CN115511645A - 理赔图片的检测方法、装置、设备及存储介质 - Google Patents
理赔图片的检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115511645A CN115511645A CN202211164090.9A CN202211164090A CN115511645A CN 115511645 A CN115511645 A CN 115511645A CN 202211164090 A CN202211164090 A CN 202211164090A CN 115511645 A CN115511645 A CN 115511645A
- Authority
- CN
- China
- Prior art keywords
- picture
- preset
- pictures
- settlement
- determining
- 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
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
Abstract
本申请涉及保险理赔技术领域,提供一种理赔图片的检测方法、装置、设备及存储介质,其中,方法包括:获取至少两个机构上传的第一理赔图片;根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片;基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型;若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片;若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑。旨在减少理赔图片的数量,提高相似理赔图片的判断效率的同时,降低人工判断相似理赔图片的难度。
Description
技术领域
本申请涉及保险理赔技术领域,尤其涉及一种理赔图片的检测方法、装置、设备及存储介质。
背景技术
在保险理赔业务中,可能存在利用同一理赔图片向同一机构或不同机构进行多次报案,以进行理赔骗保的情形。
目前,由于理赔图片的数量庞大,若通过人工判断理赔图片是否相似,则需要耗费大量的人力,效率低下且判断的准确率较低;若利用模型识别重复的理赔图片,则在得到相似理赔图片的识别模型之前,需要对海量理赔图片进行机器学习训练,同时在对模型进行训练时对硬件资源要求较高,存在需要进行相似理赔图片判断的理赔图片数量庞大,相似理赔图片的判断效率较低的技术问题。
发明内容
本申请的主要目的在于提供一种理赔图片的检测方法、装置、设备及存储介质,旨在减少理赔图片的数量,提高相似理赔图片的判断效率的同时,降低人工判断相似理赔图片的难度。
第一方面,本申请提供一种理赔图片的检测方法,所述检测方法包括以下步骤:
获取至少两个机构上传的第一理赔图片;
根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片;
基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型;
若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片;
若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑。
第二方面,本申请还提供一种理赔图片的检测装置,所述检测装置包括:
获取模块,用于获取至少两个机构上传的第一理赔图片;
第一确定模块,用于根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片;
判断模块,用于基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型;
过滤模块,用于若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片;
第二确定模块,用于若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑。
第三方面,本申请还提供一种计算机设备,所述计算机设备包括存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如上述的理赔图片的检测方法。
第四方面,本申请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,实现如上述的理赔图片的检测方法的步骤。
本申请提供一种理赔图片的检测方法、装置、设备及存储介质,方法包括:获取至少两个机构上传的第一理赔图片;根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片;基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型;若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片;若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑,以减少理赔图片的数量,提高相似理赔图片的判断效率的同时,降低人工判断相似理赔图片的难度。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种理赔图片的检测方法的流程示意图;
