车辆事故测评App

孙娜 王柠 王杰 付强

摘要：本项目是一类专门为广大用户打造的车辆评估平台，是基于Android的一款应用软件，在遇到事故时可以快速对爱车进行一对一受损分析，直观受损情况，方便用户进行即时理赔。用户可通过上传车辆正面照片,识别常见的车型（小汽车为主）以及车辆的品牌型号、颜色等;上传车损情况照片识别,可识别包含车灯、车顶、后门等的32种汽车外观零部件的损伤情况。针对常见的小汽车车型，识别车辆外观受损部件及损伤类型，支持32种车辆外观部件、5大类外观损伤分析，支持单图多种损伤的识别。最终估算车辆价值,并返回部分车损的价值和百分比以及估算的车辆总价值。

关键词: 图像识别、车损、测评

1.引言

该项目的内容制定确立前夕经历了开发小组多次会议讨论，期间内，开发组成员对现今的车辆出行社会现状进行了调研，调研发现，汽车已成为主要代步工具，出门可见，所以车辆的擦碰甚至车祸事件发生率格外高，而去由车辆修理第三方出示车辆损伤鉴定，费时费力。鉴于这种社会现状和迫切需求下，为了解决这一难题，于是我们决定开发一个车辆事故测评app，这是一款可以在车辆事故出现时帮助用户快速估算车损价值，能够识别，分析和处理相应的问题，为各方之间的赔偿事件做一个公平公正的中间方，解决车辆测评理赔的需求。

2. 项目的现状与前景

当前社会车流量巨大，几乎每天都有车辆发生事故，经过调查，市场上关于车辆事故测评的功能的app较少，多的是车辆的违章事故查询，所以广大用户及其需要一个具有车辆事故测评的app来进行车辆的价值估算，来保证广大用户的利益，具有一定的开发价值，而且该项目所涉及的代码均属于开源，投资成本低，需要考虑的是软件推广费用，一但推广成功展开使用，将带来良好的收益。

3. 项目所存在的问题与处理

在项目开发过程中，我们遇到了很多问题，比如在搭建环境时，由于缺乏实战经验，犯了许多基础性错误，但是通过查找资料和请教老师，我们将问题顺利解决，并且学会了如何搭建和使用云服务器，也了解了更多的计算机前沿技术。

3. 项目所存在的问题但尚未解决

目前系统功能还不够完善，图像识别后，数据分析所能识别的车辆型号种类未能全部实现，此外对于图像文字识别未能达到预期的效果，以及估价师模块功能未能完整实现，此后通过学习新技术，会继续进行完善。

3. 系统的设计与技术

5.1各功能描述:

1. 用户注册信息，登录平台，完善个人信息。

用户第一次使用app，进行注册信息，账号信息存入数据库中。账号信息包括用户账号、密码、昵称、手机号等个人信息，登录进平台后需完善个人信息。详细的信息有助于用户更好的使用体验和测评方案。

2. 车辆信息识别

1）车辆基本信息图像识别：用户根据需要上传车辆的正面车型图片上传至阿里云oss并向后台发送请求，后台根据前台发送的数据以及同一session判断是否为同一用户，通过用户id来获取用户获取的图片进行图像识别，获取车辆的基本信息，如车型、车辆的生产日期等。

2）车辆外观图像识别：通过车辆外观图像识别，根据用户上传的车辆图片对车辆进行识别，包括颜色等。

3）识别信息存储：通过上述操作，后台会将识别出来的数据写入数据库，并将识别出来的信息发送至前台显示。

3.驾驶证信息管理

1）驾驶证基本信息图像识别：通过向服务器请求用户的个人信息，得知用户是否有驾驶证，若有则进行页面跳转，用户上传车辆的正面图至oss，服务器通过图片识别模块识别驾驶证信息，识别用户的姓名、地址、驾驶证有效期等基本信息。

2)驾驶证信息的修改：我们认为驾驶证信息极其重要，不能有误，所以驾驶证进行基本信息图像识别后，会将识别出来的信息返回至app，向用户显示，若有问题，支持用户修改。

3)驾驶证信息查询：当用户有查询驾驶证的需求时，通过点击按钮，向后台请求数据，后台收到请求后进行驾驶证信息查询。

4.车辆事故受损测评

1)车辆外观受损图像识别：用户根据需要上传车辆受损部位图片，上传至阿里云oss后向后台发送请求，后台根据session判断是否为同一用户，通过用户id来获取用户获取的图片进行图像识别，获取车辆的受损情况，包含车门、车前盖等多种位置的刮擦等多种损伤。

2)车辆受损评估：根据用户上传的图片对车辆受损信息由后台进行计算，最终得出一个受损的总价值返回给前台，用户可参考与肇事者理赔或参考赔偿受害者。

3)车辆受损信息存储：通过上述操作将车辆的受损信息及赔偿信息写入数据库中。

5.2关键技术

AI图像识别技术是人工智能的一个重要领域，图像识别技术是立体视觉、运动分析、数据融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域重要的应用价值。

图像识别中的模式识别（PatternRecognition），是一种从大量信息和数据出发，在专家经验和已有认识的基础上，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别、评价的过程。模式识别包括两个阶段，即学习阶段和实现阶段，前者是对样本进行特征选择，寻找分类的规律，后者是根据分类规律对未知样本集进行分类和识别。这个模式识别的模板匹配模型简单明了，也容易得到实际应用。但这种模型强调图像必须与脑中的模板完全符合才能加以识别，而事实上人不仅能识别与脑中的模板完全一致的图像，也能识别与模板不完全一致的图像。

3. 结语

目前该平台已经具备了驾驶证文字识别，车辆受损情况图像识别的基本功能，以下是对系统编写过程中的总结。

（1）通过对平台的功能模块简单的分析，研究各个功能所要用到的技术、所要用到的数据；

（2）随后就是对该平台分析技术这一部分，可以对系统进行准确定型，分析出本系统的最主要的技术和一些协议的原理；

（3）接下来是对系统详细的分析，项目中用到百度AI图像智能识别SDK，开发人员对这一块儿详细的分析，满足用户使用的业务需求，例如：驾驶证基本信息图像识别、车辆基本信息图像识别、车辆外观受损图像识别等。

参考文献:

[1]尹川.基于Android系统的车牌识别系统的设计与实现[D].哈尔滨工程大学,2017.

[2]吴昌政.基于前后端分离技术的web开发框架设计[D].信息通信,2020.

[3]朱政. 基于图像识别的车辆图像处理技术研究[D].江西财经大学,2016.

[4]郭霖.第一行代码 Android 第二版 [D].人民邮电出版社，2016