CN108174289A - 一种影像资料处理方法、装置、介质和电子设备 - Google Patents

一种影像资料处理方法、装置、介质和电子设备 Download PDF

Info

Publication number
CN108174289A
CN108174289A CN201711460201.XA CN201711460201A CN108174289A CN 108174289 A CN108174289 A CN 108174289A CN 201711460201 A CN201711460201 A CN 201711460201A CN 108174289 A CN108174289 A CN 108174289A
Authority
CN
China
Prior art keywords
image data
image
category
information
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711460201.XA
Other languages
English (en)
Other versions
CN108174289B (zh
Inventor
刘岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taikang Insurance Group Co Ltd
Original Assignee
Taikang Insurance Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taikang Insurance Group Co Ltd filed Critical Taikang Insurance Group Co Ltd
Priority to CN201711460201.XA priority Critical patent/CN108174289B/zh
Publication of CN108174289A publication Critical patent/CN108174289A/zh
Application granted granted Critical
Publication of CN108174289B publication Critical patent/CN108174289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44004—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving video buffer management, e.g. video decoder buffer or video display buffer

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明实施例提供一种影像资料处理方法、装置、介质和电子设备。方法包括：接收影像资料压缩包，所述影像资料压缩包包括至少一种影像资料；解压缩所述影像资料压缩包，获得所述影像资料压缩包中的至少一种影像资料；确定各个影像资料的类别；采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息；保存得到的所有内容信息。本发明实施例支持用户将各种影像资料集中上传，相比于现有技术避免了用户多次上传影像资料，操作繁琐的问题。且本发明实施例可以直接基于保存的内容信息自动完成录入用户身份信息、银行卡信息等，无需用户手动录入，提高了业务办理效率，节省了人力成本，提高了用户体验。

