一种用于保险自动核赔的保险物品信息采集装置
阅读：436发布：2023-02-06
专利汇可以提供一种用于保险自动核赔的保险物品信息采集装置专利检索，专利查询，专利分析的服务。并且本实用新型提出了一种用于保险自动核赔的保险物品信息采集装置，该信息采集装置包含采集投保物品或索赔物品影像的摄影装置，还包括下列组件中的一种或多种：尺寸标定和测量组件、 色度 标定和测量组件、 温度 测量组件、重量测量组件。并且，所述保险物品信息采集装置连接到无线网络。该装置帮助核赔过程自动化，解除了繁琐的人工劳动，提高了处理效率。(ESM)同样的 发明 创造已同日 申请 发明 专利，下面是一种用于保险自动核赔的保险物品信息采集装置专利的具体信息内容。
一种用于保险自动核赔的保险物品信息采集装置
技术领域
[0001] 本申请属于保险领域，尤其涉及到一种用于保险自动核赔的保险物品信息采集装置。
背景技术
[0002] 在现有保险行业中，在因物品损坏而造成的索赔案中，需要人工进行核赔：即由保险公司专业理赔人员对物品的损坏程度进行勘验和定损，然后确定是否理赔。
[0003] 但是，对于标的较小而数量很大的保单而言，例如，网购中小件商品的损坏险，其人工核赔过程的效率低、成本高，不利于该险种的推广和客户的满意度的提高。
[0005] 针对上述问题，本申请提出了一种用于保险自动核赔的系统，其特征在于，所述系统包括保险物品信息采集装置、特征处理装置和特征存储装置，其中，
[0006] 所述保险物品信息采集装置包含采集投保物品或索赔物品影像的摄影装置，并且该保险物品信息采集装置连接到所述特征处理装置；
[0007] 所述特征处理装置包含用于从所采集的投保或索赔物品影像信息中提取出物品特征的特征识别模块，以及用于将物品投保时的特征与索赔时的特征进行比较的特征比较模块，并且该特征处理装置与所述特征存储装置相连。
[0008] 特别地，在上述保险自动核赔系统中，所述保险物品信息采集装置通过无线网络与所述特征处理装置相连接。
[0011] 特别地，在上述保险自动核赔系统中，所述保险物品信息采集装置是具有拍照功能的智能手机。
[0013] 图1示出的是本申请的一个实施例中用于保险自动核赔的系统的结构示意图。
[0014] 图2示出的是本申请的一个实施例中所述的用于保险自动核赔的方法的流程图。
[0015] 图3示出的是本申请的一个实施例中所述的利用差异向量计算最终差异值得流程图。
[0016] 图4示出的是本申请的一个实施例中利用差异向量计算最终差异度的神经元网络。
[0017] 图5示出的是本申请的一个实施例中计算最终差异度和骗保概率的神经元网络。
具体实施方式
[0019] 图1示出的是本申请所述的用于保险自动核赔的系统的一个示例性实施例的结构示意图，其中，所述系统包括保险物品信息采集装置1、特征处理装置2和特征存储装置3。
[0020] 其中，保险物品信息采集装置1通过无线网络与特征处理装置2相连接，并且保险物品信息采集装置1具有为投保物品或索赔物品拍摄照片或录像的摄影装置4。
[0021] 在本实施例中，保险物品信息采集装置1为带有拍照功能的手机。保险物品信息采集装置1在拍摄了投保或索赔物品的图像后，通过无线网络将图片发送到特征处理装置2。
[0022] 特征处理装置2具有特征识别模块5，该模块能对上传的物品图像进行处理，能综合应用现有的图形图像处理技术，例如图片边缘识别等，对于物品的特征进行识别和提取。
[0023] 系统中还包括特征存储装置3, 并且，特征处理装置2与特征存储装置3相连。存储装置3中存储的信息包括多种标准物品的特征库，其中包括：物品的整体轮廓以及形状，关键部件的轮廓以及相对于整体轮廓的位置，关键部件形状等特征信息等。这些信息可以通过人工的识别或者大量监督训练自动学习得出，作为标准物品的分类依据。
[0025] 在本实施例中，特征处理装置2包括特征识别模块5和特征对比模块6。
[0026] 其中，特征识别模块5会对图片做分析和处理，提取物品的特征信息。并且，特征识别模块5会将上述物品的特征信息与标准物品的特征库中的数据，做比对和分类，进而判断图片所代表物品的品类。
[0027] 另外，特征对比模块6依据投保时的物品图片和索赔时的物品图片，在标准物品在特征库中特征的监督和指导下，对投保时和索赔时的物品进行差异比较。并且根据其差异是否超过指定的阈值来判断是进行自动理赔还是转人工理赔。
