CN110363080A - 基于人脸识别的黄牛识别方法、装置、终端及存储介质 - Google Patents

基于人脸识别的黄牛识别方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN110363080A
CN110363080A CN201910488456.XA CN201910488456A CN110363080A CN 110363080 A CN110363080 A CN 110363080A CN 201910488456 A CN201910488456 A CN 201910488456A CN 110363080 A CN110363080 A CN 110363080A
Authority
CN
China
Prior art keywords
accident
facial image
video
participant
recognition
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
Application number
CN201910488456.XA
Other languages
English (en)
Inventor
周建伟
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910488456.XA priority Critical patent/CN110363080A/zh
Publication of CN110363080A publication Critical patent/CN110363080A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Library & Information Science (AREA)
  • Technology Law (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

一种基于人脸识别的黄牛识别方法，包括：获取事故现场拍摄的预设事故现场视频；根据预设事故现场视频记录下事故发生时参与人员的人脸图像；将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数；判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值；若判断结果为是，则判定所述现场参与人员存在失信嫌疑；将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。本发明还提供一种基于人脸识别的黄牛识别装置、终端及计算机可读存储介质。本发明能够降低黄牛骗取保险费的可能性，减少保险公司的损失。

Description

基于人脸识别的黄牛识别方法、装置、终端及存储介质
技术领域
本发明涉及图像识别技术领域，具体涉及一种基于人脸识别的黄牛识别方法、基于人脸识别的黄牛识别装置、终端以及计算机可读存储介质。
背景技术
随着生活水平的提高，汽车也是走进了千家万户，为汽车买保险也是一种必然趋势。然而，伴随着私家车的与日俱增，有一种怪现象也呈弥漫之势，那就是碰瓷，碰瓷违法成本较小、现场责任认定困难。有些人故意制造一些车辆事故，从而达到骗取保险公司的保险费的目的。因而亟需找到一种方法，能够辨别出该起事故是否由于碰瓷而引起的，从而减少保险公司的损失。
发明内容
鉴于以上内容，有必要提出一种基于人脸识别的黄牛识别方法、基于人脸识别的黄牛识别装置、终端以及计算机可读存储介质，能够降低黄牛骗取保险费的可能性，减少保险公司的损失。
本发明实施例第一方面提供一种基于人脸识别的黄牛识别方法，所述基于人脸识别的黄牛识别方法包括：
获取事故现场拍摄的预设事故现场视频；
根据预设事故现场视频记录下事故发生时参与人员的人脸图像；
将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数；
判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值；
若判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值，则判定所述现场参与人员存在失信嫌疑；
将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。
进一步的，在本发明实施例提供的上述基于人脸识别的黄牛识别方法中，在所述获取事故现场拍摄的预设事故现场视频之后，所述方法还包括：
对所述预设事故现场视频进行预处理，所述预处理包括视频去噪处理、光照归一化处理、姿态校准处理与灰度归一化处理。
进一步的，在本发明实施例提供的上述基于人脸识别的黄牛识别方法中，所述根据预设事故现场视频记录下事故发生时参与人员的人脸图像包括：
获取所述预设事故现场视频中每一帧视频图像；
检测所述每一帧视频图像中是否存在包含人脸区域的视频图像；
若检测结果为所述每一帧视频图像中存在包含人脸区域的视频图像，则提取所述包含人脸区域的视频图像；
