CN115359272A - 理赔检测方法、装置、设备及存储介质 - Google Patents
理赔检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115359272A CN115359272A CN202210993958.XA CN202210993958A CN115359272A CN 115359272 A CN115359272 A CN 115359272A CN 202210993958 A CN202210993958 A CN 202210993958A CN 115359272 A CN115359272 A CN 115359272A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- vector
- similarity
- preset
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能,提供一种理赔检测方法、装置、设备及存储介质。该方法获取待检测图像及图像场景信息,基于图像场景信息筛选出待匹配图像所对应的待匹配向量,对待检测图像进行编码处理,得到待检测向量,基于待检测向量及待匹配向量计算第一图像相似度,若第一图像相似度大于预设相似度阈值,计算待检测图像与干扰图像的第二图像相似度,根据第二图像相似度及预设相似度阈值能够准确的识别出理赔检测结果。此外,本发明还涉及区块链技术,所述理赔检测结果可存储于区块链中。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种理赔检测方法、装置、设备及存储介质。
背景技术
在保险业务中,欺诈用户会通过上传相同或者相似的图片进行理赔,并在多家保险公司之间重复使用。为了识别出欺诈用户的欺诈行为,避免保险公司的经济损失,目前通常会将用户上传的图片与图库中的图片进行比较,然而这种方式需要在数以亿计的图库中比较图片,导致理赔检测效率及准确性低下。
发明内容
鉴于以上内容,有必要提供一种理赔检测方法、装置、设备及存储介质,能够解决如何提高理赔检测效率及准确性的技术问题。
一方面,本发明提出一种理赔检测方法,所述理赔检测方法包括:
当接收到理赔检测请求,根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息;
基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量;
对所述待检测图像进行编码处理,得到待检测向量;
基于所述待检测向量及所述待匹配向量计算所述待检测图像与所述待匹配图像的第一图像相似度;
若所述第一图像相似度大于预设相似度阈值,则计算所述待检测图像与预设干扰库中的干扰图像的第二图像相似度;
根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果。
根据本发明优选实施例,所述方法还包括:
当接收到预设管理用户对所述第一图像相似度的反馈响应时,对所述反馈响应进行语义分析,得到反馈语义;
若所述反馈语义为预设语义信息,则将与所述第一图像相似度对应的待匹配图像存储至所述预设干扰库中。
根据本发明优选实施例,所述根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息包括:
基于所述理赔检测请求的生成地址,定位出所述理赔检测请求的请求触发界面;
从所述请求触发界面中获取与第一预设标签对应的信息作为图像上传路径,并从所述请求触发界面中获取与第二预设标签对应的信息作为所述图像场景信息;
基于所述理赔检测请求的请求编号从所述图像上传路径中获取所述待检测图像。
根据本发明优选实施例,所述基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量包括:
将所述图像场景信息写入预设查询模板中,得到查询代码信息;
基于所述查询代码信息运行所述预设图像库,得到查询结果;
从所述查询结果中提取与向量标签对应的信息作为所述待匹配向量。
根据本发明优选实施例,所述对所述待检测图像进行编码处理,得到待检测向量包括:
获取所述待检测图像中图像像素点的像素信息;
基于所述图像像素点在所述待检测图像中的第一像素位置从所述图像像素点中选取连续像素点作为像素点滑窗;
对于所述像素点滑窗中的任一图像像素点,基于所述像素信息比较所述任一图像像素点与所述像素点滑窗中的其余图像像素点,得到比较结果;
根据所述比较结果生成所述任一图像像素点的标识信息;
基于所述任一图像像素点在所述待检测图像中的第二像素位置拼接所述标识信息,得到初始矩阵向量;
基于与所述预设图像库对应的卷积网络对所述初始矩阵向量进行特征提取,得到所述待检测向量。
根据本发明优选实施例,所述第一图像相似度的计算公式为:
其中,similarity表示所述第一图像相似度,n表示所述待检测向量或者所述待匹配向量的向量维度,所述待检测向量的向量维度与所述待匹配向量的向量维度相等,Ai表示所述待检测向量中第i个向量维度的维度值,Bi表示所述待匹配向量中第i个向量维度的维度值。
根据本发明优选实施例,所述根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果包括:
对所述第二图像相似度及所述预设相似度阈值进行比较;