图2是本申请一实施例涉及的理赔图片的检测方法的应用场景图;
图3是本申请实施例提供的一种理赔图片的检测装置的示意性框图;
图4是本申请实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种理赔图片的检测方法、装置、设备及存储介质。其中,该理赔图片的检测方法可应用于终端设备中,该终端设备可以是手机、平板电脑、笔记本电脑、台式电脑等电子设备。也可以应用于服务器中,该服务器可以是单独的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互结合。
请参阅图1,图1是本申请的实施例提供的一种理赔图片的检测方法的流程示意图。需要说明的是,本申请实施例提供的理赔图片的检测方法可以用于终端设备,当然也可以用于服务器。还可以如图2所示,由服务器可以从终端设备获取第一理赔图片,根据理赔图片的检测方法得到存在骗保嫌疑的第二理赔图片,将存在骗保嫌疑的第二理赔图片发送给终端设备,以便终端设备根据该存在骗保嫌疑的第二理赔图片进行理赔图片的复核。图2仅示出了理赔图片的检测方法的一应用场景图。应理解,理赔图片的检测方法不仅限于图2所示的场景。
在具体实施时,终端设备包括但不限于:手机、平板电脑、笔记本电脑、台式电脑中的任何一种;服务器可以是单独的服务器也可以是服务器集群,还可以是提供云计算服务的云服务器。
如图1所示,该理赔图片的检测方法包括步骤S101至步骤S105。
步骤S101、获取至少两个机构上传的第一理赔图片。
举例而言,用户在向机构提出理赔请求时,例如会上传理赔请求对应的理赔图片。示例性的,响应于接收到的理赔请求,例如将理赔请求对应的理赔图片存储于预设数据仓库中。
示例性的,在将理赔请求对应的理赔图片存储于预设数据仓库的情况下,预设数据仓库例如会存储理赔图片的元数据信息,其中,理赔图片的元数据信息包括理赔图片对应的机构、理赔类型、上传时间、图片所属栏中的至少一种。
可选的,从预设数据仓库中基于预设理赔图片判断条件获取第一理赔图片。
示例性的,相关人员例如需要判断预设数据仓库中存储的理赔图片是否存在骗保嫌疑。
在一些实施例中,预设数据仓库中存储的理赔图片的数量比较庞大,相关人员例如仅需要判断预设数据仓库中存储的部分理赔图片是否存在骗保嫌疑,则可以根据其实际需求确定预设理赔图片判断条件,从预设数据仓库中基于预设理赔图片判断条件获取第一理赔图片。举例而言,相关人员例如需要判断机构A与机构B各自接收到的理赔类型为理赔类型C的理赔请求是否存在骗保嫌疑,则预设理赔图片判断条件为元数据信息用于指示理赔图片的机构为机构A或机构B,且理赔类型为理赔类型C的理赔图片,并筛选得到符合预设理赔图片判断条件的理赔图片为第一理赔图片;相关人员例如需要判断图片所属栏为车辆破损图片的理赔图片,则预设理赔图片判断条件为元数据信息用于指示理赔图片的图片所属栏为车辆破损图片的理赔图片,并筛选得到符合预设理赔图片判断条件的理赔图片为第一理赔图片;当然也不限于此。
示例性的,通过从预设数据仓库中基于预设理赔图片判断条件获取第一理赔图片,有利于减少理赔图片的数量,提高后续相似理赔图片的判断效率。
可选的,响应于检测到的理赔请求,根据理赔请求携带的理赔图片判断条件,对预设数据仓库中存储的理赔图片进行筛选,得到第一理赔图片。
示例性的,理赔请求对应的理赔图片包括元数据信息,其中,理赔图片的元数据信息包括理赔图片对应的机构、理赔类型、上传时间、图片所属栏中的至少一项。
举例而言,响应于检测到的用于指示机构为机构A的理赔请求,理赔请求携带的理赔图片判断条件例如为除机构A以外的机构的理赔图片,从而从预设数据仓库中存储的理赔图片中筛选出除机构A以外的机构的理赔图片,并确定检测到的理赔请求对应的理赔图片与筛选出的理赔图片为第一理赔图片;响应于检测到的用于指示理赔类型为理赔类型C的理赔图片,从而从预设数据仓库中存储的理赔图片中筛选出理赔类型为理赔类型C的理赔图片,并确定检测到的理赔请求对应的理赔图片与筛选出的理赔图片为第一理赔图片;当然也不限于此。
示例性的,通过响应于检测到的理赔请求,根据理赔请求携带的理赔图片判断条件,对预设数据仓库中存储的理赔图片进行筛选,得到第一理赔图片,有利于减少理赔图片的数量,提高后续相似理赔图片的判断效率的同时,提高理赔图片的检测的实时性,有利于及时发现检测到的理赔请求对应的理赔图片是否存在骗保嫌疑。
可选的,在获取至少两个机构上传的第一理赔图片之后,还包括:将第一理赔图片导入预设存储系统。
示例性的,理赔图片的元数据信息还包括图片标识信息。在一些实施例中,在确定第一理赔图片之后,将第一理赔图片的图片标识信息发送给预设存储系统,以指示预设存储系统从预设数据仓库中获取第一理赔图片。举例而言,预设存储系统例如为对象存储系统(Object-Based Storage System,OBS系统),将第一理赔图片导入OBS系统后,后续对第一理赔图片的读写操作可以直接访问OBS系统,从而避免频繁访问预设数据仓库造成对预设数据仓库的不利影响,有利于维持预设数据仓库的存储稳定性与安全性。
