CN116092160A - 医保身份认证方法、装置、计算机设备及存储介质 - Google Patents

医保身份认证方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN116092160A
CN116092160A CN202310074967.3A CN202310074967A CN116092160A CN 116092160 A CN116092160 A CN 116092160A CN 202310074967 A CN202310074967 A CN 202310074967A CN 116092160 A CN116092160 A CN 116092160A
Authority
CN
China
Prior art keywords
medical insurance
face
identity authentication
node
clustering result
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
CN202310074967.3A
Other languages
English (en)
Inventor
刘伟华
左勇
李林
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.)
Athena Eyes Co Ltd
Original Assignee
Athena Eyes 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 Athena Eyes Co Ltd filed Critical Athena Eyes Co Ltd
Priority to CN202310074967.3A priority Critical patent/CN116092160A/zh
Publication of CN116092160A publication Critical patent/CN116092160A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明公开了一种医保身份认证方法、装置、设备及介质，包括：获取用户使用医保时的视频数据；基于视频数据进行人脸聚类，得到人脸聚类结果；采用人脸聚类结果构建知识图谱；在检测到用户进行医保身份认证时，基于知识图谱对用户进行取证认证，得到认证结果。提高了医保身份认证的准确性。

Description

医保身份认证方法、装置、计算机设备及存储介质
技术领域
本发明涉及数据处理领域，尤其涉及一种医保身份认证方法、装置、计算机设备及存储介质。
背景技术
医保属于全民社会福利，在人生病时，由国家出钱为病人减轻生活负担。但目前存在着冒用医保身份等骗保行为。为了预防骗保行为的发生，现有方式往往通过账号密码或者其他防伪方式，但在这些信息泄露时，容易导致医保身份认证出现错误。
发明内容
本发明实施例提供一种医保身份认证方法、装置、计算机设备和存储介质，以提高医保身份认证的准确率。
为了解决上述技术问题，本申请实施例提供一种医保身份认证方法，所述医保身份认证方法包括：
获取用户使用医保时的视频数据；
基于所述视频数据进行人脸聚类，得到人脸聚类结果；
采用所述人脸聚类结果构建知识图谱；
在检测到用户进行医保身份认证时，基于所述知识图谱对所述用户进行取证认证，得到认证结果。
可选地，所述基于所述视频数据进行人脸聚类，得到人脸聚类结果包括：
对所有视频数据进行数据预处理，得到包含人脸的基础图像；
针对每个所述基础图像，采用主干网络提取所述基础图像的人脸特征；
基于信息图的方式对所述人脸特征进行聚类，以使同一用户的所有基础图像聚集到一类，得到所述人脸聚类结果。
可选地，所述数据预处理包括抽帧处理、人脸检测、人脸对齐和人脸裁剪中的至少一项。
可选地，所述基于信息图的方式对所述人脸特征进行聚类，以使同一用户的所有基础图像聚集到一类，得到所述人脸聚类结果包括：
将每个所述人脸特征作为一个节点，每个节点属于一个类别，构建初始分类图，所述初始分类图中任意两个节点节点a和节点b相连得到的边，为节点a和节点b的相似度；
随机选取一个节点作为初始节点，采用随机游走的方式，生成节点序列；
计算所述节点序列的编码长度，并对随机方向进行优化，以使编码长度最优，得到所述人脸聚类结果。
可选地，所述计算所述节点序列的编码长度，并对随机方向进行优化，以使编码长度最优，得到所述人脸聚类结果包括：
记p(a)为节点a出现的概率，q(i)为类别i出现的概率，则∑qi+∑pi＝1,其中，∑pi表示所有节点，在随机游走序列中出现的概率和，第一个∑qi表示所有类别，在随机游走序列中出现的概率和；
采用如下公式计算类别的平均长度：
其中，H(q)为类别平均长度；
采用如下公式计算每个类别内的平均编码长度：
其中，H(pa)为平均编码长度；
根据类别编码长度和节点编码长度，采用如下公式得到总的编码长度：
其中，H为总的编码长度；
对总的长度H进行优化，得到所述人脸聚类结果。
可选地，采用所述人脸聚类结果构建知识图谱包括：
获取每个基础图像对应的基础信息和用户标识，所述基础信息包括拍摄地点、拍摄时间中的至少一项；
