用户图片数据的处理方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了用户图片数据的处理方法、装置、计算机设备及存储介质，包括：对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据；对预处理后的用户图片数据通过所述分类器进行分拣以得到M种类型用户图片数据，然后进行真伪度检验以得到每种类型对应的真伪度校验结果；当所述真伪度校验结果满足预设条件时存储对应的用户图片数据，不满足预设条件时删除对应的用户图片数据并向所述用户端发送通知消息。本发明专利技术实施例可以对用户的图片数据执行即时鉴别，并反馈给用户端进行修改，提高了服务端处理用户端用户数据的效率。本发明专利技术还涉及区块链领域，同时，本发明专利技术还适用于智慧医疗、智慧政务、科技金融等领域。

【技术实现步骤摘要】
用户图片数据的处理方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种用户图片数据的处理方法、装置、计算机设备及存储介质。
技术介绍
随着技术的发展，用户向网络平台提交信息时，往往通过拍照的方式将资料转换成图片，然后通过用户端程序，例如电脑浏览器软件或手机应用程序，将图片上传至网络平台服务器，从而减少用户提交资料的时间，增加效率来提高用户体验。但这种方法，虽然减少了用户提交资料的时间，却增加了网络平台后台审核的工作量，如果用户的资料有误，就会导致用户提交的信息不能即时审核通过，需要不断修改确认，从而延长了用户获取服务的时效，反而降低了用户体验，特别是在对一些对服务时效性和资料准确性要求都很高的应用场景中，这种问题就尤为突出。例如，在医疗健康保险理赔业务场景中，为了能够快速完成理赔，提升用户体验，很多保险公司都开发了线上受理、线上理赔业务。通常，用户只需要将相关材料如个人信息，病例，费用清单等，以拍照的方式上传至线上平台，即可完成受理和赔付，这无疑大大方便了用户，然而，用户在上传资料时，往往会发生用户上传的资料错误的情形，例如发票并非本人发票、上传的病史和发票不匹配、有虚假发票、拍摄照片模糊曝光失败等问题。另一方面，由于一些用户对电脑、手机知识的掌握程度有限，或者没有看清上传要求按照规定上传指定的图片，比如，平台需要用户上传身份证图片，但是用户上传了发票图片，平台要求用户上传了发票图片，但是用户上传了病史图片，同时也会因为错误上传影像道而导致实际需要的必传材料缺失。上述的这些问题都会增加后台人工处理的人力，延长了理赔审核的时效，往往还需要与客户反复电话沟通补充提交材料，使得客户体验效果也较差。为此，针对这些问题，需要提出一种技术方案，来解决用户通过图片上传资料至平台服务器时，平台工作人员通过后台人工审核大量图片资料效率低下的问题。
技术实现思路
有鉴于此，本专利技术提出一种用户图片数据的处理方法、装置、计算机设备及存储介质，能够在用户的图片数据执行即时鉴别，并反馈给用户端进行修改，提高了服务端处理用户端用户数据的效率。首先，为实现上述目的，本专利技术提出一种用户图片数据的处理方法，所述方法包括：对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据；对预处理后的用户图片数据通过所述分类器进行分拣，以得到M种类型用户图片数据；对所述M种类型用户图片数据进行真伪度检验以得到分拣后的用户图片数据每种类型对应的真伪度校验结果；当所述真伪度校验结果满足预设条件时存储对应的用户图片数据，当所述真伪度校验结果不满足预设条件时删除对应的用户图片数据并向所述用户端发送通知消息。进一步的，所述对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据之前还包括：生成页面数据，并在接收到所述用户端请求指令时将所述页面数据下发至所述用户端，以使所述用户端将所述页面数据渲染生成用户图片数据提交页面。进一步的，所述对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据包括：随机对所述图片数据执行N次取ROI操作以得到N个切片；分别计算所述N个切片的清晰度，以得到N个清晰度分值；计算所述N个清晰度分值的平均值以得到所述图片数据的清晰度值L；当所述清晰度值L高于预设阈值时保存所述图片数据，当所述清晰度值L不高于预设阈值时删除所述图片数据并向所述用户端发送所述通知消息。进一步的，对预处理后的用户图片数据通过所述分类器进行分拣，以得到M种类型用户图片数据包括：收集多种不同类型的原始图片，并对所述原始图片预分类，以得到预设分类模型的M种类型图片训练数据；对所述M种类型图片训练数据执行预设种类的数据增强计算；将完成所述数据增强计算的所述M种类型图片训练数据转换成预设大小的训练图片，并通过所述训练图片对所述预设分类模型进行训练；通过所述预设分类模型计算所述预处理后的图片数据的分类置信度概率，并当所述分类置信度概率大于预设分类置信度时，将所述预处理后的图片数据移动至所述预分类模型中对应类型的通道位置，以得到所述M种类型用户图片数据。进一步的，所述对所述M种类型用户图片数据分拣后的所述用户图片数据进行真伪度检验以得到分拣后的用户图片数据每种类型对应的真伪度校验结果包括：收集多种类型的真伪图片对所述所述深度学习网络训练分类器进行二分类训练；通过所述深度学习网络训练分类器对所述分拣后的所述用户图片数据进行真伪度检验以得到所述真伪度检验结果。进一步的，所述通过深度学习网络训练分类器，并对预处理后的用户图片数据通过所述分类器进行分拣之后还包括：对分拣后的预设类型的所述图片数据进行关联度校验以得到真伪度校验结果；当所述真伪度校验结果满足预设条件时存储对应的用户图片数据，当所述真伪度校验结果不满足预设条件时删除对应的用户图片数据并向所述用户端发送所述通知消息。进一步的，所述当所述真伪度校验结果满足预设条件时存储对应的用户图片数据之后还包括：将存储的所述用户图片数据上传至区块链中。为实现上述目的，本专利技术还提供一种用户图片数据的处理装置，所述用户图片数据的处理装置包括：清晰度检验模块，用于对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据；用于智能分拣模块，用于对预处理后的用户图片数据通过所述分类器进行分拣，以得到M种类型用户图片数据；真伪度校验模块，用于对所述M种类型用户图片数据进行真伪度检验以得到分拣后的用户图片数据每种类型对应的真伪度校验结果；结果输出模块，用于当所述真伪度校验结果满足预设条件时存储对应的用户图片数据，当所述真伪度校验结果不满足预设条件时，删除对应的用户图片数据并向所述用户端发送通知消息。为实现上述目的，本专利技术还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。为实现上述目的，本专利技术还提供计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。相较于传统技术，本专利技术实施例的用户图片数据的处理方法、装置、计算机设备及存储介质，通过利用机器学习对符合条件的用户图片数据进行自动分类，然后对分类后的图片分别进行真伪校验，可以对用户的图片数据执行即时鉴别，并反馈给用户端进行修改，提高了服务端处理用户端用户数据的效率。附图说明图1为本专利技术实施例的应用环境示意图；图2为本专利技术实施例一的用户图片数据的处理方法的流程示意图；图3为图2中对用户端上传的图片数据进行预处理的流程示意图；图4为图2中通过深度学习网络训练分类器并对预处理后的用户图片数据通过所述分类器进行分拣的流程示意图；图5为图2中对分拣后的所述用户图片数据进行真伪度检验以得到真伪度本文档来自技高网...