将提取的所有所述包含人脸区域的视频图像进行分类，每一类别中用于存放相似度超过第一预设相似度阈值的视频图像；
在每一类别的视频图像中，记录下满足预设要求的视频图像。
进一步的，在本发明实施例提供的上述基于人脸识别的黄牛识别方法中，所述根据预设事故现场视频记录下事故发生时参与人员的人脸图像还包括：
获取所述预设事故现场视频中每一帧视频图像；
检测所述每一帧视频图像中是否存在包含人脸区域的视频图像；
若检测结果为所述每一帧视频图像中存在包含人脸区域的视频图像，则判断所述包含人脸区域的视频图像是否满足预设要求；
若判断结果为所述包含人脸区域的视频图像满足预设要求，则记录下满足预设要求的视频图像；
对于之后获取的其他视频图像，检测获取的其他视频图像是否为已记录的满足预设要求的视频图像；
若检测结果为获取的其他视频图像为已记录的满足预设要求的视频图像，则舍弃所述获取的其他视频图像。
进一步的，在本发明实施例提供的上述基于人脸识别的黄牛识别方法中，所述将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数包括：
将所述记录的现场参与人员的人脸图像输入至预先训练好的人脸比对模型中；
通过所述人脸比对模型获取所述记录的现场参与人员的人脸图像与所述事故样本库中人脸图像的相似度；
输出相似度超出第二预设相似度阈值的所述事故样本库中的所有人脸图像，输出的所有人脸图像的数量即为所述现场参与人员的人脸图像在所述事故样本库中出现的次数。
进一步的，在本发明实施例提供的上述基于人脸识别的黄牛识别方法中，所述事故样本库中设置有车险黄牛分类，所述车险黄牛分类中用于存放已被确定为黄牛的人脸图像。
进一步的，在本发明实施例提供的上述基于人脸识别的黄牛识别方法中，在所述判定所述现场参与人员存在失信嫌疑之前，所述方法还包括：
获取所述现场参与人员的人脸图像在所述事故样本库中出现的时间间隔；
判断所述时间间隔是否短于预设时间间隔；
若判断结果为所述时间间隔短于预设时间间隔，则判定所述现场参与人员存在失信嫌疑。
本发明实施例第二方面还提供一种基于人脸识别的黄牛识别装置，所述基于人脸识别的黄牛识别装置包括：
视频获取模块，用于获取事故现场拍摄的预设事故现场视频；
人脸图像获取模块，用于根据预设事故现场视频记录下事故发生时参与人员的人脸图像；
次数确定模块，用于将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数；
阈值判断模块，用于判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值；
失信判断模块，用于在判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值时，判定所述现场参与人员存在失信嫌疑；
图像发送模块，用于将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。
本发明实施例第三方面还提供一种终端，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现上述任意一项所述基于人脸识别的黄牛识别方法。
本发明实施例第四方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述基于人脸识别的黄牛识别方法。
本发明实施例提供一种基于人脸识别的黄牛识别方法、基于人脸识别的黄牛识别装置、终端以及计算机可读存储介质，获取事故现场拍摄的预设事故现场视频；根据预设事故现场视频记录下事故发生时参与人员的人脸图像；将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数；判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值；若判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值，则判定所述现场参与人员存在失信嫌疑；将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。利用本发明实施例，通过采用人脸识别的方法，分析用户参与事故现场的次数来判断该用户是否为骗取保险费的黄牛，减少人工审核的工作量，提高审核效率；并且通过将分析后存在失信嫌疑的用户人脸图像发送至出现业务人员，从而提醒业务人员对该起事故现场进行重点分析，降低黄牛骗取保险费的可能性，减少保险公司的损失。
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是本发明第一实施方式提供的基于人脸识别的黄牛识别方法的流程图。
图2是本发明一实施方式的终端的结构示意图。
图3是图2所示的终端的示例性的功能模块图。
主要元件符号说明
终端 1
存储器 10
显示屏 20
处理器 30
基于人脸识别的黄牛识别装置 100
视频获取模块 101
人脸图像获取模块 103
次数确定模块 105
阈值判断模块 107
失信判断模块 109
图像发送模块 111