将每个基础图像、所述基础图像对应的用户标识、所述基础图像对应的基础信息作为知识图谱中的一个节点；
结合所述人脸聚类结果，构建各个节点之间的连接关系，得到所述知识图谱。
为了解决上述技术问题，本申请实施例还提供一种医保身份认证装置，包括：
视频数据获取模块，用于获取用户使用医保时的视频数据；
视频数据聚类模块，用于基于所述视频数据进行人脸聚类，得到人脸聚类结果；
知识图谱构建模块，用于采用所述人脸聚类结果构建知识图谱；
医保身份认证模块，用于在检测到用户进行医保身份认证时，基于所述知识图谱对所述用户进行取证认证，得到认证结果。
可选地，所述视频数据聚类模块包括：
数据预处理子模块，用于对所有视频数据进行数据预处理，得到包含人脸的基础图像；
人脸特征提取子模块，用于针对每个所述基础图像，采用主干网络提取所述基础图像的人脸特征；
人脸聚类子模块，用于基于信息图的方式对所述人脸特征进行聚类，以使同一用户的所有基础图像聚集到一类，得到所述人脸聚类结果。
可选地，所述人脸聚类子模块包括：
分类图构建单元，用于将每个所述人脸特征作为一个节点，每个节点属于一个类别，构建初始分类图，所述初始分类图中任意两个节点节点a和节点b相连得到的边，为节点a和节点b的相似度；
节点序列生成单元，用于随机选取一个节点作为初始节点，采用随机游走的方式，生成节点序列；
编码优化单元，用于计算所述节点序列的编码长度，并对随机方向进行优化，以使编码长度最优，得到所述人脸聚类结果。
可选地，所述编码优化单元包括：
概率获取子单元，用于记p(a)为节点a出现的概率，q(i)为类别i出现的概率，则∑qi+∑pi＝1,其中，∑pi表示所有节点，在随机游走序列中出现的概率和，第一个∑qi表示所有类别，在随机游走序列中出现的概率和；
平均长度计算子单元，用于采用如下公式计算类别的平均长度：
其中，H(q)为类别平均长度；
平均编码计算子单元，用于采用如下公式计算每个类别内的平均编码长度：
其中，H(pa)为平均编码长度；
总的编码计算子单元，用于根据类别编码长度和节点编码长度，采用如下公式得到总的编码长度：
其中，H为总的编码长度；
总的编码优化子单元，用于对总的编码长度H进行优化，得到所述人脸聚类结果。
可选地，所述知识图谱构建模块包括：
信息获取单元，用于获取每个基础图像对应的基础信息和用户标识，所述基础信息包括拍摄地点、拍摄时间中的至少一项；
节点确定单元，用于将每个基础图像、所述基础图像对应的用户标识、所述基础图像对应的基础信息作为知识图谱中的一个节点；
图谱构建单元，用于结合所述人脸聚类结果，构建各个节点之间的连接关系，得到所述知识图谱。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述医保身份认证方法的步骤。
为了解决上述技术问题，本申请实施例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医保身份认证方法的步骤。
本发明实施例提供的医保身份认证方法、装置、计算机设备及存储介质，获取用户使用医保时的视频数据；基于视频数据进行人脸聚类，得到人脸聚类结果；采用人脸聚类结果构建知识图谱；在检测到用户进行医保身份认证时，基于知识图谱对用户进行取证认证，得到认证结果。提高了医保身份认证的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图；
图2是本申请的医保身份认证方法的一个实施例的流程图；
图3是根据本申请的医保身份认证装置的一个实施例的结构示意图；
图4是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
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申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture E界面显示perts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureE界面显示perts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的医保身份认证方法由服务器执行，相应地，医保身份认证装置设置于服务器中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器，本申请实施例中的终端设备101、102、103具体可以对应的是实际生产中的应用系统。
请参阅图2，图2示出本发明实施例提供的一种医保身份认证方法，以该方法应用在图1中的服务端为例进行说明，详述如下：
S201：获取用户使用医保时的视频数据。
S202：基于视频数据进行人脸聚类，得到人脸聚类结果。
可选地，基于视频数据进行人脸聚类，得到人脸聚类结果包括：
对所有视频数据进行数据预处理，得到包含人脸的基础图像；
针对每个基础图像，采用主干网络提取基础图像的人脸特征；
基于信息图的方式对人脸特征进行聚类，以使同一用户的所有基础图像聚集到一类，得到人脸聚类结果。
进一步地，数据预处理包括抽帧处理、人脸检测、人脸对齐和人脸裁剪中的至少一项。
