CN109003190B - 一种核保方法、计算机可读存储介质及终端设备 - Google Patents
一种核保方法、计算机可读存储介质及终端设备 Download PDFInfo
- Publication number
- CN109003190B CN109003190B CN201810592841.4A CN201810592841A CN109003190B CN 109003190 B CN109003190 B CN 109003190B CN 201810592841 A CN201810592841 A CN 201810592841A CN 109003190 B CN109003190 B CN 109003190B
- Authority
- CN
- China
- Prior art keywords
- user
- image
- face image
- nuclear
- nth
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Collating Specific Patterns (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明属于计算机技术领域,尤其涉及一种核保方法、计算机可读存储介质及终端设备。所述方法确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息;建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像;计算所述用户的人脸图像与预设的基准图像之间的图像相似度;判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值;若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷;将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种核保方法、计算机可读存储介质及终端设备。
背景技术
核保是指保险从业人员对用户的保单信息进行核实的过程,目前在进行核保时,通常需要用户到指定的营业点现场进行核保流程,若用户工作或生活的地点与营业点相距较远,则需要花费较多的时间专门到营业点办理,非常不方便,用户体验极差。近年来,出现了通过视频通信进行远程核保的方式,使得用户在任何地方都可进行核保流程,但是现有的远程核保方式,难以对用户的真正身份进行有效核实,可能会出现其他人冒充用户的情况,可靠性较低。
发明内容
有鉴于此,本发明实施例提供了一种核保方法、计算机可读存储介质及终端设备,以解决现有的远程核保方式难以对用户的真正身份进行有效核实,可靠性较低的问题。
本发明实施例的第一方面提供了一种核保方法,可以包括:
确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息;
建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像;
计算所述用户的人脸图像与预设的基准图像之间的图像相似度,所述基准图像为在所述保单信息中记录的人脸图像;
判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值;
若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷,所述核保问卷包括各个待与所述用户核实的问题;
将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。
本发明实施例的第二方面提供了一种计算机可读存储介质,所述计算机可读存储介质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下步骤:
确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息;
建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像;
计算所述用户的人脸图像与预设的基准图像之间的图像相似度,所述基准图像为在所述保单信息中记录的人脸图像;
判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值;
若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷,所述核保问卷包括各个待与所述用户核实的问题;
将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。
本发明实施例的第三方面提供了一种核保终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,所述处理器执行所述计算机可读指令时实现如下步骤:
确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息;
建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像;
