保险新零售服务平台制造技术

本发明专利技术一种保险新零售服务平台，包括若干物联网传感器、云计算系统和客户端，若干物联网传感器和客户端分别与云计算系统建立数据连接。本发明专利技术保险新零售服务平台可以实现更快速高效的客户脸部图像重新构造，在不过多影响最终重新构造效果的情况下降低了参数量，加快了计算速度，从而可以进行更快速的超解析度客户脸部图像重新构造,而且可以允许在不增加参数的情况下提取更多数据。

【技术实现步骤摘要】
保险新零售服务平台
本专利技术涉及保险新零售服务平台。
技术介绍
当互联网进入下半场，流量竞争红利不在，加深行业的垂直整合变得迫在眉睫。互联网保险在经历了官网电商直销、垂直交易平台的积累之后，全面迈入“保险新零售”。保险新零售，即企业以互联网为依托，通过运用大数据、人工智能等先进技术手段并运用心理学知识，对保险产品的设计、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及客户触达进行深度融合的零售新模式。现有技术中的保险新零售服务平台不能够有效实现客户脸部图像重新构造，人脸识别计算速度不佳。
技术实现思路
本专利技术的目的是为了克服上述不足提供一种保险新零售服务平台。本专利技术提供一种保险新零售服务平台，包括若干物联网传感器、云计算系统和客户端，若干物联网传感器和客户端分别与云计算系统建立数据连接，述云计算系统接收客户通过客户端发送的投保请求，所述投保请求中包含有保险品种编号，向所述客户的客户端发送认证请求，所述认证请求中包含有物联网传感器摄像头打开指令，接收所述客户通过客户端发送的脸部正面照，根据所述投保请求中的保险品种编号，将脸部正面照预存到保单库中，当投保成功后，出保时，再次采集脸部正面照，从保单库中查找到预存的与所述保险品种编号关联的被保险人信息及其照片，通过人脸识别技术，认证所述脸部正面照中的人是否与所述保险品种编号相关联的照片中的人为同一人，将认证结果与保险品种编号关联保存后反馈至客户端，若认证结果为通过，则生成理赔申请书发送至客户端确认。本专利技术保险新零售服务平台可以实现更快速高效的客户脸部图像重新构造，在不过多影响最终重新构造效果的情况下降低了参数量，加快了计算速度，从而可以进行更快速的超解析度客户脸部图像重新构造,而且可以允许在不增加参数的情况下提取更多数据。具体实施方式下面结合实施例进一步说明本专利技术。实施例：本专利技术提供一种保险新零售服务平台，包括若干物联网传感器、云计算系统和客户端，若干物联网传感器和客户端分别与云计算系统建立数据连接，所述云计算系统接收客户通过客户端发送的投保请求，所述投保请求中包含有保险品种编号，向所述客户的客户端发送认证请求，所述认证请求中包含有物联网传感器摄像头打开指令，接收所述客户通过客户端发送的脸部正面照，根据所述投保请求中的保险品种编号，将脸部正面照预存到保单库中，当投保成功后，出保时，再次采集脸部正面照，从保单库中查找到预存的与所述保险品种编号关联的被保险人信息及其照片，通过人脸识别技术，认证所述脸部正面照中的人是否与所述保险品种编号相关联的照片中的人为同一人，将认证结果与保险品种编号关联保存后反馈至客户端，若认证结果为通过，则生成理赔申请书发送至客户端确认。出保时，再次采集脸部正面照时利用客户脸部移动共享源模型获取低层低解析度客户脸部图像特征，客户脸部移动共享源模型的输入为低解析度客户脸部图像，使用卷积层和低解析度客户脸部图像的特征获取函数从输入的低解析度客户脸部图像中获取低解析度客户脸部特征图。