Description

一种影像资料处理方法、装置、介质和电子设备
技术领域
本发明涉及影像处理技术领域，尤其涉及一种影像资料处理方法、装置、 介质和电子设备。
背景技术
在业务办理过程中，尤其在保险业务办理过程中，经常需要用户多次频 繁地上传影像资料、填写用户信息等。比如在办理保险理赔的过程中，在验 证用户身份时，需要用户上传身份证信息；在用户身份验证通过后，在申报 保险理赔时又需要用户再次上传身份证信息，同时还需要用户上传相关的理 赔材料，如银行卡信息、各类报销所需的发票信息等。
对于目前的业务办理流程，至少存在以下问题：
1、整个业务办理过程中会要求用户多次上传影像资料，操作繁琐、业务 办理效率较低、用户体验较差。
2、在业务办理过程中，虽然用户成功上传了影像资料，且这些影像资料 中已经包含了用户绝大部分的有效关键信息，比如身份证信息、银行卡信息 等，但有些环节仍需用户手动录入用户的身份证信息、银行卡信息，存在要 求用户重复操作的问题，业务办理效率较低，且用户体验较差。
发明内容
有鉴于此，本发明实施例提供一种影像资料处理方法、装置、介质和电 子设备，用于解决现有业务办理流程存在的业务办理效率较低、用户体验较 差的问题。技术方案如下：
基于本发明实施例的一方面，本发明实施例提供一种影像资料处理方法， 包括：
接收影像资料压缩包，所述影像资料压缩包包括至少一种影像资料；
解压缩所述影像资料压缩包，获得所述影像资料压缩包中的至少一种影 像资料；
确定各个影像资料的类别；
采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影 像内容，得到内容信息；
保存得到的所有内容信息。
可选地，所述确定各个影像资料的类别包括：
对各个影像资料进行预处理；
将预处理后的各个影像资料输入至预先训练好的卷积神经网络分类模 型，获取所述卷积神经网络分类模型输出的各影像资料的类别；其中所述卷 积神经网络分类模型是基于样本影像资料、以及样本影像资料的类别进行训 练得到的。
可选地，所述对各个影像资料进行预处理包括：
对各个影像资料进行灰度化处理和尺寸归一化处理；
其中，经灰度化处理后的各影像资料转换为单通道灰度图；
所述尺寸归一化处理包括多尺寸归一化处理和多尺度归一化处理，经尺 寸归一化处理后的各影像资料分别得到一多尺寸金字塔和一多尺度金字塔， 其中不同影像资料对应的不同多尺寸金字塔中的同一层的尺寸大小一致，不 同影像资料对应的不同多尺度金字塔中的同一层的尺寸大小一致。
可选地，所述卷积神经网络分类模型包括卷积层、池化层、特征采样层、 全连接层和分类输出层。
可选地，所述影像资料压缩包的包名称中包括用于表示影像资料压缩包 的优先级的字段；当接收到多个影像资料压缩包时，所述解压缩所述影像资 料压缩包包括：
依据各影像资料压缩包的包名称中字段表示的影像资料压缩包的优先 级，按照优先级由高至低的顺序解压缩各影像资料压缩包。
可选地，所述获得所述影像资料压缩包中的至少一种影像资料之后，所 述方法还包括：
依据获得的影像资料的数量，确定任务分发数量；
所述确定各个影像资料的类别包括：
以确定的任务分发数量，并行执行确定影像资料的类别的操作。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息包括：
采用光学字符识别OCR识别方法，识别影像资料中的影像文字，得到影 像文字信息；
采用人脸识别方法，识别影像资料中的人脸图像，得到人脸图像信息。
可选地，所述方法还包括：
依据得到的影像文字信息和人脸图像信息，验证用户身份的合法性。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息之前，所述方法还包括：
判断影像资料是否符合预设的识别质量要求；
如果符合，执行所述采用与所述影像资料的类别对应的识别方法，识别 所述影像资料中的影像内容，得到内容信息的步骤；
如果不符合，输出第一提示消息，所述第一提示消息用于提示用户重新 上传所述影像资料。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息之前，所述方法还包括：
判断预设的影像资料类别表中记载的影像资料的类别，是否都包含在获 得的所有影像资料的类别中；
如果都包含，执行所述采用与所述影像资料的类别对应的识别方法，识 别所述影像资料中的影像内容，得到内容信息的步骤；
如果不都包含，则输出第二提示消息，所述第二提示消息用于提示用户 上传记载在所述影像资料类别表中，但不存在于获得的所有影像资料的类别 中的影像资料。
基于本发明实施例的另一方面，本发明实施例提供一种影像资料处理装 置，包括：
接收单元，用于接收影像资料压缩包，所述影像资料压缩包包括至少一 种影像资料；
解压缩单元，用于解压缩所述影像资料压缩包，获得所述影像资料压缩 包中的至少一种影像资料；
类别确定单元，用于确定各个影像资料的类别；
内容信息获取单元，用于采用与所述影像资料的类别对应的识别方法， 识别所述影像资料中的影像内容，得到内容信息；
保存单元，用于保存得到的所有内容信息。
基于本发明实施例的再一方面，本发明实施例提供一种存储介质，其上 存储有程序，所述程序被处理器执行时实现前文所述的影像资料处理方法。
基于本发明实施例的再一方面，本发明实施例提供一种电子设备，包括： 处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理 器配置为经由执行所述可执行指令来执行前文所述的影像资料处理方法。
本发明实施例提供的影像资料处理方法、装置、介质和电子设备中，在 接收到用户将所有影像资料压缩后上传的影像资料压缩包后，解压缩获得多 种影像资料，并针对获得的所有影像资料，确定各个影像资料的类别。进而 采用与影像资料的类别对应的识别方法，识别影像资料中的影像内容，得到 内容信息，保存得到的所有内容信息。
应用本发明实施例提供的影像资料处理方法、装置、介质和电子设备， 在业务办理过程中，用户可以将各种影像资料集中上传，相比于现有技术避 免了用户多次上传影像资料，操作繁琐的问题，提高了业务办理效率，提高 了用户体验。
且本发明实施例通过对影像资料中的影像内容的识别，获得并保存了用 户的身份证信息、银行卡信息等内容信息，那么对于需要录入用户的身份证 信息、银行卡信息的环节，本发明实施例可以直接基于保存的用户的身份证 信息、银行卡信息自动完成录入，无需用户手动录入，提高了业务办理效率， 节省了人力成本，提高了用户体验。
此外，本发明实施例基于保存的用户的身份证信息、银行卡信息等识别 结果信息能够实现对用户身份合法性的验证，保证了安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种影像资料处理方法的实现逻辑示意图；
图2为本发明实施例提供的一种影像资料处理方法的流程图；
图3为本发明实施例中多尺度金字塔制作过程示意图；
图4为本发明实施例中卷积神经网络分类模型的结构示意图；
图5为本发明实施例中特征采样原理图；
图6为本发明实施例提供的一种影像资料处理装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在业务办理过程中，人脸识别时需要采集用户的人脸影像，证卡核验时 需要采集用户的身份证、银行卡的影像，理赔核保时需要采集用户的各种医 疗、住院发票以及化验清单等单据的影像，尽管以上内容都在同一业务办理 过程中，但是现有的业务办理过程中需要用户多次频繁采集并上传多种影像 资料，效率极低且用户体验较差。
且，现有的业务办理过程中，尽管用户已经成功上传了多种影像资料， 且这些影像资料中已经包含了用户绝大部分的有效关键信息，比如身份证信 息、银行卡信息等，但有些环节仍需用户手动录入用户的身份证信息、银行 卡信息，存在要求用户重复操作的问题，业务办理效率较低，用户体验较差。
针对此，本发明的核心思想之一包括但不限于，不在业务办理过程中的 各个环节中各自独立地要求用户上传所需的影像材料，而是支持各类影像资 料集中上传，即在某个业务处理环节，比如用户触发某个业务办理的初期， 就要求用户上传所需的所有影像资料，由此避免了现有技术中用户需要多次 上传影像资料，操作繁琐的问题。且本发明实施例在接收到集中上传的各类 影像资料后，能够自动分类、识别，将用户彻底从繁琐的影像资料收集与分 拣中解放出来，极大地提高了业务办理效率，提高了用户体验。
更进一步，本发明实施例通过对影像资料中的影像内容的识别，获得并 保存了用户的身份证信息、银行卡信息等内容信息，那么对于需要录入用户 的身份证信息、银行卡信息的环节，本发明实施例可以直接基于保存的用户 的身份证信息、银行卡信息自动完成录入，无需用户手动录入，提高了业务 办理效率，节省了人力成本，提高了用户体验。
本发明实施例提供的影像资料处理方法应用于业务处理系统，从实现逻 辑上可分为应用层、接口层和能力层，如图1所示。其中，
应用层包括各类应用前端，作为与用户交互的接口，负责收集客户的影 像资料，包括人脸照片、身份证照片、银行卡照片、各类医疗发票照片、化 验清单照片等，并按照约定的数据格式，将影像资料统一压缩打包后发送给 接口层。