计算所述用户的人脸图像与预设的基准图像之间的图像相似度,所述基准图像为在所述保单信息中记录的人脸图像;
判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值;
若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷,所述核保问卷包括各个待与所述用户核实的问题;
将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例首先确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息,然后建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像,再计算所述用户的人脸图像与预设的基准图像之间的图像相似度,并判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值,若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷,并将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。通过本发明实施例,提供了使用图像处理技术对用户的真正身份进行有效核实的解决方案,避免了出现其他人冒充用户的情况,在保证远程视频核保便利性地同时,大大提高了其可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种核保方法的一个实施例流程图;
图2为从预设的保单数据库中调取出与用户对应的保单信息的示意流程图;
图3为本发明实施例中一种核保装置的一个实施例结构图;
图4为本发明实施例中一种核保终端设备的示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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它实施例,都属于本发明保护的范围。
本发明实施例中用户的人脸图像以及各种信息均为合法取得,并合法进行使用。
请参阅图1,本发明实施例中一种核保方法的一个实施例可以包括:
步骤S101、确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息。
在核保的坐席端,可以使用专业的远程核保设备来进行视频通信,在核保的用户端,可以使用手机、平板电脑等终端上安装的指定的支持视频通信的应用程序(APP)来进行视频通信。
在进行视频通信之前,用户需要先在指定应用程序上进行注册,并设置对应的登录密码。在注册时,用户上传身份证或其他身份信息,服务器连接到指定的保单数据库中对这些身份信息进行核实,若身份信息核实一致,则注册成功,服务器保存该注册信息到指定的数据库中。若身份信息核实不一致,则注册失败,提醒用户提供真实的身份信息。用户再次登录时,通过已注册的账号、密码进行登录,服务器将用户输入的账号、密码与数据库中保存的注册信息进行比对,比对成功才可正常登录。
视频通信连接可以由坐席端发起,也可以由用户端发起,若由坐席端发起,则远程核保设备在进行视频呼叫的同时,从指定的保单数据库中调取出该用户的保单信息并展示给坐席人员查看,若由用户端发起,则远程核保设备在发出视频来电提示音的同时,从指定的保单数据库中调取出该用户的保单信息并展示给坐席人员查看。
具体地,所述从预设的保单数据库中调取出与所述用户对应的保单信息的过程可以包括如图2所示的步骤:
步骤S1011、获取所述用户的N种身份标识。
N为大于0的整数。可以从呼入信息(若视频通信连接由用户端发起)或呼出信息(若视频通信连接由坐席端发起)中获取当前客户的多个身份标识,例如,第1种身份标识可以是客户的身份证号码,第2种身份标识可以是客户的注册ID,第3种身份标识可以是客户的手机号,……。
步骤S1012、使用预设的哈希函数对所述用户的N种身份标识分别进行哈希运算。
具体地,可以根据下式使用预设的哈希函数对所述用户的N种身份标识分别进行哈希运算:
HashKeyn=HashFunc(IDn)
其中,n为所述用户的身份标识的种类序号,1≤n≤N,IDn为所述用户的第n种身份标识,HashFunc为所述哈希函数,可以根据实际情况选取MD4、MD5、SHA1或者其它类似的任意一种哈希函数,HashKeyn为所述用户的第n种身份标识经过哈希运算后得到的哈希值。
步骤S1013、获取与所述保单数据库在第n个层级中的各个候选子数据库对应的哈希值集合。
所述保单数据库被预先设置为N个层级。
第1个层级为最高的层级,第2个层级为次高的层级,……,以此类推,第N个层级为最低的层级。
在第1个层级中,所述保单数据库被划分为一个以上的子数据库,这些子数据库均为候选子数据库,在第n+1个层级中,每个第n个层级的子数据库又被进一步划分为一个以上的子数据库,每个层级中有且只有一个子数据库为目标子数据库,第n个层级的目标子数据库所划分的各个子数据库均为第n+1个层级中的候选子数据库。
