[发明专利]一种验车码检测模型的构建及检测方法和装置

说明书

本发明实施例公开了一种验车码检测模型的构建及检测方法和装置，该构建方法包括：获取用于验车码检测的目标训练数据集，目标训练数据集包括多张拍摄有验车码的目标训练图片，且部分的目标训练图片设有图像处理标记；将多张目标训练图片依次输入目标神经网络进行训练，并获取经过目标神经网络训练后输出的目标预测图片；根据目标预测图片，判断使用目标训练数据集对目标神经网络的训练是否已经达到预定目标；若是，则记录并保存此时的目标神经网络对应的网络结构与模型参数数值，将其作为图像检测模型对应的网络结构与模型参数数值。本发明可精准地判断出照片上的验车码是否被篡改过，避免了保险公司被车主欺诈造成损失。

技术领域

本发明涉及数字检测技术领域，尤其涉及一种验车码检测模型的构建及检测方法和装置。

背景技术

目前，在车险理赔领域，出现了很多欺诈行为，比如车主可能会将之前已经理赔过的车辆损坏照片又拿来要求保险公司赔偿，而保险公司也很难分辨出这些车辆损坏照片是不是当前拍摄的照片，无法决定赔偿还是不赔偿。车主的欺诈行为长久以来都是车险理赔业务场景中的痛点，而图像欺诈又是保险欺诈中十分重要的一环。在车险理赔场景中，需要通过用户(车主)上传的车辆损失照片来判断车辆损失程度，并以此为根据调整赔付的金额。为了防止用户上传虚假照片，通常会要求用户将写有验车码信息的纸片与车辆损失部位在同一张照片中展示出来。在实际的业务场景中，不法分子会利用Photoshop等工具对图片中的验车码进行篡改并由此来骗取高额保费，为保险公司带来了巨大的损失。

发明内容

基于此，有必要针对上述问题，提出一种验车码检测模型的构建及检测方法和装置，可实现精准地检测出车主上传的车辆损失照片中的验证码是否被篡改过，避免保险公司被车主欺诈造成损失。

本发明实施例的第一技术方案为：

一种验车码检测模型的构建方法，其包括：获取用于验车码检测的目标训练数据集，所述目标训练数据集包括多张拍摄有验车码的目标训练图片，且部分的所述目标训练图片设有图像处理标记；将多张所述目标训练图片依次输入目标神经网络进行训练，并获取经过所述目标神经网络训练后输出的目标预测图片；根据所述目标预测图片，判断使用所述目标训练数据集对所述目标神经网络的训练是否已经达到预定目标；若使用所述目标训练数据集对所述目标神经网络的训练已经达到预定目标，则记录并保存此时的所述目标神经网络对应的网络结构与模型参数数值，将其作为所述图像检测模型对应的网络结构与模型参数数值。

本发明实施例的第二技术方案为：

一种检测验车码的方法，其基于上述任一项所述的验车码检测模型的构建方法所构建的验车码检测模型来实现，其包括：将待检测的目标验车码检测图像输入所述验车码检测模型进行处理，得到与所述目标验车码检测图像对应的目标验车码预测图像；判断所述目标验车码预测图像对应的验车码区域是否已经做过图像处理；若所述目标验车码预测图像对应的验车码区域已经做过图像处理，则判定所述目标验车码检测图像对应的验车码区域已经做过图像处理，将所述目标验车码检测图像作为篡改图像。

本发明实施例的第三技术方案为：

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：

获取用于验车码检测的目标训练数据集，所述目标训练数据集包括多张拍摄有验车码的目标训练图片，且部分的所述目标训练图片设有图像处理标记；将多张所述目标训练图片依次输入目标神经网络进行训练，并获取经过所述目标神经网络训练后输出的目标预测图片；根据所述目标预测图片，判断使用所述目标训练数据集对所述目标神经网络的训练是否已经达到预定目标；若使用所述目标训练数据集对所述目标神经网络的训练已经达到预定目标，则记录并保存此时的所述目标神经网络对应的网络结构与模型参数数值，将其作为所述图像检测模型对应的网络结构与模型参数数值；

或使得所述处理器执行以下步骤：