接口层包括任务调度引擎、影像分类引擎、影像质检引擎等。接口层可 以对发来的请求进行鉴权，并在鉴权通过后，将任务提交给任务调度引擎， 由任务调度引擎对影像资料压缩包进行解压缩，进而可以根据影像资料的数 量，调用相应的影像分类引擎，对影像资料进行识别分拣。影像分类引擎处 理后将任务处理结果回馈给任务分发引擎，然后任务分发引擎调用影像质检 引擎对所有影像资料的质量进行判定，其中可以具体对合格和不合格影像资 料分布进行打标签，并将结果反馈给任务调度引擎。
能力层主要为接口层提供各类能力支撑服务，例如人脸识别服务、身份 证识别服务、医疗票据识别服务等，任务调度引擎会根据质量引擎反馈的结 果，决定各引擎调用顺序，并完成客户属性信息提取、基于人脸的客户身份 认证，及其相关各类票据影像内容的结构化处理，处理完成后将结果反馈给 接口层，由接口层统一将结果回馈给应用层。
本发明实施例提供的影像资料处理方法具体如图2所示，该方法基于接口 层角度进行描述，方法具体包括：
步骤101，接收影像资料压缩包，所述影像资料压缩包包括至少一种影像 资料。
本发明实施例中，用户可以通过手机APP、微信或者业务系统网页上传业 务所需的影像资料。其中影像资料可以包括人脸影像、身份证影像、银行卡 影像、各类医疗发票影像、化验清单影像等。
需要说明的是，在用户上传影像资料时，用户不需要过多的关注某一张 或多张票据或证件的影像资料是否是多余的，用户可以将认为可能需要的影 像资料全部一起上传。
应用层在接收到用户上传的影像资料后，按照数据格式要求，对影像资 料进行修订，包括影像格式、影像大小、影像命名方式等，然后将所有的影 像资料压缩成一个影像资料压缩包，其中影像资料压缩包的包名称以 key-value的形式存储了诸多参数信息，例如包括授权码、所需的影像资料类 别列表、当前请求唯一标识码等。
应用层将经压缩处理后得到的所有影像资料压缩包发送至接口层，接口 层接收该影像资料压缩包，影像资料压缩包中包括至少一种影像资料。
步骤102，解压缩所述影像资料压缩包，获得所述影像资料压缩包中的至 少一种影像资料。
任务调度引擎是接口层以及整个业务应用系统的核心调度与管理引擎。 接口层中的任务调度引擎接收影像资料压缩包，解压缩影像资料压缩包，获 得影像资料压缩包中的至少一种影像资料。
可选地，当影像资料压缩包的包名称中包括用于表示影像资料压缩包的 优先级的字段时，当接口层接收到多个影像资料压缩包时，接口层首先解析 各影像资料压缩包的包名称，依据各影像资料压缩包的包名称中字段表示的 影像资料压缩包的优先级，确定各个影像资料压缩包的优先级，进而按照优 先级由高至低的顺序解压缩各个影像资料压缩包。
在实际应用过程中，考虑到业务应用系统执行任务的繁忙情况，任务调 度引擎根据各影像资料压缩包的包名称中的字段，确定各个影像资料压缩包 需要业务应用系统优先处理，且依据各个影像资料压缩包的优先级，控制优 先级较高的影像资料压缩包优先处理，从而使其获得近实时性处理性能。
步骤103，确定各个影像资料的类别。
任务调度引擎解压缩获得多种影像资料之后，将识别任务发送给接口层 中的影像分类引擎，以使得所述影像分类引擎接收到识别任务后，启动影像 资料分类处理。
作为本发明实施例的一个优选实施例，本发明在步骤102解压缩影像资 料压缩包，获得影像资料压缩包中的多种影像资料之后，方法还可以包括： 依据获得的影像资料的数量，确定任务分发数量。
具体地，任务调度引擎解压缩获得多种影像资料后，依据获得的影像资 料的数量，确定分发任务数量。分发任务数量为任务调度引擎向影像分类引 擎发出的影像分类请求的数量，影像分类引擎依据接收到的影像分类请求的 数量，进行当前任务的并行处理，以提高业务的处理效率。
本发明实施例中，影像资料的类别是预先设定的，以保险医疗理赔为例， 影像资料的类别例如包括身份证、银行卡、住院发票、医疗发票、费用清单、 化验清单、体检报告等。
具体地，本发明实施例步骤103可以采用如下步骤201至步骤202所示的方 法实现，方法包括：
步骤201，对各个影像资料进行预处理。
具体地，本发明实施例对各个影像资料进行预处理包括：对各个影像资 料进行灰度化处理和尺寸归一化处理。
本发明实施例中，灰度化处理是指将影像资料由多通道彩色图或灰度图 转换为单通道灰度图。尺寸归一化处理包括多尺寸归一化处理和多尺度归一 化处理。本发明实施例分别对各个影像资料进行多尺寸归一化处理和多尺度 归一化处理后，得到针对每一影像资料构建的一多尺寸金字塔和一多尺度金 字塔，其中不同影像资料对应的不同多尺寸金字塔中的同一层的尺寸大小一 致，不同影像资料对应的不同多尺度金字塔中的同一层的尺寸大小一致。
具体结合图3所示，其中图3中间的金字塔为多尺寸金字塔。本发明实 施例中多尺寸金字塔的层级不少于3层，可选地，层级为5层至7层为宜。
在得到多尺寸金字塔后，本发明实施例继续构建多尺度金字塔。为保证 多尺度金字塔中每一层尺度变化的连续性，即各亚采样图像层在尺度空间中 是可导的，本发明实施例选用高斯卷积变换作为尺度变换的方法，对多尺寸 金字塔中的每一层图像做三次高斯尺度变换，高斯卷积变换公式为：
其中x表示图像矩阵x处点的值，α表示高斯卷积核所覆盖的图像矩阵 的均值，σ表示高斯卷积核的尺度系数，k表示尺度变换系数。利用上式对多 尺寸金字塔中的每一层图像分别进行行卷积和列卷积，最终多尺寸金字塔在 经过高斯变换后得到多尺度金字塔。
步骤202，将预处理后的各个影像资料输入至预先训练好的卷积神经网络 分类模型，获取所述卷积神经网络分类模型输出的各影像资料的类别；其中 所述卷积神经网络分类模型是基于样本影像资料、以及样本影像资料的类别 进行训练得到的。
在应用本发明实施例提供的影像资料处理方法前，本发明实施例首先训 练得到一卷积神经网络分类模型，例如具体为卷积神经网络分类器，该卷积 神经网络分类模型基于样本影像资料、以及样本影像资料的类别进行训练得 到的，能够实现对输入的影像资料的分类，即对输入的影像资料的类别的识 别。
本发明实施例中的卷积神经网络分类模型使用16层卷积神经网络结构为 基础，输入为图像向量，输出为图像的类别。卷积神经网络分类模型的整个 网络包括卷积层、池化层、特征采样层、全连接层和分类输出层。其中，卷 积层和池化层各包含16层运算，交替进行；特征采样层包含1层拆解采样运 算；全连接层包含3层特征组合运算；分类输出层采用SoftMax函数输出类 别向量。
结合图4所示，卷积运算主要是利用随机卷积核对图像的特征进行抽取， 计算公式如下：
其中x，y表示原图像f(x,y)矩阵中神经元的位置，m，n表示卷积核g(m,n) 矩阵中元素的位置，h(x-m,y-n)为卷积后的图像。
池化运算主要是对图像进行缩放以及进一步的特征抽取，池化后图像尺 寸缩小为原图的四分之一。
其中x，y表示卷积图像h(x,y)矩阵中神经元的位置，r为池化核的宽度，一 般设置为2。
常规的卷积神经网络是针对固定尺寸大小的图像样本集进行训练的，不 能直接用来训练尺寸不同的多尺度金字塔图像样本集，为了解决这个问题， 本发明实施例在卷积神经网络模型的最后一层卷积层的后面增加了一层特征 采样层，用以对不同尺度图像的卷积特征进行归一化采样。特征采样层的具 体实现方法如图5所示。
经过特征采样后，最后一层的卷积层包含128个尺度不一的特征向量原 图，每一个特征图均被归一化为三个长度固定的特征图向量：16维十六分图、 4维四分图和1维一分图，每个特征图向量元素可以使用池化运算或均值运算 得到。将特征图向量拼接得到21维的拼接特征图，经过特征采样后，所有图 像的输出特征被归一化为2688维(21*128＝2688)的特征向量。
全连接层负责将特征采样层的高维特征映射为低维类别特征，然后经过 Softmax运算，输出归一化后的低维类别特征向量。基于梯度向量法，对神经 网络各神经元权值参数进行校正，得到用于实现分类的卷积神经网络模型。
在本发明实施例的实际应用过程中，由于用户对各类业务办理时所需材 料的不了解，用户无法准确地分辨出哪些影像资料是需要上传的，哪些是不 需要上传的，给用户增加了影像资料的分拣难题，进一步降低了用户体验。 基于此，针对不同业务办理时所需的影像资料不同的情况，本发明实施例利 用卷积神经网络模型能够自动完成对于用户输入的所有影像资料的分拣工 作，避免了用户的分拣难题，提高了业务办理效率，提高了用户体验。
步骤104，采用与所述影像资料的类别对应的识别方法，识别所述影像资 料中的影像内容，得到内容信息。
步骤105，保存得到的所有内容信息。
在确定各个影像资料的类别之后，针对不同类别的影像资料，本发明实 施例分别发送至相应的识别引擎，由相应的识别引擎采用相应的识别方法， 识别影像资料中的影像内容，得到内容信息。具体地，识别引擎将识别得到 的内容信息以JSON编码的形式反馈给任务调度引擎，进而由任务调度引擎将 得到的所有内容信息存储在数据库中。
具体地，本发明实施例中可以采用OCR(Optical Character Recognition， 光学字符识别)识别方法，识别影像资料中的影像文字，得到影像文字信息； 采用人脸识别方法，识别影像资料中的人脸图像，得到人脸图像信息。