对于任意一个层级的任意一个子数据库,均有一个哈希值集合与之对应,对于第1个层级的各个子数据库而言,将其对应的哈希值集合分别记为SubSet1,1、SubSet1,2、……、其中任意两个哈希值集合的交集均为空,对于任意一个用户的第1种身份标识经过上述哈希运算得到的哈希值HashKey1,均有:
类似地,对于第n个层级的任意一个子数据库在第n+1个层级中所划分的各个子数据库而言,将其对应的哈希值集合分别记为SubSetn+1,1、SubSetn+1,2、……、其中任意两个哈希值集合的交集均为空,对于任意一个用户的第n+1种身份标识经过上述哈希运算得到的哈希值HashKeyn+1,均有:
步骤S1014、将在第n个层级中与第n个目标哈希值集合对应的候选子数据库确定为第n个层级的目标子数据库。
所述第n个目标哈希值集合为满足下式的哈希值集合:
其中,mn为在第n个层级中的候选子数据库的序号,1≤mn≤Mn,Mn为在第n个层级中的候选子数据库的个数,为在第n个层级中的第mn个候选子数据库对应的哈希值集合。
步骤S1015、从第N个层级的目标子数据库中调取出与所述用户对应的保单信息。
通过以上过程,可以快速的将所述用户对应的保单信息锁定在一个极小的查询范围(即第N个层级的目标子数据库)内,通过在该查询范围内进行遍历查询即可获得所述用户对应的保单信息。
步骤S102、建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像。
在进行人脸图像采集时,可以只采集一帧所述用户的人脸图像,也可以分别采集所述用户的多帧人脸图像,此处将采集的帧数记为F,F为大于0的整数。
步骤S103、计算所述用户的人脸图像与预设的基准图像之间的图像相似度。
所述基准图像为在所述保单信息中记录的人脸图像。
首先,分别计算所述用户的人脸图像的特征向量和所述基准图像的特征向量。
在本实施例中,可以通过局部二值模式(Local Binary Patterns,LBP)算法来计算图像的特征向量,具体地,构造一种衡量一个图像像素点与其周围像素点的关系,对图像中的每个像素,通过计算以其为中心的邻域内各像素和中心像素的大小关系,把像素的灰度值转化为一个八位二进制序列。以中心点的像素值为阈值,如果邻域点的像素值小于中心点,则邻域点被二值化为0,否则为1;将二值化得到的0、1序列看成一个8位二进制数,将该二进制数转化为十进制就可得到中心点处的LBP值。计算出每个像素点的LBP值后,将LBP特征谱的统计直方图确定为图像的特征向量。由于利用了周围点与该点的关系对该点进行量化。量化后可以更有效地消除光照对图像的影响。只要光照的变化不足以改变两个点像素值之间的大小关系,那么LBP值不会发生变化,即保证了图像特征信息提取的准确性。
若采集了所述用户的多帧人脸图像,则可以根据上述方法分别计算所述用户的各帧人脸图像的特征向量,然后根据下式计算所述用户的人脸图像的特征向量:
其中,f为所述用户的人脸图像的帧号,1≤f≤F,Framef为所述用户的第f帧人脸图像的特征向量,且Framef=(elemf,1,elemf,2,elemf,3,...,elemf,d,...,elemf,D)。
然后,可以根据下式计算所述用户的人脸图像与所述基准图像之间的图像相似度:
其中,X为所述用户的人脸图像的特征向量,且X=(x1,x2,x3,...,xd,...,xD),Y为所述基准图像的特征向量,且Y=(y1,y2,y3,...,yd,...,yD),D为所述用户的人脸图像的特征向量或所述基准图像的特征向量的维度,Abs为求绝对值函数,C(X,Y)为所述用户的人脸图像与所述基准图像之间的图像相似度。
在本实施例的另一种实现中,还可以根据下式计算所述用户的人脸图像与所述基准图像之间的图像相似度:
其中,X为所述用户的人脸图像的特征向量,且X=(x1,x2,x3,...,xd,...,xD),Y为所述基准图像的特征向量,且Y=(y1,y2,y3,...,yd,...,yD),D为所述用户的人脸图像的特征向量或所述基准图像的特征向量的维度,Abs为求绝对值函数,C(X,Y)为所述用户的人脸图像与所述基准图像之间的图像相似度。
步骤S104、判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值。
若所述用户的人脸图像与所述基准图像之间的图像相似度小于或等于所述相似度阈值,则执行步骤S105,若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则执行步骤S106及其后续步骤。
步骤S105、确定身份认证失败,终止核保流程。
步骤S106、生成与所述保单信息对应的核保问卷。
所述核保问卷包括各个待与所述用户核实的问题。具体地,核保问卷指的是用于指示坐席端执行视频核保流程的数据,坐席端根据该核保问卷进行相应的视频问答,并解答用户对保单的疑问。
步骤S107、将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。