如下具体实施方式将结合上述附图进一步说明本发明实施例。
具体实施方式
为了能够更清楚地理解本发明实施例的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施方式中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明实施例，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，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方式，都属于本发明实施例保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明实施例的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明实施例。
图1是本发明第一实施方式的基于人脸识别的黄牛识别方法的流程图，所述基于人脸识别的黄牛识别方法可以应用于终端1，所述终端1可以是例如智能手机、笔记本电脑、台式/平板电脑、智能手表以及个人数字助理(Personal Digital Assistant，PDA)等智能设备。如图1所示，所述基于人脸识别的黄牛识别方法可以包括如下步骤：
S101：获取事故现场拍摄的预设事故现场视频。
在本实施方式中，当接收到事故现场参与人员发送的通知时，保险公司会指派业务人员出险。事故现场参与人员包括事故双方人员，事故现场参与人员发送通知的方式可以包括语音通讯与视频通讯等方式。出险的业务人员负责事故现场勘察，拍摄事故现场视频，事故现场视频中包括参与该起事故的所有人员，对每一个事故参与人员拍摄预设时长的视频。所述预设时长为终端用户预先设置的，例如，所述预设时长为1分钟。所述预设事故现场视频拍摄方法可以包括：事先设置拍摄装置的分辨率；在动态环境下对不同的事故参与人员的人脸进行拍摄得到人脸图像。所述摄像装置包括摄像机、照相机等。所述分辨率可以为182*182，将人脸图像拍摄的分辨率设置为182*182，不仅能获得较多的人脸面部细节信息，还能适配现有通用的传输、存储和管理系统及设备。
出险的业务人员将预设事故现场视频拍摄完成后，将所述预设事故现场视频上传至基于人脸识别的黄牛识别装置100中。在所述基于人脸识别的黄牛识别装置100中，获取事故现场拍摄的预设事故现场视频。在所述获取事故现场拍摄的预设事故现场视频之后，所述方法还包括：对所述预设事故现场视频进行预处理，所述预处理包括视频去噪处理、光照归一化处理、姿态校准处理与灰度归一化处理，此处不做限定。对所述预设事故现场视频进行预处理，便于提取更具辨别力的人脸图像。
S102：根据预设事故现场视频记录下事故发生时参与人员的人脸图像。
在本实施方式中，根据预设事故现场视频记录下事故发生时参与人员的人脸图像，所述根据预设事故现场视频记录下事故发生时参与人员的人脸图像包括：获取所述预设事故现场视频中每一帧视频图像；检测所述每一帧视频图像中是否存在包含人脸区域的视频图像；若检测结果为所述每一帧视频图像中存在包含人脸区域的视频图像，则提取所述包含人脸区域的视频图像；将提取的所有所述包含人脸区域的视频图像进行分类，每一类别中用于存放相似度超过第一预设相似度阈值的视频图像；在每一类别的视频图像中，记录下满足预设要求的视频图像，并将满足预设要求的视频图像保存至事故ID库中。其中，所述每一类别的视频图像中，记录下满足预设要求的视频图像的步骤包括：从所述每一类别的人脸图像中筛选出正面人脸图像；计算每一张正面人脸图像的平均梯度；将平均梯度最大的一张正面人脸图像最为所述类别的人脸图像。可以理解的是，图像的边界或影线两侧附近灰度有明显差异，即灰度变化率，这种变化率的大小可用来表示图像清晰度。它反映了图像微小细节反差变化的速率，即图像多维方向上密度变化的速率，表征图像的相对清晰程度。一般而言，平均梯度越大，图像层次越多，也就越清晰。其中，所述每一类别中用于存放相似度超过第一预设相似度阈值的视频图像也即所述每一类别中用于存放一个事故参与人员的人脸图像。所述第一预设相似度阈值可以是终端用户预先设置的，例如，所述第一预设相似度阈值为99％。所述满足预设要求的视频图像包括：所述视频图像的清晰度达到预设清晰度阈值；且，所述视频图像的人脸区域的拍摄角度为正脸(也即所述事故参与人员正对着摄像装置)。对于发生的每一笔事故，都建立一个事故ID库，所述事故ID库中用于存放事故现场拍摄的所述预设事故现场视频、根据所述预设事故现场视频记录下的参与人员的人脸图像、事故发生的地点、事故发生的时间、事故发生的起因以及事故最终的车险补偿情况。对于每一个所述事故ID库，都将其保存至事故样本库中。可以理解的是，在一起事故中，对于同一个事故现场参与人员，其对应记录下满足预设要求的视频图像的数量没有限制，优选的，其对应记录下满足预设要求的视频图像的数量为1个，从而在一定程度上减少事故样本库内存占用情况。