若所述第二图像相似度大于所述预设相似度阈值,则将所述理赔检测结果确定为正常理赔;或者
若所述第二图像相似度小于或者等于所述预设相似度阈值,则将所述理赔检测结果确定为异常理赔。
另一方面,本发明还提出一种理赔检测装置,所述理赔检测装置包括:
获取单元,用于当接收到理赔检测请求,根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息;
筛选单元,用于基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量;
编码单元,用于对所述待检测图像进行编码处理,得到待检测向量;
计算单元,用于基于所述待检测向量及所述待匹配向量计算所述待检测图像与所述待匹配图像的第一图像相似度;
所述计算单元,还用于若所述第一图像相似度大于预设相似度阈值,则计算所述待检测图像与预设干扰库中的干扰图像的第二图像相似度;
识别单元,用于根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果。
另一方面,本发明还提出一种电子设备,所述电子设备包括:
存储器,存储计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现所述理赔检测方法。
另一方面,本发明还提出一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现所述理赔检测方法。
由以上技术方案可以看出,本申请通过所述图像场景信息能够减少与所述待匹配图像的数量,从而提高所述第一图像相似度的计算效率,从而提高所述理赔检测结果的识别效率,通过在所述预设图像库中存储所述待匹配向量,而非直接存储所述待匹配图像,能够节省所述预设图像库的存储空间,进一步地,在所述第一图像相似度大于预设相似度阈值时,通过利用所述预设干扰库中的干扰图像与所述待检测图像进行比较,能够进一步提高所述理赔检测结果的识别准确性。
附图说明
图1是本发明理赔检测方法的较佳实施例的流程图。
图2是本发明理赔检测装置的较佳实施例的功能模块图。
图3是本发明实现理赔检测方法的较佳实施例的电子设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
如图1所示,是本发明理赔检测方法的较佳实施例的流程图。根据不同的需求,该流程图中步骤的顺序可以改变,某些步骤可以省略。
所述理赔检测方法可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
所述理赔检测方法应用于一个或者多个电子设备中,所述电子设备是一种能够按照事先设定或存储的计算机可读指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字信号处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品,例如,个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant,PDA)、游戏机、交互式网络电视(Internet Protocol Television,IPTV)、智能穿戴式设备等。
所述电子设备可以包括网络设备和/或用户设备。其中,所述网络设备包括,但不限于单个网络电子设备、多个网络电子设备组成的电子设备组或基于云计算(CloudComputing)的由大量主机或网络电子设备构成的云。
所述电子设备所在的网络包括,但不限于:互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network,VPN)等。
S10,当接收到理赔检测请求,根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息。
在本发明的至少一个实施例中,所述理赔检测请求可以由负责保险理赔欺诈检测的工作人员触发生成,所述理赔检测请求也可以在理赔用户将所述待检测图像上传至理赔检测平台时触发生成,所述理赔检测平台可以包括请求触发界面及图像上传路径,所述图像上传路径可以是数据库。
所述待检测图像是指需要进行图像复用检测以确定与所述待检测图像对应的理赔单是否存在欺诈的图像。
所述图像场景信息与所述待检测图像存在对应关系,所述图像场景信息包括,但不限于:图片使用场景、保险有效时间、承保管理机构等。
在本发明的至少一个实施例中,所述电子设备根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息包括:
基于所述理赔检测请求的生成地址,定位出所述理赔检测请求的请求触发界面;
从所述请求触发界面中获取与第一预设标签对应的信息作为图像上传路径,并从所述请求触发界面中获取与第二预设标签对应的信息作为所述图像场景信息;
基于所述理赔检测请求的请求编号从所述图像上传路径中获取所述待检测图像。
其中,所述生成地址可以从所述理赔检测请求的报文头中提取,所述生成地址是指所述理赔检测平台所对应的平台地址信息。
所述请求触发界面是指所述理赔用户在所述理赔检测平台上进行保险报销操作的界面。
所述请求编号是指唯一标识所述理赔检测请求的识别码。
通过所述生成地址能够快速定位出所述请求触发界面,从而提高所述图像上传路径及所述图像场景信息的提取效率,进而通过所述请求编号能够准确的获取到所述待检测图像。