当坐席端与用户端建立视频连接,并且通过身份认证后,在坐席端的显示界面显示出所述核保问卷。在实际应用中,显示界面还可以包括多个区域,例如,问卷提示区域、核保问卷区域、单证调用区域、沟通提示区域等。其中,问卷提示区域用于提示坐席端进行相应的问卷操作;核保问卷区域用于接收坐席端输入的问卷答案,例如,是或者否,当为否时,还可以记录备注信息;单证调用区域用于坐席端发出调用单证的指令,并调用相应的单证影像的区域;沟通提示区域用于提示坐席端与用户的沟通方式或者沟通用语等。坐席端根据显示界面的提示进行视频问卷。坐席端根据核保问卷依次进行核保问答,并根据用户的作答记录相应的答案,以生成问卷记录。当用户的答案不满足预设的标准答案时,通过坐席端调用该问题对应的单证影像,并将该单证影像显示于用户端的显示界面以供用户查看。该标准答案为“是”。当然,在实际应用中,其还可以为定义若干关键词,例如答案中包含“明白”,“懂了”,“OK”等。当用户的答案不满足预设的标准答案时,即说明用户仍不明白当前问题。此时坐席端通过调用该问题对应的单证影像显示给用户,使得用户更加直观的了解当前问题。用户在可视数据和坐席端的解说下更容易理解相关的单证含义,从而提高核保的质量和沟通效率,做到真正解答用户的疑问。
综上所述,本发明实施例首先确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息,然后建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像,再计算所述用户的人脸图像与预设的基准图像之间的图像相似度,并判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值,若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷,并将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。通过本发明实施例,提供了使用图像处理技术对用户的真正身份进行有效核实的解决方案,避免了出现其他人冒充用户的情况,在保证远程视频核保便利性地同时,大大提高了其可靠性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的一种核保方法,图3示出了本发明实施例提供的一种核保装置的一个实施例结构图。
本实施例中,一种核保装置可以包括:
保单信息调取模块301,用于确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息;
人脸图像采集模块302,用于建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像;
图像相似度计算模块303,用于计算所述用户的人脸图像与预设的基准图像之间的图像相似度,所述基准图像为在所述保单信息中记录的人脸图像;
阈值判断模块304,用于判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值;
核保问卷生成模块305,用于若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷,所述核保问卷包括各个待与所述用户核实的问题;
核保问卷显示模块306,用于将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。
进一步地,所述保单信息调取模块可以包括:
身份标识获取单元,用于获取所述用户的N种身份标识,N为大于0的整数;
哈希运算单元,用于根据下式使用预设的哈希函数对所述用户的N种身份标识分别进行哈希运算:
HashKeyn=HashFunc(IDn)
其中,n为所述用户的身份标识的种类序号,1≤n≤N,IDn为所述用户的第n种身份标识,HashFunc为所述哈希函数,HashKeyn为所述用户的第n种身份标识经过哈希运算后得到的哈希值;
哈希值集合获取单元,用于获取与所述保单数据库在第n个层级中的各个候选子数据库对应的哈希值集合,所述保单数据库被预先设置为N个层级;
目标子数据库确定单元,用于将在第n个层级中与第n个目标哈希值集合对应的候选子数据库确定为第n个层级的目标子数据库,所述第n个目标哈希值集合为满足下式的哈希值集合:
其中,mn为在第n个层级中的候选子数据库的序号,1≤mn≤Mn,Mn为在第n个层级中的候选子数据库的个数,为在第n个层级中的第mn个候选子数据库对应的哈希值集合;
保单信息调取单元,用于从第N个层级的目标子数据库中调取出与所述用户对应的保单信息。
可选地,所述图像相似度计算模块可以包括:
特征向量计算单元,用于分别计算所述用户的人脸图像的特征向量和所述基准图像的特征向量;
第一图像相似度计算单元,用于根据下式计算所述用户的人脸图像与所述基准图像之间的图像相似度:
其中,X为所述用户的人脸图像的特征向量,且X=(x1,x2,x3,...,xd,...,xD),Y为所述基准图像的特征向量,且Y=(y1,y2,y3,...,yd,...,yD),D为所述用户的人脸图像的特征向量或所述基准图像的特征向量的维度,Abs为求绝对值函数,C(X,Y)为所述用户的人脸图像与所述基准图像之间的图像相似度。
可选地,所述图像相似度计算模块可以包括:
特征向量计算单元,用于分别计算所述用户的人脸图像的特征向量和所述基准图像的特征向量;
第二图像相似度计算单元,用于根据下式计算所述用户的人脸图像与所述基准图像之间的图像相似度:
其中,X为所述用户的人脸图像的特征向量,且X=(x1,x2,x3,...,xd,...,xD),Y为所述基准图像的特征向量,且Y=(y1,y2,y3,...,yd,...,yD),D为所述用户的人脸图像的特征向量或所述基准图像的特征向量的维度,Abs为求绝对值函数,C(X,Y)为所述用户的人脸图像与所述基准图像之间的图像相似度。
进一步地,所述人脸图像采集模块可以包括:
人脸图像采集单元,用于分别采集所述用户的F帧人脸图像,F为大于0的整数;
所述特征向量计算单元可以包括:
各帧特征向量计算子单元,用于分别计算所述用户的各帧人脸图像的特征向量;
人脸图像特征向量计算子单元,用于根据下式计算所述用户的人脸图像的特征向量:
其中,f为所述用户的人脸图像的帧号,1≤f≤F,Framef为所述用户的第f帧人脸图像的特征向量,且Framef=(elemf,1,elemf,2,elemf,3,...,elemf,d,...,elemf,D)。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置,模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
图4示出了本发明实施例提供的一种核保终端设备的示意框图,为了便于说明,仅示出了与本发明实施例相关的部分。
在本实施例中,所述核保终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该核保终端设备4可包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机可读指令42,例如执行上述的核保方法的计算机可读指令。所述处理器40执行所述计算机可读指令42时实现上述各个核保方法实施例中的步骤,例如图1所示的步骤S101至S107。或者,所述处理器40执行所述计算机可读指令42时实现上述各装置实施例中各模块/单元的功能,例如图3所示模块301至306的功能。
示例性的,所述计算机可读指令42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段,该指令段用于描述所述计算机可读指令42在所述核保终端设备4中的执行过程。
所述处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述核保终端设备4的内部存储单元,例如核保终端设备4的硬盘或内存。所述存储器41也可以是所述核保终端设备4的外部存储设备,例如所述核保终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述核保终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机可读指令以及所述核保终端设备4所需的其它指令和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干计算机可读指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储计算机可读指令的介质。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种核保方法,其特征在于,包括:
确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息;
建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像;
分别计算所述用户的人脸图像的特征向量和基准图像的特征向量,所述基准图像为在所述保单信息中记录的人脸图像;
根据下式计算所述用户的人脸图像与所述基准图像之间的图像相似度:
其中,X为所述用户的人脸图像的特征向量,且X=(x1,x2,x3,...,xd,...,xD),Y为所述基准图像的特征向量,且Y=(y1,y2,y3,...,yd,...,yD),D为所述用户的人脸图像的特征向量或所述基准图像的特征向量的维度,Abs为求绝对值函数,C(X,Y)为所述用户的人脸图像与所述基准图像之间的图像相似度;
判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值;
若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷,所述核保问卷包括各个待与所述用户核实的问题;
将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。
2.根据权利要求1所述的核保方法,其特征在于,所述从预设的保单数据库中调取出与所述用户对应的保单信息包括:
获取所述用户的N种身份标识,N为大于0的整数;
根据下式使用预设的哈希函数对所述用户的N种身份标识分别进行哈希运算:
HashKeyn=HashFunc(IDn)
其中,n为所述用户的身份标识的种类序号,1≤n≤N,IDn为所述用户的第n种身份标识,HashFunc为所述哈希函数,HashKeyn为所述用户的第n种身份标识经过哈希运算后得到的哈希值;
获取与所述保单数据库在第n个层级中的各个候选子数据库对应的哈希值集合,所述保单数据库被预先设置为N个层级;
将在第n个层级中与第n个目标哈希值集合对应的候选子数据库确定为第n个层级的目标子数据库,所述第n个目标哈希值集合为满足下式的哈希值集合:
其中,mn为在第n个层级中的候选子数据库的序号,1≤mn≤Mn,Mn为在第n个层级中的候选子数据库的个数,为在第n个层级中的第mn个候选子数据库对应的哈希值集合;
从第N个层级的目标子数据库中调取出与所述用户对应的保单信息。
3.根据权利要求1所述的核保方法,其特征在于,所述采集所述用户的人脸图像包括:
分别采集所述用户的F帧人脸图像,F为大于0的整数;
所述计算所述用户的人脸图像的特征向量包括:
分别计算所述用户的各帧人脸图像的特征向量;
根据下式计算所述用户的人脸图像的特征向量:
其中,f为所述用户的人脸图像的帧号,1≤f≤F,Framef为所述用户的第f帧人脸图像的特征向量,且Framef=(elemf,1,elemf,2,elemf,3,...,elemf,d,...,elemf,D),elemf,d为所述用户的第f帧人脸图像的特征向量在第d个维度上的值。
4.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,其特征在于,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3中任一项所述的核保方法的步骤。
5.一种核保终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令,其特征在于,所述处理器执行所述计算机可读指令时实现如下步骤:
确定待进行核保流程的用户,并从预设的保单数据库中调取出与所述用户对应的保单信息;
建立与所述用户的终端设备之间的视频通信连接,并采集所述用户的人脸图像;
分别计算所述用户的人脸图像的特征向量和基准图像的特征向量,所述基准图像为在所述保单信息中记录的人脸图像;
根据下式计算所述用户的人脸图像与所述基准图像之间的图像相似度:
其中,X为所述用户的人脸图像的特征向量,且X=(x1,x2,x3,...,xd,...,xD),Y为所述基准图像的特征向量,且Y=(y1,y2,y3,...,yd,...,yD),D为所述用户的人脸图像的特征向量或所述基准图像的特征向量的维度,Abs为求绝对值函数,C(X,Y)为所述用户的人脸图像与所述基准图像之间的图像相似度;
判断所述用户的人脸图像与所述基准图像之间的图像相似度是否大于预设的相似度阈值;
若所述用户的人脸图像与所述基准图像之间的图像相似度大于所述相似度阈值,则生成与所述保单信息对应的核保问卷,所述核保问卷包括各个待与所述用户核实的问题;
将所述核保问卷显示给核保人员,以使所述核保人员根据所述核保问卷对所述用户进行核保流程。
6.根据权利要求5所述的核保终端设备,其特征在于,所述从预设的保单数据库中调取出与所述用户对应的保单信息包括:
获取所述用户的N种身份标识,N为大于0的整数;
根据下式使用预设的哈希函数对所述用户的N种身份标识分别进行哈希运算:
HashKeyn=HashFunc(IDn)
其中,n为所述用户的身份标识的种类序号,1≤n≤N,IDn为所述用户的第n种身份标识,HashFunc为所述哈希函数,HashKeyn为所述用户的第n种身份标识经过哈希运算后得到的哈希值;
获取与所述保单数据库在第n个层级中的各个候选子数据库对应的哈希值集合,所述保单数据库被预先设置为N个层级;
将在第n个层级中与第n个目标哈希值集合对应的候选子数据库确定为第n个层级的目标子数据库,所述第n个目标哈希值集合为满足下式的哈希值集合:
其中,mn为在第n个层级中的候选子数据库的序号,1≤mn≤Mn,Mn为在第n个层级中的候选子数据库的个数,为在第n个层级中的第mn个候选子数据库对应的哈希值集合;
从第N个层级的目标子数据库中调取出与所述用户对应的保单信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810592841.4A CN109003190B (zh) | 2018-06-11 | 2018-06-11 | 一种核保方法、计算机可读存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810592841.4A CN109003190B (zh) | 2018-06-11 | 2018-06-11 | 一种核保方法、计算机可读存储介质及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109003190A CN109003190A (zh) | 2018-12-14 |
CN109003190B true CN109003190B (zh) | 2023-09-01 |
Family
ID=64601154
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810592841.4A Active CN109003190B (zh) | 2018-06-11 | 2018-06-11 | 一种核保方法、计算机可读存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109003190B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541174A (zh) * | 2020-12-15 | 2021-03-23 | 平安科技(深圳)有限公司 | 业务数据核验方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107403385A (zh) * | 2016-05-18 | 2017-11-28 | 平安科技(深圳)有限公司 | 投保信息审核方法和装置 |