在本实施方式中，所述根据预设事故现场视频记录下事故发生时参与人员的人脸图像还包括：获取所述预设事故现场视频中每一帧视频图像；检测所述每一帧视频图像中是否存在包含人脸区域的视频图像；若检测结果为所述每一帧视频图像中存在包含人脸区域的视频图像，则判断所述包含人脸区域的视频图像是否满足预设要求；若判断结果为所述包含人脸区域的视频图像满足预设要求，则记录下满足预设要求的视频图像；对于之后获取的其他视频图像，检测获取的其他视频图像是否为已记录的满足预设要求的视频图像；若检测结果为获取的其他视频图像为已记录的满足预设要求的视频图像，则舍弃所述获取的其他视频图像，继续检测其他包含人脸区域的视频图像。可以理解的是，在此实施方式中，在一起事故中，对于同一个事故现场参与人员，其对应记录下满足预设要求的视频图像的数量为1个。
S103：将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数。
在本实施方式中，所述事故样本库中包含之前出险时记录的每一场事故的参与人员的人脸图像。将本次记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数。所述将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数包括：将所述记录的现场参与人员的人脸图像输入至预先训练好的人脸比对模型中；通过所述人脸比对模型获取所述记录的现场参与人员的人脸图像与所述事故样本库中人脸图像的相似度；输出相似度超出第二预设相似度阈值的所述事故样本库中的所有人脸图像，输出的所有人脸图像的数量即为所述现场参与人员的人脸图像在所述事故样本库中出现的次数。可以理解的是，所述第二预设相似度阈值可以是终端用户预先设置的，所述第二预设相似度阈值可以根据具体的应用场景灵活设置，例如，可以对多个照片对应的人脸图像特征进行模拟仿真，最终确定一个阈值作为相似度阈值。
在本实施方式中，所述事故样本库中存放了大量的人脸图像，大量的人脸图像中可能存在某些人脸图像已经被确认为黄牛或者是黄牛的可能性很高的。可以在所述事故样本库中设置有车险黄牛分类，所述车险黄牛分类中用于存放已被确定为黄牛的人脸图像。因而在将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对时，可以优选将记录的现场参与人员的人脸图像与事故样本库中所述车险黄牛分类中的人脸图像进行比对，对于记录的现场参与人员的人脸图像在所述车险黄牛分类中出现的情况，可以判定该现场参与人员存在失信嫌疑，从而在一定程度上提高黄牛识别的效率。可以理解的是，对于某些事故现场参与人员，若其在预定时长内未被发现存在失信行为，表明该人员为正常人员，可以在所述事故样本库中删除该参与人员的人脸图像，对所述事故样本库进行定期更新，减少内存。其中，所述预定时长是终端用户预先设置的，例如，所述预定时长为3年。
S104：判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值，若判断结果为是，则进入步骤S105。
在本实施方式中，判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值，也即判断输出的所有人脸图像的数量是否超出预设次数阈值，所述预设次数阈值是终端用户预先设置的，例如，所述预设次数阈值为5次。
S105：判定所述现场参与人员存在失信嫌疑。
在本实施方式中，若判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值，则判定所述现场参与人员存在失信嫌疑。在实际生活中，可能会存在一些车技较差的新手，其发生事故的次数可能偏多。因而，在所述判定所述现场参与人员存在失信嫌疑之前，所述方法还包括：获取所述现场参与人员的人脸图像在所述事故样本库中出现的时间间隔；判断所述时间间隔是否短于预设时间间隔；若判断结果为所述时间间隔短于预设时间间隔，则判定所述现场参与人员存在失信嫌疑。通过对人脸图像在所述事故样本库中出现的时间间隔进行检测，可以避免将新手误认为失信人员的问题。所述判断所述时间间隔是否短于预设时间间隔包括：获取所述人脸图像在所述事故样本库中出现的时间点；确定相邻两个时间点之间的时间间隔；将获取的时间间隔与所述预设时间间隔比较，确定获取的时间间隔中小于所述预设时间间隔的数量；判断小于所述预设时间间隔的数量是否超过预设间隔数量阈值；若判断结果为超过预设间隔数量阈值，则判定该参与人员存在失信嫌疑。其中，所述预设时间间隔及所述预设间隔数量阈值均为终端用户预先设置的。所述判断所述时间间隔是否短于预设时间间隔还包括：获取所述人脸图像在所述事故样本库中出现的时间点；确定相邻两个时间点之间的时间间隔；根据每个时间间隔计算平均时间间隔；判断所述平均时间间隔是否短于预设时间间隔；若判断结果为所述平均时间间隔短于预设时间间隔，则判定该参与人员存在失信嫌疑。
S106：将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。
在本实施方式中，在判定所述现场参与人员存在失信嫌疑之后，将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。业务人员将对存在失信嫌疑的参与人员的事故现场进行重点勘查分析，避免车险黄牛骗取保险费。本实施例中提及的黄牛为通过恶意发生事故的行为来骗取保费的人员。
