计算;推算;计数设备的制造及其应用技术1.本发明涉及识别保险欺诈的领域,特别地涉及到一种两阶段车险反欺诈图像采集质检方法、装置和系统。背景技术:2.随着近些年保险欺诈的比例和金额逐年上升,并呈现团伙欺诈的趋势,利用计算机识别技术在保险欺诈领域提升检测效率和精度,已成为必然趋势。3.现有计算机识别技术在车辆保险业的应用,更多应用于保险的结构化数据,对于图片、语音等多媒体数据缺少处理,大多依赖人工处理。且图片数据的处理极度依赖于一线查勘人员对图像采集的质量。容易导致采集的图像缺失核损或者判定欺诈行为的关键信息,对后续的案件判断造成影响。4.因此,需要规范化图像采集的流程,保证关键信息的采集,并开发一套图像识别算法,抽取图像中关键信息,来减轻人工处理工作量。技术实现要素:5.为了解决现有技术中存在的上述技术问题,本发明提出了一种两阶段车险反欺诈图像采集质检方法、装置和系统,其具体技术方案如下:一种两阶段车险反欺诈图像采集质检方法,首先在第一阶段判断车损目标在车辆上的位置,然后在第二阶段判断出与车损目标距离最近的车辆部件并抽象为结构化数据,具体包括以下步骤:步骤一,采集车险现场图片,并由查勘员在信息简单标注阶段,通过车险理赔流程终端,标注指向型箭头,即车辆朝向;步骤二,对采集车险现场图片进行目标检测,得到车损目标的置信度分数,并筛选得到目标坐标;步骤三,根据步骤一中标注的车辆朝向和步骤二中的目标坐标,得到目标坐标位于整车的具体部位;步骤四,根据步骤二筛选得到的目标坐标,对车险现场图片进行车辆部件检测,得到车辆部件的置信度分数和部件坐标,并进行筛选,得到距离目标坐标最近的车辆部件;步骤五,根据步骤三中得到的目标坐标位于整车的具体部位和步骤四中得到的距离目标坐标最近的车辆部件,得到距离目标坐标最近的车辆部件位于整车的位置,并抽象化为结构化数据。6.进一步的,所述车险现场图片包括车现场图、车辆损伤细节图,所述车现场图包括从左前,右前,左侧面,右侧面,左后,右后,六个角度分别对车辆进行拍摄的图片,且图片中显示为车辆整车露出,且车辆占比不小于整张图片80%;所述车辆损伤细节图显示为车辆损伤所在的细节部位;所述指向型箭头由车尾至车头,指出车现场图中车的朝向。7.进一步的,所述步骤二中的目标检测具体为:采用yolov5算法对车现场图以及车辆损伤细节图进行识别得到车损的目标坐标。8.进一步的,所述步骤三中的目标坐标位于整车的具体部位的计算方法包括以下步骤:1)计算目标坐标与车辆各部分中心点距离,公式如下:其中,为2-范数,可以取0,1,2,分别代表整车的具体部位包括的车前部、中部和后部,代表目标坐标,当取0,1,2时,分别为车前部、中部和后部中心点坐标,计算方法如下:其中,为车头坐标,为车尾坐标;2)根据目标坐标与车辆各部分中心点距离,得到目标坐标所处位置指示,公式如下:其中,为目标坐标所处位置指示,0代表目标坐标位于车前部,1代表目标坐标位于车中部,2代表目标坐标位于车后部;为目标坐标与车辆各部分中心点距离的最小值,计算公式如下:。9.进一步的,所述步骤四具体为:对车险现场图片进行目标检测,得到所有部件坐标,利用步骤二筛选得到的目标坐标,计算目标坐标与所有部件坐标的距离,选择距离最小的部件,作为距离目标坐标最近的车辆部件。10.一种两阶段车险反欺诈图像采集质检系统,包括:车险理赔流程终端、车险理赔流程云数据库、图像识别分类模块;所述车险理赔流程终端基于人工智能模型辅助车险现场取证,收集车险数据信息,包括:车现场图、车辆损伤细节图;所述车险理赔流程云数据库用于存储和检索调用在车险理赔流程中采集的历史图像数据;所述图像识别分类模块基于计算机视觉算法提取车损信息,得到车损目标和其相对位置,并转化为结构化数据信息。11.一种两阶段车险反欺诈图像采集质检装置,包括一个或多个处理器,用于实现所述的一种两阶段车险反欺诈图像采集质检方法。12.一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现所述的一种两阶段车险反欺诈图像采集质检方法。13.与现有技术相比,本发明的有益效果为:本发明提出的一种两阶段车险反欺诈图像采集质检方法中,第一阶段利用目标检测方法识别车损和车部件坐标,为第二阶段的结构化数据抽取提供了较为准确的预测结果;第二阶段的结构化数据抽取中,利用一个车险理赔流程终端规范化的图像采集,得到包含车辆方向的清晰图片,根据第一阶段的检测结果,判断车损的相对位置,避免了传统保险行业中存在的低质量图片,以及人工识别耗费的大量时间。附图说明14.图1为本发明的两阶段的车险反欺诈图像采集质检过程图;图2为本发明提供的一种两阶段车险反欺诈图像采集质检方法流程图;图3为本发明提供的一种车险理赔流程终端的拍照示意图;图4为本发明提供的一种车险理赔流程终端的标注示意图;图5为本发明实施例的的一种两阶段车险反欺诈图像采集质检装置的结构示意图。具体实施方式15.为了使本发明的目的、技术方案和技术效果更加清楚明白,以下结合说明书附图和实施例,对本发明作进一步详细说明。16.本发明提供了一种两阶段车险反欺诈图像采集质检系统,包括:车险理赔流程终端、车险理赔流程云数据库、图像识别分类模块;所述车险理赔流程终端基于人工智能模型辅助车险现场取证,收集车险数据信息,包括:车现场图、车辆损伤细节图;所述车险理赔流程云数据库用于存储和检索调用在车险理赔流程中采集的历史图像数据;所述图像识别分类模块基于计算机视觉算法提取车损信息,得到车损目标和其相对位置,并转化为结构化数据信息。17.如图1所示,本发明的一种两阶段车险反欺诈图像采集质检方法,首先在第一阶段判断车损目标在车辆上的位置,然后在第二阶段判断出与车损目标距离最近的车辆部件并抽象为结构化数据,即判断车损的相对位置;具体的,如图2所示,包括如下步骤:步骤一,采集车险现场图片,并由查勘员在信息简单标注阶段,通过车险理赔流程终端,标注指向型箭头,即车辆的朝向。18.