CN110349033A - 项目案件初审方法以及装置 - Google Patents
项目案件初审方法以及装置 Download PDFInfo
- Publication number
- CN110349033A CN110349033A CN201910464468.9A CN201910464468A CN110349033A CN 110349033 A CN110349033 A CN 110349033A CN 201910464468 A CN201910464468 A CN 201910464468A CN 110349033 A CN110349033 A CN 110349033A
- Authority
- CN
- China
- Prior art keywords
- case
- picture
- project
- text
- voucher
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000011156 evaluation Methods 0.000 title claims abstract description 36
- 238000012550 audit Methods 0.000 claims abstract description 68
- 239000013589 supplement Substances 0.000 claims description 107
- 238000012545 processing Methods 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 abstract description 21
- 238000012552 review Methods 0.000 abstract description 14
- 238000012795 verification Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 9
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 210000003771 C cell Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/413—Classification of content, e.g. text, photographs or tables
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Economics (AREA)
Abstract
本申请提供项目案件初审方法以及装置，其中所述项目案件初审方法包括：获取项目成员提交的项目案件的案件凭证图片；将案件凭证图片输入至图像识别模型，对案件凭证图片的图片特征进行识别，输出识别结果；在识别结果为识别通过的情况下，对案件凭证图片中的文字进行识别，获得案件凭证图片中的案件文字；在互助项目设定的图片类别与案件凭证图片的类别，和互助项目设定的文字信息与案件文字的文字信息一致的情况下；将项目案件进行互助项目的深度审核；在项目案件的审核过程中，通过项目案件初审方法对项目案件进行初审，降低了人工审核项目案件的审核成本，并在项目案件审核过程中，加入项目案件初审这一过程，提高了项目案件的审核效率。
Description
技术领域
本申请涉及计算机技术领域，特别涉及一种项目案件初审方法。本申请同时涉及一种项目案件初审装置，一种电子设备，以及一种计算机可读存储介质。
背景技术
随着互联网保险业务的发展，市面上推出了相互制类的保险项目，在此保险项目的中，参保人达到此保险模式规定的准入条件后即可加入到此保险业务中，所述保险模式的参保人在保险业务期间患病或发生意外将获得理赔，理赔款由其他参保人分摊，通过保险公司进行扣款或由除获得理赔外的其他参保人进行缴费。此保险由于具有缴费金额低，受众规模大，相对更公平公正等优点，广受用户青睐。
目前，在相互制类的保险项目中，在参与保险项目的项目成员发生互助案件的情况下，通过在承载保险项目的平台申请互助，平台就会根据项目成员在此过程提交的案件信息对该互助案件进行审核，在审核通过的情况下，即会向项目成员发放互助金。
然而，在案件审核的过程中，互助案件都是通过人工进行审核的，并且项目成员在提交关于互助案件的凭证图片时，可能存在提交的凭证图片不完整或不齐全的情况，在此情况下，对互助案件进行审核的过程中，因为提交的凭证图片不完整或不齐全，该互助案件将无法成功立案，这个过程将会浪费大量的人工审核成本。
发明内容
有鉴于此，本申请实施例提供了一种项目案件初审方法。本申请同时涉及一种项目案件初审装置，一种电子设备，以及一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。
根据本申请实施例的第一方面，提供了一种项目案件初审方法，包括：
获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，将所述项目案件进行所述互助项目的深度审核。
可选的，所述将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果步骤执行之后，还包括：
在所述识别结果为识别未通过的情况下，确定所述案件凭证图片未通过识别的特征维度；
向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息。
可选的，所述向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息步骤执行之后，还包括：
获取所述项目成员针对所述未通过识别的特征维度的第一补充案件凭证图片；
将所述第一补充案件凭证图片输入至所述图像识别模型，对所述第一补充案件凭证图片的图片特征进行识别，输出所述第一补充案件凭证图片的补充识别结果；
在所述补充识别结果为识别未通过的情况下，向所述项目成员发送所述项目案件的撤案信息。
可选的，若所述判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致步骤的判断结果为否，则执行如下步骤：
确定所述案件凭证图片的类别与所述设定的图片类别不一致的案件凭证图片，和/或确定所述案件文字的文字信息与所述设定的文字信息不一致的案件文字；
向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息。
可选的，所述向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息步骤执行之后，还包括：
获取所述项目成员针对所述图片类别不一致和/或文字信息不一致的第二补充案件凭证图片；
对所述第二补充案件凭证图片中的文字进行识别，获得所述第二补充案件凭证图片中的补充案件文字；
判断所述设定的图片类别与所述第二补充案件凭证图片的类别，以及所述设定的文字信息与所述补充案件文字的文字信息是否一致；
若否，向所述项目成员发送所述项目案件的撤案信息。
可选的，所述将所述项目案件进行所述互助项目的深度审核步骤执行之前，还包括：
提取所述案件文字中与所述项目案件关联的案件关键词；
计算所述案件关键词与所述项目成员提交的案件凭证图片的图文匹配度；
将所述图文匹配度大于预设匹配度阈值的案件凭证图片确定为关键案件凭证图片；
判断所述图片类别中包含的关键案件凭证图片是否存在重复；
若是，对存在重复关键案件凭证图片的所属图片类别做剔除处理。
可选的，所述图像识别模型通过如下方式训练：
将参与所述互助项目的项目成员提交的案件凭证图片以及所述案件凭证图片的识别结果作为训练样本；
通过将所述训练样本输入至所述图像识别模型进行训练，确定所述案件凭证图片与所述案件凭证图片的识别结果的关联关系。
可选的，所述将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果，包括：
将所述案件凭证图片输入至所述图像识别模型，在清晰度特征维度、完整度特征维度和/或原始度特征维度对所述案件凭证图片的清晰度特征、完整度特征和/或原始度特征进行识别，输出所述案件凭证图片在所述清晰度特征维度、所述完整度特征维度和/或所述原始度特征维度的识别结果。
可选的，所述将所述项目案件进行所述互助项目的深度审核步骤执行之后，还包括：
根据所述案件凭证图片和所述案件文字确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
根据本申请实施例的第二方面，提供了一种项目案件初审装置，包括：
获取模块，被配置为获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
识别图片模块，被配置为将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
识别文字模块，被配置为在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断模块，被配置为判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，运行审核模块；
所述审核模块，被配置为将所述项目案件进行所述互助项目的深度审核。