本发明实施例提供一种基于人脸识别的黄牛识别方法，获取事故现场拍摄的预设事故现场视频；根据预设事故现场视频记录下事故发生时参与人员的人脸图像；将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数；判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值；若判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值，则判定所述现场参与人员存在失信嫌疑；将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。利用本发明实施例，通过采用人脸识别的方法，分析用户参与事故现场的次数来判断该用户是否为骗取保险费的黄牛，减少人工审核的工作量，提高审核效率；并且通过将分析后存在失信嫌疑的用户人脸图像发送至出现业务人员，从而提醒业务人员对该起事故现场进行重点分析，降低黄牛骗取保险费的可能性，减少保险公司的损失。
以上是对本发明实施例所提供的方法进行的详细描述。根据不同的需求，所示流程图中方块的执行顺序可以改变，某些方块可以省略。下面对本发明实施例所提供的终端1进行描述。
本发明实施例还提供一种终端1，包括存储器10、处理器30及存储在存储器10上并可在处理器30上运行的计算机程序，所述处理器30执行所述程序时实现上述任一实施方式中所述的基于人脸识别的黄牛识别方法的步骤。
图2是本发明一实施方式的终端1的结构示意图，如图2所示，终端1包括存储器10，存储器10中存储有基于人脸识别的黄牛识别装置100。所述的终端1可以是手机、平板电脑、个人数字助理等具有应用显示功能的终端1。所述基于人脸识别的黄牛识别装置100可以获取事故现场拍摄的预设事故现场视频；根据预设事故现场视频记录下事故发生时参与人员的人脸图像；将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数；判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值；若判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值，则判定所述现场参与人员存在失信嫌疑；将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。利用本发明实施例，通过采用人脸识别的方法，分析用户参与事故现场的次数来判断该用户是否为骗取保险费的黄牛，减少人工审核的工作量，提高审核效率；并且通过将分析后存在失信嫌疑的用户人脸图像发送至出现业务人员，从而提醒业务人员对该起事故现场进行重点分析，降低黄牛骗取保险费的可能性，减少保险公司的损失。
本实施方式中，终端1还可以包括显示屏20及处理器30。存储器10、显示屏20可以分别与处理器30电连接。
所述的存储器10可以是不同类型存储设备，用于存储各类数据。例如，可以是终端1的存储器、内存，还可以是可外接于该终端1的存储卡，如闪存、SM卡(Smart Media Card，智能媒体卡)、SD卡(Secure Digital Card，安全数字卡)等。此外，存储器10可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。存储器10用于存储各类数据，例如，所述终端1中安装的各类应用程序(Applications)、应用上述基于人脸识别的黄牛识别方法而设置、获取的数据等信息。
显示屏20安装于终端1，用于显示信息。
处理器30用于执行所述基于人脸识别的黄牛识别方法以及所述终端1内安装的各类软件，例如操作系统及应用显示软件等。处理器30包含但不限于处理器(CentralProcessing Unit，CPU)、微控制单元(Micro Controller Unit，MCU)等用于解释计算机以及处理计算机软件中的数据的装置。
所述的基于人脸识别的黄牛识别装置100可以包括一个或多个的模块，所述一个或多个模块被存储在终端1的存储器10中并被配置成由一个或多个处理器(本实施方式为一个处理器30)执行，以完成本发明实施例。例如，参阅图3所示，所述基于人脸识别的黄牛识别装置100可以包括视频获取模块101、人脸图像获取模块103、次数确定模块105、阈值判断模块107、失信判断模块109以及图像发送模块111。本发明实施例所称的模块可以是完成一特定功能的程序段，比程序更适合于描述软件在处理器中的执行过程。
可以理解的是，对应上述基于人脸识别的黄牛识别方法中的各实施方式，终端1可以包括图3中所示的各功能模块中的一部分或全部，各模块的功能将在以下具体介绍。需要说明的是，以上基于人脸识别的黄牛识别方法的各实施方式中相同的名词相关名词及其具体的解释说明也可以适用于以下对各模块的功能介绍。为节省篇幅及避免重复起见，在此就不再赘述。
视频获取模块101可以用于获取事故现场拍摄的预设事故现场视频。