更具体地，例如，任务调度引擎将身份证影像(亦成身份证图片)发送 至身份证OCR引擎，由身份证OCR引擎识别出身份证影像中的身份证信息， 进而身份证OCR引擎将识别到的身份证信息反馈给任务调度引擎；又如，任 务调度引擎将银行卡影像(亦成银行卡图片)发送至银行卡OCR引擎，由银 行卡OCR引擎识别出银行卡影像中的银行卡信息，进而银行卡OCR引擎将识 别到的银行卡信息反馈给任务调度引擎；再如，任务调度引擎将住院发票影 像(亦成住院发票图片)发送至住院发票OCR引擎，由住院发票OCR引擎识 别出住院发票影像中的住院发票信息，进而住院发票OCR引擎将识别到的住 院发票信息反馈给任务调度引擎。
可选地，本发明实施例还可以进一步依据得到的影像文字信息和人脸图 像信息，验证用户身份的合法性。
具体地，任务调度引擎将得到的身份证信息发送给人脸识别引擎，人脸 识别引擎结合其识别得到的人脸图像，对用户身份的合法性进行验证。当身 份证信息中的用户姓名、身份证号和人脸图像中的人脸头像三者一致且均验 证通过时，确定用户为合法用户。而如果有其中任意一项信息验证不通过， 则确定用户为非法用户。
此外，本发明实施例在利用人脸图像验证用户身份合法性时，还可以先 对人脸图像的合法性进行验证，例如验证人脸图像是否是视频翻拍的人脸图 像，在确定人脸图像合法时，再利用该人脸图像进行后续操作。
因此，应用本发明实施例提供的影像资料处理方法，在业务办理过程中， 用户可以将各种影像资料集中上传，相比于现有技术避免了用户多次上传影 像资料，操作繁琐的问题，提高了业务办理效率，提高了用户体验。
且本发明实施例通过对影像资料中的影像内容的识别，获得并保存了用 户的身份证信息、银行卡信息等内容信息，那么对于需要录入用户的身份证 信息、银行卡信息的环节，本发明实施例可以直接基于保存的用户的身份证 信息、银行卡信息自动完成录入，无需用户手动录入，提高了业务办理效率， 节省了人力成本，提高了用户体验。
此外，本发明实施例基于保存的用户的身份证信息、银行卡信息等识别 结果信息能够实现对用户身份合法性的验证，保证了安全性。
在前述实施例的基础上，本发明在步骤103确定各个影像资料的类别之 后，步骤104采用与所述影像资料的类别对应的识别方法，识别所述影像资料 中的影像内容，得到内容信息之前，方法还可以包括：
判断影像资料是否符合预设的识别质量要求；
如果符合，再执行步骤104；
如果不符合，输出第一提示消息，所述第一提示消息用于提示用户重新 上传所述影像资料。
以及，方法还可以包括：
判断预设的影像资料类别表中记载的影像资料的类别，是否都包含在得 到的所有影像资料的类别中；
如果都包含，再执行步骤104；
如果不都包含，则输出第二提示消息，所述第二提示消息用于提示用户 上传记载在所述影像资料类别表中，但不存在于得到的所有影像资料的类别 中的影像资料。
本发明实施例在确定各个影像资料的类别后，可以对各个影像资料的识 别质量以及获得的影像资料的完整性进行检测。
具体地，任务调度引擎依据影像资料的类别，调用不同的影像质检引擎， 利用影像质检引擎检测影像资料中的影像内容是否符合文字/图像识别的质量 要求。如果符合，影像质检引擎反馈消息告知任务调度引擎，此时任务调度 引擎再去调用相应的识别引擎进行内容信息的识别；如果不符合，影像质检 引擎将不符合文字/图像识别的质量要求的影像资料反馈给任务调度引擎，由 任务调度引擎转发给业务应用系统的前端，由前端输出第一提示消息，提醒 用户重新上传不符合文字/图像识别的质量要求的影像资料。
任务调度引擎在解压缩影像资料压缩包时，从影像资料压缩包的包名称 中获取预设的影像资料类别表，该影像资料类别表包含了用户需要上传的所 有类别的影像资料。任务调度引擎通过对比从影像资料压缩包中获得的影像 资料的类别与影像资料类别表中记载的影像资料的类别，判断影像资料类别 表中记载的影像资料的类别，是否都包含在获得的所有影像资料的类别中。 如果都包含，说明用户上传的影像资料齐全，此时任务调度引擎再去执行后 续操作。其中后续操作可以为任务调度引擎根据影像资料的类别调用不同的 影像质检引擎进行质检，或调用相应的识别引擎进行内容信息的识别。如果 影像资料类别表中记载的影像资料的类别，并没有都包含在得到的所有影像 资料的类别中，说明用户上传的影像资料不全，需要用户上传缺少的影像资 料，此时任务调度引擎将补发缺少的影像资料的消息转发给业务应用系统的 前端，由前端输出第二提示消息，提醒用户上传记载在影像资料类别表中， 但不存在于得到的所有影像资料的类别中的影像资料，即上传缺少的影像资 料。
本发明实施例中的业务应用系统采用后台服务的形式供前端各类业务系 统使用，在实时部署时与其它系统无直接耦合，可以独立部署。对外以标准 化服务接口的形式提供影像资料处理服务。
本发明实施例中的业务应用系统部署内容包括任务调度引擎、影像质检 引擎、影像分类引擎、人脸识别引擎、票据识别引擎(含身份证识别引擎、 银行卡识别引擎、医疗发票识别引擎、化验清单等)等，各引擎以微服务的 形式部署，部署的外围系统包括数据库、对象存储或NAS存储等。其中任务 调度引擎承担了接口服务、授权验证、任务调度和管理等核心功能，是关键 引擎。
基于前文本发明实施例提供的一种影像资料处理方法，本发明实施例还 提供一种影像资料处理装置，如图6所述，影像资料处理装置包括：
接收单元100，用于接收影像资料压缩包，所述影像资料压缩包包括至少 一种影像资料；
解压缩单元200，用于解压缩所述影像资料压缩包，获得所述影像资料压 缩包中的至少一种影像资料；
类别确定单元300，用于确定各个影像资料的类别；
内容信息获取单元400，用于采用与所述影像资料的类别对应的识别方 法，识别所述影像资料中的影像内容，得到内容信息；
保存单元500，用于保存得到的所有内容信息。
所述影像资料处理装置包括处理器和存储器，上述接收单元100、解压缩 单元200、类别确定单元300、内容信息获取单元400和保存单元500等均作为 程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来 实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以 设置一个或以上，通过调整内核参数来实现影像资料处理。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)， 存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器 执行时实现所述影像资料处理方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所 述程序运行时执行所述影像资料处理方法。
本发明实施例提供了一种电子设备，设备包括处理器、存储器及存储在 存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：
接收影像资料压缩包，所述影像资料压缩包包括至少一种影像资料；
解压缩所述影像资料压缩包，获得所述影像资料压缩包中的至少一种影 像资料；
确定各个影像资料的类别；
采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影 像内容，得到内容信息；
保存得到的所有内容信息。
可选地，所述确定各个影像资料的类别包括：
对各个影像资料进行预处理；
将预处理后的各个影像资料输入至预先训练好的卷积神经网络分类模 型，获取所述卷积神经网络分类模型输出的各影像资料的类别；其中所述卷 积神经网络分类模型是基于样本影像资料、以及样本影像资料的类别进行训 练得到的。
可选地，所述对各个影像资料进行预处理包括：
对各个影像资料进行灰度化处理和尺寸归一化处理；
其中，经灰度化处理后的各影像资料转换为单通道灰度图；
所述尺寸归一化处理包括多尺寸归一化处理和多尺度归一化处理，经尺 寸归一化处理后的各影像资料分别得到一多尺寸金字塔和一多尺度金字塔， 其中不同影像资料对应的不同多尺寸金字塔中的同一层的尺寸大小一致，不 同影像资料对应的不同多尺度金字塔中的同一层的尺寸大小一致。
可选地，所述卷积神经网络分类模型包括卷积层、池化层、特征采样层、 全连接层和分类输出层。
可选地，所述影像资料压缩包的包名称中包括用于表示影像资料压缩包 的优先级的字段；当接收到多个影像资料压缩包时，所述解压缩所述影像资 料压缩包包括：
依据各影像资料压缩包的包名称中字段表示的影像资料压缩包的优先 级，按照优先级由高至低的顺序解压缩各影像资料压缩包。
可选地，所述获得所述影像资料压缩包中的至少一种影像资料之后，所 述方法还包括：
依据获得的影像资料的数量，确定任务分发数量；
所述确定各个影像资料的类别包括：
以确定的任务分发数量，并行执行确定影像资料的类别的操作。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息包括：
采用光学字符识别OCR识别方法，识别影像资料中的影像文字，得到影 像文字信息；
采用人脸识别方法，识别影像资料中的人脸图像，得到人脸图像信息。
可选地，所述方法还包括：
依据得到的影像文字信息和人脸图像信息，验证用户身份的合法性。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息之前，所述方法还包括：
判断影像资料是否符合预设的识别质量要求；