根据本申请实施例的第三方面，提供了一种电子设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，将所述项目案件进行所述互助项目的深度审核。
根据本申请实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现任意一项所述项目案件初审方法的步骤。
与现有技术相比，本申请具有如下优点：
本申请提供一种项目案件初审方法，包括：获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；若是，将所述项目案件进行所述互助项目的深度审核。
本申请提供的项目案件初审方法，在对所述项目案件进行审核的过程中，通过所述图像识别模型对所述项目成员提交的案件凭证图片进行识别，实现了对所述项目成员提交的案件凭证图片的初步识别，根据图像识别模型的输出结果对所述案件凭证图片进行进一步的文字识别，对识别后的案件文字和案件凭证图片进行判断，判断所述案件文字和案件凭证图片是否与所述互助项目的设定条件是否一致，在一致的情况下，将项目案件进行互助项目的深度审核，通过所述项目案件初审方法，很大程度上减少了人工审核项目案件的审核成本，并通过对所述案件凭证图片进行识别和判断，减少了所述互助项目中的无效立案，提升了所述项目案件的审核效率。
附图说明
图1是本申请一实施例提供的一种项目案件初审方法的流程图；
图2是本申请一实施例提供的一种项目案件初审过程的处理流程图；
图3是本申请一实施例提供的一种项目案件初审过程的示意图；
图4是本申请一实施例提供的一种项目案件初审装置的结构示意图；
图5是本申请一实施例提供的一种电子设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
在本申请一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请一个或多个实施例。在本申请一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本申请一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先，对本发明一个或多个实施例涉及的名词术语进行解释。
相互保险：具有同质风险保障需求的单位或个人，通过订立合同成为会员，并缴纳保费形成互助基金，由该基金对合同约定的事故发生所造成的损失承担赔偿责任，或者当被保险人死亡、伤残、疾病或者达到合同约定的年龄、期限等条件时承担给付保险金责任的保险活动。
在本申请中，提供了一种项目案件初审方法，本申请同时涉及一种项目案件初审装置，一种电子设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
图1示出了根据本申请一实施例的项目案件初审方法的流程图，包括步骤102至步骤110。
步骤102：获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片。
本申请实施例中所述的项目成员为所述互助项目中的项目成员，其中，所述互助项目可以是互助共济项目、扶贫项目或者共享项目。所述项目案件为所述项目成员在参与所述互助项目的项目周期内发生的互助案件。
基于此，所述互助项目是指将具有相同需求的项目成员，所述项目成员通过参与互助项目的方式进行相互之间的帮助，可以理解为同时参与到互助项目中的项目成员，当所有成员中任意一名项目成员发生意外或者需要帮助时，只要该项目成员发生的意外或者需要帮助的事情在互助项目的受理范围内，参与互助项目的其他成员会为该项目成员提供一定的互助金或者一定的帮助。
具体实施时，项目成员在参与所述互助项目的过程中，发生互助案件，所述项目成员可以向承载所述互助项目的平台发送互助申请，同时需要向所述互助项目的平台发送互助申请需要的案件凭证图片，承载所述互助项目的平台根据项目成员提交的互助申请以及案件凭证图片，首先确定项目成员提交的案件凭证图片是否完整、是否清晰、是否存在翻拍的可能，在均符合要求的情况下，对项目成员提交的案件凭证图片上的信息进行核对，确定是否为互助项目的平台需要的信息，在确定信息后，对所述项目成员的互助案件进行所述互助项目的深度审核，进而决定是否对所述项目成员进行互助。
在所述项目成员提交的所述案件凭证图片后，为了能够提高对所述项目成员的互助案件的审核效率，以及减少审核过程中的人工审核成本，通过将所述案件凭证图片通过所述图像识别模型进行识别，根据识别结果能够确定所述案件凭证图片是否符合所述互助项目设定的标准，在符合的情况下，对所述案件凭证图片以及案件凭证图片上的案件文字进行判断，判断是否与所述互助项目设定的图片类别和文字信息一致，在一致的情况下，将所述项目案件进行所述互助项目的深度审核，通过上述对所述项目案件的初审，不仅提高了项目案件的审核效率以及降低了人工审核成本，并且可以减少项目案件的无效立案现象。
具体的，在所述项目成员参与所述互助项目的过程中，发生互助案件的情况下，所述项目成员可以根据自身发生的互助案件具体情况，决定是否进行向所述互助项目申请互助，在申请互助的情况下，承载互助项目的项目平台需要所述项目成员的案件凭证图片，所述案件凭证图片包括所述项目成员的身份证图片、病例图片和互助案件的查勘结果图片等，承载所述互助项目的项目平台会根据用户提供的案件凭证图片进行后续的互助案件审核。
例如，在一起交通事故中，导致参与互助项目的项目成员小腿骨折，项目成员在互助项目平台发起互助请求，并上传自身的身份信息图片、病例图片以及该互助案件的查勘结果图片，将上述图片类型包括的全部图片一并上传至互助项目平台。互助项目平台将根据项目成员上传的图片进行项目案件的审核。
除此之外，在获取所述项目成员提交的案件凭证图片的情况下，还需要获取所述项目成员提交的所述项目案件的案件信息，根据所述案件信息结合所述案件凭证图片才能够更准确的对所述项目案件进行审核。
步骤104：将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果。
具体的，根据上述获取的所述项目案件的案件凭证图片，进一步的，将所述案件凭证图片输入至所述图像识别模型，对所述案件凭证图片的图片特征进行识别，所述图像识别模型根据输入的所述案件凭证图片输出所述案件凭证图片的识别结果，可以根据所述图像识别模型输出的识别结果对所述项目案件进行后续的互助项目的业务处理；在识别结果为识别通过的情况下，说明所述项目成员提交的所述案件凭证图片符合所述互助项目的要求，则执行步骤106；在识别结果为未通过的情况下，说明所述项目成员提交的所述案件凭证图片不符合所述互助要求，则可以向项目成员发送重新提交案件凭证图片的提醒信息或者撤案信息。
本实施例的一个或多个实施方式中，所述图像识别模型的训练过程如下所述：
将参与所述互助项目的项目成员提交的案件凭证图片以及所述案件凭证图片的识别结果作为训练样本；
通过将所述训练样本输入至所述图像识别模型进行训练，确定所述案件凭证图片与所述案件凭证图片的识别结果的关联关系。
具体的，采集大量的案件凭证图片以及与所述案件凭证图片对应的识别结果作为训练所述图像识别模型的训练样本，通过将所述训练样本输入至未被训练的图像识别模型对图像识别模型进行训练，确定所述案件凭证图片与案件凭证图片对应的识别结果的关联关系，从而获得训练好的图像识别模型。
所述图像识别模型可以通过VGG(Visual Geometry Group Network)模型实现对所述案件凭证图片的图片特征进行识别，在实际应用中，在对所述案件凭证图片的图片特征进行识别的过程可以根据实际应用场景选择模型对所述案件凭证图片进行识别，本申请在此不做任何限定。
此处，在通过图像识别模型对所述案件凭证图片的图片特征进行识别的过程中，是在不同的特征维度对所述案件凭证图片进行识别。可以在清晰度特征维度对所述案件凭证图片的清晰度进行识别，案件凭证图片的清晰度具体是指所述案件凭证图片上的信息或者重要内容的是否足够清晰；可以在完整度特征维度对所述案件凭证图片的完整度进行识别，案件凭证图片的完整度是指所述案件凭证图片为证件或者病例的情况下，所述证件图片上的证件信息或者病例图片上的病例信息是否完整的呈现在图片上；可以在原始度特征维度对所述案件凭证图片的原始度进行识别，案件凭证图片的原始度是指所述案件凭证图片是否为翻拍后的图片或者是否为复印后在拍摄的案件凭证图片。
并且，在不同的特征维度在对所述案件凭证图片识别，有着不同的识别标准，在清晰度特征维度下，在对案件凭证图片的清晰度进行识别时，可以设置图片的垂直清晰度阈值和水平清晰度阈值，垂直清晰度阈值可以设置为300条电视线，水平清晰度阈值可以设置为400条电视线，在对案件凭证图片的清晰度进行识别时，根据案件凭证图片的垂直清晰度的电视线与水平清晰度的电视线识别所述案件凭证图片是否清晰，在所述案件凭证图片的垂直清晰度的电视线与水平清晰度的电视线均大于阈值的情况下，说明所述案件凭证图片足够清晰，清晰度识别结果通过，在所述案件凭证图片的垂直清晰度的电视线或水平清晰度的电视线小于阈值的情况下，则说明所述案件凭证图片不够清晰，清晰度识别结果未通过。
在完整度特征维度下，在对案件凭证图片的完整度进行识别时，可以将案件凭证图片中的证件或者病例与真实的证件或者病例进行比较，识别所述案件凭证图片是否完整，在所述案件凭证图片中的证件或者病例与真实的证件或者病例相同的情况下，说明所述案件凭证图片完整，完整度识别结果通过，在所述案件凭证图片中的证件或者病例与真实的证件或者病例不相同的情况下，说明所述案件凭证图片不完整，完整度识别结果未通过。