可选地，基于信息图的方式对人脸特征进行聚类，以使同一用户的所有基础图像聚集到一类，得到人脸聚类结果包括：
将每个人脸特征作为一个节点，每个节点属于一个类别，构建初始分类图，初始分类图中任意两个节点节点a和节点b相连得到的边，为节点a和节点b的相似度；
随机选取一个节点作为初始节点，采用随机游走的方式，生成节点序列；
计算节点序列的编码长度，并对随机方向进行优化，以使编码长度最优，得到人脸聚类结果。
其中，层次编码是一种信息编码方式，目的是使用尽可能少的字符，表示尽可能多的信息。普通编码，对不同的物品，使用不同的编码，所有物品的编码都不相同。层次编码，首先将物品进行分类，不同类别间，编码可以重复，但类别编码会插入在每个类别的第一个物品前，如此一来，编码能重复利用，减少了使用的编码数量，同时能减少信息的编码长度。本实施例中，采用层级编码的方式进行编码，实现快速分类，提高效率。
在一具体可选实施方式中，计算节点序列的编码长度，并对随机方向进行优化，以使编码长度最优，得到人脸聚类结果包括：
记p(a)为节点a出现的概率，q(i)为类别i出现的概率，则∑qi+∑pi＝1,其中，∑pi表示所有节点，在随机游走序列中出现的概率和，第一个∑qi表示所有类别，在随机游走序列中出现的概率和；
采用如下公式计算类别的平均长度：
其中，H(q)为类别平均长度；
采用如下公式计算每个类别内的平均编码长度：
其中，H(pa)为平均编码长度；
根据类别编码长度和节点编码长度，采用如下公式得到总的编码长度：
其中，H为总的编码长度；
对总的长度H进行优化，得到人脸聚类结果。
S203：采用人脸聚类结果构建知识图谱。
可选地，采用人脸聚类结果构建知识图谱包括：
获取每个基础图像对应的基础信息和用户标识，基础信息包括拍摄地点、拍摄时间中的至少一项；
将每个基础图像、基础图像对应的用户标识、基础图像对应的基础信息作为知识图谱中的一个节点；
结合人脸聚类结果，构建各个节点之间的连接关系，得到知识图谱。
S204：在检测到用户进行医保身份认证时，基于知识图谱对用户进行取证认证，得到认证结果。
本实施例中，获取用户使用医保时的视频数据；基于视频数据进行人脸聚类，得到人脸聚类结果；采用人脸聚类结果构建知识图谱；在检测到用户进行医保身份认证时，基于知识图谱对用户进行取证认证，得到认证结果。提高了医保身份认证的准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图3示出与上述实施例医保身份认证方法一一对应的医保身份认证装置的原理框图。如图3所示，该医保身份认证装置包括视频数据获取模块31、视频数据聚类模块32、知识图谱构建模块33和医保身份认证模块34。各功能模块详细说明如下：
视频数据获取模块31，用于获取用户使用医保时的视频数据；
视频数据聚类模块32，用于基于视频数据进行人脸聚类，得到人脸聚类结果；
知识图谱构建模块33，用于采用人脸聚类结果构建知识图谱；
医保身份认证模块34，用于在检测到用户进行医保身份认证时，基于知识图谱对用户进行取证认证，得到认证结果。
可选地，视频数据聚类模块32包括：
数据预处理子模块，用于对所有视频数据进行数据预处理，得到包含人脸的基础图像；
人脸特征提取子模块，用于针对每个基础图像，采用主干网络提取基础图像的人脸特征；
人脸聚类子模块，用于基于信息图的方式对人脸特征进行聚类，以使同一用户的所有基础图像聚集到一类，得到人脸聚类结果。
可选地，人脸聚类子模块包括：
分类图构建单元，用于将每个人脸特征作为一个节点，每个节点属于一个类别，构建初始分类图，初始分类图中任意两个节点节点a和节点b相连得到的边，为节点a和节点b的相似度；
节点序列生成单元，用于随机选取一个节点作为初始节点，采用随机游走的方式，生成节点序列；
编码优化单元，用于计算节点序列的编码长度，并对随机方向进行优化，以使编码长度最优，得到人脸聚类结果。
可选地，编码优化单元包括：
概率获取子单元，用于记p(a)为节点a出现的概率，q(i)为类别i出现的概率，则∑qi+∑pi＝1,其中，∑pi表示所有节点，在随机游走序列中出现的概率和，第一个∑qi表示所有类别，在随机游走序列中出现的概率和；
平均长度计算子单元，用于采用如下公式计算类别的平均长度：
其中，H(q)为类别平均长度；
平均编码计算子单元，用于采用如下公式计算每个类别内的平均编码长度：
其中，H(pa)为平均编码长度；
总的编码计算子单元，用于根据类别编码长度和节点编码长度，采用如下公式得到总的编码长度：
其中，H为总的编码长度；
总的编码优化子单元，用于对总的编码长度H进行优化，得到人脸聚类结果。
可选地，知识图谱构建模块33包括：
信息获取单元，用于获取每个基础图像对应的基础信息和用户标识，基础信息包括拍摄地点、拍摄时间中的至少一项；
节点确定单元，用于将每个基础图像、基础图像对应的用户标识、基础图像对应的基础信息作为知识图谱中的一个节点；
图谱构建单元，用于结合人脸聚类结果，构建各个节点之间的连接关系，得到知识图谱。
关于医保身份认证装置的具体限定可以参见上文中对于医保身份认证方法的限定，在此不再赘述。上述医保身份认证装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图4，图4为本实施例计算机设备基本结构框图。