CN107633458A (zh) * | 2017-09-19 | 2018-01-26 | 平安科技(深圳)有限公司 | 一种契约调查的处理方法、存储介质和服务器 |
CN108009250A (zh) * | 2017-12-01 | 2018-05-08 | 武汉斗鱼网络科技有限公司 | 一种多分类赛事数据缓存建立、查询方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070299776A1 (en) * | 2005-12-06 | 2007-12-27 | Frustaci Michael V | Method for preventing medical fraud |
-
2018
- 2018-06-11 CN CN201810592841.4A patent/CN109003190B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107403385A (zh) * | 2016-05-18 | 2017-11-28 | 平安科技(深圳)有限公司 | 投保信息审核方法和装置 |
CN107633458A (zh) * | 2017-09-19 | 2018-01-26 | 平安科技(深圳)有限公司 | 一种契约调查的处理方法、存储介质和服务器 |
CN108009250A (zh) * | 2017-12-01 | 2018-05-08 | 武汉斗鱼网络科技有限公司 | 一种多分类赛事数据缓存建立、查询方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109003190A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633218B (zh) | 用于生成图像的方法和装置 | |
CN108256591B (zh) | 用于输出信息的方法和装置 | |
CN111476269B (zh) | 均衡样本集构建、翻拍图像识别方法、装置、设备及介质 | |
CN112650875A (zh) | 房产图片验证方法、装置、计算机设备及存储介质 | |
CN111339897B (zh) | 活体识别方法、装置、计算机设备和存储介质 | |
CN112288398A (zh) | 面签验证方法、装置、计算机设备及存储介质 | |
CN108509994B (zh) | 人物图像聚类方法和装置 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN107729928A (zh) | 信息获取方法和装置 | |
CN111259915A (zh) | 翻拍图像识别的方法、装置、设备及介质 | |
CN110941978A (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
US20160110531A1 (en) | Information processing apparatus, terminal apparatus and information processing method | |
CN110083733A (zh) | 图片审核方法、装置、设备及计算机可读存储介质 | |
CN114612986A (zh) | 检测方法、装置、电子设备及存储介质 | |
CN109003190B (zh) | 一种核保方法、计算机可读存储介质及终端设备 | |
CN112101296B (zh) | 人脸注册方法、人脸验证方法、装置及系统 | |
CN113486316A (zh) | 用户身份验证方法、装置、电子设备及可读存储介质 | |
CN116681045A (zh) | 报表生成方法、装置、计算机设备及存储介质 | |
CN113723071B (zh) | 电子档案校验方法、系统、存储介质及设备 | |
Rodríguez-Santos et al. | Identifying the Digital Camera from Natural Images Using Residual Noise and the Jensen–Shannon Divergence | |
CN114627303B (zh) | 基于识别模型的图像处理方法、装置、设备及存储介质 | |
CN113034337B (zh) | 图像检测方法及相关装置 | |
CN115761833B (zh) | 人脸识别方法、电子设备及介质 | |
CN116383391B (zh) | 一种文本分类方法及装置 |
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 |