如果符合，执行所述采用与所述影像资料的类别对应的识别方法，识别 所述影像资料中的影像内容，得到内容信息的步骤；
如果不符合，输出第一提示消息，所述第一提示消息用于提示用户重新 上传所述影像资料。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息之前，所述方法还包括：
判断预设的影像资料类别表中记载的影像资料的类别，是否都包含在获 得的所有影像资料的类别中；
如果都包含，执行所述采用与所述影像资料的类别对应的识别方法，识 别所述影像资料中的影像内容，得到内容信息的步骤；
如果不都包含，则输出第二提示消息，所述第二提示消息用于提示用户 上传记载在所述影像资料类别表中，但不存在于获得的所有影像资料的类别 中的影像资料。
本文中的设备可以是服务器、PC、PAD、手机等。
本发明实施例还提供了一种计算机程序产品，当在数据处理设备上执行 时，适于执行初始化有如下方法步骤的程序：
接收影像资料压缩包，所述影像资料压缩包包括至少一种影像资料；
解压缩所述影像资料压缩包，获得所述影像资料压缩包中的至少一种影 像资料；
确定各个影像资料的类别；
采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影 像内容，得到内容信息；
保存得到的所有内容信息。
可选地，所述确定各个影像资料的类别包括：
对各个影像资料进行预处理；
将预处理后的各个影像资料输入至预先训练好的卷积神经网络分类模 型，获取所述卷积神经网络分类模型输出的各影像资料的类别；其中所述卷 积神经网络分类模型是基于样本影像资料、以及样本影像资料的类别进行训 练得到的。
可选地，所述对各个影像资料进行预处理包括：
对各个影像资料进行灰度化处理和尺寸归一化处理；
其中，经灰度化处理后的各影像资料转换为单通道灰度图；
所述尺寸归一化处理包括多尺寸归一化处理和多尺度归一化处理，经尺 寸归一化处理后的各影像资料分别得到一多尺寸金字塔和一多尺度金字塔， 其中不同影像资料对应的不同多尺寸金字塔中的同一层的尺寸大小一致，不 同影像资料对应的不同多尺度金字塔中的同一层的尺寸大小一致。
可选地，所述卷积神经网络分类模型包括卷积层、池化层、特征采样层、 全连接层和分类输出层。
可选地，所述影像资料压缩包的包名称中包括用于表示影像资料压缩包 的优先级的字段；当接收到多个影像资料压缩包时，所述解压缩所述影像资 料压缩包包括：
依据各影像资料压缩包的包名称中字段表示的影像资料压缩包的优先 级，按照优先级由高至低的顺序解压缩各影像资料压缩包。
可选地，所述获得所述影像资料压缩包中的至少一种影像资料之后，所 述方法还包括：
依据获得的影像资料的数量，确定任务分发数量；
所述确定各个影像资料的类别包括：
以确定的任务分发数量，并行执行确定影像资料的类别的操作。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息包括：
采用光学字符识别OCR识别方法，识别影像资料中的影像文字，得到影 像文字信息；
采用人脸识别方法，识别影像资料中的人脸图像，得到人脸图像信息。
可选地，所述方法还包括：
依据得到的影像文字信息和人脸图像信息，验证用户身份的合法性。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息之前，所述方法还包括：
判断影像资料是否符合预设的识别质量要求；
如果符合，执行所述采用与所述影像资料的类别对应的识别方法，识别 所述影像资料中的影像内容，得到内容信息的步骤；
如果不符合，输出第一提示消息，所述第一提示消息用于提示用户重新 上传所述影像资料。
可选地，所述采用与所述影像资料的类别对应的识别方法，识别所述影 像资料中的影像内容，得到内容信息之前，所述方法还包括：
判断预设的影像资料类别表中记载的影像资料的类别，是否都包含在获 得的所有影像资料的类别中；
如果都包含，执行所述采用与所述影像资料的类别对应的识别方法，识 别所述影像资料中的影像内容，得到内容信息的步骤；
如果不都包含，则输出第二提示消息，所述第二提示消息用于提示用户 上传记载在所述影像资料类别表中，但不存在于获得的所有影像资料的类别 中的影像资料。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或 计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、 或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个 其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘 存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序 产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程 图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流 程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算 机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使 得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现 在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功 能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设 备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器 中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或 多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上， 使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的 处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图 一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步 骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输 出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。 存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由 任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、 程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其 他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读 存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁 磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计 算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可 读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵 盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备 不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为 这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下， 由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、 商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机 程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软 件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含 有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术 人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所 作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (13)

