(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210377029.6 (22)申请日 2022.04.11 (71)申请人 北京宏瓴科技发展 有限公司 地址 100000 北京市大兴区北京经济技 术 开发区科创十三街29号院一区2号楼 13层1302-E6 (72)发明人 鲁鑫　郭超逸　 (74)专利代理 机构 北京知果之信知识产权代理 有限公司 1 1541 专利代理师 高科 (51)Int.Cl. G06V 30/414(2022.01) G06V 10/44(2022.01) G06V 30/19(2022.01) G06N 20/00(2019.01) (54)发明名称 基于图像识别支持保险理赔风险案件数据 验真的方法、 装置、 存 储介质及服 务器 (57)摘要 本申请公开了一种基于图像识别支持保险 理赔风险案件数据验真的方法、 装置、 存储介质 及服务器。 该机器学习方法包括： 接收样本图片； 利用文字识别方法识别出样本图片中的文字框、 文字内容及文字框在样本图片的绝对位置； 基于 文字框及文字框在样本图片的绝对位置生成图 结构； 将文字内容、 图结构的关联关系和关联长 度输入机器学习模型进行学习。 本申请解决了由 于受文字的描述信息多样化、 拍照效果和位置的 影响造成识别效果差的技 术问题。 权利要求书2页 说明书6页 附图1页 CN 114842491 A 2022.08.02 CN 114842491 A 1.一种基于图像识别支持保险理赔风险案件数据验真的方法， 其特 征在于， 包括： 接收样本图片； 利用文字识别方法识别出样本图片中的文字框、 文字 内容及文字框在样本图片的绝对 位置； 基于文字 框及文字 框在样本图片的绝对位置生成图结构； 将文字内容、 图结构的关联关系和关联长度输入机器学习模型进行 学习。 2.根据权利要求1所述的机器学习方法， 其特征在于， 接收样本 图片之后， 利用文字识 别方法识别出样本图片中的文字框、 文字内容及文字框在样本图片的绝对位置之前还包 括： 利用图像识别方法识别出样本图片中的边 缘部分， 并裁 剪边缘部分得到纸 面部分。 3.根据权利要求1所述的机器学习方法， 其特征在于， 基于文字框及文字框在样本图片 的绝对位置生成图结构包括： 基于文字框及文字框在样本图片的绝对位置， 构建第 一文字框及与其相邻的第 二文字 框间的关联关系和关联长度， 再根据关联关系和关联长度生成图结构。 4.根据权利要求1所述的机器学习方法， 其特征在于， 将文字内容、 图结构的关联关系 和关联长度输入机器学习模型进行 学习之后还 包括： 接收待识别图片； 将待识别图片输入学习后的机器学习模型， 得到所述待识别图片中文字内容、 文字位 置和文字距离； 基于文字内容、 文字位置和文字距离进行 所述待识别图片的分类。 5.一种基于图像识别支持保险理赔风险案件数据验真的装置， 其特 征在于， 包括： 接收模块， 用于 接收样本图片； 识别模块， 用于利用文字识别方法识别出样本 图片中的文字框、 文字内容及文字框在 样本图片的绝对位置； 生成模块， 用于基于文字 框及文字 框在样本图片的绝对位置生成图结构； 学习模块， 用于将文字内容、 图结构的关联关系和关联长度输入机器学习模型进行学 习。 6.根据权利要求5所述的机器学习装置， 其特 征在于， 还 包括： 裁剪模块， 用于利用图像识别方法识别出样本 图片中的边缘部分， 并裁剪边缘部分得 到纸面部分。 7.根据权利要求5所述的机器学习装置， 其特 征在于， 所述 生成模块包括： 基于文字框及文字框在样本图片的绝对位置， 构建第 一文字框及与其相邻的第 二文字 框间的关联关系和关联长度， 再根据关联关系和关联长度生成图结构。 8.根据权利要求5所述的机器学习装置， 其特 征在于， 还 包括： 分类模块， 用于接收待识别图片； 将待识别图片输入学习后的机器学习模型， 得到所述 待识别图片中文字内容、 文字位置和文字距离； 基于文字内容、 文字位置和文字距离进行所 述待识别图片的分类。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 程序， 其中， 所述计算机程序被设置为运行时执行所述权利要求1至4中任一项所述的基于权　利　要　求　书 1/2 页 2 CN 114842491 A 2图像识别支持保险理赔风险案件数据验真的方法。 10.一种服务器， 包括： 存储器和处理器， 其特征在于， 所述存储器中存储有计算机程 序， 其中， 所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4中任一项所 述的基于图像识别支持保险理赔风险案件数据验真的方法。权　利　要　求　书 2/2 页 3 CN 114842491 A 3