S11,基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量。
在本发明的至少一个实施例中,所述预设图像库中存储有多个图像向量。所述待匹配图像是指与所述图像场景信息相匹配的图像,所述待匹配向量是指所述预设图像库中与所述待匹配图像对应的向量,所述多个图像向量包括所述待匹配向量。
在本发明的至少一个实施例中,所述电子设备基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量包括:
将所述图像场景信息写入预设查询模板中,得到查询代码信息;
基于所述查询代码信息运行所述预设图像库,得到查询结果;
从所述查询结果中提取与向量标签对应的信息作为所述待匹配向量。
其中,所述预设查询模板是指SQL语句。
所述查询代码信息用于对与所述图像场景信息相匹配的图像进行检索。
所述向量标签用于指示图像向量。
通过所述预设查询模板,由于无需重构SQL语句,因此能够快速生成所述查询代码信息,进而基于所述查询代码信息运行所述预设图像库,能够提高所述查询结果的检索效率,进一步地,通过所述查询结果能够准确的获取到所述待匹配向量。
S12,对所述待检测图像进行编码处理,得到待检测向量。
在本发明的至少一个实施例中,所述待检测向量是指采用预设编码方式对所述待检测图像进行编码后所生成的向量信息。其中,所述预设编码方式是指所述预设图像库中对所述待匹配向量进行编码的方式。
在本发明的至少一个实施例中,所述电子设备对所述待检测图像进行编码处理,得到待检测向量包括:
获取所述待检测图像中图像像素点的像素信息;
基于所述图像像素点在所述待检测图像中的第一像素位置从所述图像像素点中选取连续像素点作为像素点滑窗;
对于所述像素点滑窗中的任一图像像素点,基于所述像素信息比较所述任一图像像素点与所述像素点滑窗中的其余图像像素点,得到比较结果;
根据所述比较结果生成所述任一图像像素点的标识信息;
基于所述任一图像像素点在所述待检测图像中的第二像素位置拼接所述标识信息,得到初始矩阵向量;
基于与所述预设图像库对应的卷积网络对所述初始矩阵向量进行特征提取,得到所述待检测向量。
其中,所述像素信息可以是指所述图像像素点的像素值。
所述比较结果包括所述任一图像像素点所对应的像素信息均大于所述其余图像像素点所对应的像素信息,以及,所述任一图像像素点所对应的像素信息小于或者等于所述其余图像像素点中的任意像素点所对应的像素信息。
所述标识信息包括第一数值及第二数值,例如,所述第一数值可以是0,所述第二数值可以是255。
通过所述像素点滑窗生成所述标识信息,能够避免所述待检测图像受到图像亮度的影响而造成无法准确的生成所述标识信息,从而提高了所述标识信息的准确性,从而能够准确的生成所述初始矩阵向量,基于所述卷积网络对所述初始矩阵向量进行特征提取,不仅能够确保所述待检测向量与所述待匹配向量的向量维度相等,还能够避免所述初始矩阵向量中的干扰信息对所述待检测向量的表征能力的干扰。
具体地,所述电子设备根据所述比较结果生成所述任一图像像素点的标识信息包括:
若所述比较结果为所述任一图像像素点所对应的像素信息均大于所述其余图像像素点所对应的像素信息,则将所述任一图像像素点的标识信息确定为所述第一数值;或者
若所述比较结果为所述任一图像像素点所对应的像素信息小于或者等于所述其余图像像素点中的任意像素点所对应的像素信息,则将所述任一图像像素点的标识信息确定为所述第二数值。
S13,基于所述待检测向量及所述待匹配向量计算所述待检测图像与所述待匹配图像的第一图像相似度。
在本发明的至少一个实施例中,所述第一图像相似度用于指示所述待检测图像与所述待匹配图像的相似情况。
在本发明的至少一个实施例中,所述第一图像相似度的计算公式为:
其中,similarity表示所述第一图像相似度,n表示所述待检测向量或者所述待匹配向量的向量维度,所述待检测向量的向量维度与所述待匹配向量的向量维度相等,Ai表示所述待检测向量中第i个向量维度的维度值,Bi表示所述待匹配向量中第i个向量维度的维度值。
所述第一图像相似度的取值范围为-1到1。其中,所述第一图像相似度为-1意味着所述待检测图像与所述待匹配图像指向的方向正好截然相反,所述第一图像相似度为1表示所述待检测图像与所述待匹配图像的指向是完全相同的,所述第一图像相似度为0通常表示所述待检测图像与所述待匹配图像是独立的,所述第一图像相似度在0到1之间的值则表示所述待检测图像与所述待匹配图像的相似性,所述第一图像相似度在0到1之间的值则表示所述待检测图像与所述待匹配图像的相异性。
通过将所述待检测向量中每个向量维度的维度值与所述待匹配向量中对应向量维度的维度值进行计算,能够避免因没有对所述待检测图像及所述待匹配图像进行匹配运算而造成所述第一图像相似度的准确性低下,从而提高了第一图像相似度的准确性。
S14,若所述第一图像相似度大于预设相似度阈值,则计算所述待检测图像与预设干扰库中的干扰图像的第二图像相似度。
在本发明的至少一个实施例中,所述预设相似度阈值可以根据实际需求设定,例如,所述预设相似度阈值可以是0.8。
所述预设干扰库中存储有多张所述干扰图像,其中,所述多张干扰图像可以包括,但不限于:空白图像、不清晰图像、理赔用户多次进行理赔报销的图像。
所述第二图像相似度用于指示所述待检测图像与所述干扰图像的相似情况。
在本发明的至少一个实施例中,所述方法还包括:
当接收到预设管理用户对所述第一图像相似度的反馈响应时,对所述反馈响应进行语义分析,得到反馈语义;
若所述反馈语义为预设语义信息,则将与所述第一图像相似度对应的待匹配图像存储至所述预设干扰库中。
其中,所述预设管理用户可以是任意审计用户。
所述反馈响应可以包括修正信息。
所述预设语义信息是指需要对所述第一图像相似度进行修正。
通过上述实施方式,在所述预设管理用户与所述理赔检测平台对所述待检测图像与所述待匹配图像的第一图像相似度存在意见冲突时,将该待匹配图像存储至所述预设干扰库中,不仅能够提高所述预设干扰库的图像数量,还能够使得该待匹配图像能够再次与所述待检测图像进行检测,从而提高所述理赔检测结果的准确性。
S15,根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果。
需要强调的是,为进一步保证上述理赔检测结果的私密和安全性,上述理赔检测结果还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述理赔检测结果包括正常理赔及异常理赔。
在本发明的至少一个实施例中,所述电子设备根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果包括:
对所述第二图像相似度及所述预设相似度阈值进行比较;
若所述第二图像相似度大于所述预设相似度阈值,则将所述理赔检测结果确定为正常理赔;或者
若所述第二图像相似度小于或者等于所述预设相似度阈值,则将所述理赔检测结果确定为异常理赔。
通过上述实施方式,在所述第一图像相似度大于预设相似度阈值时,通过将所述第二图像相似度与所述预设相似度阈值,能够避免因所述待检测图像与所述干扰图像相似而造成所述理赔检测结果不准确。此外,由于所述干扰图像通常为没有意义的图像,因此在所述第二图像相似度大于所述预设相似度阈值时,将所述理赔检测结果确定为正常理赔,提高了所述理赔检测结果的准确性。
由以上技术方案可以看出,本申请通过所述图像场景信息能够减少与所述待匹配图像的数量,从而提高所述第一图像相似度的计算效率,从而提高所述理赔检测结果的识别效率,通过在所述预设图像库中存储所述待匹配向量,而非直接存储所述待匹配图像,能够节省所述预设图像库的存储空间,进一步地,在所述第一图像相似度大于预设相似度阈值时,通过利用所述预设干扰库中的干扰图像与所述待检测图像进行比较,能够进一步提高所述理赔检测结果的识别准确性。
如图2所示,是本发明理赔检测装置的较佳实施例的功能模块图。所述理赔检测装置11包括获取单元110、筛选单元111、编码单元112、计算单元113、识别单元114、分析单元115及存储单元116。本发明所称的模块/单元是指一种能够被处理器13所获取,并且能够完成固定功能的一系列计算机可读指令段,其存储在存储器12中。在本实施例中,关于各模块/单元的功能将在后续的实施例中详述。
当接收到理赔检测请求,获取单元110根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息。
在本发明的至少一个实施例中,所述理赔检测请求可以由负责保险理赔欺诈检测的工作人员触发生成,所述理赔检测请求也可以在理赔用户将所述待检测图像上传至理赔检测平台时触发生成,所述理赔检测平台可以包括请求触发界面及图像上传路径,所述图像上传路径可以是数据库。
所述待检测图像是指需要进行图像复用检测以确定与所述待检测图像对应的理赔单是否存在欺诈的图像。
所述图像场景信息与所述待检测图像存在对应关系,所述图像场景信息包括,但不限于:图片使用场景、保险有效时间、承保管理机构等。
在本发明的至少一个实施例中,所述获取单元110根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息包括:
基于所述理赔检测请求的生成地址,定位出所述理赔检测请求的请求触发界面;
从所述请求触发界面中获取与第一预设标签对应的信息作为图像上传路径,并从所述请求触发界面中获取与第二预设标签对应的信息作为所述图像场景信息;
基于所述理赔检测请求的请求编号从所述图像上传路径中获取所述待检测图像。
其中,所述生成地址可以从所述理赔检测请求的报文头中提取,所述生成地址是指所述理赔检测平台所对应的平台地址信息。
所述请求触发界面是指所述理赔用户在所述理赔检测平台上进行保险报销操作的界面。
所述请求编号是指唯一标识所述理赔检测请求的识别码。
通过所述生成地址能够快速定位出所述请求触发界面,从而提高所述图像上传路径及所述图像场景信息的提取效率,进而通过所述请求编号能够准确的获取到所述待检测图像。
筛选单元111基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量。
在本发明的至少一个实施例中,所述预设图像库中存储有多个图像向量。所述待匹配图像是指与所述图像场景信息相匹配的图像,所述待匹配向量是指所述预设图像库中与所述待匹配图像对应的向量,所述多个图像向量包括所述待匹配向量。
在本发明的至少一个实施例中,所述筛选单元111基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量包括:
将所述图像场景信息写入预设查询模板中,得到查询代码信息;
基于所述查询代码信息运行所述预设图像库,得到查询结果;
从所述查询结果中提取与向量标签对应的信息作为所述待匹配向量。