在原始度特征维度下，在对案件凭证图片的原始度进行识别时，可以设置图片的摩尔纹条纹阈值，在对案件凭证图片的原始度进行识别时，根据所述案件凭证图片的摩尔纹条纹数量是否小于摩尔纹条纹阈值识别所述案件凭证图片是否被翻拍，在所述案件凭证图片的摩尔纹条纹数量小于摩尔纹条纹阈值的情况下，则说明所述案件凭证图片未被翻拍，属于原始图片，原始度识别通过，在所述案件凭证图片的摩尔纹条纹数量大于摩尔纹条纹阈值的情况下，则说明所述案件凭证图片可能存在被翻拍的可能，不属于原始图片，原始度识别未通过。
在不同的特征维度对所述案件凭证图片进行识别的基础上，进一步，本实施例的一个或多个实施方式中，所述图像识别模型的具体实现方式如下所述：
将所述案件凭证图片输入至所述图像识别模型，在清晰度特征维度、完整度特征维度和/或原始度特征维度对所述案件凭证图片的清晰度特征、完整度特征和/或原始度特征进行识别，输出所述案件凭证图片在所述清晰度特征维度、所述完整度特征维度和/或所述原始度特征维度的识别结果。
通过将所述案件凭证图片输入至所述图像识别模型，在清晰度特征维度、完整度特征维度和/或原始度特征维度对所述案件凭证图片的清晰度特征、完整度特征和/或原始度特征进行识别，使得可以在不同的特征维度对所述案件凭证图片进行识别，并通过使用图像识别模型对所述案件凭证图片进行识别，很大程度上减少了人工识别所述案件凭证图片的识别成本。
在上述通过图像识别模型对所述案件凭证图片进行识别的基础上，进一步，本实施例的一个或多个实施方式中，在识别结果为未通过的情况下，需要所述项目成员重新提交案件凭证图片，具体实现方式如下所述：
在所述识别结果为识别未通过的情况下，确定所述案件凭证图片未通过识别的特征维度；
向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息。
具体的，在所述案件凭证图片的识别结果未通过识别的情况下，确定所述案件凭证图片未通过识别的特征维度，根据这一未通过识别的特征维度向所述项目成员发送重新针对这一特征维度提交案件凭证图片的提醒信息。
具体实施时，根据所述特征维度包括清晰度特征维度、完整度特征维度和/或清晰度特征维度的情况下，确定所述案件凭证图片未通过识别的特征维度；
1)在所述案件凭证图片的清晰度识别结果为识别未通过的情况下，说明所述案件凭证图片的清晰度不高，向所述项目成员发送重新提交清晰度高的案件凭证图片的提醒信息；
2)在所述案件凭证图片的完整度识别结果为识别未通过的情况下，说明所述案件凭证图片不够完整，向所述项目成员发送重新提交完整的案件凭证图片的提醒信息；
3)在所述案件凭证图片的原始度识别结果为识别未通过的情况下，说明所述案件凭证图片可能是翻拍的，向所述项目成员发送重新提交原始拍摄的案件凭证图片的提醒信息。
在所述案件凭证图片的清晰度、完整度、原始度的识别结果均未通过识别的情况下，则所述项目成员需要重新提交清晰度高、完整、并为原始拍摄的案件凭证图片。
通过在不同的特征维度对所述案件凭证图片进行识别，在识别结果为未通过的情况下，可以向所述项目成员发送重新提交案件凭证图片的提醒信息，提高了所述项目案件的立案效率，保证了所述项目成员在所述互助项目的互助范围内得到最好的互助服务。
在上述发送重新提交案件凭证图片的提醒信息的基础上，进一步，本实施例的一个或多个实施方式中，所述项目成员可以根据需要补充的案件凭证图片进行补充，在补充的案件凭证图片还未通过识别的情况下，对所述项目案件进行撤案处理，具体的实现方式如下所述：
获取所述项目成员针对所述未通过识别的特征维度的第一补充案件凭证图片；
将所述第一补充案件凭证图片输入至所述图像识别模型，对所述第一补充案件凭证图片的图片特征进行识别，输出所述第一补充案件凭证图片的补充识别结果；
在所述补充识别结果为识别未通过的情况下，向所述项目成员发送所述项目案件的撤案信息。
具体的，获取所述项目成员针对所述未通过识别的特征维度的第一补充案件凭证图片，将所述项目成员补充的所述第一补充案件凭证图片输入至所述图像识别模型，对所述第一补充案件凭证图片进行图片特征识别，根据所述图像识别模型输出的识别结果为识别未通过的情况下，向所述项目成员发送撤案信息，所述撤案信息中包含撤案原因以及撤案时间。
在实际应用中，以所述特征维度包括清晰度特征维度和完整度特征维度为例，对通过所述图像识别模型对所述案件凭证图片的识别进行描述，其中，获取项目成员提交的一张身份证照片，将身份证照片输入至图像识别模型，对该身份证照片在清晰度特征维度以及完整度特征维度进行清晰度和完整度识别，图像识别模型输出身份证照片在清晰度特征维度和完整度特征维度的识别结果，识别结果为该身份证照片的完整度识别通过，清晰度识别未通过，向项目成员发送重新提交足够清晰的身份证照片的提醒信息，在项目成员重新提交补充的身份证照片的情况下，向补充后的身份证照片重新输入至图像识别模型，重新对补充的身份证照片进行清晰度和完整度识别；在补充后的身份证照片的清晰度和完整度均通过识别的情况下，则项目成员的项目案件进行后续的审核处理；在补充后的身份证照片的清晰度和完整度任意一个未通过识别的情况下，则向项目成员发送项目案件的撤案信息，撤案信息中包含具体的撤案原因以及撤案时间。
在所述案件凭证图片识别结果未通过识别的情况下，项目成员可以根据未通过识别的特征维度补充案件凭证图片，提高了项目成员的体验效果，通过将所述项目成员补充的案件凭证图片输出至所述图像识别模型，重新对所述补充的案件凭证图片进行识别，保证了识别结果的准确性，在识别结果为未通过识别的情况下，向所述项目成员发送撤案信息，减少了在所述项目案件处理过程中的无效的立案。
步骤106：在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字。
具体的，上述通过所述图像识别模型对所述案件凭证图片进行识别，所述图像识别模型输出针对所述案件凭证图片的识别结果，进一步的，在所述识别结果为所述案件凭证图片在各个特征维度识别均通过的情况下，对所述案件凭证图片进行文字识别，获取所述案件凭证图片中包含的全部案件文字。
具体实施时，在对所述案件凭证图片中的文字进行识别的过程，首先通过目标检测对所述案件凭证图片的有效区域进行定位，所述案件凭证图片的有效区域可以理解为在一张身份证照片中，有身份证照片和背景，其中身份证区域即为案件凭证图片的有效区域；通过目标检测定位案件凭证图片的有效区域，然后再通过OCR(Optical CharacterRecognition，光学字符识别)文字识别，对所述案件凭证图片的有效区域内的文字进行识别，获取所述案件凭证图片中有效区域内的所述案件文字。
此处，在对所述案件凭证图片的有效区域进行文字识别的过程中，还可以通过LSTM(Long Short-Term Memory，长短期记忆网络)+CTC(Connectionist temporalclassification)文字识别算法对所述案件凭证图片的有效区域进行文字识别。
例如，案件凭证图片是一张以白色桌面为背景，身份证放在该桌面上的图片，通过目标检测确定该图片的有效区域为身份证区域，并通过OCR文字识别确定身份证上的文字，将识别出的文字确定为案件文字，其中案件文字包括姓名、性别、种族、住址、出生时间和公民身份证号码。
步骤108：判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致。
具体的，上述通过识别案件凭证图片中的文字，获取案件凭证图片中的案件文字，进一步的，判断所述项目成员提交的案件凭证图片类别与所述互助项目所需的设定图片类别是否一致，以及识别出的所述案件文字与所述互助项目所需的设定文字信息是否一致；
若是，则说明所述项目成员提交的所述案件凭证图片齐全，执行下述步骤110；
若否，则说明所述项目成员提交的所述案件凭证图片不齐全，或者所述互助项目所需的重要文字信息不齐全，则可以请求所述项目成员补充或者进行撤案处理。
基于此，所述设定的图片类别可以包括身份信息类别图片或病例信息类别图片等，所述设定的文字信息可以包括项目成员的姓名文字信息、病例文字信息或项目案件描述内容文字信息等。具体的所述图片类别以及所述文字信息可以根据实际应用场景进行设定，本申请在此不做任何限定。
在上述判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致的基础上，进一步，本实施例的一个或多个实施方式中，在所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息不一致的情况下，向所述项目成员发送补充提醒信息，具体实现方式如下所述：
确定所述案件凭证图片的类别与所述设定的图片类别不一致的案件凭证图片，和/或确定所述案件文字的文字信息与所述设定的文字信息不一致的案件文字；
向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息。
具体的，确定与所述图片类别不一致的案件凭证图片以及与所述文字信息不一致的案件文字，在确定的情况下，向所述项目成员发送针对不一致的案件凭证图片和/或案件文字对应的案件凭证图片进行补充的提醒信息。
