(19)中华 人民共和国 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 202111531893.9 (22)申请日 2021.12.14 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 李玲　 (74)专利代理 机构 深圳市明日今典知识产权代 理事务所(普通 合伙) 44343 代理人 王杰辉　曹勇 (51)Int.Cl. G06Q 40/08(2012.01) G06Q 10/10(2012.01) G06N 3/04(2006.01) G06K 9/62(2022.01)G06F 21/32(2013.01) G06F 21/31(2013.01) G06F 16/583(2019.01) (54)发明名称 基于人工智能的理赔方法、 装置、 计算机设 备和存储介质 (57)摘要 本申请涉及人工智能技术领域， 提供一种基 于人工智能的理赔方法、 装置、 计算机设备和存 储介质， 方法包括： 当接收到用户通过客户端触 发的理赔请求， 对用户进行身份验证； 若身份验 证通过， 提醒用户上传车损图片； 将车损图片输 入至目标预测模 型内进行预测得到理赔概率； 若 理赔概率大于概率阈值， 调用识别模 型对车损图 片进行识别处理， 生成目标损失部位信息与目标 损失程度信息； 基于目标损失部位信息与目标损 失程度信息生成车损图片的车辆定损结果。 本申 请能根据用户提供的车损图片快速高效地实现 自动化理赔， 有效地提高了理赔的智能化程度与 理赔效率。 本申请还可以应用于区块链领域， 上 述车辆定损结果 等数据可以存 储于区块链上。 权利要求书3页 说明书18页 附图3页 CN 114219661 A 2022.03.22 CN 114219661 A 1.一种基于人工智能的理赔方法， 其特 征在于， 包括： 判断是否 接收到用户通过客户端触发的理赔请求； 其中， 所述理赔请求携带用户信息； 若接收到所述理赔请求， 获取所述用户信息、 所述用户的脸部动作信息与所述用户的 笔迹， 基于预设的理赔用户白名单、 标准脸部动作信息以及标准笔迹对所述用户进行身份 验证， 并判断身份验证是否通过； 若身份验证通过， 基于预设的提醒信息提醒 所述用户上传车损图片； 将所述车损图片输入至预设的目标预测模型内进行预测， 通过所述目标预测模型输出 与所述车损图片对应的理赔概 率； 判断所述理赔概 率是否大于预设的概 率阈值； 若大于所述概率阈值， 调用预设的识别模型对所述车损图片进行识别处理， 生成与所 述车损图片对应的目标损失部位信息与目标损失程度信息； 基于所述目标损失部位信息与所述目标损失程度信息生成与所述车损图片对应的车 辆定损结果。 2.根据权利要求1所述的基于人工智能的理赔方法， 其特征在于， 所述获取所述用户信 息、 所述用户的脸部动作信息与所述用户的笔迹， 基于预设的理赔用户白名单、 标准脸部动 作信息以及标准笔迹对所述用户进行身份验证， 并判断身份验证是否通过的步骤， 包括： 获取预设的理赔用户白名单， 判断所述理赔用户白名单内是否存在与 所述用户信 息相 同的指定用户信息； 若存在所述指定用户信息， 展示预设的动作输入提醒信息， 以提醒所述用户基于所述 动作输入提醒信息 输入相应的脸部动作信息； 采集所述用户输入的所述脸部动作信 息， 以及获取与 所述指定用户信 息对应的标准脸 部动作信息； 其中， 所述脸部动作信息包括脸部动作序列， 所述脸部动作序列为包含依次执 行的多个脸部动作； 判断所述脸部动作信息中包含的每一个脸部动作与所述标准脸部动作信息中对应位 置处的脸部动作是否全部匹配； 若全部匹配， 展示预设的笔迹输入提醒信 息； 其中， 所述笔迹输入提醒信息包括与所述 指定用户信息对应的标准字； 采集所述用户根据所述标准字 输入的笔迹； 提取所述笔迹的第 一笔迹特征数据， 以及提取与 所述标准字对应的标准笔迹的第 二笔 迹特征数据； 判断所述第一笔迹特 征数据与所述第二笔迹特 征数据是否匹配； 若匹配， 判定身份验证通过， 否则判定身份验证未通过。 