人脸图像获取模块103可以用于根据预设事故现场视频记录下事故发生时参与人员的人脸图像。
次数确定模块105可以用于将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数。
阈值判断模块107可以用于判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值。
失信判断模块109可以用于在判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值时，判定所述现场参与人员存在失信嫌疑。
图像发送模块111可以用于将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施方式中的基于人脸识别的黄牛识别方法的步骤。
所述基于人脸识别的黄牛识别装置100/终端1/计算机设备集成的模块/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取存储介质中。基于这样的理解，本发明实现上述实施方式方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序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。所述计算机可读存储介质可以包括：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。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、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，所述处理器30是所述基于人脸识别的黄牛识别装置100/终端1的控制中心，利用各种接口和线路连接整个基于人脸识别的黄牛识别装置100/终端1的各个部分。
所述存储器10用于存储所述计算机程序和/或模块，所述处理器30通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器10内的数据，实现所述基于人脸识别的黄牛识别装置100/终端1的各种功能。所述存储器10可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。
在本发明所提供的几个具体实施方式中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的系统实施方式仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
对于本领域技术人员而言，显然本发明实施例不限于上述示范性实施例的细节，而且在不背离本发明实施例的精神或基本特征的情况下，能够以其他的具体形式实现本发明实施例。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明实施例的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明实施例内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。权利要求中陈述的多个单元、模块或装置也可以由同一个单元、模块或装置通过软件或者硬件来实现。
以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。

Claims (10)

1.一种基于人脸识别的黄牛识别方法，其特征在于，所述基于人脸识别的黄牛识别方法包括：
获取事故现场拍摄的预设事故现场视频；
根据预设事故现场视频记录下事故发生时参与人员的人脸图像；
将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数；
判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值；
若判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值，则判定所述现场参与人员存在失信嫌疑；
将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。
2.根据权利要求1所述的基于人脸识别的黄牛识别方法，其特征在于，在所述获取事故现场拍摄的预设事故现场视频之后，所述方法还包括：
对所述预设事故现场视频进行预处理，所述预处理包括以下一种或多种的组合：视频去噪处理、光照归一化处理、姿态校准处理与灰度归一化处理。
3.根据权利要求1所述的基于人脸识别的黄牛识别方法，其特征在于，所述根据预设事故现场视频记录下事故发生时参与人员的人脸图像包括：
获取所述预设事故现场视频中每一帧视频图像；
检测所述每一帧视频图像中是否存在包含人脸区域的视频图像；
若检测结果为所述每一帧视频图像中存在包含人脸区域的视频图像，则提取所述包含人脸区域的视频图像；
将提取的所有所述包含人脸区域的视频图像进行分类，每一类别中用于存放相似度超过第一预设相似度阈值的视频图像；