【技术保护点】
1.一种用户图片数据的处理方法，其特征在于，所述方法包括：/n对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据；/n对预处理后的用户图片数据通过分类器进行分拣，以得到M种类型用户图片数据；/n对所述M种类型用户图片数据进行真伪度检验以得到分拣后的用户图片数据每种类型对应的真伪度校验结果；/n当所述真伪度校验结果满足预设条件时存储对应的用户图片数据，当所述真伪度校验结果不满足预设条件时删除对应的用户图片数据并向所述用户端发送通知消息。/n

【技术特征摘要】
1.一种用户图片数据的处理方法，其特征在于，所述方法包括：
对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据；
对预处理后的用户图片数据通过分类器进行分拣，以得到M种类型用户图片数据；
对所述M种类型用户图片数据进行真伪度检验以得到分拣后的用户图片数据每种类型对应的真伪度校验结果；
当所述真伪度校验结果满足预设条件时存储对应的用户图片数据，当所述真伪度校验结果不满足预设条件时删除对应的用户图片数据并向所述用户端发送通知消息。


2.如权利要求1所述的用户图片数据的处理方法，其特征在于，所述对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据之前还包括：
生成页面数据，并在接收到所述用户端请求指令时将所述页面数据下发至所述用户端，以使所述用户端将所述页面数据渲染生成用户图片数据提交页面。


3.如权利要求1或2所述的用户图片数据的处理方法，其特征在于，所述对用户端上传的图片数据进行预处理，以删除清晰度不满足预设条件的部分图片数据包括：
随机对所述图片数据执行N次取ROI操作以得到N个切片；
分别计算所述N个切片的清晰度，以得到N个清晰度分值；
计算所述N个清晰度分值的平均值以得到所述图片数据的清晰度值L；
当所述清晰度值L高于预设阈值时保存所述图片数据，当所述清晰度值L不高于预设阈值时删除所述图片数据并向所述用户端发送所述通知消息。


4.如权利要求3所述的用户图片数据的处理方法，其特征在于，所述对预处理后的用户图片数据通过所述分类器进行分拣，以得到M种类型用户图片数据包括：
收集多种不同类型的原始图片，并对所述原始图片预分类，以得到预设分类模型的M种类型图片训练数据；
对所述M种类型图片训练数据执行预设种类的数据增强计算；
将完成所述数据增强计算的所述M种类型图片训练数据转换成预设大小的训练图片，并通过所述训练图片对所述预设分类模型进行训练；
通过所述预设分类模型计算所述预处理后的图片数据的分类置信度概率，并当所述分类置信度概率大于预设分类置信度时，将所述预处理后的图片数据移动至所述预分类模型中对应类型的通道位置，以得到所述M种类型用户图片数据。

【专利技术属性】
技术研发人员：纪其进，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44