JP6452186B2 - 複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体 - Google Patents

複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体 Download PDF

Info

Publication number
JP6452186B2
JP6452186B2 JP2018524765A JP2018524765A JP6452186B2 JP 6452186 B2 JP6452186 B2 JP 6452186B2 JP 2018524765 A JP2018524765 A JP 2018524765A JP 2018524765 A JP2018524765 A JP 2018524765A JP 6452186 B2 JP6452186 B2 JP 6452186B2
Authority
JP
Japan
Prior art keywords
photo
photos
group
vehicle
damage
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.)
Active
Application number
JP2018524765A
Other languages
English (en)
Other versions
JP2018537772A (ja
Inventor
健宗 王
健宗 王
虹杰 李
虹杰 李
京 肖
京 肖
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
Publication of JP2018537772A publication Critical patent/JP2018537772A/ja
Application granted granted Critical
Publication of JP6452186B2 publication Critical patent/JP6452186B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06V10/443—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 by matching or filtering
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • 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
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G06T2207/10012—Stereo images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Technology Law (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Image Analysis (AREA)

Description

本発明は、金融サービス技術分野に関するものであり、複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体に関するものである。
現在、車両保険業界において、車両損傷写真が改ざんされたかどうかを手動で検出する必要があるので、時間コストが高く、検出効率が低く、且つ精度が十分に確保できない。または、現在のＰＳ技術（ｐｈｏｔｏｓｈｏｐ）の不断の発展に伴って、多くの修正された写真は、肉眼によって検出することが難しく、特に複数の写真に直面し且つ改ざんされた領域が不明である場合、検出することが非常に困難である。
本発明は、上記したような従来の技術において、前記問題点を解決するためになされたものであり、保険賠償詐欺を自動的に識別することができる複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体を提供することにその目的がある。
複数の写真の一致性に基づく保険賠償詐欺防止方法は、
ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信するステップと、
解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類して、同じ車両の箇所の損害確認写真が同じ写真集合に分けられるステップと、
各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得するステップと、
各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされるステップと、
各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算し、且つ対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換するステップと、
検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングするステップと、
検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告するステップと、
を備える。
複数の写真の一致性に基づく保険賠償詐欺防止システムは、
ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信する写真受信モジュールと、
解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類して、同じ車両の箇所の損害確認写真を同じ写真集合に分ける分類モジュールと、
各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得するキーポイント検出モジュールと、
各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされ、各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算する再建モジュールと、
対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換し、検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングし、検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告する検証モジュールと、
を備える。
複数の写真の一致性に基づく保険賠償詐欺防止装置は、処理ユニットと、前記処理ユニットに接続される保険賠償詐欺防止システムと、入力／出力ユニットと、通信ユニットと、記憶ユニットと、を備える。
前記入力／出力ユニットは、ユーザー命令を入力し、且つ入力されたユーザー命令が保険賠償詐欺防止装置によって応答された応答データを出力することに用いられ、
前記通信ユニットは、一つまたは複数の予め設定された端末装置又はバックグラウンドサーバーに通信して接続されることに用いられ、
前記記憶ユニットは、保険賠償詐欺防止装置の実行データを格納することに用いられ、
前記処理ユニットは、保険賠償詐欺防止システムを呼出して実行することに用いられて、
ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信するステップと、
解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類して、同じ車両の箇所の損害確認写真を同じ写真集合に分ける分類されるステップと、
各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得するステップと、
各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされるステップと、
各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算し、且つ対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換するステップと、
検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングするステップと、
検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告するステップと、
を実行する。
コンピュータ読み取り可能な記録媒体は、一つまたは複数のプログラムが格納され、前記一つまたは複数のプログラムは、一つまたは複数の処理装置によって実行され、
ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信するステップと、
解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類して、同じ車両の箇所の損害確認写真を同じ写真集合に分けるステップと、
各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得するステップと、
各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされるステップと、
