[发明专利]电子装置、投保牲畜识别方法和计算机可读存储介质

权利要求书

1.一种电子装置，其特征在于，所述电子装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的投保牲畜识别系统，所述投保牲畜识别系统被所述处理器执行时实现如下步骤：

在收到带有被保险的牲畜的身份标识和该牲畜的当前脸部照片的理赔申请后，根据预先存储的身份标识和标准牲畜脸部照片的关联数据，确定该身份标识对应的标准牲畜脸部照片；

将该牲畜的当前脸部照片和确定的标准牲畜脸部照片输入到预先训练好的预设类型识别模型中，确定该牲畜的当前脸部照片和确定的标准牲畜脸部照片的相似度；

若确定的相似度大于预设阈值，则确定该牲畜的脸部识别通过，或者，若确定的相似度小于或者等于预设阈值，则确定该牲畜的脸部识别失败。

2.如权利要求1所述的电子装置，其特征在于，所述预设类型识别模型为孪生神经网络模型，所述预设类型识别模型包括第一子网络模型、第二子网络模型及结果计算模块，其中：

该第一子网络模型，用于对该牲畜的当前脸部照片进行特征提取，输出第一特征向量；

该第二子网络模型，用于对确定的标准牲畜脸部照片进行特征提取，输出第二特征向量；

该结果计算模块，用于根据预先确定的特征向量距离计算函数计算出所述第一特征向量与第二特征向量的向量距离，该向量距离即为该牲畜的当前脸部照片和确定的标准牲畜脸部照片的相似度。

3.如权利要求2所述的电子装置，其特征在于，所述预先确定的特征向量距离计算函数为：E_W(X1，X2)＝‖G_W(X1)-G_W(X2)‖；

其中，G_W(X)代表所述预设类型识别模型的网络映射函数，其参数为W，该参数W由所述预设类别识别模型训练得出；该网络映射函数G_W(X)针对两个不同的输入特征向量X1和X2，分别输出低维空间结果为G_W(X1)和G_W(X2)，G_W(X1)是由X1经过网络映射得到的，G_W(X2)是由X2经过网络映射得到的。

4.如权利要求3所述的电子装置，所述网络映射函数G_W(X)的参数W满足：使得当X1和X2属于同一个牲畜脸部的时候，特征向量距离度量E_W(X1，X2)＝‖G_W(X1)-G_W(X2)‖小于第一阈值；当X1和X2属于不同的类别的时候，特征向量距离度量E_W(X1，X2)＝‖G_W(X1)-G_W(X2)‖大于第二阈值；所述第一阈值小于或者等于第二阈值。

5.如权利要求1-4中任意一项所述的电子装置，其特征在于，所述预设类型识别模型的训练过程如下：

E1、获取预设数量的投保牲畜的脸部照片和预设数量的出险理赔牲畜的脸部照片；

E2、将获取的所有脸部照片进行两两随机配对获得预设数量的脸部照片对，对属于同一牲畜的脸部照片对标注第一标签，对不属于同一牲畜的脸部照片对标注第二标签；

E3、将所述脸部照片对分为第一百分比的训练集和第二百分比的验证集，所述第一百分比和第二百分比之和小于或者等于100％；

E4、利用训练集中的照片对对所述预设类型识别模型进行训练，并在训练完成后利用验证集对训练的所述预设类型识别模型的准确率进行验证；

E5、若准确率大于预设阈值，则模型训练结束；

E6、若准确率小于或者等于预设阈值，则增加所述脸部照片的样本数量，并基于增加后的脸部照片的样本重新执行上述步骤E2、E3、E4。

6.一种投保牲畜识别方法，其特征在于，该方法包括步骤：

在收到带有被保险的牲畜的身份标识和该牲畜的当前脸部照片的理赔申请后，根据预先存储的身份标识和标准牲畜脸部照片的关联数据，确定该身份标识对应的标准牲畜脸部照片；

将该牲畜的当前脸部照片和确定的标准牲畜脸部照片输入到预先训练好的预设类型识别模型中，确定该牲畜的当前脸部照片和确定的标准牲畜脸部照片的相似度；

若确定的相似度大于预设阈值，则确定该牲畜的脸部识别通过，或者，若确定的相似度小于或者等于预设阈值，则确定该牲畜的脸部识别失败。