基于理赔照片深度学习实现保险理赔反欺诈的方法及服务器的制造方法
【专利说明】基于理赔照片深度学习实现保险理赔反欺诈的方法及服务
□ □
技术领域
[0001]本发明涉及金融服务技术领域，特别是一种基于理赔照片深度学习实现保险理赔反欺诈的方法及服务器。
【背景技术】
[0002]目前，随着机动车保有量的不断上升，道路的供需矛盾日益突出，道路拥堵现象越来越严重，许多由交通事故特别是像一些溜车、追尾等轻微交通事故造成的交通拥堵现象日趋严重。
[0003]为解决道路交通事故造成的交通拥堵问题，交警部门采取了路面执勤民警使用简易程序快速处理轻微交通事故。但是许多轻微交通事故，驾驶员不敢撤离现场，很多人认为，一旦挪了车，保险公司会有各种理由不理赔，于是还是先等交警，再等保险公司，人为的造成了道路的严重拥堵。
[0004]鉴于上述情况，交管部门联合保监部门，共同研发手机APP软件，通过手机快速取证，一旦发生了交通事故，用这款APP软件取证，拍摄的信息可由交管部门和保险公司共享。让车主放心挪车，让保险公司放心理赔。
[0005]然而这样的取证方法，在便利了保险人与保险公司的同时，也会带来一些弊端，如为了骗保，保险人可能会上传虚假的取证照片，如通过PS技术合成或者篡改的事故现场照片，或者上传非真实事故现场的照片。因此，保险公司在审核保险人的理赔申请时，需要人工校验照片的真实性与有效性，费时费力，且效率不高。
【发明内容】
[0006]鉴于以上内容，有必要提供一种基于理赔照片深度学习实现保险理赔反欺诈的方法及服务器，以自动检查出篡改的理赔照片，以及自动判断出理赔照片与对应的理赔申请是否匹配，从而自动识别欺诈的理赔行为。
[0007]—种基于理赔照片深度学习实现保险理赔反欺诈的方法，包括:
[0008]在接收到用户提交的理赔照片时，基于二维离散余弦变换函数对获取的照片进行频域转换，根据预设的分析规则并基于频域转换后的照片在各个颜色通道上的颜色值，对所述照片进行真实性验证；
[0009]若获取的图片是不真实的，则生成提醒信息以提醒获取的图片对应的理赔申请存在欺诈行为；
[0010]若获取的图片是真实的，则按照预先确定的时间识别规则，识别出获取的照片中的拍摄时间；
[0011]提取出获取的照片对应的理赔申请中填写的理赔事件发生时间；及
[0012]在提取的理赔事件发生时间与识别的拍摄时间不匹配时，生成提醒信息以提醒获取的图片对应的理赔申请存在欺诈行为。
[0013]优选地，所述预设的分析规则为:提取频域转换后的照片在各个RGB颜色通道上的颜色值变化幅度，若有颜色通道上的颜色值变化幅度大于预设阈值，则判断获取的照片是不真实的照片；若没有颜色频道上的颜色值变化幅度大于所述预设阈值，则判断获取的照片是真实的照片。
[0014]优选地，所述预先确定的时间识别规则为:按照预设的图块定位规则对获取的图片中预设位置的图块进行定位；按照预先生成的支持向量机模型识别出已定位的图块中是否包含时间信息；按照预设的字符分割规则对识别出的图块进行字符图块分割；按照预先生成的字符识别模型识别出分割的各个字符图块对应的字符数据。
[0015]优选地，所述预设的图块定位规则为:应用高斯模糊方法对照片预设位置进行预处理，降低照片预设位置的细节层次；将预处理后的预设位置图像灰度化；对灰度化后的图像进行Sobel边缘检测运算，从而得到图像的一阶水平方向导数；将灰度化的图像转换成二值图像；确定出二值图像中的所有轮廓块，并按照预设的筛选规则筛选出待分析的轮廓块，并为筛选出的轮廓块生成最小外接矩形框；将存在倾斜角度的由矩形框包围的轮廓块滤除。
[0016]优选地，所述预设的字符分割规则为:将包含时间的图块灰度化；采用大津阈值法对灰度化图块做二值化处理；采用findContours函数对二值化图块取轮廓，并获取所有字符图块的最小外接矩形框；把得到的最小外接矩形框中的图块一一分割开来，以分割成各个单字符图块。