其中,所述预设查询模板是指SQL语句。
所述查询代码信息用于对与所述图像场景信息相匹配的图像进行检索。
所述向量标签用于指示图像向量。
通过所述预设查询模板,由于无需重构SQL语句,因此能够快速生成所述查询代码信息,进而基于所述查询代码信息运行所述预设图像库,能够提高所述查询结果的检索效率,进一步地,通过所述查询结果能够准确的获取到所述待匹配向量。
编码单元112对所述待检测图像进行编码处理,得到待检测向量。
在本发明的至少一个实施例中,所述待检测向量是指采用预设编码方式对所述待检测图像进行编码后所生成的向量信息。其中,所述预设编码方式是指所述预设图像库中对所述待匹配向量进行编码的方式。
在本发明的至少一个实施例中,所述编码单元112对所述待检测图像进行编码处理,得到待检测向量包括:
获取所述待检测图像中图像像素点的像素信息;
基于所述图像像素点在所述待检测图像中的第一像素位置从所述图像像素点中选取连续像素点作为像素点滑窗;
对于所述像素点滑窗中的任一图像像素点,基于所述像素信息比较所述任一图像像素点与所述像素点滑窗中的其余图像像素点,得到比较结果;
根据所述比较结果生成所述任一图像像素点的标识信息;
基于所述任一图像像素点在所述待检测图像中的第二像素位置拼接所述标识信息,得到初始矩阵向量;
基于与所述预设图像库对应的卷积网络对所述初始矩阵向量进行特征提取,得到所述待检测向量。
其中,所述像素信息可以是指所述图像像素点的像素值。
所述比较结果包括所述任一图像像素点所对应的像素信息均大于所述其余图像像素点所对应的像素信息,以及,所述任一图像像素点所对应的像素信息小于或者等于所述其余图像像素点中的任意像素点所对应的像素信息。
所述标识信息包括第一数值及第二数值,例如,所述第一数值可以是0,所述第二数值可以是255。
通过所述像素点滑窗生成所述标识信息,能够避免所述待检测图像受到图像亮度的影响而造成无法准确的生成所述标识信息,从而提高了所述标识信息的准确性,从而能够准确的生成所述初始矩阵向量,基于所述卷积网络对所述初始矩阵向量进行特征提取,不仅能够确保所述待检测向量与所述待匹配向量的向量维度相等,还能够避免所述初始矩阵向量中的干扰信息对所述待检测向量的表征能力的干扰。
具体地,所述编码单元112根据所述比较结果生成所述任一图像像素点的标识信息包括:
若所述比较结果为所述任一图像像素点所对应的像素信息均大于所述其余图像像素点所对应的像素信息,则将所述任一图像像素点的标识信息确定为所述第一数值;或者
若所述比较结果为所述任一图像像素点所对应的像素信息小于或者等于所述其余图像像素点中的任意像素点所对应的像素信息,则将所述任一图像像素点的标识信息确定为所述第二数值。
计算单元113基于所述待检测向量及所述待匹配向量计算所述待检测图像与所述待匹配图像的第一图像相似度。
在本发明的至少一个实施例中,所述第一图像相似度用于指示所述待检测图像与所述待匹配图像的相似情况。
在本发明的至少一个实施例中,所述第一图像相似度的计算公式为:
其中,similarity表示所述第一图像相似度,n表示所述待检测向量或者所述待匹配向量的向量维度,所述待检测向量的向量维度与所述待匹配向量的向量维度相等,Ai表示所述待检测向量中第i个向量维度的维度值,Bi表示所述待匹配向量中第i个向量维度的维度值。
所述第一图像相似度的取值范围为-1到1。其中,所述第一图像相似度为-1意味着所述待检测图像与所述待匹配图像指向的方向正好截然相反,所述第一图像相似度为1表示所述待检测图像与所述待匹配图像的指向是完全相同的,所述第一图像相似度为0通常表示所述待检测图像与所述待匹配图像是独立的,所述第一图像相似度在0到1之间的值则表示所述待检测图像与所述待匹配图像的相似性,所述第一图像相似度在0到1之间的值则表示所述待检测图像与所述待匹配图像的相异性。
通过将所述待检测向量中每个向量维度的维度值与所述待匹配向量中对应向量维度的维度值进行计算,能够避免因没有对所述待检测图像及所述待匹配图像进行匹配运算而造成所述第一图像相似度的准确性低下,从而提高了第一图像相似度的准确性。
若所述第一图像相似度大于预设相似度阈值,则所述计算单元113计算所述待检测图像与预设干扰库中的干扰图像的第二图像相似度。
在本发明的至少一个实施例中,所述预设相似度阈值可以根据实际需求设定,例如,所述预设相似度阈值可以是0.8。
所述预设干扰库中存储有多张所述干扰图像,其中,所述多张干扰图像可以包括,但不限于:空白图像、不清晰图像、理赔用户多次进行理赔报销的图像。
所述第二图像相似度用于指示所述待检测图像与所述干扰图像的相似情况。
在本发明的至少一个实施例中,当接收到预设管理用户对所述第一图像相似度的反馈响应时,分析单元115对所述反馈响应进行语义分析,得到反馈语义;
若所述反馈语义为预设语义信息,则存储单元116将与所述第一图像相似度对应的待匹配图像存储至所述预设干扰库中。
其中,所述预设管理用户可以是任意审计用户。
所述反馈响应可以包括修正信息。
所述预设语义信息是指需要对所述第一图像相似度进行修正。
通过上述实施方式,在所述预设管理用户与所述理赔检测平台对所述待检测图像与所述待匹配图像的第一图像相似度存在意见冲突时,将该待匹配图像存储至所述预设干扰库中,不仅能够提高所述预设干扰库的图像数量,还能够使得该待匹配图像能够再次与所述待检测图像进行检测,从而提高所述理赔检测结果的准确性。