先利用客户脸部逐点卷积核对上一层的上层输出客户脸部特征图进行卷积操作，得到第一逐点卷积客户脸部特征图，再对第一逐点卷积客户脸部特征图进行参数无量纲化，将得到的比例向量分解为方向向量和向量模两部分，这一比例分解的方式将比例向量的欧几里得向量范数进行了固定，实现了正则的效果，得到正则客户脸部特征图，接着利用客户脸部激活非饱和激活函数对得到的正则客户脸部特征图进行处理，得到第一激活客户脸部特征图，利用客户脸部深度卷积核对第一激活客户脸部特征图进行卷积操作，得到深度客户脸部特征图，得到深度客户脸部特征图之后，再又进行参数无量纲化和客户脸部激活非饱和激活函数处理得到第二激活客户脸部特征图，利用逐点卷积核对第二激活客户脸部特征图进行卷积操作，得到第二逐点卷积客户脸部特征图，得到第二逐点卷积客户脸部特征图之后，进行参数无量纲化处理，将得到的客户脸部特征图乘上一个对应的自适应比例的尺度函数系数与上层输出客户脸部特征图乘上一个对应的自适应比例的尺度函数系数相加，得到输出客户脸部特征图，尺度函数系数参数将在学习中自行更新，将客户脸部移动自适应加权残差小块依次连接得到级联块级联模块。客户脸部移动共享源模型包括客户脸部自适应加权共享源模块，使用该模块进行非线性算子处理，其中，客户脸部自适应加权共享源模块是利用获得的级联块级联模块进行级联依次连接构造的，在低解析度客户脸部特征图和每一个级联块级联模块的输出客户脸部特征图之间都有一个自适应比例尺度函数系数，将低解析度客户脸部特征图与对应的自适应比例的尺度函数系数相乘后和级联块级联模块的输出客户脸部特征图与对应的自适应比例的尺度函数系数相乘的客户脸部特征图相加得到的客户脸部特征图即为下一个级联块级联模块的输入客户脸部特征图，客户脸部移动共享源模型进行重新构造，对模型输入的低解析度客户脸部图像使用卷积层进行处理，再利用子像素卷积层进行上采集，将获取的低解析度客户脸部特征图输入客户脸部自适应加权共享源模块，并对客户脸部自适应加权共享源模块的输出使用卷积层进行操作，再利用子像素卷积层进行上采集，将两个上采集的结果叠加即得到重新构造后的超解析度客户脸部图像。得到重新构造后的超解析度客户脸部图像与标准的高解析度客户脸部图像计算稀疏规则算子的代价函数，并利用BP算法迭代模型的参数，而后通过不同的高低解析度客户脸部图像对继续迭代模型参数，得到迭代好的模型，最后将需要超解析度重新构造的客户脸部图像输入迭代好的模型进行运算，即可得到重新构造后放大的客户脸部图像。客户脸部移动共享源模型包括深层客户脸部特征获取级联模块，所述级联模块包括至少一个客户脸部移动自适应加权残差小块，客户脸部移动自适应加权残差小块又由客户脸部逐点卷积、客户脸部参数无量纲化层、客户脸部激活非饱和激活函数、客户脸部深度卷积组成。上述人脸识别技术具体为：通过one-stage脸部检测网络对输入的客户脸部图像进行脸部检测标出客户脸部边框；基于优化的元学习从自然图像质量评价任务中学习人眼视觉系统评价图像质量的先于经验的知识，所述基于优化的元学习适用于基于增量梯度下降优化的客户脸部图像网络结构，其所用的自然图像质量评价任务数据集合作为元学习的迭代任务集来学习人眼视觉系统评价图像质量的先于经验的知识；所述客户脸部图像网络结构包括客户脸部图像卷积神经网络和客户脸部图像全连接层，对客户脸部图像卷积神经网络的输出进行全局平均池化运算得到第一层全连接层，增加第二层全连接层生成客户脸部图像深度神经回归网络的输出；对于输入的客户脸部图像，将客户脸部图像输入客户脸部图像深度神经回归网络得到预估的客户脸部图像质量分数；采用平均欧几里得距离作为损失函数来优化预估的客户脸部图像质量分数与真实值之间的差距；采用双层增量梯度下降算法对客户脸部图像深度神经回归网络进行优化，并使用自适应矩估计优化器对客户脸部图像深度神经回归网络参数进行更新；学习到质量先验网络后，再使用少量客户脸部图像图样对质量先验网络做进一步迭代优化本文档来自技高网...