各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算し、且つ対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換するステップと、
検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングするステップと、
検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告するステップと、
が実行される。
本発明の複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体において、交通事故が発生した後修理工場で損害確認を行う場合、車両所有者及び／又は修理工場が複数の異なる撮影角度から車両の箇所の写真を撮る必要があり、複数の異なる撮影角度の写真を比較することによって空間変換をし、車両の箇所が一致するかどうかを判定し、車両所有者及び／又は修理工場が損害確認写真を改ざんすることによって損害程度を誇張するような保険賠償詐欺を防止することができる。
図１Ａ及び図１Ｂを含む図１は本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止方法の好ましい実施形態のフローチャートである。 本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止方法の好ましい実施形態の車両の各部分の写真を解析するための解析モデルのフローチャートである。 本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止装置の第一実施形態のハードウェア環境図である。 本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止装置の第二実施形態のハードウェア環境図である。 本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止システムの好ましい実施形態のブロック図である。
図１に示すように、本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止方法の好ましい実施形態のフローチャートである。本実施形態の複数の写真の一致性に基づく保険賠償詐欺防止方法はフローチャートに示したステップに限定されるものではなく、いくつかのステップを省略することができ、各ステップの順序を変更することができる。
ステップＳ１０：車両が事故を起こして修理工場で損害確認を行う場合、写真受信モジュール１０１は、車両所有者と修理工場のようなユーザーが端末装置を介してアップロードした損害確認写真を受信する。
ステップＳ１１：写真受信モジュール１０１は、アップロードされた各損害確認写真の撮影角度が同じであるかどうかを解析する。本実施形態において、写真における被写体の影を識別することによって写真の撮影角度を解析することができ、被写体の影の正面方向をレンズの方向として、レンズの方向と被写体の平面との角度を撮影角度とする。
撮影角度が同じである場合、ステップＳ１２を実行し、撮影角度が異なる場合、ステップＳ１３を実行する。
ステップＳ１２：写真受信モジュール１０１は、異なる角度から損害確認写真を採集し続ける注意情報を生成して送信する。例えば、前記注意情報は、この時のアップロードされた損害確認写真の中でＹ枚の撮影角度が同じである場合、他の角度からＹ−１枚の損害確認写真を採集し続けることができる。
ステップＳ１３：分類モジュール１０２は、解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類し、同じ車両の箇所の損害確認写真が同じ写真集合に分けられる。
ステップＳ１４：分類モジュール１０２は、いずれかの写真集合の損害確認写真の数量が予め設定された数量、例えば、３枚より小さいかどうかを判断する。写真集合の損害確認写真の数量が予め設定された数量未満である場合、ステップＳ１５を実行し、いずれかの写真集合の損害確認写真の数量が予め設定された数量以上である場合、ステップＳ１６を実行する。
ステップＳ１５：分類モジュール１０２は、異なる角度から写真集合に対応する車両の箇所の損害確認写真を採集し続けるようにという注意情報を生成して端末装置に送信する。前記注意情報は、この時の損害確認箇所Ｘの損害確認写真がＺ枚足りない場合、他の角度からＺ枚の損害確認箇所Ｘの損害確認写真を採集し続けることができる。
ステップＳ１６：キーポイント検出モジュール１０３は、各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得する。
本実施形態のキーポイント特徴検出方法（キーポイント検出はスケール不変特徴変換（Ｓｃａｌｅ-ＩｎｖａｒｉａｎｔＦｅａｔｕｒｅＴｒａｎｓｆｏｒｍ、ＳＩＦＴ）を採用することができる）において、前記ＳＩＦＴは、局部特徴説明記述子である。ＳＩＦＴキーポイント特徴は、図像の局部特徴であり、回転とスケールスケーリングと輝度変化に対して不変に維持し、視角変化とアニメーション変換（ａｎｉｍａｔｅｔｒａｎｓｆｏｒｍ）とノイズに対して一定程度の安定性を維持する。
ステップＳ１７：再建モジュール１０４は、各写真集合の損害確認写真に対して二枚毎に一つのグループに分ける。
ステップＳ１８：再建モジュール１０４は、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされる。
前記キーポイントマッチングアルゴリズムは、ＲＡＮＳＡＣ（ＲａｎｄｏｍＳａｍｐｌｅＣｏｎｓｅｎｓｕｓ）アルゴリズムであることができる。
本実施形態において、再建モジュール１０４は、各グループの損害確認写真について少なくとも一つの予め設定された数量（例えば、８個である）のキーポイントをそれぞれマッチングする。例えば、Ｂ１とＢ２のような二枚の写真が一つのグループに分けられる場合、Ｂ１とＢ２について少なくとも一つの予め設定された数量のキーポイントがそれぞれマッチングされ、Ｂ１のマッチングされたキーポイントとＢ２のマッチングされたキーポイントとは、関連して一つ一つ対応する。例えば、同じ領域に対応する複数のキーポイントの間は、関連して一つ一つ対応する。
ステップＳ１９：再建モジュール１０４は、各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を算出する。例えば、Ｂ１とＢ２のような二枚の写真の関連キーポイントに基づいて、写真Ｂ１から写真Ｂ２に変換した後の対応する特徴点変換行列を算出することによって、３次元再建（Ｓｔｅｒｅｏ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）を完成することができる。
前記特徴点変換行列は、基本行列（ＦｕｎｄａｍｅｎｔａｌＭａｔｒｉｘ）であっても良い。前記基本行列は、変換行列によって写真の特徴点を別の写真の特徴点に変換することに用いられる。
本実施形態において、前記線形方程式は、
とすることができる。
展開した後、以下の方程式を得る。
数学的な変換を経た後、特徴点変換行列Fを得ることができ、特徴点変換行列Fは、以下の条件を満たす必要がある。
前記線形方程式は、上述したマッチングされた８個の関連キーポイントによって算出し、二つの写真の間の空間変換関係Ｆを得る。
ステップＳ２０：検証モジュール１０５は、各グループの中からいずれか一つのグループを選択し、対応する特徴点変換行列を介して該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換する。
ステップＳ２１：検証モジュール１０５は、前記検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングする。前記特徴パラメータは、色、テスクチャなどのような特徴を含む。
ステップＳ２２：検証モジュール１０５は、マッチングしない特徴パラメータがあるかどうかを判定する。例えば、同じ特徴を有する色値の差が予め設定された色閾値より大きい場合、色特徴パラメータがマッチングしないと判定される。同じ特徴を有するテスクチャの類似度が予め設定された類似度閾値未満である場合、例えばテスクチャの類似度が９０％である場合、テスクチャ特徴パラメータがマッチングしないと判定される。
特徴パラメータがマッチングしない場合、ステップＳ２３を実行し、特徴パラメータがマッチングする場合、ステップＳ２４を実行する。
ステップＳ２３：検証モジュール１０５は、詐欺危険警告情報を生成し、詐欺危険警告情報を所定の端末に送信する。例えば、詐欺危険警告情報は、「端末装置からアップロードされた写真Ｂ１及びＢ２がパスしないので、偽造の危険性に注意してください」のような内容であることができる。
ステップＳ２４：検証モジュール１０５は、検証されない各グループの写真があるかどうかを判定する。検証されない各グループの写真がある場合、ステップＳ２０に戻る。さもなければ、検証されない各グループの写真がない場合、プロセスを終了する。
図２に示すように、本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止方法の好ましい実施形態の車両の各部分の写真を解析するための解析モデルのフローチャートである。本実施形態の車両の各部分の写真を解析するための解析モデルのフローチャートは、フローチャートに示したステップに限定されるものではなく、いくつかのステップを省略することができ、各ステップの順序を変更することができる。
ステップＳ００：モデル訓練モジュール１００は、車両保険賠償データベースから車両の各箇所の予め設定された数量の写真を獲得する。本実施形態において、前記モデル訓練モジュール１００は、車両の予め設定された箇所（例えば、車両前側、側面、後端、全体等々である）に応じて分類し、車両保険賠償データベース（例えば、車両保険賠償データベースには、車両の予め設定された箇所の種類と損害確認写真とのマッピング（Ｍａｐｐｉｎｇ）関係または標識データが格納され、前記損害確認写真は、修理工場で損害確認を行う際に撮影された写真である）から各予め設定された箇所に対応する予め設定された数量の写真を獲得し、例えば、１０万枚の車両前側の写真を獲得する。
ステップＳ０１：モデル訓練モジュール１００は、予め設定されたモデル生成ルールに従って、獲得された車両の各箇所の写真に基づいて、車両の各箇所の写真を解析するための解析モデルを生成する。例えば、車両前側に対応する予め設定された数量の損害確認写真に基づいて、損害確認写真における損害箇所が車両前側であるものを解析するための解析モデルを生成する。側面に対応する予め設定された数量の損害確認写真に基づいて、損害確認写真における損害箇所が側面であるものを解析するための解析モデルを生成する。後端に対応する予め設定された数量の損害確認写真に基づいて、損害確認写真における損害箇所が後端であるものを解析するための解析モデルを生成する。全体に対応する予め設定された数量の損害確認写真に基づいて、損害確認写真における損害箇所が全体であるものを解析するための解析モデルを生成する。
その中、前記解析モデルは、畳み込みニューラルネットワーク（ＣｏｎｖｏｌｕｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ、ＣＮＮ）モデルであり、前記予め設定されたモデル生成ルールは、前記獲得された車両の各箇所の予め設定された数量の写真を前処理して前記獲得された写真のフォーマットを予め設定されたフォーマット（例えば、ｌｅｖｅｌｅｄフォーマットである）に変換する。フォーマットを変換した後の写真を介してＣＮＮモデルを訓練する。
具体的な訓練過程は、以下のように詳細に説明する。訓練開始前に、ＣＮＮモデルの各重みの初期値（例えば、−０．０５〜０．０５である）がランダムかつ均等に生成され、ＣＮＮモデルが確率的勾配降下法（ＳｔｏｃｈａｓｔｉｃＧｒａｄｉｅｎｔＤｅｓｃｅｎｔ、ＳＧＤ）によって訓練される。訓練過程全体は、順方向の伝送と逆方向の伝送に分けられる。順方向の伝送の段階において、モデル訓練モジュール１００は、訓練データ集合からサンプルをランダムに抽出し、ＣＮＮモデルに入力して計算し、且つ実際的な計算結果を得る。逆方向の伝送の段階において、モデル訓練モジュール１００は、実際の結果と期待値（即ち、標識値である）との差を算出した後、誤差最小化測位方法を用いて各重みの値を逆に調整するとともに、該調整することによる有効誤差を算出する。訓練過程は数回（例えば、１００回である）反復的に代入し、モデル全体の有効誤差が予め設定された閾値（例えば、±０．０１である）未満である場合、訓練を終了する。
好ましくは、ＣＮＮモデルの識別精度を十分に確保するために、モデル構造は、６層に分けられ、具体的に、写真に対して基本的な特徴（例えば、線、色等々である）を抽出するための特徴抽出層、構造的な特徴を抽出するための特徴結合層、変位、スケーリング及びツイストのような２次元図形特徴を識別するための特徴サンプル層、および、サンプルによって実際特徴計算規模が低くなるための三層のサブサンプル層、である。前記特徴結合層は、前記特徴抽出層の後ろに設けられ、前記特徴サンプル層は、前記特徴結合層の後ろに設けられ、三層のサブサンプル層は、前記特徴抽出層の後ろ、前記特徴結合層の後ろ、前記特徴サンプル層の後ろにそれぞれ設けられる。
ステップＳ０２：モデル訓練モジュール１００は、前記解析モデルを記憶する。
図３を示すと、本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止装置の第一実施形態のハードウェア環境図である。
本実施形態において、複数の写真の一致性に基づく保険賠償詐欺防止システム（以下、単に「保険賠償詐欺防止システム」と呼ぶ）１０は、保険賠償詐欺防止装置１に装着して実行されることができる。前記保険賠償詐欺防止装置１は、賠償サーバーであることができる。前記保険賠償詐欺防止装置１は、処理ユニット１１と、前記処理ユニット１１に接続される保険賠償詐欺防止システム１０と、入力／出力ユニット１２と、通信ユニット１３と、記憶ユニット１４と、を備える。
前記入力／出力ユニット１２は、一つまたは複数の物理ボタン及び／又はマウス及び／又はジョイスティック（Ｊｏｙｓｔｉｃｋ）であってもよく、ユーザー命令を入力し、且つ入力されたユーザー命令が保険賠償詐欺防止装置１によって応答された応答データを出力することに用いられる。
前記通信ユニット１３は、一つまたは複数の予め設定された端末装置（例えば、携帯電話、タブレットパソコン等々である）又はバックグラウンドサーバーに通信して接続され、車両所有者と修理工場のようなユーザーがアップロードした車両損害箇所の損害確認写真を受信することに用いられる。前記通信ユニット１３は、Ｗｉｆｉモジュール（前記Ｗｉｆｉモジュールを介してモバイルインターネットを経てバックグラウンドサーバーと通信することができる）、ブルートゥース（登録商標）モジュール（前記ブルートゥースモジュールが携帯電話と近い距離で通信することができる）及び／又はＧＰＲＳモジュール（前記ＧＰＲＳモジュールはモバイルインターネットを経てバックグラウンドサーバーと通信することができる）を備えることができる。
前記記憶ユニット１４は、ＲＯＭ、ＥＰＲＯＭまたはフラッシュメモリ（ＦｌａｓｈＭｅｍｏｒｙ）などのような一つまたは複数の不揮発性メモリであることができる。前記記憶ユニット１４は、保険賠償詐欺防止装置１に内蔵されてもよく、または接続されてもよく。前記処理ユニット１１は、保険賠償詐欺防止装置１のコアユニット（ＣｏｒｅＵｎｉｔ）とコントロールユニット（ＣｏｎｔｒｏｌＵｎｉｔ）であり、コンピュータの命令を解釈し、コンピュータソフトウェアのデータを処理することに用いられる。
本実施形態において、保険賠償詐欺防止システム１０は、コンピュータソフトウェアであってもよく、コンピュータの実行可能プログラムコードを含み、前記プログラムコードは、記憶ユニット１４に格納され、処理ユニット１１によって以下の機能を実行することができ、車両所有者と修理工場のようなユーザーが車両損害箇所の複数の異なる角度の損害確認写真を撮って送信し、複数の異なる角度の損害確認写真を比較することによって空間変換を行った後、損害された箇所が一致するかどうかを判定し、損害確認写真が改ざんされたかどうかを検出する。
処理ユニット１１は、保険賠償詐欺防止システム１０を呼出して実行することに用いられ、以下のステップを実行する。
ユーザーが端末装置を介してアップロードした損害確認写真を受信する。
解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類し、同じ車両の箇所の損害確認写真を同じ写真集合に分ける。
各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得する。
各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされる。
各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算し、且つ対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換する。
検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングする。
検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告する。
その中、前記保険賠償詐欺防止システム１０は、一連のプログラムコードまたはコード命令からなり、処理ユニット１１によってこのプログラムコードまたはコード命令を呼出してそれに対応する機能を実行する。
好ましくは、前記保険賠償詐欺防止システム１０は処理ユニット１１によって呼び出され、「ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の損害確認写真を受信する」というステップを実行する時、さらに、以下のステップを含む。
受信された車両の損害確認写真における被写体の影を識別することによって写真の撮影角度を解析することができ、被写体の影の正面方向をレンズの方向として、レンズの方向と被写体の平面との角度を撮影角度とする。
受信された車両の損害確認写真の撮影角度が同じである場合、異なる角度から損害確認写真を採集し続けるよう注意情報を生成して送信する。
好ましくは、処理ユニット１１は、保険賠償詐欺防止システム１０を呼出して実行し、以下のステップを実行することによって前記解析モデルを生成する。
車両の異なる箇所の写真を収集して関連箇所を標示し、ここで、車両の箇所は、前端、後端及び左右側面を備える。
畳み込みニューラルネットワークを用い、既に標示された車両の箇所の写真について訓練することによって、ある写真が車両のどの箇所にあるかを正確に判断できる解析モデルを得る。訓練している過程において、クロスバリデーション（ｃｒｏｓｓ―ｖａｌｉｄａｔｉｏｎ）方法を採用して何度も訓練して評価し、既に標示された車両の箇所の写真から予め設定された数量の写真を毎回抽出して検出データとして、別の数量の写真を訓練データとする。
好ましくは、処理ユニット１１は、保険賠償詐欺防止システム１０を呼出して実行し、前記キーポイント特徴検出方法は、ＳＩＦＴキーポイント特徴検出方法を採用する。
好ましくは、処理ユニット１１は、保険賠償詐欺防止システム１０を呼出して実行し、前記キーポイントマッチングアルゴリズムは、ＲＡＮＳＡＣアルゴリズムである。
図４に示すように、図４は、本発明に係る保険賠償詐欺防止装置の第二実施形態のハードウェア環境図である。第二実施形態の保険賠償詐欺防止装置は、第一実施形態の保険賠償詐欺防止装置とほぼ同じであるが、以下の区別があり、タッチ入力／表示ユニット１７で入力／出力ユニット１２を代替する。
前記タッチ入力／表示ユニット１７は、マンマシンインターフェースを提供し、ユーザーによって命令がタッチ入力され、且つユーザー命令が保険賠償詐欺防止装置１によって応答された応答データを出力して表示することに用いられる。本実施形態において、前記タッチ入力／表示ユニット１７は、タッチ入力ユニットと表示ユニットを備える。前記タッチ入力ユニットは、マンマシンインターフェースのタッチ感知領域でタッチ入力し、表示ユニットは、タッチパネルを有する表示ユニットである。前記マンマシンインターフェースは、一つまたは複数の仮想ボタン（図示せず）を備える。前記仮想キーボードは、第一実施形態の物理ボタンの機能と同じであるため、ここで省略した。また、第一実施形態のいずれかの物理ボタン及び／又はマウス及び／又はジョイスティックは前記タッチ入力／表示ユニット１７のボタンによって代替可能である。
本実施形態において、複数の損害確認写真の損害箇所に対して改ざん検出を行うために、保険賠償詐欺防止システム１０は、以下の機能を実現する必要があり、即ち、写真収集と標示、深度学習訓練、写真の同じ箇所の分類、キーポイント検出、３次元再建、箇所を比較して応答することである。
前記写真収集と標示は、異なる車両の写真を収集して関連箇所を標示する必要があり、例えば、車両の前端、後端、左右側面などのいくつかの大類である。本実施形態において、保険賠償詐欺防止装置１に接続された車両保険賠償データベースから異なる車両の写真を収集する。前記車両保険賠償データベースには、各修理工場で損害確認を行う際撮られた写真が格納され、且つ車両の予め設定された箇所の種類と損害確認写真のマッピング関係または標識データが格納されている。
前記深度学習訓練は、畳み込みニューラルネットワーク（ＣＮＮ）を用い、既に標示された車両の箇所の写真について訓練することによって、ある写真が車両のどの箇所にあるかを正確に判断できる。訓練している過程において、クロスバリデーション方法を採用して何度も（例えば、５回である）訓練して評価し、既に標示された車両の箇所の写真から２０％の写真を毎度抽出して検出データとして、別の８０％の写真を訓練データとする。クロスバリデーション方法は、数量が少ない場合、更に客観的な評価指標を得ることができる。
前記写真の同じ箇所の分類は、写真の同じ箇所を分類し、即ち、ユーザーによって伝送された損害確認写真を受信する時、深度学習訓練によって訓練された解析モデルを介して、ある写真が車両のどの箇所にあるかを判断して、同じ箇所は一緒に分類される。
前記キーポイント検出は、ＳＩＦＴ（Ｓｃａｌｅ−ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ）キーポイント検出である。前記ＳＩＦＴは、局部特徴説明記述子である。サイズ、方向、関連特徴無関係性を有する。写真の撮影角度、距離が異なるため、写真のサイズ、方向のような特徴も異なる。ＳＩＦＴキーポイントを利用すると、異なる写真の同じ箇所（例えば、自動車のライト、自動車のドア等々である）が有効に検出され、撮影角度などの影響を受けない。
前記３次元再建（Ｓｔｅｒｅｏ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）は、まず各車両の箇所の写真に対して二枚毎に一つのグループに分け、次に検出されたＳＩＦＴキーポイントを介してマッチングし、各車両の箇所と最もマッチングしたキーポイントを選択し、キーポイントの関連性によって変換行列Ｆｕｎｄａｍｅｎｔａｌ Ｍａｔｒｉｘ Ｆを算出する。
箇所を比較して応答することは、算出された変換行列を介して各グループの中からの一枚の写真を該グループの別の一枚の写真と同じ撮影角度に変換し、且つこの二枚の写真の色、テスクチャなどのような特徴をマッチングする。非常にマッチングしない場合、二枚の写真の中の少なくとも一枚の写真が改ざんされたことを判定し、作業者に応答して車両保険賠償詐欺を避ける。
図５に示すように、本発明に係る複数の写真の一致性に基づく保険賠償詐欺防止システムの好ましい実施形態のブロック図である。
保険賠償詐欺防止システム１０のプログラムコードは異なる機能に基づいて、複数のブロックに分けられる。本発明の好ましい実施形態において、保険賠償詐欺防止システム１０は、モデル訓練モジュール１００と、写真受信モジュール１０１と、分類モジュール１０２と、キーポイント検出モジュール１０３と、再建モジュール１０４と、検証モジュール１０５と、を備える。
前記モデル訓練モジュール１００は、車両保険賠償データベースから車両の各箇所の予め設定された数量の写真を獲得する。予め設定されたモデル生成ルールに従って、獲得された車両の各箇所の写真に基づいて、車両の各箇所の写真を解析するための解析モデルを生成する。
本実施形態において、前記モデル訓練モジュール１００は、車両の予め設定された箇所（例えば、車両前側、側面、後端、全体等々である）に応じて分類し、車両保険賠償データベース（例えば、車両保険賠償データベースには、車両の予め設定された箇所の種類と損害確認写真とのマッピング（Ｍａｐｐｉｎｇ）関係または標識データが格納され、前記損害確認写真は、修理工場で損害確認を行う際に撮影された写真である）から各予め設定された箇所に対応する予め設定された数量の写真を獲得し、例えば、１０万枚の車両前側の写真を獲得する。
さらに、前記モデル訓練モジュール１００は、予め設定されたモデル生成ルールに従って、獲得された車両の各箇所の分類された写真に基づいて、車両の各箇所の写真を解析するための解析モデルを生成する。例えば、車両前側に対応する予め設定された数量の損害確認写真に基づいて、損害確認写真における損害箇所が車両前側であるものを解析するための解析モデルを生成する。側面に対応する予め設定された数量の損害確認写真に基づいて、損害確認写真における損害箇所が側面であるものを解析するための解析モデルを生成する。後端に対応する予め設定された数量の損害確認写真に基づいて、損害確認写真における損害箇所が後端であるものを解析するための解析モデルを生成する。全体に対応する予め設定された数量の損害確認写真に基づいて、損害確認写真における損害箇所が全体であるものを解析するための解析モデルを生成する。
その中、前記解析モデルは、畳み込みニューラルネットワーク（ＣｏｎｖｏｌｕｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ、ＣＮＮ）モデルであり、予め設定されたモデル生成ルールは、前記獲得された車両の各箇所の予め設定された数量の写真を前処理して前記獲得された写真のフォーマットを予め設定されたフォーマット（例えば、ｌｅｖｅｌｅｄフォーマットである）に変換する。フォーマットを変換した後の写真を介してＣＮＮモデルを訓練する。
具体的な訓練過程は、以下のように詳細に説明する：訓練開始前に、ＣＮＮインターネットの各重みの初期値（例えば、−０．０５〜０．０５である）はランダムかつ均等に生成され、ＣＮＮモデルは確率的勾配降下法（ＳｔｏｃｈａｓｔｉｃＧｒａｄｉｅｎｔＤｅｓｃｅｎｔ、ＳＧＤ）によって訓練される。訓練過程全体は、順方向の伝送と逆方向の伝送に分けられる。順方向の伝送の段階において、モデル訓練モジュール１００は、訓練データ集合からサンプルをランダムに抽出し、ＣＮＮインターネットに入力して計算し、且つ実際的な計算結果を得る。逆方向の伝送の段階において、モデル訓練モジュール１００は、実際の結果と期待値（即ち、標識値である）との差を算出した後、誤差最小化測位方法を用いて各重みの値を逆に調整するとともに、該調整することによる有効誤差を算出する。訓練過程は数回（例えば、１００回である）反復的に代入し、モデル全体の有効誤差が予め設定された閾値（例えば、±０．０１である）未満である場合、訓練を終了する。
好ましくは、ＣＮＮモデルの識別精度を十分に確保するために、モデル構造は６層に分けられ、具体的に、写真に対して基本的な特徴（例えば、線、色等々である）を抽出するための特徴抽出層、構造的な特徴を抽出するための特徴結合層、変位、スケーリング及びツイストのような２次元図形特徴を識別するための特徴サンプル層、および、サンプルによって実際特徴計算規模が低くなるための三層のサブサンプル層、である。前記特徴結合層は、前記特徴抽出層の後ろに設けられ、前記特徴サンプル層は、前記特徴結合層の後ろに設けられ、三層のサブサンプル層は、前記特徴抽出層の後ろ、前記特徴結合層の後ろ、前記特徴サンプル層の後ろにそれぞれ設けられる。
前記写真受信モジュール１０１は、車両が事故を起こして後修理工場で損害確認を行う場合、車両所有者と修理工場のようなユーザーが端末装置を介してアップロードした損害確認写真を受信する。アップロードされた各損害確認写真の撮影角度が同じであるかどうかを解析する。撮影角度が同じである場合、異なる角度から損害確認写真を採集し続けるよう注意情報を生成して送信する。例えば、前記注意情報は、この時のアップロードされた損害確認写真の中でＹ枚の撮影角度が同じである場合、他の角度からＹ−１枚の損害確認写真を採集し続けることができる。本実施形態において、写真における被写体の影を識別することによって写真の撮影角度を解析することができ、被写体の影の正面方向をレンズの方向として、レンズの方向と被写体の平面との角度を撮影角度とする。
前記分類モジュール１０２は、前記モデル訓練モジュール１００によって訓練された解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類し、同じ車両の箇所の損害確認写真を同じ写真集合に分けられる。写真集合の損害確認写真の数量が予め設定された数量未満である場合、異なる角度から写真集合に対応する車両の箇所の損害確認写真を採集し続けるという注意情報を生成して端末装置に送信する。前記注意情報は、この時の損害確認箇所Ｘの損害確認写真がＺ枚足りない場合、他の角度からＺ枚の損害確認箇所Ｘの損害確認写真を採集し続けることができる。
前記キーポイント検出モジュール１０３は、各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得する。本実施形態のキーポイント特徴検出方法（キーポイント検出はスケール不変特徴変換（Ｓｃａｌｅ-ＩｎｖａｒｉａｎｔＦｅａｔｕｒｅＴｒａｎｓｆｏｒｍ、ＳＩＦＴ）を採用することができる）において、前記ＳＩＦＴは、局部特徴説明記述子である。ＳＩＦＴキーポイント特徴は、図像の局部特徴であり、回転とスケールスケーリングと輝度変化に対して不変に維持し、視角変化とアニメーション変換（ａｎｉｍａｔｅｔｒａｎｓｆｏｒｍ）とノイズに対して一定程度の安定性を維持する。
前記再建モジュール１０４は、予め設定された再建方法を採用して各写真集合の損害確認写真に対して二枚毎に一つのグループに分ける。キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされる。各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を算出する。
本実施形態において、前記再建方法は、３次元再建（ＳｔｅｒｅｏＲｅｃｏｎｓｔｒｕｃｔｉｏｎ）方法であることができる。
本実施形態において、前記再建モジュール１０４は、各グループの損害確認写真について少なくとも一つの予め設定された数量（例えば、８個である）のキーポイントをそれぞれマッチングする。例えば、Ｂ１とＢ２のような二枚の写真が一つのグループに分けられる場合、Ｂ１とＢ２について少なくとも一つの予め設定された数量のキーポイントがそれぞれマッチングされ、Ｂ１のマッチングされたキーポイントとＢ２のマッチングされたキーポイントとは、関連して一つ一つ対応する。例えば、同じ領域に対応する複数のキーポイントの間は、関連して一つ一つ対応する。
本実施形態において、前記再建モジュール１０４は、各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を算出する。例えば、Ｂ１とＢ２のような二枚の写真の関連キーポイントに基づいて、写真Ｂ１から写真Ｂ２に変換した後の対応する特徴点変換行列を算出することによって、３次元再建（Ｓｔｅｒｅｏ Ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ）を完成することができる。前記特徴点変換行列は、基本行列（ＦｕｎｄａｍｅｎｔａｌＭａｔｒｉｘ）であっても良い。前記基本行列は、変換行列によって写真の特徴点を別の写真の特徴点に変換することに用いられる。
本実施形態において、前記線形方程式は、
とすることができる。
展開した後、以下の方程式を得る。
数学的な変換を経た後、特徴点変換行列Fを得ることができ、特徴点変換行列Fは、以下の条件を満たす必要がある。
前記線形方程式は、上述したマッチングされた８個の関連キーポイントによって算出し、二つの写真の間の空間変換関係Ｆを得る。
前記検証モジュール１０５は、各グループの二枚の損害確認写真に対してパラメータを検証することに用いられる。パラメータ検証は、各グループの中からいずれか一つのグループを選択し、対応する特徴点変換行列を介して該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換する。前記検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングする。前記特徴パラメータは、色、テスクチャなどのような特徴を含む。マッチングしない特徴パラメータがあることを判定する場合、例えば、同じ特徴を有する色値の差が予め設定された色閾値より大きい場合、色特徴パラメータがマッチングしないと判定され、同じ特徴を有するテスクチャの類似度が予め設定された類似度閾値未満である場合、例えばテスクチャの類似度が９０％である場合、テスクチャ特徴パラメータがマッチングしないと判定され、該グループの二枚の写真を通過させず、詐欺危険警告情報を生成し、詐欺危険警告情報を所定の端末に送信する。例えば、詐欺危険警告情報は、「端末装置からアップロードされた写真Ｂ１及びＢ２が通過しないので、偽造の危険性に注意してください」のような内容であることができる。
ハードウェアにおいて、以上の写真受信モジュール１０１、分類モジュール１０２、キーポイント検出モジュール１０３、再建モジュール１０４、検証モジュール１０５等々は、ハードウェアによって保険賠償詐欺防止装置に内蔵するようにまたは独立して設置されることができ、ソフトウェアによって保険賠償詐欺防止装置のメモリに記憶されることもでき、処理装置は以上の各モジュールに対応する操作を便利に呼出して実行する。前記処理装置は、中央処理装置（ＣＰＵ）、マイクロプロセッサ、マイクロコントローラ等々であることができる。
本発明はコンピュータ読み取り可能な記録媒体を提供する。前記コンピュータ読み取り可能な記録媒体には、一つまたは複数のプログラムが格納されている。前記一つまたは複数のプログラムは、一つまたは複数の処理装置によって実行され、以下のステップを実行する。
ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信する。
解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類し、同じ車両の箇所の損害確認写真が同じ写真集合に分けられる。
各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得する。
各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされる。
各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算し、且つ対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換する。
検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングする。
検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告する。
好ましくは、「ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の損害確認写真を受信する」というステップを実行する時、さらに、以下のステップを含み、
受信された車両の損害確認写真における被写体の影を識別することによって写真の撮影角度を解析することができ、被写体の影の正面方向をレンズの方向として、レンズの方向と被写体の平面との角度を撮影角度とする。
受信された車両の損害確認写真の撮影角度が同じである場合、異なる角度から損害確認写真を採集し続けるよう注意情報を生成して送信する。
好ましくは、一つまたは複数のプログラムは、前記一つまたは複数の処理装置によって実行され、以下のステップを実行することによって前記解析モデルを生成する。
車両の異なる箇所の写真を収集して関連箇所を標示し、ここで、車両の箇所は、前端、後端及び左右側面を備える。
畳み込みニューラルネットワークを用いて、既に標示された車両の箇所の写真について訓練することによって、ある写真が車両のどの箇所にあるかを正確に判断できる解析モデルを得る。訓練している過程において、クロスバリデーション（ｃｒｏｓｓ―ｖａｌｉｄａｔｉｏｎ）方法を採用して何度も訓練して評価し、既に標示された車両の箇所の写真から予め設定された数量の写真を毎回抽出して検出データとして、別の数量の写真を訓練データとする。
好ましくは、前記キーポイント特徴検出方法は、ＳＩＦＴキーポイント特徴検出方法を採用する。
好ましくは、前記キーポイントマッチングアルゴリズムは、ＲＡＮＳＡＣアルゴリズムである。
本発明の属する技術分野における技術者は、上述した実施形態を実施するステップの全部または一部分が、ハードウェアによって達成でき、またはプログラムによってハードウェアを制御することもでき、前記プログラムはコンピュータ読み取り可能な記録媒体に格納されることができ、前記記録媒体は、読み出し専用メモリ、磁気ディスク、光ディスクであってもよいことを理解することができる。
最後に説明すべきことは、以上の実施形態は、本発明の技術方案を説明するためだけのものであり、限定を構成するものではない。好ましい実施形態を参照して詳細に説明したが、この技術分野の技術者は、本発明の技術方案に対して様々な変更と同等の代替を行うことが可能であり、本発明の精神と範囲を逸脱しないことを理解できる。

Claims (10)

  1. 複数の写真の一致性に基づき、処理装置を用いて保険賠償詐欺を防止する方法であって、
    ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信するステップと、
    解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、前記損害確認写真を分類して、同じ車両の箇所の損害確認写真が同じ写真集合に分けられるステップと、
    各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得するステップと、
    各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされるステップと、
    各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算し、且つ対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換するステップと、
    検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングするステップと、
    検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告するステップと、
    を備えることを特徴とする複数の写真の一致性に基づく保険賠償詐欺防止方法。
  2. 「ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信する」というステップを実行する時、さらに、以下のステップを含み、
    受信された車両の損害確認写真における被写体の影を識別することによって写真の撮影角度を解析することができ、被写体の影の正面方向をレンズの方向として、レンズの方向と被写体の平面との角度を撮影角度とするステップと、
    受信された車両の損害確認写真の撮影角度が同じである場合、異なる角度から損害確認写真を採集し続ける注意情報を生成して送信するステップと、
    を備えることを特徴とする請求項１に記載の複数の写真の一致性に基づく保険賠償詐欺防止方法。
  3. 複数の写真の一致性に基づく保険賠償詐欺防止方法は、以下のステップを実行することによって前記解析モデルを生成し、
    車両の異なる箇所の写真を収集して関連箇所を標示し、ここで、車両の箇所は、前端、後端及び左右側面を備えるステップと、
    畳み込みニューラルネットワークを用い、既に標示された車両の箇所の写真について訓練することによって、ある写真が車両のどの箇所にあるかを正確に判断できる解析モデルを得、モデルの訓練過程において、クロスバリデーション（ｃｒｏｓｓ―ｖａｌｉｄａｔｉｏｎ）方法を採用して何度も訓練して評価し、既に標示された車両の箇所の写真から予め設定された数量の写真を毎回抽出して検出データとして、別の数量の写真を訓練データとするステップと、
    を備えることを特徴とする請求項１に記載の複数の写真の一致性に基づく保険賠償詐欺防止方法。
  4. 保険賠償詐欺防止システムであって、
    ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信することに用いられる写真受信モジュールと、
    解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類して、同じ車両の箇所の損害確認写真が同じ写真集合に分けられることに用いられる分類モジュールと、
    各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得することに用いられるキーポイント検出モジュールと、
    各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされ、各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算することに用いられる再建モジュールと、
    対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換し、検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングし、検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告することに用いられる検証モジュールと、
    を備えることを特徴とする保険賠償詐欺防止システム。
  5. 前記写真受信モジュールは、受信された車両の損害確認写真における被写体の影を識別することによって写真の撮影角度を解析することができ、被写体の影の正面方向をレンズの方向として、レンズの方向と被写体の平面との角度を撮影角度として、受信された車両の損害確認写真の撮影角度が同じである場合、異なる角度から損害確認写真を採集し続けるように注意情報を生成して前記端末装置に送信することにも用いられることを特徴とする請求項４に記載の保険賠償詐欺防止システム。
  6. モデル訓練モジュールをさらに備え、前記モデル訓練モジュールは、解析車両の異なる箇所の写真を収集して関連箇所を標示し、ここで、前記車両の箇所は、前端、後端及び左右側面を備え、
    畳み込みニューラルネットワークを用い、既に標示された車両の箇所の写真について訓練することによって、ある写真が車両のどの箇所にあるかを正確に判断できる解析モデルを得、訓練している過程において、クロスバリデーション（ｃｒｏｓｓ―ｖａｌｉｄａｔｉｏｎ）方法を採用して何度も訓練して評価し、既に標示された車両の箇所の写真から予め設定された数量の写真を毎回抽出して検出データとして、別の数量の写真を訓練データとする方法を実行することによって前記解析モデルを生成することを特徴とする請求項４に記載の保険賠償詐欺防止システム。
  7. 処理ユニットと、前記処理ユニットに接続される保険賠償詐欺防止システムと、入力／出力ユニットと、通信ユニットと、記憶ユニットと、を備える保険賠償詐欺防止装置であって、
    前記入力／出力ユニットは、ユーザー命令を入力し、且つ入力されたユーザー命令に対する保険賠償詐欺防止装置の応答データを出力することに用いられ、
    前記通信ユニットは、一つまたは複数の予め設定された端末装置又はバックグラウンドサーバーに通信して接続されることに用いられ、
    前記記憶ユニットは、保険賠償詐欺防止システムと該保険賠償詐欺防止システムの実行データを格納することに用いられ、
    前記処理ユニットは、保険賠償詐欺防止システムを呼出して、
    ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信するステップと、
    解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類して、同じ車両の箇所の損害確認写真が同じ写真集合に分けられるステップと、
    各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得するステップと、
    各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真について少なくとも一つのキーポイントがマッチングされるステップと、
    各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算し、且つ対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換するステップと、
    前記検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングするステップと、
    検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告するステップと、
    を実行することに用いられることを特徴とする保険賠償詐欺防止装置。
  8. 前記処理ユニットによって呼び出され、「ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信する」というステップを実行する時、
    受信された車両の損害確認写真における被写体の影を識別することによって写真の撮影角度を解析することができ、被写体の影の正面方向をレンズの方向として、レンズの方向と被写体の平面との角度を撮影角度とするステップと、
    受信された車両の損害確認写真の撮影角度が同じである場合、異なる角度から損害確認写真を採集し続けるという注意情報を生成して携帯端末に送信するステップと、
    をさらに含むことを特徴とする請求項７に記載の複数の写真の一致性に基づいて保険賠償詐欺防止装置。
  9. 前記処理ユニットは、前記保険賠償詐欺防止システムを呼出して実行し、
    車両の異なる箇所の写真を収集して関連箇所を標示し、ここで、車両の箇所は、前端、後端及び左右側面を備えるステップと、
    畳み込みニューラルネットワークを用いて、既に標示された車両の箇所の写真について訓練することによって、ある写真が車両のどの箇所にあるかを正確に判断できる解析モデルを得、訓練している過程において、クロスバリデーション（ｃｒｏｓｓ―ｖａｌｉｄａｔｉｏｎ）方法を採用して何度も訓練して評価し、既に標示された車両の箇所の写真から予め設定された数量の写真を毎回抽出して検出データとして、別の数量の写真を訓練データとするステップと、
    を実行することによって前記解析モデルを生成することを特徴とする請求項７に記載の保険賠償詐欺防止装置。
  10. コンピュータ読み取り可能な記録媒体であって、一つまたは複数のプログラムが格納され、該一つまたは複数のプログラムは、一つまたは複数の処理装置によって実行され、
    ユーザーが端末装置を介してアップロードした異なる撮影角度から撮られた車両の複数の損害確認写真を受信するステップと、
    解析モデルを介して各損害確認写真に対応する車両の箇所を解析し、損害確認写真を分類して、同じ車両の箇所の損害確認写真が同じ写真集合に分けられるステップと、
    各写真集合の損害確認写真に対してキーポイント検出を実行し、各写真集合に対応する車両の箇所のキーポイント特徴を獲得するステップと、
    各写真集合の損害確認写真に対して二枚毎に一つのグループに分け、キーポイントマッチングアルゴリズムによって各写真集合に対応するキーポイント特徴と各グループの写真とをキーポイントマッチングし、各グループの損害確認写真において少なくとも一つのキーポイントがマッチングされるステップと、
    各グループに対応する関連キーポイントによって線形方程式を介して各グループに対応する特徴点変換行列を計算し、且つ対応する特徴点変換行列を介して、該グループの一枚の写真を該グループの別の一枚の写真と同じ撮影角度を有する検証用写真に変換するステップと、
    検証用写真と該グループの別の一枚の写真との特徴パラメータをマッチングするステップと、
    検証用写真と該グループの別の一枚の写真との特徴パラメータがマッチングしない場合、注意情報を生成し、受信された写真における詐欺があることを警告するステップと、
    を備えることを特徴とする、コンピュータ読み取り可能な記録媒体。
JP2018524765A 2016-01-22 2017-01-16 複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体 Active JP6452186B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201610046584.5 2016-01-22
CN201610046584.5A CN105719188B (zh) 2016-01-22 2016-01-22 基于多张图片一致性实现保险理赔反欺诈的方法及服务器
PCT/CN2017/071318 WO2017124990A1 (zh) 2016-01-22 2017-01-16 基于多张图片一致性实现保险理赔反欺诈的方法、系统、设备及可读存储介质

Publications (2)

Publication Number Publication Date
JP2018537772A JP2018537772A (ja) 2018-12-20
JP6452186B2 true JP6452186B2 (ja) 2019-01-16

Family

ID=56153895

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018524765A Active JP6452186B2 (ja) 2016-01-22 2017-01-16 複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体

Country Status (8)

Country Link
US (1) US10410292B2 (ja)
EP (1) EP3407229A4 (ja)
JP (1) JP6452186B2 (ja)
KR (1) KR102138082B1 (ja)
CN (1) CN105719188B (ja)
AU (1) AU2017209231B2 (ja)
SG (1) SG11201800342XA (ja)
WO (1) WO2017124990A1 (ja)

Families Citing this family (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105719188B (zh) 2016-01-22 2017-12-26 平安科技（深圳）有限公司 基于多张图片一致性实现保险理赔反欺诈的方法及服务器
CN106372651B (zh) * 2016-08-22 2018-03-06 平安科技（深圳）有限公司 图片品质的检测方法及装置
GB2554361B8 (en) * 2016-09-21 2022-07-06 Emergent Network Intelligence Ltd Automatic image based object damage assessment
CN106600421A (zh) * 2016-11-21 2017-04-26 中国平安财产保险股份有限公司 一种基于图片识别的车险智能定损方法及系统
CN106780048A (zh) * 2016-11-28 2017-05-31 中国平安财产保险股份有限公司 一种智能车险的自助理赔方法、自助理赔装置及系统
CN106803205A (zh) * 2016-12-27 2017-06-06 北京量子保科技有限公司 一种用于保险自动核赔的系统和方法
CN107358596B (zh) * 2017-04-11 2020-09-18 阿里巴巴集团控股有限公司 一种基于图像的车辆定损方法、装置、电子设备及系统
CN107085814A (zh) * 2017-04-11 2017-08-22 武汉华创欣网科技有限公司 一种车险理赔照片的分析方法及系统
CN107403424B (zh) * 2017-04-11 2020-09-18 阿里巴巴集团控股有限公司 一种基于图像的车辆定损方法、装置及电子设备
CN107392218B (zh) 2017-04-11 2020-08-04 创新先进技术有限公司 一种基于图像的车辆定损方法、装置及电子设备
CN107368776B (zh) * 2017-04-28 2020-07-03 阿里巴巴集团控股有限公司 车辆定损图像获取方法、装置、服务器和终端设备
CN111914692B (zh) * 2017-04-28 2023-07-14 创新先进技术有限公司 车辆定损图像获取方法及装置
CN107194398B (zh) * 2017-05-10 2018-09-25 平安科技（深圳）有限公司 车损部位的识别方法及系统
CN107610091A (zh) * 2017-07-31 2018-01-19 阿里巴巴集团控股有限公司 车险图像处理方法、装置、服务器及系统
CN108269369A (zh) * 2017-09-27 2018-07-10 中山市宾哥网络科技有限公司 结算箱及其结算方法
CN108269371B (zh) * 2017-09-27 2020-04-03 缤果可为（北京）科技有限公司 商品自动结算方法、装置、自助收银台
KR101916347B1 (ko) * 2017-10-13 2018-11-08 주식회사 수아랩 딥러닝 기반 이미지 비교 장치, 방법 및 컴퓨터 판독가능매체에 저장된 컴퓨터 프로그램
CN108090838B (zh) * 2017-11-21 2020-09-29 阿里巴巴集团控股有限公司 识别车辆受损部件的方法、装置、服务器、客户端及系统
CN108062712B (zh) * 2017-11-21 2020-11-06 创新先进技术有限公司 一种车险定损数据的处理方法、装置和处理设备
CN207783158U (zh) * 2017-12-18 2018-08-28 上海云拿智能科技有限公司 目标物定位系统
CN108268619B (zh) 2018-01-08 2020-06-30 阿里巴巴集团控股有限公司 内容推荐方法及装置
CN108323209B (zh) * 2018-01-29 2023-10-31 达闼机器人股份有限公司 信息处理方法、系统、云处理设备以及计算机存储介质
CN108446817B (zh) 2018-02-01 2020-10-02 阿里巴巴集团控股有限公司 确定业务对应的决策策略的方法、装置和电子设备
CN108491821A (zh) * 2018-04-02 2018-09-04 深圳市亚来科技有限公司 基于图像处理和深度学习的车险事故鉴别方法、系统及存储介质
CN108921811B (zh) * 2018-04-03 2020-06-30 阿里巴巴集团控股有限公司 检测物品损伤的方法和装置、物品损伤检测器
CN108734702A (zh) * 2018-04-26 2018-11-02 平安科技（深圳）有限公司 车损判定方法、服务器及存储介质
CN108573286A (zh) * 2018-05-10 2018-09-25 阿里巴巴集团控股有限公司 一种理赔业务的数据处理方法、装置、设备及服务器
CN108875648A (zh) * 2018-06-22 2018-11-23 深源恒际科技有限公司 一种基于手机视频流的实时车辆损伤和部件检测的方法
US11389131B2 (en) 2018-06-27 2022-07-19 Denti.Ai Technology Inc. Systems and methods for processing of dental images
JP6578607B1 (ja) * 2018-07-18 2019-09-25 ゼアーウィンスリーサービス株式会社 タイヤパンク修理判定システム、タイヤパンクの保証申請の可否を判断する装置及び、タイヤパンクの保証申請の可否を判断する装置の作動方法
CN110569856B (zh) 2018-08-24 2020-07-21 阿里巴巴集团控股有限公司 样本标注方法及装置、损伤类别的识别方法及装置
CN110570316A (zh) 2018-08-31 2019-12-13 阿里巴巴集团控股有限公司 训练损伤识别模型的方法及装置
CN110569695B (zh) * 2018-08-31 2021-07-09 创新先进技术有限公司 基于定损图像判定模型的图像处理方法和装置
CN110569696A (zh) 2018-08-31 2019-12-13 阿里巴巴集团控股有限公司 用于车辆部件识别的神经网络系统、方法和装置
CN110569864A (zh) 2018-09-04 2019-12-13 阿里巴巴集团控股有限公司 基于gan网络的车损图像生成方法和装置
CN109410270B (zh) * 2018-09-28 2020-10-27 百度在线网络技术（北京）有限公司 一种定损方法、设备和存储介质
TWI690874B (zh) * 2018-10-24 2020-04-11 富邦產物保險股份有限公司 用於遠端現場事故影像與身份驗證的系統與方法
CN109635742A (zh) * 2018-12-13 2019-04-16 深源恒际科技有限公司 一种车辆图像定损中的子部件损伤识别方法
CN109635824A (zh) * 2018-12-14 2019-04-16 深源恒际科技有限公司 一种图像匹配深度学习方法及系统
CN109697429A (zh) * 2018-12-27 2019-04-30 睿驰达新能源汽车科技（北京）有限公司 一种确定车损的方法及装置
US11379967B2 (en) * 2019-01-18 2022-07-05 Kla Corporation Methods and systems for inspection of semiconductor structures with automatically generated defect features
CN110033386B (zh) * 2019-03-07 2020-10-02 阿里巴巴集团控股有限公司 车辆事故的鉴定方法及装置、电子设备
US11710097B2 (en) 2019-03-22 2023-07-25 BlueOwl, LLC Systems and methods for obtaining incident information to reduce fraud
CN112017058A (zh) * 2019-05-30 2020-12-01 深圳市聚蜂智能科技有限公司 一种保险定损方法、装置、计算机设备和存储介质
CN110427367B (zh) * 2019-07-05 2023-02-14 中国平安财产保险股份有限公司 基于评残参数的定损方法、装置、设备及存储介质
US11676701B2 (en) 2019-09-05 2023-06-13 Pearl Inc. Systems and methods for automated medical image analysis
US10984529B2 (en) 2019-09-05 2021-04-20 Pearl Inc. Systems and methods for automated medical image annotation
US11417208B1 (en) 2019-10-29 2022-08-16 BlueOwl, LLC Systems and methods for fraud prevention based on video analytics
US11388351B1 (en) 2019-10-29 2022-07-12 BlueOwl, LLC Systems and methods for gate-based vehicle image capture
US20230012230A1 (en) * 2019-12-02 2023-01-12 Click-Ins, Ltd. Systems, methods and programs for generating damage print in a vehicle
CN111193868B (zh) * 2020-01-09 2021-03-16 中保车服科技服务股份有限公司 车险查勘的拍照方法、装置、计算机设备和可读存储介质
US11055789B1 (en) 2020-01-17 2021-07-06 Pearl Inc. Systems and methods for insurance fraud detection
CN111489433B (zh) * 2020-02-13 2023-04-25 北京百度网讯科技有限公司 车辆损伤定位的方法、装置、电子设备以及可读存储介质
CN111368752B (zh) * 2020-03-06 2023-06-02 德联易控科技(北京)有限公司 车辆损伤的分析方法和装置
CN111861765B (zh) * 2020-07-29 2024-07-12 贵州力创科技发展有限公司 一种车辆保险理赔智能反欺诈方法
US11508080B2 (en) * 2020-09-15 2022-11-22 Toyota Research Institute, Inc. Systems and methods for generic visual odometry using learned features via neural camera models
US11615544B2 (en) 2020-09-15 2023-03-28 Toyota Research Institute, Inc. Systems and methods for end-to-end map building from a video sequence using neural camera models
US11494927B2 (en) 2020-09-15 2022-11-08 Toyota Research Institute, Inc. Systems and methods for self-supervised depth estimation
US11776677B2 (en) 2021-01-06 2023-10-03 Pearl Inc. Computer vision-based analysis of provider data
US11971953B2 (en) 2021-02-02 2024-04-30 Inait Sa Machine annotation of photographic images
US11544914B2 (en) 2021-02-18 2023-01-03 Inait Sa Annotation of 3D models with signs of use visible in 2D images
EP4295310A1 (en) 2021-02-18 2023-12-27 Inait SA Annotation of 3d models with signs of use visible in 2d images
CN113158928B (zh) * 2021-04-27 2023-09-19 浙江云奕科技有限公司 一种基于图像识别的混凝土试块防造假方法
CN113627252A (zh) * 2021-07-07 2021-11-09 浙江吉利控股集团有限公司 一种车辆定损方法、装置、存储介质及电子设备
EP4377906A1 (en) * 2021-07-30 2024-06-05 Swiss Reinsurance Company Ltd. Optical fraud detector for automated detection of fraud in digital imaginary-based automobile claims, automated damage recognition, and method thereof
CN114462553B (zh) * 2022-04-12 2022-07-15 之江实验室 一种面向车险反欺诈的图像标注及要素抽取方法与系统

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3342677B2 (ja) * 1999-06-22 2002-11-11 インターナショナル・ビジネス・マシーンズ・コーポレーション コンテンツデータ鑑定装置
JP2002198958A (ja) * 2000-10-20 2002-07-12 Fuji Photo Film Co Ltd 画像の改竄防止方法
US20020051577A1 (en) * 2000-10-20 2002-05-02 Naoto Kinjo Method of preventing falsification of image
JP2003187015A (ja) * 2001-12-20 2003-07-04 Seiko Instruments Inc 電子データ出力機器及び電子データ公証システム
JP4208561B2 (ja) * 2002-12-12 2009-01-14 キヤノン株式会社 協定支援システム及びその制御方法、プログラム
US8112325B2 (en) * 2005-09-15 2012-02-07 Manheim Investments, Inc. Method and apparatus for automatically capturing multiple images of motor vehicles and other items for sale or auction
TW200718785A (en) * 2005-11-10 2007-05-16 Toyo Boseki A process for improving the thermal stability of a composition containing a soluble coenzyme conjugated glucose dehydrogenase (GDH)
US8239220B2 (en) * 2006-06-08 2012-08-07 Injury Sciences Llc Method and apparatus for obtaining photogrammetric data to estimate impact severity
GB2440171A (en) * 2006-07-17 2008-01-23 Univ Warwick Improvements in data visualisation systems
US10528925B2 (en) * 2008-01-18 2020-01-07 Mitek Systems, Inc. Systems and methods for mobile automated clearing house enrollment
JP4435867B2 (ja) * 2008-06-02 2010-03-24 パナソニック株式会社 法線情報を生成する画像処理装置、方法、コンピュータプログラム、および、視点変換画像生成装置
US8004576B2 (en) * 2008-10-31 2011-08-23 Digimarc Corporation Histogram methods and systems for object recognition
US20110058048A1 (en) * 2009-02-27 2011-03-10 Picosmos IL, Ltd. Apparatus, method and system for collecting and utilizing digital evidence
CN101630407B (zh) * 2009-06-05 2012-09-19 天津大学 基于两视几何和图分割的伪造区域定位方法
KR101086243B1 (ko) * 2009-06-24 2011-12-01 대한민국 디지털사진 위조 검출 방법
US20140229207A1 (en) * 2011-09-29 2014-08-14 Tata Consultancy Services Limited Damage assessment of an object
US8510196B1 (en) * 2012-08-16 2013-08-13 Allstate Insurance Company Feedback loop in mobile damage assessment and claims processing
US8712893B1 (en) * 2012-08-16 2014-04-29 Allstate Insurance Company Enhanced claims damage estimation using aggregate display
EP2911112B1 (en) * 2014-02-21 2019-04-17 Wipro Limited Methods for assessing image change and devices thereof
CN104680515A (zh) * 2014-12-30 2015-06-03 中国航天科工集团第二研究院七〇六所 一种图像真实性鉴定方法
CN105719188B (zh) * 2016-01-22 2017-12-26 平安科技（深圳）有限公司 基于多张图片一致性实现保险理赔反欺诈的方法及服务器

Also Published As

Publication number Publication date
EP3407229A1 (en) 2018-11-28
EP3407229A4 (en) 2019-08-28
AU2017209231B2 (en) 2019-09-26
KR102138082B1 (ko) 2020-07-28
KR20180104609A (ko) 2018-09-21
WO2017124990A1 (zh) 2017-07-27
CN105719188B (zh) 2017-12-26
SG11201800342XA (en) 2018-02-27
US20180182039A1 (en) 2018-06-28
AU2017209231A1 (en) 2017-11-23
CN105719188A (zh) 2016-06-29
US10410292B2 (en) 2019-09-10
JP2018537772A (ja) 2018-12-20

Similar Documents

Publication Publication Date Title
JP6452186B2 (ja) 複数の写真の一致性に基づく保険賠償詐欺防止方法、システム、装置及び読み取り可能な記録媒体
Bae et al. High-precision vision-based mobile augmented reality system for context-aware architectural, engineering, construction and facility management (AEC/FM) applications
Han et al. Appearance-based material classification for monitoring of operation-level construction progress using 4D BIM and site photologs
CN108364253B (zh) 车辆定损方法、系统以及电子设备
KR20190069457A (ko) 이미지 기반 차량 손실 평가 방법, 장치 및 시스템, 및 전자 디바이스
WO2022121283A1 (zh) 车辆关键点信息检测和车辆控制
CN112085952B (zh) 监控车辆数据方法、装置、计算机设备及存储介质
CN104246793A (zh) 移动设备的三维脸部识别
WO2018210047A1 (zh) 数据处理方法、数据处理装置、电子设备及存储介质
CN108229375B (zh) 用于检测人脸图像的方法和装置
CN114550051A (zh) 一种车损检测方法、装置、计算机设备及存储介质
CN116229007B (zh) 利用bim建模的四维数字图像构建方法、装置、设备及介质
CN116468392A (zh) 一种电网工程项目进度监控方法、装置、设备及存储介质
KR102559586B1 (ko) 인공지능을 이용한 구조물 외관 점검 시스템 및 방법
CN114429826A (zh) 抗原检测结果的处理方法、系统、电子设备及存储介质
CN116563583A (zh) 一种图像匹配的方法、地图信息的更新方法以及相关装置
JP5704909B2 (ja) 注目領域検出方法、注目領域検出装置、及びプログラム
CN117115823A (zh) 一种篡改识别方法、装置、计算机设备和存储介质
CN114219958B (zh) 一种多视角遥感影像的分类方法、装置、设备和存储介质
CN113850836B (zh) 基于行为轨迹的员工行为识别方法、装置、设备及介质
CN113284137B (zh) 纸张褶皱检测方法、装置、设备及存储介质
JP7414918B1 (ja) 画像収集システム、画像収集方法、及びプログラム
US20240188688A1 (en) Mehtod and apparatus for processing foot information
CN117274525B (zh) 一种虚拟卷尺测量仿真方法及系统
CN115984989A (zh) 汽车生产线上的自动化vin码采集与溯源系统及方法

Legal Events

Date Code Title Description
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20180921

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181017

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181120

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181205

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181206

R150 Certificate of patent or registration of utility model

Ref document number: 6452186

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250