识别单元114根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果。
需要强调的是,为进一步保证上述理赔检测结果的私密和安全性,上述理赔检测结果还可以存储于一区块链的节点中。
在本发明的至少一个实施例中,所述理赔检测结果包括正常理赔及异常理赔。
在本发明的至少一个实施例中,所述识别单元114根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果包括:
对所述第二图像相似度及所述预设相似度阈值进行比较;
若所述第二图像相似度大于所述预设相似度阈值,则将所述理赔检测结果确定为正常理赔;或者
若所述第二图像相似度小于或者等于所述预设相似度阈值,则将所述理赔检测结果确定为异常理赔。
通过上述实施方式,在所述第一图像相似度大于预设相似度阈值时,通过将所述第二图像相似度与所述预设相似度阈值,能够避免因所述待检测图像与所述干扰图像相似而造成所述理赔检测结果不准确。此外,由于所述干扰图像通常为没有意义的图像,因此在所述第二图像相似度大于所述预设相似度阈值时,将所述理赔检测结果确定为正常理赔,提高了所述理赔检测结果的准确性。
由以上技术方案可以看出,本申请通过所述图像场景信息能够减少与所述待匹配图像的数量,从而提高所述第一图像相似度的计算效率,从而提高所述理赔检测结果的识别效率,通过在所述预设图像库中存储所述待匹配向量,而非直接存储所述待匹配图像,能够节省所述预设图像库的存储空间,进一步地,在所述第一图像相似度大于预设相似度阈值时,通过利用所述预设干扰库中的干扰图像与所述待检测图像进行比较,能够进一步提高所述理赔检测结果的识别准确性。
如图3所示,是本发明实现理赔检测方法的较佳实施例的电子设备的结构示意图。
在本发明的一个实施例中,所述电子设备1包括,但不限于,存储器12、处理器13,以及存储在所述存储器12中并可在所述处理器13上运行的计算机可读指令,例如理赔检测程序。
本领域技术人员可以理解,所述示意图仅仅是电子设备1的示例,并不构成对电子设备1的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述电子设备1还可以包括输入输出设备、网络接入设备、总线等。
所述处理器13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)、现场可编程门阵列(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13是所述电子设备1的运算核心和控制中心,利用各种接口和线路连接整个电子设备1的各个部分,及执行所述电子设备1的操作系统以及安装的各类应用程序、程序代码等。
示例性的,所述计算机可读指令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12中,并由所述处理器13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,该计算机可读指令段用于描述所述计算机可读指令在所述电子设备1中的执行过程。例如,所述计算机可读指令可以被分割成获取单元110、筛选单元111、编码单元112、计算单元113、识别单元114、分析单元115及存储单元116。
所述存储器12可用于存储所述计算机可读指令和/或模块,所述处理器13通过运行或执行存储在所述存储器12内的计算机可读指令和/或模块,以及调用存储在存储器12内的数据,实现所述电子设备1的各种功能。所述存储器12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电子设备的使用所创建的数据等。存储器12可以包括非易失性和易失性存储器,例如:硬盘、内存、插接式硬盘,智能存储卡(SmartMedia 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、或其他存储器件。
所述存储器12可以是电子设备1的外部存储器和/或内部存储器。进一步地,所述存储器12可以是具有实物形式的存储器,如内存条、TF卡(Trans-flash Card)等等。
所述电子设备1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例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机可读指令包括计算机可读指令代码,所述计算机可读指令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可读指令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)。
本发明所指区块链是分布式理赔检测、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
结合图1,所述电子设备1中的所述存储器12存储计算机可读指令实现一种理赔检测方法,所述处理器13可执行所述计算机可读指令从而实现:
当接收到理赔检测请求,根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息;
基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量;