步骤S102、根据第一理赔图片各自对应的图像特征,确定第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片。
举例而言,在得到第一理赔图片之后,可以通过确定第一理赔图片之间的相似度,例如利用图像特征算法模型提取第一理赔图片各自对应的的图像特征,根据第一理赔图片各自对应的图像特征,确定第一理赔图片之间的相似度,通过确定相似度大于或等于预设相似度阈值的第二理赔图片,减少理赔图片的数量。
示例性的,图像特征包括哈希特征值。可选的,根据第一理赔图片各自对应的图像特征,确定第一理赔图片之间的相似度,包括:确定第一理赔图片各自对应的哈希特征值之间的相似度;根据第一理赔图片各自对应的哈希特征值之间的相似度,确定第一理赔图片之间的相似度。
在一些实施例中,获取第一理赔图片各自对应的哈希特征值,根据第一理赔图片各自对应的哈希特征值之间的相似度,确定第一理赔图片之间的相似度。举例而言,可以根据哈希算法获取第一理赔图片各自对应的哈希特征值,例如获取各第一理赔图片的低频部分,根据各第一理赔图片的低频部分,获取各第一理赔图片各自对应的哈希特征值。举例而言,识别第一理赔图片各自对应的哈希特征值之间的相似度,例如,第一理赔图片各自对应的哈希特征值之间的相似度可以根据各个哈希特征值包括的哈希值之间的汉明距离确定。示例性的,在确定第一理赔图片各自对应的哈希特征值之后,可以存储第一理赔图片各自对应的哈希特征值至预设存储系统中。
可选的,通过第一理赔图片各自对应的图像特征,确定第一理赔图片之间的相似度,相当于对第一理赔图片之间的相似度进行初次判断,从而通过确定相似度大于或等于预设相似度阈值的第二理赔图片,减少理赔图片的数量。
步骤S103、基于预设的图片类型判断规则,判断各第二理赔图片是否属于预设图片类型。
举例而言,预设图片类型例如为不足以判断为存在骗保嫌疑的第二理赔图片。
可选的,根据各第二理赔图片对应的颜色直方图、各第二理赔图片对应的哈希特征值、各第二理赔图片的图片尺寸或者各第二理赔图片中存在的文字,确定各第二理赔图片是否属于预设图片类型。
在一些实施例中,不同机构、不同理赔类型、不同上传时间或者不同图片所属栏的第二理赔图片,确定各第二理赔图片是否属于预设图片类型的条件可能不一样,相关人员可以根据实际需求,对确定各第二理赔图片是否属于预设图片类型的条件进行设置,例如设置确定各第二理赔图片是否属于预设图片类型的条件为各第二理赔图片对应的颜色直方图、各第二理赔图片对应的哈希特征值、各第二理赔图片的图片尺寸、各第二理赔图片中存在的文字中的至少一种,在此不做限制。
示例性的,根据第二理赔图片对应的颜色直方图中存在预设颜色,且预设颜色对应的像素数量与总像素数量之间的比例大于或等于第一预设比例阈值,确定第二理赔图片属于预设图片类型。
举例而言,第二理赔图片对应的颜色直方图可以用于确定不同的颜色在第二理赔图片中所占的比例。例如,若第二理赔图片对应的颜色直方图中存在预设颜色,且预设颜色对应的像素数量与总像素数量之间的比例大于或等于第一预设比例阈值,第一预设比例阈值例如为95%,则该第二理赔图片大部分为同一颜色,不足以因为第二理赔图片的大部分颜色相同,判定该第二理赔图片存在骗保嫌疑,因此,确定该第二理赔图片属于预设图片类型;当然第一预设比例阈值也不限于此,第一预设比例阈值可以是预先设置的,也可以是相关人员自行设置的,在此不做限制。
示例性的,根据第二理赔图片对应的哈希特征值中存在预设哈希值,且预设哈希值在哈希特征值中的占比大于或等于第二预设比例阈值,确定第二理赔图片属于预设图片类型。
举例而言,第二理赔图片对应的哈希特征值例如为十六进制的哈希字符串,预设哈希值例如为f,若该预设哈希值在哈希字符串中的占比大于或等于第二预设比例阈值,第二预设比例阈值例如为90%,则该第二理赔图片大部分为同一颜色,不足以因为第二理赔图片的大部分颜色相同,判定该第二理赔图片存在骗保嫌疑,因此,确定该第二理赔图片属于预设图片类型;当然第二预设比例阈值也不限于此,第二预设比例阈值可以是预先设置的,也可以是相关人员自行设置的,在此不做限制。
示例性的,根据第二理赔图片的图片尺寸符合预设图片尺寸,确定第二理赔图片属于预设图片类型。
举例而言,第二理赔图片的图片尺寸例如为终端设备的屏幕尺寸,例如,第二理赔图片的图片尺寸与终端设备的屏幕尺寸相符,则该第二理赔图片属于终端设备的截屏图片,不足以因为第二理赔图片属于同一终端设备的截屏图片,判定该第二理赔图片存在骗保嫌疑,因此,确定该第二理赔图片属于预设图片类型。
示例性的,根据第二理赔图片中存在的文字与预设图片模板中的文字之间的重合比例大于或等于预设重合比例阈值,确定第二理赔图片属于预设图片类型。
举例而言,预设图片模板例如为证件照模板,其中,同一类型的证件照中存在相同的文字,且文字在证件照上的位置是固定的,例如第二理赔图片中存在的文字与预设图片模板中的文字之间的重合比例大于或等于预设重合比例阈值,预设重合比例阈值例如为90%,则当第二理赔图片中存在与预设图片模板中的文字完全相同的文字,且完全相同的文字的位置在第二理赔图片上的位置与在预设图片模板上的位置相同时,可以确定该第二理赔图片为同一类型的证件照,不足以因为该第二理赔图片属于同一类型的证件照,判定该第二理赔图片存在骗保嫌疑,因此,确定该第二理赔图片属于预设图片类型;当然预设重合比例阈值也不限于此,可以是预先设置的,也可以是相关人员自行设置的,在此不做限制。