所述车险现场图片包括车现场图、车辆损伤细节图,具有以下取景规则:车现场图要求整车露出,且车辆占比不小于整张图片80%,要求从左前,右前,左侧面,右侧面,左后,右后,六个角度分别对车辆进行拍摄,如图3所示。车辆损伤细节图,要求照出损伤所在的细节部位。进一步地,在照相过程中,车险理赔流程终端会分类别上传所采集的照片并且提示照相的注意事项,对质量较低,较为模糊的照片要求重拍,保证照片质量。19.所述指向型箭头由车尾至车头,指出车现场图中车的朝向,如图4所示。20.步骤二,对采集车险现场图片进行目标检测,得到车损目标的置信度分数,并筛选得到目标坐标。21.其中,所述的目标检测的方法为yolov5算法,采用yolov5算法从图像识别分类模块中筛选得到与车现场图以及车辆损伤细节图中识别对应的车损目标坐标。22.步骤三,根据步骤一中标注的车辆朝向和步骤二中的目标坐标,得到目标坐标位于整车的具体部位。23.具体的,所述整车的具体部位包括前部、中部和后部三部分,通过目标坐标所处位置计算方法来得到目标坐标位于整车的具体部位。24.所述目标坐标所处位置计算方法具体包括如下步骤:1)计算目标坐标与车辆各部分中心点距离,公式如下:其中,为2-范数,可以取0,1,2,分别代表车前部、中部和后部,代表目标坐标,当取0,1,2时,分别为车前部、中部和后部中心点坐标,计算方法如下:其中,为车头坐标,为车尾坐标;2)根据目标坐标与车辆各部分中心点距离,得到目标坐标所处位置指示,公式如下:其中,为目标坐标所处位置指示,0代表目标坐标位于车前部,1代表目标坐标位于车中部,2代表目标坐标位于车后部;为目标坐标与车辆各部分中心点距离的最小值,计算公式如下:。25.步骤四,根据步骤二筛选得到的目标坐标,对车险现场图片进行车辆部件检测,得到车辆部件的置信度分数和部件坐标,并进行筛选,得到距离目标坐标最近的车辆部件。26.具体的,对车险现场图片进行目标检测,得到所有部件坐标,利用步骤二筛选得到的目标坐标,计算目标坐标与所有部件坐标的距离,选择距离最小的部件,作为距离目标坐标最近的车辆部件。27.所述车辆部件分类信息如下表所示:。28.步骤五,根据步骤三中得到的目标坐标位于整车的具体部位和步骤四中得到的距离目标坐标最近的车辆部件,得到距离目标坐标最近的车辆部件位于整车的位置,并抽象化为结构化数据。29.与前述一种两阶段车险反欺诈图像采集质检方法的实施例相对应,本发明还提供了一种两阶段车险反欺诈图像采集质检装置的实施例。30.参见图5,本发明实施例提供的一种两阶段车险反欺诈图像采集质检装置,包括一个或多个处理器,用于实现上述实施例中的一种两阶段车险反欺诈图像采集质检方法。31.本发明的一种两阶段车险反欺诈图像采集质检装置的实施例可以应用在任意具备数据处理能力的设备上,该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图5所示,为本发明的一种两阶段车险反欺诈图像采集质检装置所在任意具备数据处理能力的设备的一种硬件结构图,除了图5所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能,还可以包括其他硬件,对此不再赘述。32.上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。33.对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。34.本发明实施例还提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现上述实施例中的一种两阶段车险反欺诈图像采集质检方法。35.所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元,例如硬盘或内存。所述计算机可读存储介质也可以是外部存储设备,例如所述设备上配备的插接式硬盘、智能存储卡(smart media card,smc)、sd卡、闪存卡(flash card)等。进一步的,所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据,还可以用于暂时地存储已经输出或者将要输出的数据。36.以上所述,仅为本发明的优选实施案例,并非对本发明做任何形式上的限制。虽然前文对本发明的实施过程进行了详细说明,对于熟悉本领域的人员来说,其依然可以对前述各实例记载的技术方案进行修改,或者对其中部分技术特征进行同等替换。凡在本发明精神和原则之内所做修改、同等替换等,均应包含在本发明的保护范围之内。
图片声明:本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!
内容声明:本文中引用的各种信息及资料(包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主体(包括但不限于公司、媒体、协会等机构)的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理!本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!
免责声明:我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理,本文部分文字与图片资源来自于网络,部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益,请立即通知我们,情况属实,我们会第一时间予以删除,并同时向您表示歉意,谢谢!
一种两阶段车险反欺诈图像采集质检方法、装置和系统与流程 专利技术说明
作者:admin
2022-11-30 09:24:37
733
关键词:
计算;推算;计数设备的制造及其应用技术
专利技术