1.一种影像资料处理方法，其特征在于，包括：
接收影像资料压缩包，所述影像资料压缩包包括至少一种影像资料；
解压缩所述影像资料压缩包，获得所述影像资料压缩包中的至少一种影像资料；
确定各个影像资料的类别；
采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息；
保存得到的所有内容信息。
2.根据权利要求1所述的方法，其特征在于，所述确定各个影像资料的类别包括：
对各个影像资料进行预处理；
将预处理后的各个影像资料输入至预先训练好的卷积神经网络分类模型，获取所述卷积神经网络分类模型输出的各影像资料的类别；其中所述卷积神经网络分类模型是基于样本影像资料、以及样本影像资料的类别进行训练得到的。
3.根据权利要求2所述的方法，其特征在于，所述对各个影像资料进行预处理包括：
对各个影像资料进行灰度化处理和尺寸归一化处理；
其中，经灰度化处理后的各影像资料转换为单通道灰度图；
所述尺寸归一化处理包括多尺寸归一化处理和多尺度归一化处理，经尺寸归一化处理后的各影像资料分别得到一多尺寸金字塔和一多尺度金字塔，其中不同影像资料对应的不同多尺寸金字塔中的同一层的尺寸大小一致，不同影像资料对应的不同多尺度金字塔中的同一层的尺寸大小一致。
4.根据权利要求2所述的方法，其特征在于，所述卷积神经网络分类模型包括卷积层、池化层、特征采样层、全连接层和分类输出层。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述影像资料压缩包的包名称中包括用于表示影像资料压缩包的优先级的字段；当接收到多个影像资料压缩包时，所述解压缩所述影像资料压缩包包括：
依据各影像资料压缩包的包名称中字段表示的影像资料压缩包的优先级，按照优先级由高至低的顺序解压缩各影像资料压缩包。
6.根据权利要求1-4任一项所述的方法，其特征在于，所述获得所述影像资料压缩包中的至少一种影像资料之后，所述方法还包括：
依据获得的影像资料的数量，确定任务分发数量；
所述确定各个影像资料的类别包括：
以确定的任务分发数量，并行执行确定影像资料的类别的操作。
7.根据权利要求1-4任一项所述的方法，其特征在于，所述采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息包括：
采用光学字符识别OCR识别方法，识别影像资料中的影像文字，得到影像文字信息；
采用人脸识别方法，识别影像资料中的人脸图像，得到人脸图像信息。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
依据得到的影像文字信息和人脸图像信息，验证用户身份的合法性。
9.根据权利要求1-4任一项所述的方法，其特征在于，所述采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息之前，所述方法还包括：
判断影像资料是否符合预设的识别质量要求；
如果符合，执行所述采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息的步骤；
如果不符合，输出第一提示消息，所述第一提示消息用于提示用户重新上传所述影像资料。
10.根据权利要求1-4任一项所述的方法，其特征在于，所述采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息之前，所述方法还包括：
判断预设的影像资料类别表中记载的影像资料的类别，是否都包含在获得的所有影像资料的类别中；
如果都包含，执行所述采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息的步骤；
如果不都包含，则输出第二提示消息，所述第二提示消息用于提示用户上传记载在所述影像资料类别表中，但不存在于获得的所有影像资料的类别中的影像资料。
11.一种影像资料处理装置，其特征在于，包括：
接收单元，用于接收影像资料压缩包，所述影像资料压缩包包括至少一种影像资料；
解压缩单元，用于解压缩所述影像资料压缩包，获得所述影像资料压缩包中的至少一种影像资料；
类别确定单元，用于确定各个影像资料的类别；
内容信息获取单元，用于采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息；
保存单元，用于保存得到的所有内容信息。
12.一种存储介质，其特征在于，其上存储有程序，所述程序被处理器执行时实现权利要求1至10中任一项所述的影像资料处理方法。
13.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至10中任一项所述的影像资料处理方法。
CN201711460201.XA 2017-12-28 2017-12-28 一种影像资料处理方法、装置、介质和电子设备 Active CN108174289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711460201.XA CN108174289B (zh) 2017-12-28 2017-12-28 一种影像资料处理方法、装置、介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711460201.XA CN108174289B (zh) 2017-12-28 2017-12-28 一种影像资料处理方法、装置、介质和电子设备