所述计算机设备4包括通过系统总线相互通信连接存储器41、处理器42、网络接口43。需要指出的是，图中仅示出了具有组件连接存储器41、处理器42、网络接口43的计算机设备4，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，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)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器41至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或D界面显示存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器41可以是所述计算机设备4的内部存储单元，例如该计算机设备4的硬盘或内存。在另一些实施例中，所述存储器41也可以是所述计算机设备4的外部存储设备，例如该计算机设备4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，所述存储器41还可以既包括所述计算机设备4的内部存储单元也包括其外部存储设备。本实施例中，所述存储器41通常用于存储安装于所述计算机设备4的操作系统和各类应用软件，例如电子文件的控制的程序代码等。此外，所述存储器41还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器42在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器42通常用于控制所述计算机设备4的总体操作。本实施例中，所述处理器42用于运行所述存储器41中存储的程序代码或者处理数据，例如运行电子文件的控制的程序代码。
所述网络接口43可包括无线网络接口或有线网络接口，该网络接口43通常用于在所述计算机设备4与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有界面显示程序，所述界面显示程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的医保身份认证方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种医保身份认证方法，其特征在于，所述医保身份认证方法包括：
获取用户使用医保时的视频数据；
基于所述视频数据进行人脸聚类，得到人脸聚类结果；
采用所述人脸聚类结果构建知识图谱；
在检测到用户进行医保身份认证时，基于所述知识图谱对所述用户进行取证认证，得到认证结果。
2.如权利要求1所述的医保身份认证方法，其特征在于，所述基于所述视频数据进行人脸聚类，得到人脸聚类结果包括：
对所有视频数据进行数据预处理，得到包含人脸的基础图像；
针对每个所述基础图像，采用主干网络提取所述基础图像的人脸特征；
基于信息图的方式对所述人脸特征进行聚类，以使同一用户的所有基础图像聚集到一类，得到所述人脸聚类结果。
3.如权利要求2所述的医保身份认证方法，其特征在于，所述数据预处理包括抽帧处理、人脸检测、人脸对齐和人脸裁剪中的至少一项。
4.如权利要求2所述的医保身份认证方法，其特征在于，所述基于信息图的方式对所述人脸特征进行聚类，以使同一用户的所有基础图像聚集到一类，得到所述人脸聚类结果包括：
将每个所述人脸特征作为一个节点，每个节点属于一个类别，构建初始分类图，所述初始分类图中任意两个节点节点a和节点b相连得到的边，为节点a和节点b的相似度；
随机选取一个节点作为初始节点，采用随机游走的方式，生成节点序列；
计算所述节点序列的编码长度，并对随机方向进行优化，以使编码长度最优，得到所述人脸聚类结果。
5.如权利要求4所述的医保身份认证方法，其特征在于，所述计算所述节点序列的编码长度，并对随机方向进行优化，以使编码长度最优，得到所述人脸聚类结果包括：
记p(a)为节点a出现的概率，q(i)为类别i出现的概率，则∑qi+∑pi＝1,其中，∑pi表示所有节点，在随机游走序列中出现的概率和，第一个∑qi表示所有类别，在随机游走序列中出现的概率和；
采用如下公式计算类别的平均长度：
Figure FDA0004065876100000021
其中，H(q)为类别平均长度；
采用如下公式计算每个类别内的平均编码长度：
Figure FDA0004065876100000022
其中，H(pa)为平均编码长度；
根据类别编码长度和节点编码长度，采用如下公式得到总的编码长度：
Figure FDA0004065876100000023
其中，H为总的编码长度；
对总的长度H进行优化，得到所述人脸聚类结果。
6.如权利要求2至5任一项所述的医保身份认证方法，其特征在于，采用所述人脸聚类结果构建知识图谱包括：
获取每个基础图像对应的基础信息和用户标识，所述基础信息包括拍摄地点、拍摄时间中的至少一项；
将每个基础图像、所述基础图像对应的用户标识、所述基础图像对应的基础信息作为知识图谱中的一个节点；
结合所述人脸聚类结果，构建各个节点之间的连接关系，得到所述知识图谱。
7.一种医保身份认证装置，其特征在于，所述医保身份认证装置包括：