例如，所述图片类别包括身份图片类别和病例图片类别，所述文字信息包括身份文字信息和病例文字信息，项目成员提交了两张案件凭证图片，并通过图像识别模型对这两张案件凭证图片进行识别，识别结果通过的情况下，对这两张图片进行文字识别，获得项目成员的案件文字为案件文字和病例文字，确定这两张图片的类别为病例图片和案件图片，判断项目成员提交的案件凭证图片类是否与图片类别是否一致，判断案件文字是否与文字信息是否一致，根据判断结果确定，病例图片与病例图片类别一致，案件图片未存在一致的类别，病例文字与病例文字信息一致，案件文字与案件文字信息不一致，从而确定项目成员提交的案件凭证图片缺少身份图片，则向项目成员发送重新提交身份图片的提醒信息。
在上述向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息的基础上，进一步，本实施例的一个或多个实施方式中，所述项目成员可以根据不一致的案件凭证图片和/或文字信息重新提交案件凭证图片，具体实现方式如下所述：
获取所述项目成员针对所述图片类别不一致和/或文字信息不一致的第二补充案件凭证图片；
对所述第二补充案件凭证图片中的文字进行识别，获得所述第二补充案件凭证图片中的补充案件文字；
判断所述设定的图片类别与所述第二补充案件凭证图片的类别，以及所述设定的文字信息与所述补充案件文字的文字信息是否一致；
若否，向所述项目成员发送所述项目案件的撤案信息。
具体的，获取项目成员针对图片类别不一致和/或文字信息不一致的第二补充案件凭证图片，对所述第二补充案件凭证图片进行文字识别，获取补充案件文字，在进一步的判断补充案件文字和第二补充案件凭证图片是否与图片类别和文字信息一致，若一致，进行后续的项目案件深度审核，若不一致，向项目成员发送撤案信息，所述撤案信息中包含撤案原因和撤案时间。
实际应用中，仍以上述图片类别包括身份图片类别和病例图片类别，所述文字信息包括身份文字信息和病例文字信息为例，对重新提交案件凭证图片的过程进行描述，其中，根据上述举例说明确定，缺少身份图片和身份文字信息，项目成员根据提醒针对缺少的图片和文字信息重新提交身份图片，通过对身份图片进行文字识别，获得身份文字信息，再判断身份图片和图片类别是否一致，身份文字信息和文字信息是否一致，若一致，则对项目成员的项目案件进行后续的深度审核，若不一致，则向项目成员发送撤案信息。
通过在所述案件凭证图片的类别与所述设定的图片类别不一致的案件凭证图片，和/或所述案件文字的文字信息与所述设定的文字信息不一致的案件文字的情况下，向所述项目成员发送补充不一致的案件凭证图片提醒信息，提高了所述项目成员的体验效果，并提高了所述项目案件的立案的有效性，同时根据项目成员补充的案件凭证图片进行文字识别，获取补充案件文字，保证了审核过程的准确性，在根据项目成员补充的案件凭证图片与图片类别依旧不一致的情况下，向项目成员发送撤案信息，减少了无效案件的立案，提高了对所述项目案件审核的审核效率。
步骤110：将所述项目案件进行所述互助项目的深度审核。
具体的，在上述判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致的判断结果为是的情况下，对所述项目案件进行所述互助项目的深度审核。
基于此，在判断结果为一致的情况下，为了在后续的深度审核过程中提高审核效率，可以将所述图片类别中重复的案件凭证图片剔除，至少保留一张相同案件凭证图片的图片。
本实施例的一个或多个实施方式中，对所述图片类别进行剔除处理的过程，具体实现方式如下所述：
提取所述案件文字中与所述项目案件关联的案件关键词；
计算所述案件关键词与所述项目成员提交的案件凭证图片的图文匹配度；
将所述图文匹配度大于预设匹配度阈值的案件凭证图片确定为关键案件凭证图片；
判断所述图片类别中包含的关键案件凭证图片是否存在重复；
若是，对存在重复关键案件凭证图片的所属图片类别做剔除处理；
若否，不做任何处理即可。
具体的，在确定案件凭证图片和案件文文字与图片类别和文字信息一致的情况下，通过提取所述案件文字中的案件关键词，并计算所述案件关键词与所述项目成员提交的每张案件凭证图片的图文匹配度，将所述图文匹配度阈值大于匹配度阈值的案件凭证图片确定为关键案件凭证图片，再判断所述图片类别中包含的关键凭证图片是否存在重复的图片，若否，则说明图片类别中不存在重复的关键案件凭证图片，不做任何处理即可，若是，则说明图片类别中存在重复的关键案件凭证图片，则对存在重复关键案件凭证图片的图片类别做剔除处理即可，剔除冗余的关键案件凭证图片，相同的关键案件凭证图片至少保留一张即可。
具体实施时，所述图文匹配度为案件关键词与案件凭证图片的匹配度，例如，案件关键词为“互助项目”这四个字，有两张案件凭证图片通过文字识别确定案件凭证图片A中的文字为“互助”，案件凭证图片B中的文字为“互助项目”，则可以确定案件凭证图片A与案件关键词的匹配度为50％，案件凭证图片B与案件关键词的匹配度为100％。
实际应用中，在所述案件凭证图片不仅包含案件凭证图片A和案件凭证图片B，还包括案件凭证图片C的情况下，并且案件凭证图片C中的文字为“互助项目”，以此为例，对所述存在重复关键案件凭证图片的所属图片类别做剔除处理的过程进行描述，其中，案件凭证图片A的图片类别为项目类别，案件凭证图片B和案件凭证图片C为案件类别，通过确定案件凭证图片B和案件凭证图片C重复，则对案件类别做剔除处理，只保留案件凭证图片B或案件凭证图片C其中任意一张案件凭证图片即可。
通过对所述图片类别中存在重复的关键案件凭证图片做剔除处理，剔除了冗余的案件凭证图片，提高了在后续进行深度案件审核的过程中的项目案件的审核效率，减少了所述项目案件的案件审核周期，可以使所述项目成员在较短的时间内得到关于项目案件的审核结果，很大程度提高了项目成员的体验效果，减少了项目成员在互助项目中的流失情况。
在上述将所述项目案件进行所述深度审核的基础上，进一步，本实施例的一个或多个实施方式中，所述深度审核具体的实现方式如下所述：
根据所述案件凭证图片和所述案件文字确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
具体的，根据所述案件凭证图片和所述案件文字确定所述项目案件的所属类型，例如，项目案件是车祸案件，则可以将该项目案件确定为意外事故类型案件，项目案件是疾病案件，则可以将该项目案件确定为疾病类型案件，根据所述项目案件的所属类型为所述项目案件匹配项目审核组，该项目审核组是针对所述项目案件的类型匹配的，邀请与所述项目案件匹配的项目审核组对所述项目案件进行审核，可以根据所述项目审核组的审核结果来确定所述项目案件是否在所述互助项目的互助范围内，若是，则对所述项目案件的项目成员发放互助金，若否，则向所述项目案件的项目成员发送拒绝发放互助金的提醒信息，所述提醒信息中包含拒绝发放互助金的具体原因。
例如，用户C患上了突发性心脏病，用户C在得到了及时的治疗情况下，病情好转，用户C患病前成功加入过互助项目，可以对互助项目提出项目案件的互助请求，在用户C提交的案件凭证图片通过识别的情况下，并与互助项目所需的图片类别和文字信息均一致，则用户C的项目案件通过初步审核，对用户C的项目案件进行深度审核，通过确定用户C的项目案件为疾病类型，互助项目为用户C的项目案件匹配的项目审核组为主要负责疾病审核的项目审核组，该项目审核组是由医生和护士职业的项目成员构成，通过该项目审核组对用户C的项目案件进行审核，从而确定是否对用户C进行互助，若是，向用户C发放互助金，若否，向用户C发送拒绝发放互助金的提醒信息。
本申请提供的项目案件初审方法中，在对所述项目案件进行审核的过程中，通过所述图像识别模型对所述项目成员提交的案件凭证图片进行识别，实现了对所述项目成员提交的案件凭证图片的初步识别，根据图像识别模型的输出结果对所述案件凭证图片进行进一步的文字识别，对识别后的案件文字和案件凭证图片进行判断，判断所述案件文字和案件凭证图片是否与所述互助项目的设定条件是否一致，在一致的情况下，对存在重复的图片类别中的案件凭证图片做剔除处理，剔除冗余的案件凭证图片，提高了在对所述项目案件进行深度审核的过程中的工作效率，同时减少了人工审核项目案件的审核成本，通过在对项目案件审核的过程中加入初审，可以有效的避免出现无效立案的现象发生，提高了项目案件审核的审核效率。
下述结合附图2和附图3，以本申请提供的项目案件初审方法在互助共济项目中的应用为例，对所述项目案件初审方法进行进一步说明。本申请一实施例中，图2示出了本申请一实施例提供的项目案件初审过程的处理流程图，图3示出了本申请一实施例提供的项目案件初审过程的示意图；其中，图3包括图3(a)和图3(b)，图2具体步骤包括步骤202至步骤228。
步骤202：获取项目成员提交的案件凭证图片。
具体的，项目成员为参与互助共济项目的成员，在互助共济项目的互助周期内，项目成员发生车祸事故，在此情况下，项目成员向互助共济项目发出互助请求。
基于此，参见图3(a)，为参与互助共济项目中的项目成员提交的案件凭证图片。
步骤204：输入图像识别模型，对清晰度和完整度进行识别，输出识别结果。
具体的，将案件凭证图片输入至图像识别模型，对案件凭证图片的清晰度和完整度进行识别，输出案件凭证图片的识别结果。
步骤206：判断识别结果是否通过识别；若否，执行步骤208；若是，执行步骤212。
具体的，根据图像识别模型输出的识别结果，识别案件凭证图片的清晰度是否通过识别，识别案件凭证图片的完整度是否通过识别。
基于此，参见图3(a)确定，项目成员提交的案件凭证图片清晰度不高，并且不够完整。
步骤208：向项目成员发送补充案件凭证图片的补充提醒信息。
步骤210：获取项目成员重新提交的补充案件凭证图片。
具体的，项目成员根据补充提醒信息，重新补充了一张案件凭证图片，该图片为图3(b)；基于补充的案件凭证图片执行步骤204即可。