步骤S104、若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片。
举例而言,在确定相似度大于或等于预设相似度阈值的第二理赔图片之间,若第二理赔图片对应的图片类型属于预设图片类型,则不足以判定该第二理赔图片存在骗保嫌疑,因此需要过滤掉该第二理赔图片,以减少理赔图片的数量。
步骤S105、若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑。
举例而言,在确定相似度大于或等于预设相似度阈值的第二理赔图片之间,若第二理赔图片对应的图片类型不属于预设图片类型,则可以确定该第二理赔图片存在骗保嫌疑,相关人员需要着重检查该第二理赔图片是否为用于骗保的理赔图片,以减少理赔图片的数量,降低人工判断相似理赔图片的难度。
可选的,在若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片为存在骗保嫌疑之后,还包括:根据存在骗保嫌疑的第二理赔图片,输出检测报告,检测报告用于指示存在骗保嫌疑的第二理赔图片之间的关联关系。
举例而言,确定相似度大于或等于预设相似度阈值的第二理赔图片,则可以根据存在骗保嫌疑的第二理赔图片之间的相似度确定存在骗保嫌疑的第二理赔图片之间的关联关系,从而输出用于指示存在骗保嫌疑的第二理赔图片之间的关联关系的检测报告。
在一些实施例中,检测报告还可以用于指示存在关联关系,且存在骗保嫌疑的第二理赔图片的元数据信息,例如,第二理赔图片的元数据信息包括第二理赔图片对应的机构、理赔类型、上传时间、图片所属栏、图像特征、图像尺寸大小中的至少一种。举例而言,根据第二理赔图片的标识信息,从预设数据仓库中获取该第二理赔图片的对应的机构、理赔类型、上传时间、图片所属栏中的至少一种;从预设存储系统中获取该第二理赔图片对应的图像特征、图像尺寸大小中的至少一种,从而根据存在骗保嫌疑的第二理赔图片之间的关联关系将相应的第二理赔图片的元数据信息导入到预设关系数据库中,从而生成检测报告。示例性的,相关人员可以在终端设备查看检测报告时,可以对存在关联关系,且存在骗保嫌疑的第二理赔图片的元数据信息进行查看,并对该第二理赔图片是否实际用于骗保进行人工判断,有利于降低人工判断相似理赔图片的难度。
上述实施例提供的理赔图片的检测方法,通过获取至少两个机构上传的第一理赔图片;根据第一理赔图片各自对应的图像特征,确定第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片;基于预设的图片类型判断规则,判断各第二理赔图片是否属于预设图片类型;若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片;若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑,以减少理赔图片的数量,提高相似理赔图片的判断效率的同时,降低人工判断相似理赔图片的难度。
请参阅图3,图3是本申请实施例提供的一种理赔图片的检测装置的示意性框图,该理赔图片的检测装置可以配置于服务器或终端设备中,用于执行前述的理赔图片的检测方法。
如图3所示,该理赔图片的检测装置,包括:获取模块110、第一确定模块120、判断模块130、过滤模块140、第二确定模块150。
获取模块110,用于获取至少两个机构上传的第一理赔图片。
第一确定模块120,用于根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片。
判断模块130,用于基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型。
过滤模块140,用于若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片。
第二确定模块150,用于若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑。
示例性的,获取模块110包括第一获取子模块。
第一获取子模块,用于从预设数据仓库中基于预设理赔图片判断条件获取所述第一理赔图片。
示例性的,获取模块110包括:第二获取子模块。
第二获取子模块,用于响应于检测到的理赔请求,根据所述理赔请求携带的理赔图片判断条件,对预设数据仓库中存储的理赔图片进行筛选,得到第一理赔图片。
示例性的,第一确定模块120包括第一确定子模块和第二确定子模块。
第一确定子模块,用于确定所述第一理赔图片各自对应的哈希特征值之间的相似度。
第二确定子模块,用于根据所述第一理赔图片各自对应的哈希特征值之间的相似度,确定所述第一理赔图片之间的相似度。
示例性的,判断模块130包括第三确定子模块。
第三确定子模块,用于根据各所述第二理赔图片对应的颜色直方图、各所述第二理赔图片对应的哈希特征值、各所述第二理赔图片的图片尺寸或者各所述第二理赔图片中存在的文字,确定各所述第二理赔图片是否属于预设图片类型。
示例性的,第三确定子模块包括第四确定子模块、第五确定子模块和第六确定子模块、第七确定子模块。