在每一类别的视频图像中，记录下满足预设要求的视频图像。
4.根据权利要求1所述的基于人脸识别的黄牛识别方法，其特征在于，所述根据预设事故现场视频记录下事故发生时参与人员的人脸图像还包括：
获取所述预设事故现场视频中每一帧视频图像；
检测所述每一帧视频图像中是否存在包含人脸区域的视频图像；
若检测结果为所述每一帧视频图像中存在包含人脸区域的视频图像，则判断所述包含人脸区域的视频图像是否满足预设要求；
若判断结果为所述包含人脸区域的视频图像满足预设要求，则记录下满足预设要求的视频图像；
对于之后获取的其他视频图像，检测获取的其他视频图像是否为已记录的满足预设要求的视频图像；
若检测结果为获取的其他视频图像为已记录的满足预设要求的视频图像，则舍弃所述获取的其他视频图像。
5.根据权利要求1所述的基于人脸识别的黄牛识别方法，其特征在于，所述将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数包括：
将所述记录的现场参与人员的人脸图像输入至预先训练好的人脸比对模型中；
通过所述人脸比对模型获取所述记录的现场参与人员的人脸图像与所述事故样本库中人脸图像的相似度；
输出相似度超出第二预设相似度阈值的所述事故样本库中的所有人脸图像，输出的所有人脸图像的数量即为所述现场参与人员的人脸图像在所述事故样本库中出现的次数。
6.根据权利要求1所述的基于人脸识别的黄牛识别方法，其特征在于，所述事故样本库中设置有车险黄牛分类，所述车险黄牛分类中用于存放已被确定为黄牛的人脸图像。
7.根据权利要求1所述的基于人脸识别的黄牛识别方法，其特征在于，在所述判定所述现场参与人员存在失信嫌疑之前，所述方法还包括：
获取所述现场参与人员的人脸图像在所述事故样本库中出现的时间间隔；
判断所述时间间隔是否短于预设时间间隔；
若判断结果为所述时间间隔短于预设时间间隔，则判定所述现场参与人员存在失信嫌疑。
8.一种基于人脸识别的黄牛识别装置，其特征在于，所述基于人脸识别的黄牛识别装置包括：
视频获取模块，用于获取事故现场拍摄的预设事故现场视频；
人脸图像获取模块，用于根据预设事故现场视频记录下事故发生时参与人员的人脸图像；
次数确定模块，用于将记录的现场参与人员的人脸图像与事故样本库中的人脸图像进行比对，确定所述现场参与人员的人脸图像在所述事故样本库中出现的次数；
阈值判断模块，用于判断所述现场参与人员的人脸图像在所述事故样本库中出现的次数是否超出预设次数阈值；
失信判断模块，用于在判断结果为所述现场参与人员的人脸图像在所述事故样本库中出现的次数超出预设次数阈值时，判定所述现场参与人员存在失信嫌疑；
图像发送模块，用于将存在失信嫌疑的现场参与人员的人脸图像发送至现场业务人员，供业务人员参考。
9.一种终端，其特征在于，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述基于人脸识别的黄牛识别方法。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述基于人脸识别的黄牛识别方法。
CN201910488456.XA 2019-06-05 2019-06-05 基于人脸识别的黄牛识别方法、装置、终端及存储介质 Pending CN110363080A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910488456.XA CN110363080A (zh) 2019-06-05 2019-06-05 基于人脸识别的黄牛识别方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910488456.XA CN110363080A (zh) 2019-06-05 2019-06-05 基于人脸识别的黄牛识别方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN110363080A true CN110363080A (zh) 2019-10-22

Family

ID=68215771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910488456.XA Pending CN110363080A (zh) 2019-06-05 2019-06-05 基于人脸识别的黄牛识别方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN110363080A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110969209A (zh) * 2019-11-29 2020-04-07 北京明略软件系统有限公司 一种陌生人识别方法、装置、电子设备及存储介质
CN113221725A (zh) * 2021-05-08 2021-08-06 上海智蕙林医疗科技有限公司 一种风险处理方法和系统