基于此，参见图3(b)，将补充案件凭证图片输入至图像识别模型，对清晰度和完整度进行重新识别，可以确定图3(b)的清晰度和完整度均符合要求。
步骤212：对补充案件凭证图片进行文字识别，获得案件文字。
具体的，通过OCR文字识别对补充案件凭证图片进行文字识别。
基于此，获得的案件文字包括姓名：U，性别：男，民族：汉，出生：1990年1月1日，住址：A市B区C小区10号楼，公民身份证号码：123456789。
步骤214：判断互助共济项目中设定的图片类别和补充案件凭证图片的类别，以及设定的文字信息和案件文字的文字信息是否一致；若否，执行步骤216；若是执行步骤218。
步骤216：向项目成员发送撤案信息。
具体的，在互助共济项目中设定的图片类别和补充案件凭证图片的类别，以及设定的文字信息和案件文字的文字信息不一致的情况下，说明项目成员提交的补充案件凭证图片不齐全，还缺少其他类别的案件凭证图片，或缺少互助共济项目所需重要的文字信息，向项目成员发送撤案信息即可。
步骤218：提取案件文字中的案件关键词。
具体的，在互助共济项目中设定的图片类别为身份图片类别，设定的文字信息为身份文字信息的情况下，案件凭证图片的图片类别和文字信息均一致，则提取案件文字姓名：U，性别：男，民族：汉，出生：1990年1月1日，住址：A市B区C小区10号楼，公民身份证号码：123456789中的案件关键词，可以确定案件关键词为姓名：U，性别：男，民族：汉，出生：1990年1月1日，住址：A市B区C小区10号楼，公民身份证号码：123456789。
步骤220：计算案件关键词与补充案件凭证图片的图文匹配度。
具体的，计算案件关键词姓名：U，性别：男，民族：汉，出生：1990年1月1日，住址：A市B区C小区10号楼，公民身份证号码：123456789与图3(b)的图文匹配度，可以确定图文匹配度为100％。
步骤222：将图文匹配度大于预设匹配度阈值的案件凭证图片确定为关键案件凭证图片。
具体的，项目成员只提交了一张身份证件图片如图3(b)所示，并图文匹配度为100％，则将图3(b)确定为关键案件凭证图片。
步骤224：判断图片类别中包含的案件凭证图片是否存在重复；若否，执行步骤228；若是，执行步骤226。
步骤226：将图片类别中重复的关键案件凭证图片做剔除处理。
具体的，互助共济项目中图片类别为身份图片类别，在项目成员提交了多张图3(b)案件凭证图片的情况下，只保留一张图3(b)案件凭证图片即可，将多余的图3(b)案件凭证图片剔除。
步骤228：根据关键案件凭证图片对项目案件进行深度审核。
本申请提供的项目案件初审方法中，在对项目案件进行审核的过程中，通过图像识别模型对项目成员提交的案件凭证图片进行识别，实现了对项目成员提交的案件凭证图片的初步识别，根据图像识别模型的输出结果对案件凭证图片进行进一步的文字识别，对识别后的案件文字和案件凭证图片进行判断，判断案件文字和案件凭证图片是否与互助共济项目的设定条件是否一致，在一致的情况下，对存在重复的图片类别中的案件凭证图片做剔除处理，剔除冗余的案件凭证图片，提高了在对项目案件进行深度审核的过程中的工作效率，同时减少了人工审核项目案件的审核成本，通过在对项目案件审核的过程中加入初审，可以有效的避免出现无效立案的现象发生，提高了项目案件审核的审核效率。
与上述方法实施例相对应，本申请还提供了项目案件初审装置实施例，图4示出了本申请一实施例的项目案件初审装置的结构示意图。如图4所示，该装置包括：
获取模块402，被配置为获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
识别图片模块404，被配置为将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
识别文字模块406，被配置为在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断模块408，被配置为判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，运行审核模块410；
所述审核模块410，被配置为将所述项目案件进行所述互助项目的深度审核。
一个可选的实施例中，所述项目案件初审装置，还包括：
确定特征维度模块，被配置为在所述识别结果为识别未通过的情况下，确定所述案件凭证图片未通过识别的特征维度；
第一发送提醒信息模块，被配置为向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息。
一个可选的实施例中，所述项目案件初审装置，还包括：
第一获取模块，被配置为获取所述项目成员针对所述未通过识别的特征维度的第一补充案件凭证图片；
补充图片识别图片模块，被配置为将所述第一补充案件凭证图片输入至所述图像识别模型，对所述第一补充案件凭证图片的图片特征进行识别，输出所述第一补充案件凭证图片的补充识别结果；
第一发送撤案信息模块，被配置为在所述补充识别结果为识别未通过的情况下，向所述项目成员发送所述项目案件的撤案信息。
一个可选的实施例中，若所述判断模块408的判断结果为否，则运行如下模块：
确定模块，被配置为确定所述案件凭证图片的类别与所述设定的图片类别不一致的案件凭证图片，和/或确定所述案件文字的文字信息与所述设定的文字信息不一致的案件文字；
第二发送提醒信息模块，被配置为向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息。
一个可选的实施例中，所述项目案件初审装置，还包括：
第二获取模块，被配置为获取所述项目成员针对所述图片类别不一致和/或文字信息不一致的第二补充案件凭证图片；
识别补充图片模块，被配置为对所述第二补充案件凭证图片中的文字进行识别，获得所述第二补充案件凭证图片中的补充案件文字；
判断图片类别文字信息模块，被配置为判断所述设定的图片类别与所述第二补充案件凭证图片的类别，以及所述设定的文字信息与所述补充案件文字的文字信息是否一致；
若否，运行第二发送撤案信息模块；
所述第二发送撤案信息模块，被配置为向所述项目成员发送所述项目案件的撤案信息。
一个可选的实施例中，所述项目案件初审装置，还包括：
提取案件关键词模块，被配置为提取所述案件文字中与所述项目案件关联的案件关键词；
计算图文匹配度模块，被配置为计算所述案件关键词与所述项目成员提交的案件凭证图片的图文匹配度；
确定关键案件凭证图片模块，被配置为将所述图文匹配度大于预设匹配度阈值的案件凭证图片确定为关键案件凭证图片；
判断图片类别模块，被配置为判断所述图片类别中包含的关键案件凭证图片是否存在重复；
若是，运行剔除模块；
所述剔除模块，被配置为对存在重复关键案件凭证图片的所属图片类别做剔除处理。
一个可选的实施例中，所述图像识别模型通过如下方式训练：
将参与所述互助项目的项目成员提交的案件凭证图片以及所述案件凭证图片的识别结果作为训练样本；
通过将所述训练样本输入至所述图像识别模型进行训练，确定所述案件凭证图片与所述案件凭证图片的识别结果的关联关系。
一个可选的实施例中，所述识别图片模块404进一步被配置为：
将所述案件凭证图片输入至所述图像识别模型，在清晰度特征维度、完整度特征维度和/或原始度特征维度对所述案件凭证图片的清晰度特征、完整度特征和/或原始度特征进行识别，输出所述案件凭证图片在所述清晰度特征维度、所述完整度特征维度和/或所述原始度特征维度的识别结果。
一个可选的实施例中，所述项目案件初审装置，还包括：
确定类型模块，被配置为根据所述案件凭证图片和所述案件文字确定所述项目案件的所属类型；
邀请模块，被配置为邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
本申请提供的项目案件初审装置中，在对所述项目案件进行审核的过程中，通过所述图像识别模型对所述项目成员提交的案件凭证图片进行识别，实现了对所述项目成员提交的案件凭证图片的初步识别，根据图像识别模型的输出结果对所述案件凭证图片进行进一步的文字识别，对识别后的案件文字和案件凭证图片进行判断，判断所述案件文字和案件凭证图片是否与所述互助项目的设定条件是否一致，在一致的情况下，对存在重复的图片类别中的案件凭证图片做剔除处理，剔除冗余的案件凭证图片，提高了在对所述项目案件进行深度审核的过程中的工作效率，同时减少了人工审核项目案件的审核成本，通过在对项目案件审核的过程中加入初审，可以有效的避免出现无效立案的现象发生，提高了项目案件审核的审核效率。
上述为本实施例的一种项目案件初审装置的示意性方案。需要说明的是，该项目案件初审装置的技术方案与上述的项目案件初审方法的技术方案属于同一构思，项目案件初审装置的技术方案未详细描述的细节内容，均可以参见上述项目案件初审方法的技术方案的描述。
图5示出了根据本申请一实施例的电子设备500的结构框图。该电子设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接，数据库550用于保存数据。
电子设备500还包括接入设备540，接入设备540使得电子设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备540可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。
