題，提出了利用人工智能技術結合現有信息化系統建設，實現線上一體化、智能化定損賠付流程。采用人工智能技術主要解決對出險現場的定損，采用人工神經網絡對采集圖片進行模式識別，實現對車輛受損部位識別和受損程度識別，同時結合保險公司基礎數據進行快速賠付。

1 智能圖像識別技術介紹

隨著人工神經網絡技術的不斷發展，我國對于人工智能方面的研究取的了很大的進展，并被應用于生活和生產的各個方面，例如：仿真機器人、輔助手術機器人、經濟模型分析等。人工神經網絡技術的發展突破了傳統計算機技術的局限，體現出了良好的智能特性。

1.1 人工神經網絡的含義

人工神經網絡是人工智能的一個重要分支，為人工智能的發展提供了動力。人工神經網絡可以模仿動物或者人的神經網絡系統，進行分布式、并行式的數據處理[1]。人類的大腦給了人工神經網絡啟發，很多學者最初認為人工神經網絡的核心是微積分計算，實際上人工神經網絡是一種計算機系統，由多個高速處理的神經元組成[2]，計算機網絡負責將這些神經元聯系在一起，幫助神經元動態的處理數據，增加機器識別物體的性能。

人類的大腦有數十萬個神經元，這些神經元與身體的每一個細胞相連，它們之間動態的進行通信，使得身體內的細胞相互協同進行工作。相比于人類的大腦，人工神經網絡就簡單很多，一般的人工神經網絡最多由上千個高速處理元素組成，處理能力遠低于人類大腦處理水平。傳統計算機系統擁有一個強大的中央處理層，負責從內存中讀取和返回數據[3]，但是傳統的計算機智能讀取內存中存在的數據，一旦面對全新的數據就會返回錯誤。人工神經網絡擁有多種層次，每一個層次都包括接受信息的信息接受層、傳輸信息的信息傳輸層以及處理信息的信息處理層[4]，并經過對規則的持續學習，使得人工神經網絡判斷事物的能力越來越接近于人類大腦。相比于傳統計算機系統的查找式處理方法，人工神經網絡更像一個推理器，經過對一定規則的學習，即使面對從未見過的事物，也會根據之前別的神經元接收到的規則進行整合給出相似特征的答案[5]。隨著人工神經網絡學習數量的增多，人工神經網絡會判斷和識別物體的準確性大大提高。

目前人工神經網絡還無法再學習的過程中創造答案，但是已經用接近人類學習的方法去處理數據，人工神經網絡的存在大大推動了人工智能和機器學習的發展。

1.2 FASTER R-CNN 圖像識別算法

圖像識別算法主要實現了從模式空間到類別空間的映射，本文所述一種基于圖像識別的車輛智能定損系統是基于FASTER R-CNN 的人工神經網絡算法實現的[6]。FASTER R-CNN 算法的整體架構如圖1 所示。

從圖中可以看出FASTER R-CNN 總共分為四個部分，分別是存儲數據的數據庫（Dataset），負責提供按照一定格式標準定義的數據內容[7]。特征中心(Extractor)也可以稱為Feature Map，負責利用CNN 算法提取圖片中的特征。RNP 網絡即卷積神經網絡（Region Proposal Network），負責將輸入的圖片轉換成為候選區域并經過Rol Pooling 將不同大同的輸出區域轉換成為固定長度的輸出[8]。RoIHead，負責分類的回歸，這部分的輸出是最終目標，將候選區域進行分類，將候選區域放入正確的歸類位置。由此可見，整個FASTER R-CNN 圖像識別算法的工作流程如下圖2 所示。

圖1 FASTER R-CNN 算法的整體架構圖

圖2 FASTER R-CNN 圖像識別算法的工作流程圖

從圖中可以看出，圖片經過神經網絡提取出特征，并根據卷積神經網絡將輸如的照片處理成為各種輸出區域，再經歷一次輸出區域的細化[9]，將大小不同的輸出區域統一成為長度相同的輸出區域，并進行分類和微調，將圖片進行歸類，得出最終結論。

2 基于圖像識別的智能定損系統設計意義

2.1 傳統車險理賠流程

車輛保險以60%的占比量成文保險公司的主要業務之一，也是與大眾生活息息相關的一種保險業務。傳統的保險業務中車輛定損通常要求保險公司的定損人員進行現場勘探，進而確定車輛的損失情況并記錄在案作為車輛保險理賠的依據。其中車輛現場勘探是車輛保險理賠中最重要的一個環節，目前大多數由保險公司人員現場進行處理，需要大量的人力和物力。

在傳統的車輛事故理賠過程中，當發生車輛事故的時候，兩輛車的車主不可以私自移動車子，需要及時撥打電話給110進行報警，并同時撥打電話給保險公司，由警察出具車輛事故責任認定書，并且等待保險公司人員到達現場進行保險事故現場勘探，對車輛的損壞情況進行確定并拍照，記錄在案。當警察和保險公司工作人員都確定好，事故車輛才可進行移動。

上海市擁有400 多萬量私家車，由于重型卡車不能進入外環以內，因此大多數交通事故都是小轎車之間的剮蹭，車輛損壞程度并不嚴重[10]。而傳統的理賠流程中，保險公司接到事故報警電話后，事故現場勘探人員往往需要很久才能到達現場，致使事故理賠流程一整套下來需要48 小時左右才可完成，在現場勘探人員到達之前車輛不可私自移動，給原本壓力很大的城市交通運輸制造了極大的困難，由此可見傳統的車輛理賠流程中存在著許多不合理的地方。