第四确定子模块,用于根据第二理赔图片对应的颜色直方图中存在预设颜色,且所述预设颜色对应的像素数量与总像素数量之间的比例大于或等于第一预设比例阈值,确定第二理赔图片属于预设图片类型。
第五确定子模块,用于根据第二理赔图片对应的哈希特征值中存在预设哈希值,且预设哈希值在所述哈希特征值中的占比大于或等于预设比例阈值,确定第二理赔图片属于预设图片类型。
第六确定子模块,用于根据第二理赔图片的图片尺寸符合预设图片尺寸,确定第二赔图片属于预设图片类型。
第七确定子模块,用于根据第二理赔图片中存在的文字与预设图片模板中的文字之间的重合比例大于或等于预设重合比例阈值,确定第二理赔图片属于预设图片类型。
示例性的,检测装置还包括输出子模块。
输出子模块,用于根据存在骗保嫌疑的第二理赔图片,输出检测报告,所述检测报告用于指示存在骗保嫌疑的第二理赔图片之间的关联关系。
要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和各模块、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。
本申请的方法,可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
示例性的,上述的方法、装置可以实现为一种计算机程序的形式,该计算机程序可以在计算机设备上运行。
请参阅图4,图4是本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器或终端设备。
如图4所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括存储介质和内存储器。
存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种理赔图片的检测方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种理赔图片的检测方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
应当理解的是,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器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)或者其他可变成逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,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。
其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
获取至少两个机构上传的第一理赔图片;
根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片;
基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型;
若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片;
若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑。
在一个实施例中,所述处理器在实现所述获取至少两个机构上传的第一理赔图片时,用于实现:
从预设数据仓库中基于预设理赔图片判断条件获取所述第一理赔图片。
在一个实施例中,所述处理器在实现所述获取至少两个机构上传的第一理赔图片时,用于实现:
响应于检测到的理赔请求,根据所述理赔请求携带的理赔图片判断条件,对预设数据仓库中存储的理赔图片进行筛选,得到第一理赔图片。
在一个实施例中,所述图像特征包括哈希特征值,所述处理器在实现所述根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度时,用于实现:
确定所述第一理赔图片各自对应的哈希特征值之间的相似度;
根据所述第一理赔图片各自对应的哈希特征值之间的相似度,确定所述第一理赔图片之间的相似度。
在一个实施例中,所述处理器在实现所述所述基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型时,用于实现:
根据各所述第二理赔图片对应的颜色直方图、各所述第二理赔图片对应的哈希特征值、各所述第二理赔图片的图片尺寸或者各所述第二理赔图片中存在的文字,确定各所述第二理赔图片是否属于预设图片类型。
在一个实施例中,所述处理器在实现所述根据各所述第二理赔图片对应的哈希特征值、各所述第二理赔图片的图片尺寸或者各所述第二理赔图片中存在的文字,确定各所述第二理赔图片是否属于预设图片类型时,用于实现:
根据第二理赔图片对应的颜色直方图中存在预设颜色,且所述预设颜色对应的像素数量与总像素数量之间的比例大于或等于第一预设比例阈值,确定第二理赔图片属于预设图片类型;和/或,
根据第二理赔图片对应的哈希特征值中存在预设哈希值,且预设哈希值在所述哈希特征值中的占比大于或等于预设比例阈值,确定第二理赔图片属于预设图片类型;和/或,
根据第二理赔图片的图片尺寸符合预设图片尺寸,确定第二赔图片属于预设图片类型;和/或,