CN113947874A (zh) * 2021-09-01 2022-01-18 北京声智科技有限公司 数据处理方法、装置、电子设备及可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392222A (zh) * 2017-06-07 2017-11-24 深圳市深网视界科技有限公司 一种人脸聚类方法、装置以及存储介质
WO2018120673A1 (zh) * 2016-12-30 2018-07-05 移康智能科技（上海）股份有限公司 智能拍摄方法及装置
CN109063582A (zh) * 2018-07-10 2018-12-21 武汉云易虹科技有限公司 一种自动判定疑似买卖分人员的系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018120673A1 (zh) * 2016-12-30 2018-07-05 移康智能科技（上海）股份有限公司 智能拍摄方法及装置
CN107392222A (zh) * 2017-06-07 2017-11-24 深圳市深网视界科技有限公司 一种人脸聚类方法、装置以及存储介质
CN109063582A (zh) * 2018-07-10 2018-12-21 武汉云易虹科技有限公司 一种自动判定疑似买卖分人员的系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110969209A (zh) * 2019-11-29 2020-04-07 北京明略软件系统有限公司 一种陌生人识别方法、装置、电子设备及存储介质
CN110969209B (zh) * 2019-11-29 2023-05-02 北京明略软件系统有限公司 一种陌生人识别方法、装置、电子设备及存储介质
CN113221725A (zh) * 2021-05-08 2021-08-06 上海智蕙林医疗科技有限公司 一种风险处理方法和系统
CN113947874A (zh) * 2021-09-01 2022-01-18 北京声智科技有限公司 数据处理方法、装置、电子设备及可读存储介质

Similar Documents

Publication Publication Date Title
CN110443110B (zh) 基于多路摄像的人脸识别方法、装置、终端及存储介质
US20220092882A1 (en) Living body detection method based on facial recognition, and electronic device and storage medium
Raja et al. Video presentation attack detection in visible spectrum iris recognition using magnified phase information
CN110619568A (zh) 风险评估报告的生成方法、装置、设备及存储介质
US20230085605A1 (en) Face image processing method, apparatus, device, and storage medium
CN110363080A (zh) 基于人脸识别的黄牛识别方法、装置、终端及存储介质
CN113052144B (zh) 活体人脸检测模型的训练方法、装置、设备及存储介质
CN110298230A (zh) 静默活体检测方法、装置、计算机设备及存储介质
CN112148922A (zh) 会议记录方法、装置、数据处理设备及可读存储介质
CN110135437A (zh) 用于车辆的定损方法、装置、电子设备和计算机存储介质
WO2021120961A1 (zh) 大脑成瘾结构图谱评估方法及装置
CN110245573B (zh) 一种基于人脸识别的签到方法、装置及终端设备
CN107392781B (zh) 用户关系的识别方法、对象关系的识别方法及装置
CN110059624B (zh) 用于检测活体的方法和装置
CN109389096B (zh) 检测方法和装置
CN111985281A (zh) 图像生成模型的生成方法、装置及图像生成方法、装置
CN109544384A (zh) 基于生物识别的津贴发放方法、装置、终端、存储介质
CN111241873A (zh) 图像翻拍检测方法及其模型的训练方法、支付方法及装置
CN111784665A (zh) 基于傅里叶变换的oct图像质量评估方法、系统及装置
CN107274912A (zh) 一种手机录音的设备来源辨识方法
CN116205726B (zh) 一种贷款风险预测方法、装置、电子设备及存储介质
CN110956093A (zh) 基于大数据的模型识别方法、装置、设备及介质
CN107563362B (zh) 进行评价操作的方法、客户端及系统
CN115731620A (zh) 检测对抗攻击的方法和训练对抗攻击检测模型的方法
CN111325185B (zh) 人脸防欺诈方法及系统

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