[发明专利]基于人脸识别的医保卡盗用风险识别方法及其相关设备在审
| 申请号: | 202111059400.6 | 申请日: | 2021-09-10 |
| 公开(公告)号: | CN113688784A | 公开(公告)日: | 2021-11-23 |
| 发明(设计)人: | 罗伟 | 申请(专利权)人: | 平安医疗健康管理股份有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06F21/32;G06F16/27;G06N3/04;G06N3/08;G16H10/60 |
| 代理公司: | 深圳市世联合知识产权代理有限公司 44385 | 代理人: | 汪琳琳 |
| 地址: | 200001 上海市黄浦*** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 识别 医保 盗用 风险 方法 及其 相关 设备 | ||
1.基于人脸识别的医保卡盗用风险识别方法,其特征在于,包括下述步骤:
实时获取经过设定区域的人脸图片;
在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库;
将所述经过设定区域的人脸图片在所述人脸库中进行查找比对,并将比对结果计入设定的数据记录表中;
根据数据记录表中的比对结果计算每个人脸图片在每个区域的比对成功率,根据所述比对成功率输出风险级别;
根据所述风险级别执行预警操作。
2.根据权利要求1所述的基于人脸识别的医保卡盗用风险识别方法,其特征在于,所述实时获取经过设定区域的人脸图片包括:
检测人脸是否出现在摄像头内,若是则抓拍得到人脸图片,并对所述人脸图片进行修正,否则继续检测;
将修正后的人脸图片输入到预设的神经网络,得到人脸图片的特征测量值;
所述将所述经过设定区域的人脸图片独立在所述人脸库中进行查找比对,并将比对结果计入设定的数据记录表中包括:
计算人脸图片的特征测量值的第一欧式距离,以及计算人脸库的人脸底片的第二欧氏距离;
比较第一欧式距离和第二欧氏距离的差值,若差值在预设阈值内则比对成功,否则比对失败;
将比对成功或比对失败的比对结果计入设定的数据记录表中。
3.根据权利要求1所述的基于人脸识别的医保卡盗用风险识别方法,其特征在于,所述在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库包括:
获取设定时间内的所有就诊数据形成就诊数据表,所述就诊数据表至少包括就诊人信息和医保卡信息;
根据就诊数据表中所记载的医保卡信息调取对应的人脸底片,并将所有人脸底片组合建立人脸库。
4.根据权利要求3所述的基于人脸识别的医保卡盗用风险识别方法,其特征在于,所述在设定时间内根据就诊数据所对应的医保卡中的人脸底片建立人脸库还包括:在设定时间内统计出现与所述医保卡信息对应的就诊人信息的次数、时间及区域,并按照就诊人信息计入数据记录表中。
5.根据权利要求3所述的基于人脸识别的医保卡盗用风险识别方法,其特征在于,所述获取设定时间内的所有就诊数据形成就诊数据表包括:
获取设定时间内的所有就诊数据;
对所述就诊数据按照设定匹配规则进行筛选处理以形成就诊数据表。
6.根据权利要求1所述的基于人脸识别的医保卡盗用风险识别方法,其特征在于,所述根据所述成功率输出风险级别之后,还包括:
识别所述风险级别;
若所述风险级别为盗用高风险,则将该盗用高风险所处区域的比对结果输入至预设的校正模型进行校正,并输出校正结果;
根据所述校正结果再次判断风险级别。
7.基于人脸识别的医保卡盗用风险识别装置,其特征在于,包括:
获取模块,用于实时获取经过设定区域的人脸图片;
建库模块,用于在设定时间内根据就诊数据所对应的人脸底片建立人脸库;
查找比对模块,用于将经过设定区域的人脸图片独立在人脸库中进行查找比对,并将比对结果计入设定的数据记录表中;
计算模块,用于根据数据记录表中的比对结果计算每个人脸图片在每个区域的比对成功率,根据所述比对成功率输出风险级别,所述风险级别包括正常、盗用高风险、盗用低风险以及盗用;
预警模块,用于根据所述风险级别执行预警操作;
所述获取模块、建库模块、查找比对模块、计算模块和预警模块依次连接。
8.根据权利要求7所述的基于人脸识别的医保卡盗用风险识别装置,其特征在于,所述获取模块包括:
检测模块,用于检测人脸是否出现在摄像头内;
修正模块,用于在人脸出现在摄像头内抓拍人脸图片并对所述人脸图片进行修正;
特征测量模块,用于将修正后的人脸图片输入到预设的神经网络得到人脸图片的特征测量值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安医疗健康管理股份有限公司,未经平安医疗健康管理股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111059400.6/1.html,转载请声明来源钻瓜专利网。