在本申请的一个实施例中，电子设备500的上述以及图5中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图5所示的电子设备结构框图仅仅是出于示例的目的，而不是对本申请范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
电子设备500可以是任何类型的静止或移动电子设备，包括移动计算机或移动电子设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的电子设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止电子设备。电子设备500还可以是移动式或静止式的服务器。
其中，处理器520用于执行如下计算机可执行指令：
获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，将所述项目案件进行所述互助项目的深度审核。
可选的，所述将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果指令执行之后，处理器520还用于执行如下计算机可执行指令：
在所述识别结果为识别未通过的情况下，确定所述案件凭证图片未通过识别的特征维度；
向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息。
可选的，所述向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息指令执行之后，处理器520还用于执行如下计算机可执行指令：
获取所述项目成员针对所述未通过识别的特征维度的第一补充案件凭证图片；
将所述第一补充案件凭证图片输入至所述图像识别模型，对所述第一补充案件凭证图片的图片特征进行识别，输出所述第一补充案件凭证图片的补充识别结果；
在所述补充识别结果为识别未通过的情况下，向所述项目成员发送所述项目案件的撤案信息。
可选的，若所述判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致步骤的判断结果为否，则处理器520还用于执行如下计算机可执行指令：
确定所述案件凭证图片的类别与所述设定的图片类别不一致的案件凭证图片，和/或确定所述案件文字的文字信息与所述设定的文字信息不一致的案件文字；
向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息。
可选的，所述向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息指令执行之后，处理器520还用于执行如下计算机可执行指令：
获取所述项目成员针对所述图片类别不一致和/或文字信息不一致的第二补充案件凭证图片；
对所述第二补充案件凭证图片中的文字进行识别，获得所述第二补充案件凭证图片中的补充案件文字；
判断所述设定的图片类别与所述第二补充案件凭证图片的类别，以及所述设定的文字信息与所述补充案件文字的文字信息是否一致；
若否，向所述项目成员发送所述项目案件的撤案信息。
可选的，所述将所述项目案件进行所述互助项目的深度审核指令执行之前，处理器520还用于执行如下计算机可执行指令：
提取所述案件文字中与所述项目案件关联的案件关键词；
计算所述案件关键词与所述项目成员提交的案件凭证图片的图文匹配度；
将所述图文匹配度大于预设匹配度阈值的案件凭证图片确定为关键案件凭证图片；
判断所述图片类别中包含的关键案件凭证图片是否存在重复；
若是，对存在重复关键案件凭证图片的所属图片类别做剔除处理。
可选的，所述图像识别模型通过如下方式训练：
将参与所述互助项目的项目成员提交的案件凭证图片以及所述案件凭证图片的识别结果作为训练样本；
通过将所述训练样本输入至所述图像识别模型进行训练，确定所述案件凭证图片与所述案件凭证图片的识别结果的关联关系。
可选的，所述将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果，包括：
将所述案件凭证图片输入至所述图像识别模型，在清晰度特征维度、完整度特征维度和/或原始度特征维度对所述案件凭证图片的清晰度特征、完整度特征和/或原始度特征进行识别，输出所述案件凭证图片在所述清晰度特征维度、所述完整度特征维度和/或所述原始度特征维度的识别结果。
可选的，所述将所述项目案件进行所述互助项目的深度审核指令执行之后，处理器520还用于执行如下计算机可执行指令：
根据所述案件凭证图片和所述案件文字确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
上述为本实施例的一种电子设备的示意性方案。需要说明的是，该电子设备的技术方案与上述的项目案件初审方法的技术方案属于同一构思，电子设备的技术方案未详细描述的细节内容，均可以参见上述项目案件初审方法的技术方案的描述。
本申请一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现如前所述项目案件初审方法的步骤。
其中，计算机可读存储介质存储如下计算机指令：
获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，将所述项目案件进行所述互助项目的深度审核。
可选的，所述将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果步骤执行之后，还包括：
在所述识别结果为识别未通过的情况下，确定所述案件凭证图片未通过识别的特征维度；
向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息。
可选的，所述向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息步骤执行之后，还包括：
获取所述项目成员针对所述未通过识别的特征维度的第一补充案件凭证图片；
将所述第一补充案件凭证图片输入至所述图像识别模型，对所述第一补充案件凭证图片的图片特征进行识别，输出所述第一补充案件凭证图片的补充识别结果；
在所述补充识别结果为识别未通过的情况下，向所述项目成员发送所述项目案件的撤案信息。
可选的，若所述判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致步骤的判断结果为否，则执行如下步骤：
确定所述案件凭证图片的类别与所述设定的图片类别不一致的案件凭证图片，和/或确定所述案件文字的文字信息与所述设定的文字信息不一致的案件文字；
向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息。
可选的，所述向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息步骤执行之后，还包括：
获取所述项目成员针对所述图片类别不一致和/或文字信息不一致的第二补充案件凭证图片；
对所述第二补充案件凭证图片中的文字进行识别，获得所述第二补充案件凭证图片中的补充案件文字；
判断所述设定的图片类别与所述第二补充案件凭证图片的类别，以及所述设定的文字信息与所述补充案件文字的文字信息是否一致；
若否，向所述项目成员发送所述项目案件的撤案信息。
可选的，所述将所述项目案件进行所述互助项目的深度审核步骤执行之前，还包括：
提取所述案件文字中与所述项目案件关联的案件关键词；
计算所述案件关键词与所述项目成员提交的案件凭证图片的图文匹配度；
将所述图文匹配度大于预设匹配度阈值的案件凭证图片确定为关键案件凭证图片；
判断所述图片类别中包含的关键案件凭证图片是否存在重复；
若是，对存在重复关键案件凭证图片的所属图片类别做剔除处理。
可选的，所述图像识别模型通过如下方式训练：
将参与所述互助项目的项目成员提交的案件凭证图片以及所述案件凭证图片的识别结果作为训练样本；
通过将所述训练样本输入至所述图像识别模型进行训练，确定所述案件凭证图片与所述案件凭证图片的识别结果的关联关系。
可选的，所述将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果，包括：
将所述案件凭证图片输入至所述图像识别模型，在清晰度特征维度、完整度特征维度和/或原始度特征维度对所述案件凭证图片的清晰度特征、完整度特征和/或原始度特征进行识别，输出所述案件凭证图片在所述清晰度特征维度、所述完整度特征维度和/或所述原始度特征维度的识别结果。
可选的，所述将所述项目案件进行所述互助项目的深度审核步骤执行之后，还包括：
根据所述案件凭证图片和所述案件文字确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的项目案件初审方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述项目案件初审方法的技术方案的描述。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请所必须的。
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的部分，可以参见其它实施例的相关描述。
以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本申请的内容，可作很多的修改和变化。本申请选取并具体描述这些实施例，是为了更好地解释本申请的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。
