[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

说明书

本发明公开了一种面向车险反欺诈的图像标注及要素抽取方法与系统，本发明方法针对车险现场采集，事后补充图片等图像进行反欺诈要素提取。本发明系统包括：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，其中标注功能模块包括多标签类别标注模块，车损部位标注模块，人脸标注模块；要素提取模块用于对各个标注数据集进行要素提取。本发明主要聚焦于建立面向车险反欺诈的图像要素标注与提取，使得提取的图像要素更客观，生成可以用于交叉验证车险结构化数据，提高数据质量。

技术领域

本发明属于图像处理技术领域，尤其涉及一种面向车险反欺诈的图像标注及要素抽取方法与系统。

背景技术

同时，随着金融保险行业信息化的发展，相关业务数据快速增长，如何利用快速增长的数据，特别是较客观的图像数据，进行保险欺诈行为检测，有效打击和震慑反欺诈行为，对车险行业有重要意义。现有智能识别技术在车辆保险业的应用，大多针对于保险的定损，例如中国专利CN113344712A公开了基于图像识别的智能分拣及保险赔付系统，中国专利CN113706513A公开了基于图像检测的车损图像的分析方法等。其次，现有的图像模型较多使用公开数据库，可提取要素种类较少，在反欺诈中的应用价值不大。再次，车险图像数据标注没有针对性，通常仅在预训练模型进行微调时额外加入少量车损特征，使得提取结果包含大量噪声特征，影响反欺诈模型判定。

发明内容

针对现有技术不足，本发明提出了一种面向车险反欺诈的图像标注及要素抽取方法与系统。

为实现上述技术目的，本发明的技术方案为：本发明实施例的第一方面提供了一种面向车险反欺诈的图像标注及要素抽取方法，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；

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；

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；

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。

进一步地，所述步骤S1具体为：分析包括车险反欺诈案例，对摆放现场，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。

进一步地，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。

进一步地，所述步骤S3具体为：根据车险要素表，利用labelme遍历去除相似样本的的车险现场图像，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。

进一步地，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。