根据第二理赔图片中存在的文字与预设图片模板中的文字之间的重合比例大于或等于预设重合比例阈值,确定第二理赔图片属于预设图片类型。
在一个实施例中,所述处理器在实现在若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片为存在骗保嫌疑之后,用于实现:
根据存在骗保嫌疑的第二理赔图片,输出检测报告,所述检测报告用于指示存在骗保嫌疑的第二理赔图片之间的关联关系。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述理赔图片的检测的具体工作过程,可以参考前述理赔图片的检测方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序中包括程序指令,程序指令被执行时所实现的方法可参照本申请理赔图片的检测方法的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种理赔图片的检测方法,其特征在于,包括:
获取至少两个机构上传的第一理赔图片;
根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片;
基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型;
若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片;
若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑。
2.根据权利要求1所述的检测方法,其特征在于,所述获取至少两个机构上传的第一理赔图片,包括:
从预设数据仓库中基于预设理赔图片判断条件获取所述第一理赔图片。
3.根据权利要求1所述的检测方法,其特征在于,所述获取至少两个机构上传的第一理赔图片,包括:
响应于检测到的理赔请求,根据所述理赔请求携带的理赔图片判断条件,对预设数据仓库中存储的理赔图片进行筛选,得到第一理赔图片。
4.根据权利要求1至3中任一项所述的检测方法,其特征在于,所述图像特征包括哈希特征值;
所述根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,包括:
确定所述第一理赔图片各自对应的哈希特征值之间的相似度;
根据所述第一理赔图片各自对应的哈希特征值之间的相似度,确定所述第一理赔图片之间的相似度。
5.根据权利要求1至3中任一项所述的检测方法,其特征在于,所述基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型,包括:
根据各所述第二理赔图片对应的颜色直方图、所述第二理赔图片对应的哈希特征值、各所述第二理赔图片的图片尺寸或者各所述第二理赔图片中存在的文字,确定各所述第二理赔图片是否属于预设图片类型。
6.根据权利要求5所述的检测方法,其特征在于,所述根据各所述第二理赔图片对应的哈希特征值、各所述第二理赔图片的图片尺寸或者各所述第二理赔图片中存在的文字,确定各所述第二理赔图片是否属于预设图片类型,包括:
根据第二理赔图片对应的颜色直方图中存在预设颜色,且所述预设颜色对应的像素数量与总像素数量之间的比例大于或等于第一预设比例阈值,确定第二理赔图片属于预设图片类型;和/或,
根据第二理赔图片对应的哈希特征值中存在预设哈希值,且预设哈希值在所述哈希特征值中的占比大于或等于第二预设比例阈值,确定第二理赔图片属于预设图片类型;和/或,
根据第二理赔图片的图片尺寸符合预设图片尺寸,确定第二赔图片属于预设图片类型;和/或,
根据第二理赔图片中存在的文字与预设图片模板中的文字之间的重合比例大于或等于预设重合比例阈值,确定第二理赔图片属于预设图片类型。
7.根据权利要求1至3中任一项所述的检测方法,其特征在于,在若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片为存在骗保嫌疑之后,还包括:
根据存在骗保嫌疑的第二理赔图片,输出检测报告,所述检测报告用于指示存在骗保嫌疑的第二理赔图片之间的关联关系。
8.一种理赔图片的检测装置,其特征在于,所述检测装置包括:
获取模块,用于获取至少两个机构上传的第一理赔图片;
第一确定模块,用于根据所述第一理赔图片各自对应的图像特征,确定所述第一理赔图片之间的相似度,确定相似度大于或等于预设相似度阈值的第二理赔图片;
判断模块,用于基于预设的图片类型判断规则,判断各所述第二理赔图片是否属于预设图片类型;
过滤模块,用于若存在第二理赔图片对应的图片类型属于预设图片类型,过滤掉该第二理赔图片;
第二确定模块,用于若存在第二理赔图片对应的图片类型不属于预设图片类型,确定该第二理赔图片存在骗保嫌疑。
9.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器;
所述存储器,用于存储计算机程序;
所述处理器,用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7中任一项所述的理赔图片的检测方法。
