[发明专利]车险投保信息的检测方法、装置、计算机设备及存储介质

说明书

本申请涉及数据检测领域，揭示了一种车险投保信息的检测方法、装置、计算机设备及存储介质，其中方法包括：接收车损案件的报案信息；识别所述报案信息，获取车辆的唯一注册信息以及车损图像；基于深度学习网络提取所述车损图像的损伤特征，并将所述损伤特征转化为特征向量；将所述特征向量进行切分后编码，得到特征编码；获取所述唯一注册信息对应的车辆的历史车损图像的历史特征编码；将所述特征编码与所述历史特征编码进行比对，若所述特征编码与所述历史特征编码的相似度高于预设阈值，确定所述报案信息为重复报案信息。本申请能够快速、准确地检测出重复投保的案件信息。

技术领域

本申请涉及到数据检测领域，特别是涉及到一种车险投保信息的检测方法、装置、计算机设备及存储介质。

背景技术

在车辆保险理赔场景中，车辆保险领域中的重复投保欺诈是指同一事故车辆同一时间段内的同一处损伤在未经过修理的情况下发生多次理赔申请而形成的欺诈行为。对于上述欺诈行为，传统的解决方案主要依靠查勘员的职业素养和历史经验，人工对上报案件和系统中的历史案件进行比对，具有很大的主观性和不可控性。如果查勘员没有主动上报重复投保，系统内也无法及时发现；或者从投保指令中提取险种信息，利用处理逻辑框架获取元数据，实现对重复投保的比对确认，上述方案均的局限性较强、应用范围不广泛，导致目前车损案件的重复投保检测的准确度低、效率低。

发明内容

本申请的主要目的为提供一种车险投保信息的检测方法、装置、计算机设备及存储介质，旨在解决目前车损案件的重复投保检测的准确度低、效率低的问题。

为了实现上述发明目的，本申请提出一种车险投保信息的检测方法，包括：

接收车损案件的报案信息；

识别所述报案信息，获取车辆的唯一注册信息以及车损图像；

基于深度学习网络提取所述车损图像的损伤特征，并将所述损伤特征转化为特征向量；

将所述特征向量进行切分后编码，得到特征编码；

获取所述唯一注册信息对应的车辆的历史车损图像的历史特征编码；

将所述特征编码与所述历史特征编码进行比对，若所述特征编码与所述历史特征编码的相似度高于预设阈值，确定所述报案信息为重复报案信息。

进一步地，所述深度歇息网络包括骨干网络、区域候选网络及输出网络；所述基于深度学习网络提取所述车损图像的损伤特征，包括：

将所述车损图像输入至所述骨干网络，基于所述骨干网络对所述车损图像进行卷积及池化计算，得到第一中间特征图；

将所述第一中间特征图输入至所述区域候选网络，基于所述区域候选网络对所述第一中间特征图进行边界回归及兴趣区域对齐计算，得到第二中间特征图；

将所述第二中间特征图输入至所述输出网络，基于所述输出网络计算所述第二特征图对应车损的损伤框与损伤类型，根据所述损伤框与损伤类型确定所述车损图像的损伤特征。

进一步地，所述基于所述输出网络计算所述第二特征图对应车损的损伤框与损伤类型，包括：

基于所述输出网络计算所述第二特征图的边界框坐标；

根据所述边界框坐标确定车损的损伤框；

计算所述损伤框内的图像与标准图像的损失度；

根据所述损失度确定所述车损的损伤类型。

进一步地，所述将所述特征向量进行切分后编码，得到特征编码，包括：

获取所述特征向量的长度；

根据所述长度将所述特征向量切分为若干个具有相同长度的子向量；