视频数据获取模块，用于获取用户使用医保时的视频数据；
视频数据聚类模块，用于基于所述视频数据进行人脸聚类，得到人脸聚类结果；
知识图谱构建模块，用于采用所述人脸聚类结果构建知识图谱；
医保身份认证模块，用于在检测到用户进行医保身份认证时，基于所述知识图谱对所述用户进行取证认证，得到认证结果。
8.如权利要求7所述的医保身份认证方法，其特征在于，所述知识图谱构建模块包括：
信息获取单元，用于获取每个基础图像对应的基础信息和用户标识，所述基础信息包括拍摄地点、拍摄时间中的至少一项；
节点确定单元，用于将每个基础图像、所述基础图像对应的用户标识、所述基础图像对应的基础信息作为知识图谱中的一个节点；
图谱构建单元，用于结合所述人脸聚类结果，构建各个节点之间的连接关系，得到所述知识图谱。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的医保身份认证方法。
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6任一项所述的医保身份认证方法。
CN202310074967.3A 2023-01-18 2023-01-18 医保身份认证方法、装置、计算机设备及存储介质 Pending CN116092160A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310074967.3A CN116092160A (zh) 2023-01-18 2023-01-18 医保身份认证方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310074967.3A CN116092160A (zh) 2023-01-18 2023-01-18 医保身份认证方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN116092160A true CN116092160A (zh) 2023-05-09

Family

ID=86186668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310074967.3A Pending CN116092160A (zh) 2023-01-18 2023-01-18 医保身份认证方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN116092160A (zh)

Similar Documents

Publication Publication Date Title
CN112863683B (zh) 基于人工智能的病历质控方法、装置、计算机设备及存储介质
CN113220734A (zh) 课程推荐方法、装置、计算机设备及存储介质
CN110795714A (zh) 一种身份验证方法、装置、计算机设备及存储介质
CN112860662B (zh) 自动化生产数据血缘关系建立方法、装置、计算机设备及存储介质
CN112330331A (zh) 基于人脸识别的身份验证方法、装置、设备及存储介质
CN112181835A (zh) 自动化测试方法、装置、计算机设备及存储介质
CN112328657A (zh) 特征衍生方法、装置、计算机设备及介质
CN111639360A (zh) 智能数据脱敏方法、装置、计算机设备及存储介质
CN112507141B (zh) 调查任务生成方法、装置、计算机设备及存储介质
CN112396048B (zh) 图片信息提取方法、装置、计算机设备及存储介质
CN114022841A (zh) 人员监控识别方法、装置、电子设备及可读存储介质
CN116681045A (zh) 报表生成方法、装置、计算机设备及存储介质
CN115424335B (zh) 活体识别模型训练方法、活体识别方法及相关设备
CN111709851A (zh) 基于rfid及面部识别的酒店安全入住的方法、装置及设备
CN116383787A (zh) 页面创建方法、装置、计算机设备及存储介质
CN112395450B (zh) 图片文字检测方法、装置、计算机设备及存储介质
CN115378806A (zh) 流量分配方法、装置、计算机设备及存储介质
CN116092160A (zh) 医保身份认证方法、装置、计算机设备及存储介质
CN113988223A (zh) 证件图像识别方法、装置、计算机设备及存储介质
CN111353768A (zh) 一种图书借阅监管方法、装置、设备及存储介质
CN112084408A (zh) 名单数据筛选方法、装置、计算机设备及存储介质
CN115690920B (zh) 医疗身份认证的可信活体检测方法及相关设备
CN114333024B (zh) 基于对抗训练网络进行学生面部表情识别的方法、装置、设备及存储介质
CN110992067B (zh) 消息推送方法、装置、计算机设备及存储介质
CN117422523A (zh) 产品上线方法、装置、计算机设备及存储介质

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