对所述待检测图像进行编码处理,得到待检测向量;
基于所述待检测向量及所述待匹配向量计算所述待检测图像与所述待匹配图像的第一图像相似度;
若所述第一图像相似度大于预设相似度阈值,则计算所述待检测图像与预设干扰库中的干扰图像的第二图像相似度;
根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果。
具体地,所述处理器13对上述计算机可读指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,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。
所述计算机可读存储介质上存储有计算机可读指令,其中,所述计算机可读指令被处理器13执行时用以实现以下步骤:
当接收到理赔检测请求,根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息;
基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量;
对所述待检测图像进行编码处理,得到待检测向量;
基于所述待检测向量及所述待匹配向量计算所述待检测图像与所述待匹配图像的第一图像相似度;
若所述第一图像相似度大于预设相似度阈值,则计算所述待检测图像与预设干扰库中的干扰图像的第二图像相似度;
根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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,也可以采用硬件加软件功能模块的形式实现。
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内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。所述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种理赔检测方法,其特征在于,所述理赔检测方法包括:
当接收到理赔检测请求,根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息;
基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量;
对所述待检测图像进行编码处理,得到待检测向量;
基于所述待检测向量及所述待匹配向量计算所述待检测图像与所述待匹配图像的第一图像相似度;
若所述第一图像相似度大于预设相似度阈值,则计算所述待检测图像与预设干扰库中的干扰图像的第二图像相似度;
根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果。
2.如权利要求1所述的理赔检测方法,其特征在于,所述方法还包括:
当接收到预设管理用户对所述第一图像相似度的反馈响应时,对所述反馈响应进行语义分析,得到反馈语义;
若所述反馈语义为预设语义信息,则将与所述第一图像相似度对应的待匹配图像存储至所述预设干扰库中。
3.如权利要求1所述的理赔检测方法,其特征在于,所述根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息包括:
基于所述理赔检测请求的生成地址,定位出所述理赔检测请求的请求触发界面;
从所述请求触发界面中获取与第一预设标签对应的信息作为图像上传路径,并从所述请求触发界面中获取与第二预设标签对应的信息作为所述图像场景信息;
基于所述理赔检测请求的请求编号从所述图像上传路径中获取所述待检测图像。
4.如权利要求1所述的理赔检测方法,其特征在于,所述基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量包括:
将所述图像场景信息写入预设查询模板中,得到查询代码信息;
基于所述查询代码信息运行所述预设图像库,得到查询结果;
从所述查询结果中提取与向量标签对应的信息作为所述待匹配向量。
5.如权利要求1所述的理赔检测方法,其特征在于,所述对所述待检测图像进行编码处理,得到待检测向量包括:
获取所述待检测图像中图像像素点的像素信息;
基于所述图像像素点在所述待检测图像中的第一像素位置从所述图像像素点中选取连续像素点作为像素点滑窗;
对于所述像素点滑窗中的任一图像像素点,基于所述像素信息比较所述任一图像像素点与所述像素点滑窗中的其余图像像素点,得到比较结果;
根据所述比较结果生成所述任一图像像素点的标识信息;
基于所述任一图像像素点在所述待检测图像中的第二像素位置拼接所述标识信息,得到初始矩阵向量;
基于与所述预设图像库对应的卷积网络对所述初始矩阵向量进行特征提取,得到所述待检测向量。
7.如权利要求1所述的理赔检测方法,其特征在于,所述根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果包括:
对所述第二图像相似度及所述预设相似度阈值进行比较;
若所述第二图像相似度大于所述预设相似度阈值,则将所述理赔检测结果确定为正常理赔;或者
若所述第二图像相似度小于或者等于所述预设相似度阈值,则将所述理赔检测结果确定为异常理赔。
8.一种理赔检测装置,其特征在于,所述理赔检测装置包括:
获取单元,用于当接收到理赔检测请求,根据所述理赔检测请求获取待检测图像及所述待检测图像的图像场景信息;