Claims (12)
1.一种项目案件初审方法，其特征在于，包括：
获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，将所述项目案件进行所述互助项目的深度审核。
2.根据权利要求1所述的项目案件初审方法，其特征在于，所述将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果步骤执行之后，还包括：
在所述识别结果为识别未通过的情况下，确定所述案件凭证图片未通过识别的特征维度；
向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息。
3.根据权利要求2所述的项目案件初审方法，其特征在于，所述向所述项目成员发送提交未通过识别的特征维度的案件凭证图片的提醒信息步骤执行之后，还包括：
获取所述项目成员针对所述未通过识别的特征维度的第一补充案件凭证图片；
将所述第一补充案件凭证图片输入至所述图像识别模型，对所述第一补充案件凭证图片的图片特征进行识别，输出所述第一补充案件凭证图片的补充识别结果；
在所述补充识别结果为识别未通过的情况下，向所述项目成员发送所述项目案件的撤案信息。
4.根据权利要求1所述的项目案件初审方法，其特征在于，若所述判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致步骤的判断结果为否，则执行如下步骤：
确定所述案件凭证图片的类别与所述设定的图片类别不一致的案件凭证图片，和/或确定所述案件文字的文字信息与所述设定的文字信息不一致的案件文字；
向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息。
5.根据权利要求4所述的项目案件初审方法，其特征在于，所述向所述项目成员发送提交图片类别不一致的案件凭证图片和/或文字信息不一致的案件文字对应的案件凭证图片的提醒信息步骤执行之后，还包括：
获取所述项目成员针对所述图片类别不一致和/或文字信息不一致的第二补充案件凭证图片；
对所述第二补充案件凭证图片中的文字进行识别，获得所述第二补充案件凭证图片中的补充案件文字；
判断所述设定的图片类别与所述第二补充案件凭证图片的类别，以及所述设定的文字信息与所述补充案件文字的文字信息是否一致；
若否，向所述项目成员发送所述项目案件的撤案信息。
6.根据权利要求1所述的项目案件初审方法，其特征在于，所述将所述项目案件进行所述互助项目的深度审核步骤执行之前，还包括：
提取所述案件文字中与所述项目案件关联的案件关键词；
计算所述案件关键词与所述项目成员提交的案件凭证图片的图文匹配度；
将所述图文匹配度大于预设匹配度阈值的案件凭证图片确定为关键案件凭证图片；
判断所述图片类别中包含的关键案件凭证图片是否存在重复；
若是，对存在重复关键案件凭证图片的所属图片类别做剔除处理。
7.根据权利要求1所述的项目案件初审方法，其特征在于，所述图像识别模型通过如下方式训练：
将参与所述互助项目的项目成员提交的案件凭证图片以及所述案件凭证图片的识别结果作为训练样本；
通过将所述训练样本输入至所述图像识别模型进行训练，确定所述案件凭证图片与所述案件凭证图片的识别结果的关联关系。
8.根据权利要求1所述的项目案件初审方法，其特征在于，所述将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果，包括：
将所述案件凭证图片输入至所述图像识别模型，在清晰度特征维度、完整度特征维度和/或原始度特征维度对所述案件凭证图片的清晰度特征、完整度特征和/或原始度特征进行识别，输出所述案件凭证图片在所述清晰度特征维度、所述完整度特征维度和/或所述原始度特征维度的识别结果。
9.根据权利要求1所述的项目案件初审方法，其特征在于，所述将所述项目案件进行所述互助项目的深度审核步骤执行之后，还包括：
根据所述案件凭证图片和所述案件文字确定所述项目案件的所属类型；
邀请所述互助项目中与所述项目案件的所属类型匹配的项目审核组对所述项目案件进行审核。
10.一种项目案件初审装置，其特征在于，包括：
获取模块，被配置为获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
识别图片模块，被配置为将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
识别文字模块，被配置为在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断模块，被配置为判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，运行审核模块；
所述审核模块，被配置为将所述项目案件进行所述互助项目的深度审核。
11.一种电子设备，其特征在于，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取项目成员参与互助项目的过程中提交的项目案件的案件凭证图片；
将所述案件凭证图片输入至预先训练的图像识别模型，对所述案件凭证图片的图片特征进行识别，输出所述案件凭证图片的识别结果；
在所述识别结果为识别通过的情况下，对所述案件凭证图片中的文字进行识别，获得所述案件凭证图片中的案件文字；
判断所述互助项目设定的图片类别与所述案件凭证图片的类别，以及所述互助项目设定的文字信息与所述案件文字的文字信息是否一致；
若是，将所述项目案件进行所述互助项目的深度审核。
12.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至9任意一项所述项目案件初审方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910464468.9A CN110349033A (zh) | 2019-05-30 | 2019-05-30 | 项目案件初审方法以及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910464468.9A CN110349033A (zh) | 2019-05-30 | 2019-05-30 | 项目案件初审方法以及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110349033A true CN110349033A (zh) | 2019-10-18 |
Family
ID=68174464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910464468.9A Pending CN110349033A (zh) | 2019-05-30 | 2019-05-30 | 项目案件初审方法以及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110349033A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242792A (zh) * | 2020-01-09 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 任务处理方法以及装置 |
| CN111242034A (zh) * | 2020-01-14 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 一种单据的图像处理方法、装置、处理设备及客户端 |
| CN111291619A (zh) * | 2020-01-14 | 2020-06-16 | 支付宝(杭州)信息技术有限公司 | 一种在线识别理赔单据中文字的方法、装置及客户端 |
| CN111340640A (zh) * | 2020-05-22 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 一种保险理赔材料审核方法、装置和设备 |
| CN111402072A (zh) * | 2020-06-05 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 信息处理方法及装置 |
| CN112257709A (zh) * | 2020-10-23 | 2021-01-22 | 北京云杉世界信息技术有限公司 | 一种招牌照片审核方法、装置、电子设备及可读存储介质 |
| CN112950170A (zh) * | 2020-06-19 | 2021-06-11 | 支付宝(杭州)信息技术有限公司 | 审核方法以及装置 |
| CN114581066A (zh) * | 2022-05-05 | 2022-06-03 | 阿里健康科技(杭州)有限公司 | 医疗订单处理方法、装置、计算机设备和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003242350A (ja) * | 2002-02-19 | 2003-08-29 | Ufj Bank Ltd | 住宅ローン審査システム、方法及びプログラム |
| CN107679996A (zh) * | 2017-10-10 | 2018-02-09 | 民太安财产保险公估股份有限公司 | 车险理赔方法及系统 |
