[发明专利]一种保险理赔影像包分拣的方法

说明书

本发明涉及一种保险理赔影像包分拣的方法，所述方法包括如下步骤：步骤110获取影像包中每个影像的图像数据；步骤120对影像图像进行特征检测和识别，得到当前影像所属的类标签；步骤130根据步骤120中得到的类别标签，将当前影像存储到相应的类别集合中。本发明在对影像图像稳定的局部文本或图案特征进行检测和识别的时候，利用识别成功特征的位置信息和相对距离获得特征的邻域目标，通过判断邻域目标是否为设定目标，从而得到准确的影像类别。本方法只提取每个影像稳定的局部特征及其邻域信息加以分析，既提高了分拣的速率也提高了分拣的准确率。

技术领域

本发明属于目标检测和图像识别技术领域，具体涉及一种保险理赔影像包分拣的方法。

背景技术

通常，保险公司或医疗保险第三方管理公司（Third Party Administrator forGroup Medical Insurance，简称TPA）收到投保客户的纸质物理件后，需要进行登记、审核、理件，然后进行扫描、定义分拣、录入。在扫描结束到定义分拣之前投保客户的理赔材料成为了一个个独立的影像包。一般，这些影像包由医疗收据、就诊病历、住院清单、身份证复印件、理赔申请书、银行卡复印件，单位证明等多种个人理赔信息组成。目前从登记到定义分拣大约需要1天工时，占据了30%的理赔时效，大量的人力和时间花费在定义及分拣上，并且影响终端客户的理赔体验。

将同类影像从影像包中分拣出来的技术，目前已有应用，比如使用Googletensorflow中对Cifar-10数据集进行分类，利用CNN卷积神经网络（由卷积层、池化层、全连接层组成，通过梯度下降法对参数进行训练），这种神经网络的方法通过多个卷积滤波器提取影像特征，达到影像分类效果。对于特征不显著的非同类影像，比如同一地区的门急诊与住院医疗票据影像，由于影像中文本存在前后两次打印的情况。同时，第二次打印的内容、格式、位置无规律，这种分拣识别方法常常将两者误分。对这种包含变化特征分布的影像仍然可以依据一些特定且稳定的线索来辅助判断影像的归属，提高影像分类的准确性，保证分拣的准确率。

发明内容

本发明提供一种保险理赔影像包分拣的方法以解决目前分拣识别的方法不能对无规律的票据影像进行准确分拣的弊端进行改进。

本发明的具体技术方案如下：

一种保险理赔影像包分拣的方法，该方法按照以下步骤：

步骤110，获取影像包中一个影像的图像数据；

步骤120，对影像图像进行特征检测和识别，得到当前影像所属的类标签；

步骤130，根据步骤120中得到的类别标签，将当前影像存储到相应的类别集合中。

步骤140，结束。

进一步，所述步骤110获取图像数据的方法可为以下方法之一：

方法1、用数码相机拍摄得到的图像数据；

方法2、用手机拍摄得到的图像数据；

方法3、用扫描仪得到的图像数据；

方法4、打开一个预先存在的包含影像图像数据的文件，读取该文件中的数据并按照标准算法解压后得到的图像数据。

进一步，所述步骤120具体包括如下步骤：

步骤210，加载Adaboost、svm模型文件，类别标签k初始设置为0；

步骤220，判断类别标签k是否小于N，如果是，则进入步骤230，如果否，转入步骤280，所述N为影像类别的种类；

步骤230，图像预处理；每一类别的影像图像的质量、尺寸以及局部特征不一样，在利用执行Adaboost检测特征之前，先进行图像预处理；