Publications (2)

Publication Number Publication Date
CN108174289A true CN108174289A (zh) 2018-06-15
CN108174289B CN108174289B (zh) 2020-11-03

Family

ID=62519199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711460201.XA Active CN108174289B (zh) 2017-12-28 2017-12-28 一种影像资料处理方法、装置、介质和电子设备

Country Status (1)

Country Link
CN (1) CN108174289B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961084A (zh) * 2018-07-07 2018-12-07 北京精友世纪软件技术有限公司 一种支持手机客户端的ai车辆定损理赔系统及方法
CN109543773A (zh) * 2018-12-12 2019-03-29 泰康保险集团股份有限公司 图像处理方法、装置、介质及电子设备
CN110647809A (zh) * 2019-08-15 2020-01-03 中国平安人寿保险股份有限公司 基于图像分析的ai核保系统、方法及计算机可读存储介质
CN110647926A (zh) * 2019-09-17 2020-01-03 腾讯科技（深圳）有限公司 医学影像流识别方法、装置、电子设备和存储介质
CN110674847A (zh) * 2019-08-30 2020-01-10 深圳壹账通智能科技有限公司 卡片分类保存方法、装置、计算机设备和存储介质
CN110889412A (zh) * 2019-11-01 2020-03-17 泰康保险集团股份有限公司 体检报告中的医学长文定位与分类方法及装置
CN111626874A (zh) * 2020-05-25 2020-09-04 泰康保险集团股份有限公司 理赔数据处理方法、装置、设备及存储介质
CN111666262A (zh) * 2020-05-28 2020-09-15 重庆渝抗医药科技有限公司 海量医学影像在网络附属存储nas状态下特征点提取工作方法
CN111666439A (zh) * 2020-05-28 2020-09-15 重庆渝抗医药科技有限公司 针对云端环境快速提取和划分医学影像大数据的工作方法
CN111709458A (zh) * 2020-05-25 2020-09-25 中国自然资源航空物探遥感中心 一种用于高分五号影像的自动质检方法
CN112819003A (zh) * 2021-04-19 2021-05-18 北京妙医佳健康科技集团有限公司 一种提升体检报告ocr识别准确率的方法及装置

