[发明专利]一种增量式高精度图像过滤方法及系统

权利要求书

1.一种增量式高精度图像过滤方法，其特征在于，应用于服务器端，包括：

接收客户端上传的理赔申请信息，所述理赔申请信息包括理赔申请书和理赔申请图片信息，所述理赔申请书为pdf格式；

对所述理赔申请图片信息基于内嵌于所述服务器端的第一增量学习模型进行特征提取，获取图片背景特征和图片标的特征包括：

所述第一增量学习模型包括背景特征提取子构件和标的特征提取子构件，包括：

构建第一特征提取规则，对图片集进行处理，获取多组特征标识结果，包括：

构建所述第一特征提取规则，包括，

获取特征框选窗口，所述特征框选窗口的尺寸与图片尺寸具有第一预设比例，且所述特征框选窗口的中心点与任意一个图片像素点重合；

基于ORB算法，构建特征提取模块，包括，

基于Harris角点检测算法，构建特征点检测子模块；以及

基于Rotated BRIEF特征点描述算法，构建特征点描述子模块；

对所述图片集进行处理，获取所述多组特征标识结果，包括，

根据所述特征框选窗口对所述图片集的任意一张进行框选，将框选结果输入所述特征提取模块的所述特征点检测子模块，获取特征点识别结果，所述特征点识别结果包括角点区域或平坦区域或边缘区域；

当所述框选结果属于所述角点区域时，将所述框选结果的中心点所在像素点设为特征点，将所述框选结果输入所述特征点描述子模块，获取特征点描述子；

将所述特征点和所述特征点描述子关联存储后添加进所述图片集的任意一张的特征标识结果，添加进所述多组特征标识结果；

根据所述图片集和所述多组特征标识结果进行有监督训练，生成所述背景特征提取子构件；

根据所述图片集、所述图片集的任意一张图片的包含物的属性信息和所述图片集的任意一张图片的包含物的特征标识结果进行有监督训练，生成所述标的特征提取子构件；

获取申请理赔保险编号匹配理赔标的类型，结合所述理赔申请图片信息输入所述标的特征提取子构件，获取所述图片标的特征；

将所述理赔申请图片信息输入所述第一增量学习模型的所述背景特征提取子构件，获取初始背景特征信息；

将所述图片标的特征从所述初始背景特征信息筛除，生成所述图片背景特征；

将所述图片背景特征和所述图片标的特征输入客户端所属用户的已处理申请图片库，基于内嵌于所述服务器端的第二增量学习模型进行相似图片匹配，获取相似图片筛选结果，包括：

所述第二增量学习模型包括汉明距离计算子构件和相似图片筛选子构件；

获取所述已处理申请图片库的任意一张图片的背景记录特征和标的记录特征，基于所述汉明距离计算子构件对所述背景记录特征与所述图片背景特征进行汉明距离计算，获取第一计算结果，对所述标的记录特征与所述图片标的特征进行汉明距离计算，获取第二计算结果；

将所述已处理申请图片库的图片按照所述第一计算结果自大到小进行排序，获取第一排序结果；

将所述已处理申请图片库的图片按照所述第二计算结果自大到小进行排序，获取第二排序结果；

将所述第一排序结果和所述第二排序结果输入所述相似图片筛选子构件，获取所述相似图片筛选结果，其中，所述相似图片筛选子构件用于筛选所述第一排序结果和所述第二排序结果的交集排序图片的自首至尾的N张图片，1≤N≤6，N为整数；

当所述相似图片筛选结果的背景相似度大于或等于第一相似度阈值，且所述相似图片筛选结果的标的相似度大于或等于第二相似度阈值时，根据所述相似图片筛选结果、所述理赔申请书和所述理赔申请图片信息生成异常申请信息发送给内嵌于所述服务器端的第三增量学习模型进行复核，包括：

所述第三增量学习模型包括OCR文字提取子构件和异常复核子构件；

将所述理赔申请书输入所述OCR文字提取子构件，获取OCR文字提取结果，所述OCR文字提取结果包括申请理赔标的物类型信息；

将所述申请理赔标的物类型信息输入所述异常复核子构件，获取复核结果信息，其中，所述异常复核子构件用于判断所述申请理赔标的物类型信息是否属于所述相似图片筛选结果的标的：

若属于，生成异常确认指令作为所述复核结果信息，若不属于，生成所述复核通过指令作为所述复核结果信息；

当生成复核通过指令，生成继续理赔指令执行后续流程，当生成异常确认指令，生成驳回理赔信息作为申请审核结果发送至所述客户端的显示界面。