| CN107918916A (zh) * | 2017-09-13 | 2018-04-17 | 平安科技（深圳）有限公司 | 自助理赔申请处理方法、装置、计算机设备及存储介质 |
| CN108256591A (zh) * | 2018-02-26 | 2018-07-06 | 百度在线网络技术（北京）有限公司 | 用于输出信息的方法和装置 |
| CN109325424A (zh) * | 2018-08-30 | 2019-02-12 | 平安科技（深圳）有限公司 | 交通违章案件的鉴别方法、装置和计算机设备 |
| CN109492643A (zh) * | 2018-10-11 | 2019-03-19 | 平安科技（深圳）有限公司 | 基于ocr的证件识别方法、装置、计算机设备及存储介质 |
-
2019
- 2019-05-30 CN CN201910464468.9A patent/CN110349033A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003242350A (ja) * | 2002-02-19 | 2003-08-29 | Ufj Bank Ltd | 住宅ローン審査システム、方法及びプログラム |
| CN107918916A (zh) * | 2017-09-13 | 2018-04-17 | 平安科技（深圳）有限公司 | 自助理赔申请处理方法、装置、计算机设备及存储介质 |
| CN107679996A (zh) * | 2017-10-10 | 2018-02-09 | 民太安财产保险公估股份有限公司 | 车险理赔方法及系统 |
| CN108256591A (zh) * | 2018-02-26 | 2018-07-06 | 百度在线网络技术（北京）有限公司 | 用于输出信息的方法和装置 |
| CN109325424A (zh) * | 2018-08-30 | 2019-02-12 | 平安科技（深圳）有限公司 | 交通违章案件的鉴别方法、装置和计算机设备 |
| CN109492643A (zh) * | 2018-10-11 | 2019-03-19 | 平安科技（深圳）有限公司 | 基于ocr的证件识别方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 陈艳萍: "达拉特旗林业案件鉴定瓶颈破解方法", 《内蒙古林业》, no. 04, 11 April 2018 (2018-04-11) * |
| 黄开旭: "《财产保险公司保险调查理论与实务》", 成都：西南交通大学出版社, pages: 254 - 255 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111242792A (zh) * | 2020-01-09 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 任务处理方法以及装置 |
| CN111242034A (zh) * | 2020-01-14 | 2020-06-05 | 支付宝(杭州)信息技术有限公司 | 一种单据的图像处理方法、装置、处理设备及客户端 |
| CN111291619A (zh) * | 2020-01-14 | 2020-06-16 | 支付宝(杭州)信息技术有限公司 | 一种在线识别理赔单据中文字的方法、装置及客户端 |
| CN111340640A (zh) * | 2020-05-22 | 2020-06-26 | 支付宝(杭州)信息技术有限公司 | 一种保险理赔材料审核方法、装置和设备 |
| CN111402072A (zh) * | 2020-06-05 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 信息处理方法及装置 |
| CN111402072B (zh) * | 2020-06-05 | 2021-02-26 | 支付宝(杭州)信息技术有限公司 | 信息处理方法及装置 |
| CN112950170A (zh) * | 2020-06-19 | 2021-06-11 | 支付宝(杭州)信息技术有限公司 | 审核方法以及装置 |
| CN112257709A (zh) * | 2020-10-23 | 2021-01-22 | 北京云杉世界信息技术有限公司 | 一种招牌照片审核方法、装置、电子设备及可读存储介质 |
| CN112257709B (zh) * | 2020-10-23 | 2024-05-07 | 北京云杉世界信息技术有限公司 | 一种招牌照片审核方法、装置、电子设备及可读存储介质 |
| CN114581066A (zh) * | 2022-05-05 | 2022-06-03 | 阿里健康科技(杭州)有限公司 | 医疗订单处理方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110349033A (zh) | 项目案件初审方法以及装置 | |
| CN109272048B (zh) | 一种基于深度卷积神经网络的模式识别方法 | |
| CN110276067A (zh) | 文本意图确定方法以及装置 | |
| CN110619568A (zh) | 风险评估报告的生成方法、装置、设备及存储介质 | |
| Spezio et al. | Thin‐slice decisions do not need faces to be predictive of election outcomes | |
| CN112686385B (zh) | 面向多站点三维影像的联邦深度学习方法及系统 | |
| Bartnik et al. | Optometry‐facilitated teleophthalmology: an audit of the first year in Western Australia | |
| WO2022001237A1 (zh) | 鼻咽癌原发肿瘤图像自动识别方法及系统 | |
| US20200294130A1 (en) | Loan matching system and method | |
| WO2021179706A1 (zh) | 会议签到方法、系统、计算机设备及计算机可读存储介质 | |
| CN110223182A (zh) | 一种理赔风控方法、装置及计算机可读存储介质 | |
| CN111402072B (zh) | 信息处理方法及装置 | |
| Huang et al. | An intelligent diagnostic system for thyroid-associated ophthalmopathy based on facial images | |
| CN110349035A (zh) | 业务处理系统以及方法 | |
| CN109544384A (zh) | 基于生物识别的津贴发放方法、装置、终端、存储介质 | |
| CN111401854A (zh) | 信息处理方法以及装置 | |
| CN110135506A (zh) | 一种应用于web的七类皮肤肿瘤检测方法 | |
| CN115661531A (zh) | 基于图文的早期口腔癌识别方法、装置、设备及存储介质 | |
| CN110059850A (zh) | 题库优化方法及装置、计算设备及计算机可读存储介质 | |
| CN112329586A (zh) | 基于情绪识别的客户回访方法、装置及计算机设备 | |
| Arasteh et al. | Federated learning for secure development of AI models for Parkinson's disease detection using speech from different languages | |
| Scalbert et al. | Generic isolated cell image generator | |
| CN110288485A (zh) | 基于位置的审核成员筛选方法以及装置 | |
| CN110197196B (zh) | 问题处理方法、装置、电子设备以及存储介质 | |
| WO2020108131A1 (zh) | 数据处理方法、装置、计算设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201009 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Innovative advanced technology Co.,Ltd. Address before: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20201009 Address after: Cayman Enterprise Centre, 27 Hospital Road, George Town, Grand Cayman Islands Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191018 |