2.2 人工智能識別車輛定損的優點

隨著科技的不斷進步，使用科技的力量推動保險定損的不斷進步是保險行業面臨的重要問題。目前保險行業從事現場勘探工作的大約有十萬之多的工作人員，利用人工智能技術充當現場勘探人員的眼睛和大腦，至少可以減少現場勘探人員50%以上的工作量，僅憑現場的幾張照片就可以在幾秒之內給出車輛的損傷情況，包括車輛受損部分和理賠方案等，為保險公司在車輛現場勘探減少了大量的投入，也是的輕微事故車輛在拍照之后就可以駛離現場，不會造成城市交通擁堵，減少城市交通壓力。同時基于人工神經網絡算法的智能定損方式也可以減少汽車車主使用陳年傷痕來騙保的虛假情況。通過對車輛外觀保險理賠事故整理可以發現，每年約有10%～20%的外觀保險賠付事故屬于騙保行為。

但是由于目前人工智能車齡定損技術還處于初級階段并不能完全的代替現場勘探，但是可以幫助現場勘探人員進行輔助識別和定損。傳統定損流程中勘探人員需要到現場拍攝大量的照片，有的事故現場甚至需要拍攝上百張照片，但是由于天氣和光線等原因往往給勘探人員進行判斷帶來了一定的困難。AI 圖像識別技術可以幫助定損人員排除這些方面的干擾，根據不同的特征判斷車輛的損傷情況，為定損人員提供一定的輔助建議。

人工智能定損系統的出現并不是為了代替工作人員而產生的，舊的崗位的消失也為工作人員提供了新的機遇，原來從事簡單現場勘探的人員可以投入更多的精力去提升用戶體驗，嘗試客戶服務等更有難度和挑戰的工作。

3 一種基于圖像識別的車輛智能定損系統

將人工智能結合大數據、云計算等新技術應用于打通線上理賠全流程管理，打造“智能理賠”平臺產品。通過該平臺產品，車主可以實時的上傳受損突破及時獲取車輛受損信息和維修方案、完成現場智能查勘，對單方責任的小額事故申請快速線上理賠。從而簡化原來的賠付流程，降低賠付費用和賠付風險。新舊保險審核流程對比圖如圖3 所示。

圖3 新舊保險審核流程對比圖

現有人工定損的方式，需要車主先報案，保險公司進行查勘人員的調度分配任務，由于查勘人員到現場的路程原因，路途堵車原因，現場定位不準確原因，用戶交流中對現場位置描述困難等原因，均會造成查勘人員到達現場實際需要半小時以上，極端情況下需要數小時，車主需要原地等待，用戶體驗非常不好。

查勘取證的環節，不同查勘人員的專業能力有差異，查勘結果對類似案件也存在差異，無合理的標準可遵循，定損結果不透明性，對車主和保險公司均存在過度消費的情況，核賠環節依賴修理廠或4s 店提供的人工費用和配件價格，無標準價格可遵循。相同品牌不同4s 店報價也存在不一致情形。而賠付費用需要內部風險控制，多級審核，打款周期也比較長，雖然保險公司為了提高用戶體驗，在賠付周期上做了大量讓步，部分保險公司實現了24 小時快速賠付，但這也是建立在保險公司自己承擔風險的基礎上，助長了騙保理賠。

智能定損平臺，可以通過歷史理賠數據，歷史行車數據，歷史違法違紀數據，對于行車記錄良好的車主，線上理賠額度高達可以適當提高，通過手機端的APP 上傳車損照片，幾分鐘便可完成賠付。為滿足車主多元化、多場景需求，智能理賠平臺APP，為車主提供在線車損測算。智能定損平臺設計包含了前端車主端APP，智能定損AI 引擎，以及數據分析和抽檢系統，賠付基準數據庫、零配件標準價格數據庫等。智能定損流程圖如圖4所示。

圖4 智能定損流程圖

智能定損平臺一體化平臺設計，打通了保險公司車險理賠各個環節，降低保險公司的賠付風險，對投保車主的賠付速度提升。通過車主直接和保險公司的交互，也避免了查勘定損人員的人員定損差異過大的情況，采用人工智能算法提高了查勘定損的準確性，價格庫的直接比對，避免了4s 店、修理廠的報價不透明性。

總之，智能技術引入車險理賠，對原來車險理賠業務有了質的提升，對未來車險理賠業務高速發展也貢獻了技術升級帶來的價值，充分發揮技術對業務的引導，讓業務更加簡化，提升了速度，擴大了同時理賠案件的數量，也降低了理賠過程中發生的費用。同時人工智能技術也提高了理賠的專業性，避免了查勘定損人員水平不一，查勘定損案件質量差異，人工智能平臺依賴的是專家級的技術，而且隨著定損案件的增加，人工智能定損平臺也逐步訓練的更加智能。具備自我學習提升的能力。人工智能定損平臺只是人工智能技術在保險行業的一個具體場景的小應用，而隨著人工智能技術的發展，更多、更智能、更通用的人工智能技術將應用在保險行業各個場景中，并發揮其廣泛的智慧。