3.根据权利要求1所述的基于人工智能的理赔方法， 其特征在于， 所述将所述车损图片 输入至预设的目标 预测模型内进行 预测的步骤之前， 包括： 获取预先训练生成的多个预测模型； 其中， 每一个所述预测模型模型是根据各自不同 的训练样本集对预设的卷积神经网络模型进 行训练生成的， 每一个所述训练样本集包括若 干训练图片， 以及与所述训练图片对应的标签， 所述预测模型的数量等于所述训练样本集 的数量； 获取预设的验证样本集；权　利　要　求　书 1/3 页 2 CN 114219661 A 2基于所述验证样本集 生成各所述预测模型的预测处 理时间； 基于所述验证样本集， 按照预设计算 规则生成各 所述预测模型的评价分值； 获取与所述预测处 理时间对应的第一权 重， 以及获取与所述评价分值的第二权 重； 基于所述预测处理时间、 所述评价分值、 所述第 一权重与所述第二权重， 调用第 一预设 公式计算各 所述预测模型的模型 得分； 从所有所述预测模型中筛 选出模型 得分最高的预测模型； 将所述模型 得分最高的预测模型作为所述目标 预测模型。 4.根据权利要求3所述的基于人工智能的理赔方法， 其特征在于， 所述基于所述验证样 本集， 按照预设计算 规则生成各 所述预测模型的评价分值的步骤， 包括： 将所述验证样本集输入至指定预测模型内， 计算得到所述指定预测模型的精确率； 其 中， 所述指定预测模型为所有所述预测模型中的任意 一个模型； 将所述验证样本集输入至指定预测模型内， 计算得到所述指定预测模型的召回率； 获取预设数值； 基于所述精确率、 所述召回率与所述预设数值， 调用第二预设公式计算所述指定预测 模型的评价分值。 5.根据权利要求1所述的基于人工智能的理赔方法， 其特征在于， 所述基于所述目标损 失部位信息与所述目标损失程度信息生成与所述车损图片对应的车辆定损结果的步骤， 包 括： 展示预设的修理厂列表， 并接收所述用户从所述 修理厂列表中选择的目标修理厂； 获取所述目标修理厂的汽车配件价格与工时价格； 获取与所述车损图片对应的车辆信息； 其中， 所述车辆信息包括车辆品牌、 车系 、 车型； 基于所述目标损失部位信 息、 目标损失程度信 息、 所述车辆信 息、 所述汽车配件价格与 所述工时价格 计算得到对应的定损金额； 将所述定损金额作为所述车辆 定损结果。 6.根据权利要求1所述的基于人工智能的理赔方法， 其特征在于， 所述调用预设的识别 模型对所述车损图片进行识别处理， 生成与所述车损图片对应的目标损失部位信息与目标 损失程度信息的步骤之前， 包括： 采集预设数量的车损样本数据， 并对所述车损样本数据进行预设处理， 得到处理后的 车损样本数据； 确定与所述处 理后的车损样本数据对应的损失部位信息与损失程度信息； 将所述处理后的车损样本数据作为预设的分类模型的输入， 将所述损失部位信 息与所 述损失程度信息作为所述分类模型的输出进行训练得到初始分类模型； 获取预设的测试样本集， 并基于所述测试样本集对所述初始分类模型进行准确度测 试， 得到对应的分类准确率； 判断所述分类准确率是否大于预设的准确率阈值； 若是， 将所述初始分类模型作为所述识别模型。 7.根据权利要求1所述的基于人工智能的理赔方法， 其特征在于， 所述将所述车损图片 输入至预设的目标 预测模型内进行 预测的步骤之前， 包括： 基于预设算法生成与所述车损图片对应的模糊程度数值；权　利　要　求　书 2/3 页 3 CN 114219661 A 3