[0017]优选地，所述支持向量机模型的生成过程包括:获取预设数量的照片样本，按照预设的图块定位规则对获取的每一个图片样本中预设位置的图块进行定位；对定位出的各个图块进行预处理，以过滤掉不符合预设条件的图块；将包含时间信息的图块和未包含时间信息的图块分发到两个不同的文件夹里；从两个文件夹下各提取第一预设比例的图块作为训练数据，以进行支持向量机模型的训练，两个文件夹下各剩下的第二预设比例的图块作为测试数据，用以评估模型的分类识别效果；利用提取的第一预设比例的图块数据进行支持向量机模型训练以生成对应的支持向量机模型，利用剩下的第二预设比例的图块数据对生成的支持向量机模型进行准确性验证；若训练得到的支持向量机模型识别准确率小于预设准确率，则增加训练数据集的图块数量，重复上述支持向量机模型的生成过程，直到生成的支持向量机模型准确率大于等于预设准确率。
[0018]优选地，所述字符识别模型的生成过程包括:获取预设数量的包含时间信息的图块样本，按照上述预设的字符分割规则对每一个图块样本进行字符图块分割；对分割的所有字符图块按照字符类型进行分类，以将同一字符类型的字符图块分为一类，不同字符类型的字符图块分为不同类；从各个类下各提取第一预设比例的字符图块作为训练数据，以进行多层感知器模型的训练，各个类下各剩下的第二预设比例的字符图块作为测试数据，用以评估模型的分类识别效果；利用提取的第一预设比例的字符图块数据进行人工神经网络训练以生成对应的多层感知器模型，利用剩下的第二预设比例的字符图块数据对生成的多层感知器模型进行准确性验证；若生成的多层感知器模型准确率小于预设准确率，则增加训练数据集的图块数量，重复上述多层感知器模型的生成过程，直到生成的多层感知器模型准确率大于等于预设准确率。
[0019]一种适用于上述方法的服务器，该服务器包括存储设备以及处理器，其中:
[0020]所述存储单元，存储有一个基于理赔照片深度学习实现保险理赔反欺诈的系统；
[0021]所述处理器，用于调用并执行所述基于理赔照片深度学习实现保险理赔反欺诈的系统，以执行如下步骤:
[0022]在接收到用户提交的理赔照片时，基于二维离散余弦变换函数对获取的照片进行频域转换，根据预设的分析规则并基于频域转换后的照片在各个颜色通道上的颜色值，对所述照片进行真实性验证；
[0023]若获取的图片是不真实的，则生成提醒信息以提醒获取的图片对应的理赔申请存在欺诈行为；
[0024]若获取的图片是真实的，则按照预先确定的时间识别规则，识别出获取的照片中的拍摄时间；
[0025]提取出获取的照片对应的理赔申请中填写的理赔事件发生时间；及
[0026]在提取的理赔事件发生时间与识别的拍摄时间不匹配时，生成提醒信息以提醒获取的图片对应的理赔申请存在欺诈行为。
[0027]优选地，所述预设的分析规则为:提取频域转换后的照片在各个RGB颜色通道上的颜色值变化幅度，若有颜色通道上的颜色值变化幅度大于预设阈值，则判断获取的照片是不真实的照片；若没有颜色频道上的颜色值变化幅度大于所述预设阈值，则判断获取的照片是真实的照片。
[0028]优选地，所述预先确定的时间识别规则为:按照预设的图块定位规则对获取的图片中预设位置的图块进行定位；按照预先生成的支持向量机模型识别出已定位的图块中是否包含时间信息；按照预设的字符分割规则对识别出的图块进行字符图块分割；按照预先生成的字符识别模型识别出分割的各个字符图块对应的字符数据。
[0029]本发明所述基于理赔照片深度学习实现保险理赔反欺诈的方法、系统及适用于上述系统的服务器，能够自动检查出篡改的理赔照片，以及自动判断出理赔照片