[发明专利]一种面向车险反欺诈的图像标注及要素抽取方法与系统

权利要求书

1.一种面向车险反欺诈的图像标注及要素抽取方法，其特征在于，具体包括以下步骤：

S1，基于欺诈类型，通过设定判定依据提取车险要素以构建车险要素表；

所述步骤S1具体为：分析车险反欺诈案例，对包括摆放现场，重复索赔，人员偷换，二次碰撞在内的欺诈类型，对其判定依据进行总结，得到基于图像要素反欺诈规则，并以此构建车险要素表；所述车险要素表中的车险要素包括车损面积、车损位置、事故时间、天气、事故类型、车损程度、人脸；

S2，采集车险现场图像，通过图像向量化和设置相似阈值，基于图像相似度度量模型去除相似样本；所述车险现场图像包括保险公司采集的车险现场图像、网上公开的车损图像集和通过道路监控摄像头采集的图像；

S3，根据车险要素表，对去除相似样本的车险现场图像中的车险、车损、人脸分别进行标注，得到车险要素标注数据集、车损要素标注数据集和人员信息标注数据集；

所述步骤S3具体为：根据车险要素表，遍历去除相似样本的车险现场图像，对包括车辆数目、行驶状态、事故类型、双方、天气、时间、路况的车险要素，包括凹陷、凸起弯折、划蹭、燃烧、玻璃碎裂、爆胎、撕裂、脱落在内的车损要素和人员要素进行标注，得到车险要素标注数据集、车损要素标注数据集和人员信息标注数据集；

S4，对车险要素标注数据集基于加权多标签提取车险要素，对车损要素标注数据集基于目标检测算法提取车损要素，对人员信息标注数据集基于人脸检测算法进行人脸检测提取人员信息。

2.根据权利要求1所述的面向车险反欺诈的图像标注及要素抽取方法，其特征在于，所述步骤S2通过图像向量化和设置相似阈值，去除相似样本的过程具体为：使用细粒度车辆分类数据库为图像相似度度量模型的训练集，训练后的模型作为图像向量化的编码器；然后，利用向量化距离计算最远点抽样，通过设置采样数量或者图像相似度阈值，实现样本的距离最大化，以满足采样的车险现场图像的多样性。

3.根据权利要求1所述的面向车险反欺诈的图像标注及要素抽取方法，其特征在于，对车险要素标注数据集基于加权多标签提取车险要素的过程具体为：以基于Imagenet图像库的Efficientnet预训练模型为基础，将车险要素标注数据集作为训练集基于加权多标签进行多标签分类任务精调，得到车险要素。

4.根据权利要求1所述的面向车险反欺诈的图像标注及要素抽取方法，其特征在于，对车损要素标注数据集基于目标检测算法提取车损要素的过程具体为：以基于COCO图像库的Yolo预训练模型为基础，将车损要素标注数据集作为训练集，在车损图像训练库上进行精调训练，对车损像素面积进行标准化得到实际车损面积，得到车损要素。

5.根据权利要求4所述的面向车险反欺诈的图像标注及要素抽取方法，其特征在于，对车损框面积进行标准化的过程具体为：解耦车损框包围像素数与拍摄相机和距离相关性，以车轮为侧面照参照物，以车牌为正面照参照物，计算框总像素/参照物单位面积，得到标准化车损面积；再根据车轮和车牌的实际尺寸，计算单位像素对应面积值。

6.一种面向车险反欺诈的图像标注及要素抽取系统，应用于权利要求1~5任一项所述的面向车险反欺诈的图像标注及要素抽取方法，其特征在于，包括车险要素表构建模块，图像采集模块、标注功能模块和要素提取模块；

所述车险要素表构建模块用于基于欺诈类型，通过设定判定依据提取车险要素构建得到车险要素表；

所述图像采集模块用于收集待标注图像，这些图像来源于保险公司采集的车险现场图像、网上公开的车损图像集和通过道路监控摄像头采集的图像；所述采集的图像还需经过包括去重复、去相似在内的预处理；

所述标注功能模块根据车险要素表对待标注图像中的车险、车损、人员信息进行标注，分别得到车险标注数据集、车损标注数据集、人员标注数据集；

所述要素提取模块对车险标注数据集、车损标注数据集、人员标注数据集进行要素提取。