[發明專利]一種增量式高精度圖像過濾方法及系統

有效

• 申請號: 202310507111.0
• 申請日: 2023-05-08
• 公開（公告）號: CN116226430B
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 孫勇
• 申請（專利權）人: 深圳市拓保軟件有限公司
• 主分類號: G06F16/535
• 分類號: G06F16/535;G06V10/74;G06Q40/08
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 朱曉彤

1.一種增量式高精度圖像過濾方法，其特征在于，應用于服務器端，包括：

接收客戶端上傳的理賠申請信息，所述理賠申請信息包括理賠申請書和理賠申請圖片信息，所述理賠申請書為pdf格式；

對所述理賠申請圖片信息基于內嵌于所述服務器端的第一增量學習模型進行特征提取，獲取圖片背景特征和圖片標的特征包括：

所述第一增量學習模型包括背景特征提取子構件和標的特征提取子構件，包括：

構建第一特征提取規則，對圖片集進行處理，獲取多組特征標識結果，包括：

構建所述第一特征提取規則，包括，

獲取特征框選窗口，所述特征框選窗口的尺寸與圖片尺寸具有第一預設比例，且所述特征框選窗口的中心點與任意一個圖片像素點重合；

基于ORB算法，構建特征提取模塊，包括，

基于Harris角點檢測算法，構建特征點檢測子模塊；以及

基于Rotated?BRIEF特征點描述算法，構建特征點描述子模塊；

對所述圖片集進行處理，獲取所述多組特征標識結果，包括，

根據所述特征框選窗口對所述圖片集的任意一張進行框選，將框選結果輸入所述特征提取模塊的所述特征點檢測子模塊，獲取特征點識別結果，所述特征點識別結果包括角點區域或平坦區域或邊緣區域；

當所述框選結果屬于所述角點區域時，將所述框選結果的中心點所在像素點設為特征點，將所述框選結果輸入所述特征點描述子模塊，獲取特征點描述子；

將所述特征點和所述特征點描述子關聯存儲后添加進所述圖片集的任意一張的特征標識結果，添加進所述多組特征標識結果；

根據所述圖片集和所述多組特征標識結果進行有監督訓練，生成所述背景特征提取子構件；

根據所述圖片集、所述圖片集的任意一張圖片的包含物的屬性信息和所述圖片集的任意一張圖片的包含物的特征標識結果進行有監督訓練，生成所述標的特征提取子構件；

獲取申請理賠保險編號匹配理賠標的類型，結合所述理賠申請圖片信息輸入所述標的特征提取子構件，獲取所述圖片標的特征；

將所述理賠申請圖片信息輸入所述第一增量學習模型的所述背景特征提取子構件，獲取初始背景特征信息；

將所述圖片標的特征從所述初始背景特征信息篩除，生成所述圖片背景特征；

將所述圖片背景特征和所述圖片標的特征輸入客戶端所屬用戶的已處理申請圖片庫，基于內嵌于所述服務器端的第二增量學習模型進行相似圖片匹配，獲取相似圖片篩選結果，包括：

所述第二增量學習模型包括漢明距離計算子構件和相似圖片篩選子構件；

獲取所述已處理申請圖片庫的任意一張圖片的背景記錄特征和標的記錄特征，基于所述漢明距離計算子構件對所述背景記錄特征與所述圖片背景特征進行漢明距離計算，獲取第一計算結果，對所述標的記錄特征與所述圖片標的特征進行漢明距離計算，獲取第二計算結果；

將所述已處理申請圖片庫的圖片按照所述第一計算結果自大到小進行排序，獲取第一排序結果；

將所述已處理申請圖片庫的圖片按照所述第二計算結果自大到小進行排序，獲取第二排序結果；

將所述第一排序結果和所述第二排序結果輸入所述相似圖片篩選子構件，獲取所述相似圖片篩選結果，其中，所述相似圖片篩選子構件用于篩選所述第一排序結果和所述第二排序結果的交集排序圖片的自首至尾的N張圖片，1≤N≤6，N為整數；

當所述相似圖片篩選結果的背景相似度大于或等于第一相似度閾值，且所述相似圖片篩選結果的標的相似度大于或等于第二相似度閾值時，根據所述相似圖片篩選結果、所述理賠申請書和所述理賠申請圖片信息生成異常申請信息發送給內嵌于所述服務器端的第三增量學習模型進行復核，包括：

所述第三增量學習模型包括OCR文字提取子構件和異常復核子構件；

將所述理賠申請書輸入所述OCR文字提取子構件，獲取OCR文字提取結果，所述OCR文字提取結果包括申請理賠標的物類型信息；

將所述申請理賠標的物類型信息輸入所述異常復核子構件，獲取復核結果信息，其中，所述異常復核子構件用于判斷所述申請理賠標的物類型信息是否屬于所述相似圖片篩選結果的標的：

若屬于，生成異常確認指令作為所述復核結果信息，若不屬于，生成所述復核通過指令作為所述復核結果信息；

當生成復核通過指令，生成繼續理賠指令執行后續流程，當生成異常確認指令，生成駁回理賠信息作為申請審核結果發送至所述客戶端的顯示界面。