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101038686A (zh) * 2007-01-10 2007-09-19 北京航空航天大学 一种基于信息融合的机读旅行证件识别方法
US20110141257A1 (en) * 2009-12-15 2011-06-16 Samsung Electronics Co., Ltd. Apparatus and method for registering plurality of facial images for face recognition
CN102347016A (zh) * 2010-07-28 2012-02-08 佳能株式会社 用于显示图像的显示控制设备和显示控制方法
US20140270492A1 (en) * 2013-03-15 2014-09-18 State Farm Mutual Automobile Insurance Company Automatic building assessment
US20160162729A1 (en) * 2013-09-18 2016-06-09 IDChecker, Inc. Identity verification using biometric data
CN106408015A (zh) * 2016-09-13 2017-02-15 电子科技大学成都研究院 基于卷积神经网络的岔路口识别及深度估计方法
CN106991451A (zh) * 2017-04-14 2017-07-28 武汉神目信息技术有限公司 一种证件图片的识别系统及方法
CN106991421A (zh) * 2017-03-22 2017-07-28 湖南联信科技有限公司 一种身份证信息提取系统
CN107145873A (zh) * 2017-05-12 2017-09-08 江苏鸿信系统集成有限公司 基于人脸识别和ocr的身份证图像识别审核方法及系统
CN107292749A (zh) * 2017-08-04 2017-10-24 平安科技（深圳）有限公司 车损证件照片的分类方法、系统及可读存储介质
CN107480741A (zh) * 2017-09-08 2017-12-15 武汉市公安局出入境管理局 一种便携式快速身份扫描识别仪及其识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101038686A (zh) * 2007-01-10 2007-09-19 北京航空航天大学 一种基于信息融合的机读旅行证件识别方法
US20110141257A1 (en) * 2009-12-15 2011-06-16 Samsung Electronics Co., Ltd. Apparatus and method for registering plurality of facial images for face recognition
CN102347016A (zh) * 2010-07-28 2012-02-08 佳能株式会社 用于显示图像的显示控制设备和显示控制方法
US20140270492A1 (en) * 2013-03-15 2014-09-18 State Farm Mutual Automobile Insurance Company Automatic building assessment
US20160162729A1 (en) * 2013-09-18 2016-06-09 IDChecker, Inc. Identity verification using biometric data
CN106408015A (zh) * 2016-09-13 2017-02-15 电子科技大学成都研究院 基于卷积神经网络的岔路口识别及深度估计方法
CN106991421A (zh) * 2017-03-22 2017-07-28 湖南联信科技有限公司 一种身份证信息提取系统
CN106991451A (zh) * 2017-04-14 2017-07-28 武汉神目信息技术有限公司 一种证件图片的识别系统及方法
CN107145873A (zh) * 2017-05-12 2017-09-08 江苏鸿信系统集成有限公司 基于人脸识别和ocr的身份证图像识别审核方法及系统
CN107292749A (zh) * 2017-08-04 2017-10-24 平安科技（深圳）有限公司 车损证件照片的分类方法、系统及可读存储介质
CN107480741A (zh) * 2017-09-08 2017-12-15 武汉市公安局出入境管理局 一种便携式快速身份扫描识别仪及其识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨海燕: ""一种新的多人脸检测方法研究"", 《微计算机信息》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108961084A (zh) * 2018-07-07 2018-12-07 北京精友世纪软件技术有限公司 一种支持手机客户端的ai车辆定损理赔系统及方法
CN109543773A (zh) * 2018-12-12 2019-03-29 泰康保险集团股份有限公司 图像处理方法、装置、介质及电子设备
CN110647809A (zh) * 2019-08-15 2020-01-03 中国平安人寿保险股份有限公司 基于图像分析的ai核保系统、方法及计算机可读存储介质
CN110647809B (zh) * 2019-08-15 2024-09-03 中国平安人寿保险股份有限公司 基于图像分析的ai核保系统、方法及计算机可读存储介质
CN110674847A (zh) * 2019-08-30 2020-01-10 深圳壹账通智能科技有限公司 卡片分类保存方法、装置、计算机设备和存储介质
CN110647926A (zh) * 2019-09-17 2020-01-03 腾讯科技（深圳）有限公司 医学影像流识别方法、装置、电子设备和存储介质
CN110889412B (zh) * 2019-11-01 2023-04-07 泰康保险集团股份有限公司 体检报告中的医学长文定位与分类方法及装置
CN110889412A (zh) * 2019-11-01 2020-03-17 泰康保险集团股份有限公司 体检报告中的医学长文定位与分类方法及装置
CN111626874A (zh) * 2020-05-25 2020-09-04 泰康保险集团股份有限公司 理赔数据处理方法、装置、设备及存储介质
CN111709458A (zh) * 2020-05-25 2020-09-25 中国自然资源航空物探遥感中心 一种用于高分五号影像的自动质检方法
CN111709458B (zh) * 2020-05-25 2021-04-13 中国自然资源航空物探遥感中心 一种用于高分五号影像的自动质检方法
CN111666439B (zh) * 2020-05-28 2021-07-13 广东唯仁医疗科技有限公司 针对云端环境快速提取和划分医学影像大数据的工作方法
CN111666439A (zh) * 2020-05-28 2020-09-15 重庆渝抗医药科技有限公司 针对云端环境快速提取和划分医学影像大数据的工作方法
CN111666262A (zh) * 2020-05-28 2020-09-15 重庆渝抗医药科技有限公司 海量医学影像在网络附属存储nas状态下特征点提取工作方法
CN112819003A (zh) * 2021-04-19 2021-05-18 北京妙医佳健康科技集团有限公司 一种提升体检报告ocr识别准确率的方法及装置

Also Published As

Publication number Publication date
CN108174289B (zh) 2020-11-03

Similar Documents

Publication Publication Date Title
CN108174289B (zh) 一种影像资料处理方法、装置、介质和电子设备
US11195006B2 (en) Multi-modal document feature extraction
US9626555B2 (en) Content-based document image classification
WO2018166116A1 (zh) 车损识别方法、电子装置及计算机可读存储介质
CN111932363B (zh) 授权书的识别审核方法、装置、设备及系统
US20230030792A1 (en) Document authenticity identification method and apparatus, computer-readable medium, and electronic device
CN112052858B (zh) 票据图像中目标字段的提取方法及相关装置
CN109886330A (zh) 文本检测方法、装置、计算机可读存储介质和计算机设备
US11030447B2 (en) On-device partial recognition systems and methods
CN111666932B (zh) 单据审核方法、装置、计算机设备及存储介质
CN110738236A (zh) 图像匹配方法、装置、计算机设备及存储介质
CN114219955A (zh) 包装物料检测方法、装置、电子设备及存储介质
CN105099700A (zh) 一种认证方法、服务器及系统
TWM574294U (zh) 一種基於行動載具之智能理賠系統
CN112508717A (zh) 一种影像信息的审核方法、装置、电子设备及存储介质
CN116246294B (zh) 图像信息识别方法、装置、存储介质和电子设备
CN113743327A (zh) 单据识别方法、单据核对方法、装置和设备
CN113516148A (zh) 基于人工智能的图像处理方法、装置、设备及存储介质
CN114820211B (zh) 理赔资料质检核验方法、装置、计算机设备及存储介质
US11804057B1 (en) Computer systems and computer-implemented methods utilizing a digital asset generation platform for classifying data structures
US20210342901A1 (en) Systems and methods for machine-assisted document input
US20240119752A1 (en) Systems and methods for automated acceptance of form documents
CN117152730A (zh) 凭证的识别方法及装置、存储介质和电子设备
CN116935412A (zh) 手写文本信息的录入方法、装置和处理器及电子设备
CN117197830A (zh) 基于终端设备的签收单信息识别方法、装置、介质及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant