本公开涉及车辆定损，具体地，涉及一种轻微人伤调解辅助系统及其方法。
背景技术：
1、在交通事故时，如果要进行调解，一个关键的事项是对车辆进行定损。车辆定损是指对车辆在事故或其他损坏情况下的损失进行评估和估算，以确定修复或补偿的费用。传统的车辆定损通常依赖于人工评估员的主观判断，不同评估员可能会有不同的意见，导致定损结果不一致。并且，人工评估的方式需要实地检查车辆损坏情况，这需要花费大量时间和人力资源，不仅使得整个定损过程效率较低，而且会导致人力成本大大增加，尤其是在事故频发或复杂损坏情况下，不利于快速处理索赔。此外，传统的车辆定损评估方式可能无法全面获取车辆损坏的信息，尤其是隐藏损伤或内部损坏的情况。
2、进一步地，如果车辆定损没法达成共识或者车辆定损耗时较久，调解就没办法顺畅地进行下去。因此，期望一种轻微人伤调解辅助系统，其能够对车辆进行智能定损。
技术实现思路
1、提供该
技术实现要素：
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、第一方面，本公开提供了一种轻微人伤调解辅助系统，所述系统包括：
3、车辆受损状态图像采集模块，用于获取由摄像头从多个角度采集的事故车辆对象的多个车辆受损状态图像；
4、图像上传模块，用于将所述多个车辆受损状态图像传输至远程智能定损服务器；
5、图像对比度归一化增强模块，用于在所述远程智能定损服务器，分别对所述多个车辆受损状态图像进行对比度归一化以得到多个增强车辆受损状态图像；
6、车辆受损状态多尺度语义特征提取模块，用于分别对所述多个增强车辆受损状态图像进行基于局部-全局语义的多尺度特征提取以得到多个局部-全局多尺度车辆受损状态语义特征向量；
7、车辆受损状态多角度语义聚合模块，用于将所述多个局部-全局多尺度车辆受损状态语义特征向量通过车辆受损状态多角度语义聚合分析网络以得到多角度车辆受损状态语义聚合表示特征向量；
8、定损决策模块，用于基于所述多角度车辆受损状态语义聚合表示特征向量，确定车辆定损金额的估计值。
9、可选地，所述图像对比度归一化增强模块，包括：车辆受损状态图像像素级元素计算单元，用于计算所述多个车辆受损状态图像中的每个车辆受损状态图像的像素值的全局均值和标准差以得到车辆受损状态像素全局均值图像和车辆受损状态像素标准差图像；车辆受损状态图像像素级对比度增强单元，用于计算所述车辆受损状态图像和所述车辆受损状态像素全局均值图像的逐像素差值后，再将得到车辆受损状态像素差值图像与所述车辆受损状态像素标准差图像进行逐位置相除以得到增强车辆受损状态图像。
10、可选地，所述车辆受损状态多尺度语义特征提取模块，包括：车辆受损状态特征提取单元，用于将所述多个增强车辆受损状态图像通过基于densenet模型的车辆受损状态特征提取器以得到多个车辆受损状态特征图；车辆受损状态多尺度特征增强单元，用于将所述多个车辆受损状态特征图中的各个车辆受损状态特征图分别通过局部-全局语义多尺度特征提取器以得到多个局部-全局多尺度车辆受损状态语义特征向量。
11、可选地，所述车辆受损状态多尺度特征增强单元，包括：车辆受损状态全局语义捕捉子单元，用于从所述车辆受损状态特征图中提取车辆受损状态全局语义特征向量；车辆受损状态局部语义捕捉子单元，用于从所述车辆受损状态特征图中提取车辆受损状态局部语义特征向量；车辆受损状态多尺度语义融合子单元，用于融合所述车辆受损状态全局语义特征向量和所述车辆受损状态局部语义特征向量以得到局部-全局多尺度车辆受损状态语义特征向量。
12、可选地，所述车辆受损状态全局语义捕捉子单元，包括：第一上采样二级子单元，用于对所述车辆受损状态特征图进行上采样以得到上采样车辆受损状态语义特征图；全局均值池化处理二级子单元，用于对所述上采样车辆受损状态语义特征图中沿通道维度的各个特征矩阵进行全局均值池化处理以得到上采样车辆受损状态语义通道特征向量；第一点卷积编码二级子单元，用于对所述上采样车辆受损状态语义通道特征向量进行点卷积编码以得到所述车辆受损状态全局语义特征向量。
13、可选地，所述车辆受损状态局部语义捕捉子单元，包括：第二上采样二级子单元，用于对所述车辆受损状态特征图进行上采样以得到上采样车辆受损状态语义特征图；第二点卷积编码二级子单元，用于对所述上采样车辆受损状态语义特征图进行点卷积编码以得到通道调制上采样车辆受损状态语义特征图；二维卷积编码二级子单元，用于对所述通道调制上采样车辆受损状态语义特征图进行二维卷积编码以得到所述车辆受损状态局部语义特征向量。
14、可选地，所述车辆受损状态多角度语义聚合模块，包括：第一按位置加和计算单元，用于计算所述多个局部-全局多尺度车辆受损状态语义特征向量中的前s个局部-全局多尺度车辆受损状态语义特征向量的按位置加和以得到邻居语义融合特征向量；加权处理单元，用于以可训练预设超参数与一的加和作为加权系数对第s个所述局部-全局多尺度车辆受损状态语义特征向量中的各个位置特征值进行加权处理以得到加权优化局部-全局多尺度车辆受损状态语义特征向量；多层感知机处理单元，用于将所述邻居语义融合特征向量和所述加权优化局部-全局多尺度车辆受损状态语义特征向量进行按位置加和后通过多层感知机进行处理以得到第s个所述局部-全局多尺度车辆受损状态语义特征向量对应的局部-全局多尺度车辆受损状态语义综合表征特征向量；第二按位置加和计算单元，用于计算所述多个局部-全局多尺度车辆受损状态语义特征向量中的各个局部-全局多尺度车辆受损状态语义特征向量对应的局部-全局多尺度车辆受损状态语义综合表征特征向量之间的按位置加和以得到所述多角度车辆受损状态语义聚合表示特征向量。
15、可选地，所述定损决策模块，用于：将所述多角度车辆受损状态语义聚合表示特征向量通过基于解码器的智能定损决策器以得到决策结果，所述决策结果为车辆定损金额的估计值。
16、第二方面，本公开提供了一种轻微人伤调解辅助方法，所述方法包括：
17、获取由摄像头从多个角度采集的事故车辆对象的多个车辆受损状态图像；
18、将所述多个车辆受损状态图像传输至远程智能定损服务器；
19、在所述远程智能定损服务器，分别对所述多个车辆受损状态图像进行对比度归一化以得到多个增强车辆受损状态图像；
20、分别对所述多个增强车辆受损状态图像进行基于局部-全局语义的多尺度特征提取以得到多个局部-全局多尺度车辆受损状态语义特征向量；
21、将所述多个局部-全局多尺度车辆受损状态语义特征向量通过车辆受损状态多角度语义聚合分析网络以得到多角度车辆受损状态语义聚合表示特征向量；
22、基于所述多角度车辆受损状态语义聚合表示特征向量，确定车辆定损金额的估计值。
23、采用上述技术方案，通过将获取的多个车辆受损状态图像传输至远程智能定损服务器；在远程智能定损服务器，分别对多个车辆受损状态图像进行对比度归一化；分别对多个增强车辆受损状态图像进行基于局部-全局语义的多尺度特征提取，然后通过车辆受损状态多角度语义聚合分析网络以得到多角度车辆受损状态语义聚合表示特征向量，进而确定车辆定损金额的估计值。这样，能够基于车辆的受损图像来进行车辆定损评估，从而避免了传统定损方案引入人工带来的效率低和准确性低的问题，提高了车辆定损的效率和准确性。
24、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
1.一种轻微人伤调解辅助系统，其特征在于，包括：
2.根据权利要求1所述的轻微人伤调解辅助系统，其特征在于，所述图像对比度归一化增强模块，包括：
3.根据权利要求2所述的轻微人伤调解辅助系统，其特征在于，所述车辆受损状态多尺度语义特征提取模块，包括：
4.根据权利要求3所述的轻微人伤调解辅助系统，其特征在于，所述车辆受损状态多尺度特征增强单元，包括：
5.根据权利要求4所述的轻微人伤调解辅助系统，其特征在于，所述车辆受损状态全局语义捕捉子单元，包括：
6.根据权利要求5所述的轻微人伤调解辅助系统，其特征在于，所述车辆受损状态局部语义捕捉子单元，包括：
7.根据权利要求6所述的轻微人伤调解辅助系统，其特征在于，所述车辆受损状态多角度语义聚合模块，包括：
8.根据权利要求7所述的轻微人伤调解辅助系统，其特征在于，所述定损决策模块，用于：将所述多角度车辆受损状态语义聚合表示特征向量通过基于解码器的智能定损决策器以得到决策结果，所述决策结果为车辆定损金额的估计值。
9.一种轻微人伤调解辅助方法，其特征在于，包括：