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中任一项所述的理赔图片的检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211164090.9A CN115511645A (zh) | 2022-09-23 | 2022-09-23 | 理赔图片的检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211164090.9A CN115511645A (zh) | 2022-09-23 | 2022-09-23 | 理赔图片的检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115511645A true CN115511645A (zh) | 2022-12-23 |
Family
ID=84505078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211164090.9A Pending CN115511645A (zh) | 2022-09-23 | 2022-09-23 | 理赔图片的检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115511645A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226430A (zh) * | 2023-05-08 | 2023-06-06 | 深圳市拓保软件有限公司 | 一种增量式高精度图像过滤方法及系统 |
-
2022
- 2022-09-23 CN CN202211164090.9A patent/CN115511645A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116226430A (zh) * | 2023-05-08 | 2023-06-06 | 深圳市拓保软件有限公司 | 一种增量式高精度图像过滤方法及系统 |
CN116226430B (zh) * | 2023-05-08 | 2023-07-07 | 深圳市拓保软件有限公司 | 一种增量式高精度图像过滤方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2017389535A1 (en) | Image tampering detection method and system, electronic apparatus and storage medium | |
WO2022134584A1 (zh) | 房产图片验证方法、装置、计算机设备及存储介质 | |
CN107886414B (zh) | 一种订单合并方法和设备以及计算机存储介质 | |
CN108491866B (zh) | 色情图片鉴定方法、电子装置及可读存储介质 | |
CN110941978B (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN110288755A (zh) | 基于文本识别的发票检验方法、服务器及存储介质 | |
CN114693192A (zh) | 风控决策方法、装置、计算机设备和存储介质 | |
CN114550051A (zh) | 一种车损检测方法、装置、计算机设备及存储介质 | |
CN115511645A (zh) | 理赔图片的检测方法、装置、设备及存储介质 | |
CN112036488A (zh) | 基于图像识别的事件识别方法、装置、设备及存储介质 | |
CN108648189A (zh) | 图像模糊检测方法、装置、计算设备及可读存储介质 | |
CN113391867B (zh) | 基于数字化和可视化的大数据业务处理方法及业务服务器 | |
CN113902574A (zh) | 协议数据处理方法、装置、计算机设备及存储介质 | |
CN111368128B (zh) | 目标图片的识别方法、装置和计算机可读存储介质 | |
CN112990583A (zh) | 一种数据预测模型的入模特征确定方法及设备 | |
CN112632249A (zh) | 产品不同版本信息的展示方法、装置、计算机设备及介质 | |
CN109857748B (zh) | 一种合同数据处理方法、装置及电子设备 | |
CN113888760B (zh) | 基于软件应用的违规信息监控方法、装置、设备及介质 | |
CN111797922B (zh) | 文本图像分类方法及装置 | |
CN114461833A (zh) | 图片取证方法、装置、计算机设备及存储介质 | |
CN110853115B (zh) | 一种开发流程页面的创建方法及设备 | |
CN112381458A (zh) | 项目评审方法、项目评审装置、设备及存储介质 | |
CN111770080A (zh) | 一种设备指纹的恢复方法及装置 | |
CN111309993A (zh) | 企业资产数据画像的生成方法及系统 | |
CN112287186B (zh) | 一种用于城市管理的智能分类方法及其系统 |
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 |