【技术保护点】
1.一种保险新零售服务平台，包括若干物联网传感器、云计算系统和客户端，若干物联网传感器和客户端分别与云计算系统建立数据连接，其特征在于，所述云计算系统接收客户通过客户端发送的投保请求，所述投保请求中包含有保险品种编号，向所述客户的客户端发送认证请求，所述认证请求中包含有物联网传感器摄像头打开指令，接收所述客户通过客户端发送的脸部正面照，根据所述投保请求中的保险品种编号，将脸部正面照预存到保单库中，当投保成功后，出保时，再次采集脸部正面照，从保单库中查找到预存的与所述保险品种编号关联的被保险人信息及其照片，通过人脸识别技术，认证所述脸部正面照中的人是否与所述保险品种编号相关联的照片中的人为同一人，将认证结果与保险品种编号关联保存后反馈至客户端，若认证结果为通过，则生成理赔申请书发送至客户端确认。/n

【技术特征摘要】
1.一种保险新零售服务平台，包括若干物联网传感器、云计算系统和客户端，若干物联网传感器和客户端分别与云计算系统建立数据连接，其特征在于，所述云计算系统接收客户通过客户端发送的投保请求，所述投保请求中包含有保险品种编号，向所述客户的客户端发送认证请求，所述认证请求中包含有物联网传感器摄像头打开指令，接收所述客户通过客户端发送的脸部正面照，根据所述投保请求中的保险品种编号，将脸部正面照预存到保单库中，当投保成功后，出保时，再次采集脸部正面照，从保单库中查找到预存的与所述保险品种编号关联的被保险人信息及其照片，通过人脸识别技术，认证所述脸部正面照中的人是否与所述保险品种编号相关联的照片中的人为同一人，将认证结果与保险品种编号关联保存后反馈至客户端，若认证结果为通过，则生成理赔申请书发送至客户端确认。


2.按权利要求1所述的保险新零售服务平台，其特征在于出保时，再次采集脸部正面照时利用客户脸部移动共享源模型获取低层低解析度客户脸部图像特征，客户脸部移动共享源模型的输入为低解析度客户脸部图像，使用卷积层和低解析度客户脸部图像的特征获取函数从输入的低解析度客户脸部图像中获取低解析度客户脸部特征图。


3.按权利要求2所述的保险新零售服务平台，其特征在于先利用客户脸部逐点卷积核对上一层的上层输出客户脸部特征图进行卷积操作，得到第一逐点卷积客户脸部特征图，再对第一逐点卷积客户脸部特征图进行参数无量纲化，将得到的比例向量分解为方向向量和向量模两部分，这一比例分解的方式将比例向量的欧几里得向量范数进行了固定，实现了正则的效果，得到正则客户脸部特征图，接着利用客户脸部激活非饱和激活函数对得到的正则客户脸部特征图进行处理，得到第一激活客户脸部特征图，利用客户脸部深度卷积核对第一激活客户脸部特征图进行卷积操作，得到深度客户脸部特征图，得到深度客户脸部特征图之后，再又进行参数无量纲化和客户脸部激活非饱和激活函数处理得到第二激活客户脸部特征图，利用逐点卷积核对第二激活客户脸部特征图进行卷积操作，得到第二逐点卷积客户脸部特征图，得到第二逐点卷积客户脸部特征图之后，进行参数无量纲化处理，将得到...

【专利技术属性】
技术研发人员：黄屹，陈心龙，王岩，关海卿，高俊，申三燕，吴哲，
申请(专利权)人：湖北公众信息产业有限责任公司，
类型：发明
国别省市：湖北;42