筛选单元,用于基于所述图像场景信息从预设图像库中筛选出待匹配图像所对应的待匹配向量;
编码单元,用于对所述待检测图像进行编码处理,得到待检测向量;
计算单元,用于基于所述待检测向量及所述待匹配向量计算所述待检测图像与所述待匹配图像的第一图像相似度;
所述计算单元,还用于若所述第一图像相似度大于预设相似度阈值,则计算所述待检测图像与预设干扰库中的干扰图像的第二图像相似度;
识别单元,用于根据所述第二图像相似度及所述预设相似度阈值识别出所述待检测图像的理赔检测结果。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有计算机可读指令;及
处理器,执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的理赔检测方法。
10.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质中存储有计算机可读指令,所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的理赔检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210993958.XA CN115359272A (zh) | 2022-08-18 | 2022-08-18 | 理赔检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210993958.XA CN115359272A (zh) | 2022-08-18 | 2022-08-18 | 理赔检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115359272A true CN115359272A (zh) | 2022-11-18 |
Family
ID=84003221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210993958.XA Pending CN115359272A (zh) | 2022-08-18 | 2022-08-18 | 理赔检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115359272A (zh) |
-
2022
- 2022-08-18 CN CN202210993958.XA patent/CN115359272A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860377A (zh) | 基于人工智能的直播方法、装置、电子设备及存储介质 | |
CN111797351A (zh) | 页面数据管理方法、装置、电子设备及介质 | |
CN115063589A (zh) | 基于知识蒸馏的车辆部件分割方法及相关设备 | |
CN113656547A (zh) | 文本匹配方法、装置、设备及存储介质 | |
CN112668453A (zh) | 视频识别方法及相关设备 | |
CN112232203A (zh) | 行人识别方法、装置、电子设备及存储介质 | |
CN113342977B (zh) | 发票图像分类方法、装置、设备及存储介质 | |
CN113705468A (zh) | 基于人工智能的数字图像识别方法及相关设备 | |
CN113900955A (zh) | 自动化测试方法、装置、设备及存储介质 | |
CN113918467A (zh) | 金融系统测试方法、装置、设备及存储介质 | |
CN116205723A (zh) | 基于人工智能的面签风险检测方法及相关设备 | |
CN113627576B (zh) | 扫码信息检测方法、装置、设备及存储介质 | |
CN113850632B (zh) | 用户类别确定方法、装置、设备及存储介质 | |
CN114329095A (zh) | 系统逻辑图生成方法、装置、设备及存储介质 | |
CN112949305B (zh) | 负反馈信息采集方法、装置、设备及存储介质 | |
CN115168585A (zh) | 文本主题识别方法、装置、设备及存储介质 | |
CN114238296A (zh) | 产品指标数据展示方法、装置、设备及存储介质 | |
CN115359272A (zh) | 理赔检测方法、装置、设备及存储介质 | |
CN113886263A (zh) | 系统测试方法、装置、设备及存储介质 | |
CN114003784A (zh) | 请求录制方法、装置、设备及存储介质 | |
CN114218574A (zh) | 一种数据检测方法、装置、电子设备以及存储介质 | |
CN113282218A (zh) | 多维报表生成方法、装置、设备及存储介质 | |
CN112989820A (zh) | 法律文书定位方法、装置、设备及存储介质 | |
CN113283421B (zh) | 信息识别方法、装置、设备及存储介质 | |
CN113434895B (zh) | 文本解密方法、装置、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 |