[0028] 在本申请的另一个实施例中，保险物品信息采集装置1不仅包含摄影装置4，还包括有其他的信息提取装置，例如还包含有尺寸标定和测量组件、色度标定和测量组件、温度测量组件、重量测量组件。这些特征被加入到物品的特征向量中，与图片特征一起来计算物品投保和索赔时的差异。
[0029] 本领域技术人员容易理解，上面列出的组件并不构成对本发明的具体限定。依据实际的需要，本领域技术人员可以选取上述组件中的一种或多种，或者是添加其它需要的组件。
[0030] 在上述实施例中，保险自动核赔的系统依靠信息采集装置1采集在投保时和索赔时采集的物品信息，主要是图片信息，并利用特征处理装置2的图形图像处理功能对它们进行比对，得到它们之间的差异，从而判断是否进行自动理赔。通过该系统，大大地减少了核赔中人工判断的工作量，尤其对于数量大而标的较小的保单效果显著。
[0031] 本申请除了提出上面所述的用于保险自动核赔的系统外，还提出了一种用于保险自动核赔的方法。根据本申请的一个实施例，其方法对应的流程图如图2所示。
[0032] 其中，在步骤S101中，将投保时物品的图片及相关信息并上传到特征处理装置；
[0033] 在步骤S102中，特征处理装置提取出投保时物品的特征并保存；
[0034] 在步骤S103中，将索赔时物品的图片及相关信息并上传到特征处理装置；
[0035] 在步骤S104中，特征处理装置提取出索赔时物品的特征；
[0036] 在步骤S105中，特征处理装置将物品投保时和索赔时的特征进行比较，得出差异值；
[0037] 在步骤S106中，判断差异值是否超过阈值，如果超过阈值，则进行自动理赔，如果未能超过阈值，则进行人工理赔。
[0038] 上述方法将核赔的过程自动化，尤其是步骤S005中特征处理装置的特征比较功能解除了繁重的人工核保工作。
[0039] 在一个实施例中，步骤S105的具体实施方式如图3所示：
[0040] 首先,在步骤S201中, 特征处理装置分别分析物品投保时和索赔时的图片，分别生成物品投保时和索赔时的特征向量。
[0041] 其中，利用了边缘识别等图片处理和识别技术，根据物品关键部件的轮廓，切割并提取物品以及关键部件的小图，生成如下两组物品特征的向量：
[0042] P投保 = {物品整体小图, {物品关键部件1小图，物品关键部件2小图…}}[0043] P索赔 = {物品整体小图, {物品关键部件1小图，物品关键部件2小图…}}[0044] 之后，在步骤S202中,依据标准品类的特征信息，监督对两组对应向量中的图片做一一对比，生成与物品的特征向量相对应的对比结果向量C。
[0045] 其中，向量的每一项都是物品投保图片以及物品索赔图片的差异度，并以百分比做单位：
[0046] C = {物品整体差异度，{物品关键部件1差异度，物品关键部件2差异度…}}[0047] 最后，在步骤S203中,为每一类物品的每项差异定义权重，形成权重向量W，并以该权重向量计算出最终的差异度D = C * W。
[0048] 其中，为了评估差异，对每一类物品都定义有一个差异度权重向量W，其中W分量的数量与C相同，每一项代表对比结果向量C的对应项对最终结果影响权重，这样物品投保和索赔时最终的差异度D为：
[0049] D = C * W = 物品整体差异度* W0 + 物品关键部件1差异度* W1 + 物品关键部件2差异度 * W2 + …
[0050] 如果差异度D超过阈值，则发起自动理赔，如果没有超过阈值则转人工处理。
[0051] 上面的实施例以对各项差异赋予不同权重的方式来实现从差异向量C到最终差异度D的计算，这种方式易于理解和实现。
[0052] 如图4，本申请的另外一个实施例中，从差异向量C到最终差异度D的计由神经元网络算法来实现。具体地，将差异度向量C的各项作为神经元网络的输入，而将最终的差异度D作为该神经元网络的输出。依据实际需要，上述神经元网络的层数和每层神经元的个数可以灵活设置。并且，该神经元网络可以利用事先准备好的数据集合来进行训练。
[0053] 如图5，在本申请中的又一个实施例中，利用神经元网络的灵活性，不仅可以用其来计算最终差异度D，来确定是否自动理赔，而且还可以用其来计算骗保的可能性H。本实施例中，将差异度向量C的各项作为神经元网络的输入，而将最终的差异度D和骗保的可能性H作为该神经元网络的两个输出。相应地，需要在训练数据中包含骗保的数据，并进行适当的标定。
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
色度热门专利
QQ群二维码
意见反馈
意见反馈