【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种客户信息智能录入方法、装置、计算机设备及存储介质。
技术介绍
1、随着互联网技术的崛起，大数据技术和ai信息技术的不断发展,传统的车险或者非车保单录入都是采用手工录入的方式进行客户的身份信息、电话信息、车辆信息，包括车牌号，车架号，还有其他信息等的录入，每录入一个单子需要消耗大量的时间，并且很容易输入信息出错等，效率极为低下，影响坐席的工作效率，也影响客户体验。因此，设计一种客户信息智能录入方法尤为重要。
技术实现思路
1、本申请实施例的目的在于提出一种客户信息智能录入方法、装置、计算机设备及存储介质，其主要目的是实现精准的识别文本信息，提高了工作效率。
2、为了解决上述技术问题，本申请实施例提供一种客户信息智能录入方法，采用了如下所述的技术方案：
3、一种客户信息智能录入方法，包括下述步骤：
4、获取客户身份证和驾驶证图片，对所述身份证和驾驶证图片进行ocr图片识别；
5、判断所述ocr图片识别的数据是否准确；
6、若所述ocr图片识别的数据不准确，则提示进行asr语音识别，得到asr语音识别的数据；
7、计算所述ocr图片识别的数据和所述asr语音识别的数据与待分类样本的距离；
8、采用knn聚类算法对所述ocr图片识别的数据和所述asr语音识别的数据与待分类样本的距离进行分类；
9、采用粒子群算法对所述分类结果进行优化，得到最优分类结果，以最优分类结
10、进一步的，所述获取客户身份证和驾驶证图片，对所述身份证和驾驶证图片进行ocr图片识别的步骤，具体包括：
11、获取客户身份证和驾驶证图片；
12、对所获取的客户身份证和驾驶证图片进行灰度化、二值化、去噪、倾斜校正的预处理操作；
13、将预处理操作后的客户身份证和驾驶证图片中的文字分割成单个字符或单词；
14、从分割后的单个字符或单词中提取笔画、形状、结构特征；
15、采用机器学习或深度学习算法，对提取的笔画、形状、结构特征进行分类和识别，将单个字符或单词转换为可编辑文本。
16、进一步的，所述判断所述ocr图片识别的数据是否准确的步骤，具体包括：
17、调取预设客户身份证图片判定标准和驾驶证图片判定标准；
18、将所述ocr图片识别的数据与客户身份证图片判定标准和驾驶证图片判定标准进行比对；
19、若比对结果大于预设阈值，则判断所述ocr图片识别的数据准确并录入ocr图片识别的数据；
20、若比对结果小于等于预设阈值，则确定所述ocr图片识别的数据不准确。
21、进一步的，所述若所述ocr图片识别的数据不准确则提示进行asr语音识别，得到asr语音识别的数据的步骤，具体包括：
22、若判断所述ocr图片识别的数据与客户身份证图片判定标准和驾驶证图片判定标准的比对结果小于预设阈值则提示进行asr语音识别；
23、提示录入语音信息；
24、对录入的语音信号进行去除噪声、降低干扰和数字化的预处理；
25、从预处理后的语音信号中提取出倒谱系数和梅尔频率倒谱系数的特征数据；
26、利用机器学习算法对提取出的特征数据进行分类和识别，将语音转换为文本。
27、进一步的，所述计算所述ocr图片识别的数据和所述asr语音识别的数据与待分类样本的距离的步骤，具体包括：
28、根据以下公式计算所述ocr图片识别的数据和所述asr语音识别的数据与n个待分类样本的距离：
29、
30、式中，xi表示ocr图片识别的数据，xj表示asr语音识别的数据，xiu表示ocr图片识别数据与待分类样本的距离，xju表示asr语音识别的数据与待分类样本的距离。
31、进一步的，所述采用粒子群算法对所述分类结果进行优化，得到最优分类结果，以最优分类结果所确定的ocr图片识别的数据和asr语音识别的数据进行客户信息录入的步骤，具体包括：
32、采用粒子群算法判断所述ocr图片识别的数据与待分类样本的距离的最优分类结果，以及判断所述asr语音识别的数据与待分类样本的距离数据的最优分类结果；
33、根据所述asr语音识别的数据与待分类样本的距离数据的最优分类结果以及所述ocr图片识别的数据与待分类样本的距离的最优分类结果，得到，所述asr语音识别的数据与待分类样本的距离数据以及所述ocr图片识别的数据与待分类样本的距离的整体达到最优。
34、将所有整体达到最优的ocr图片识别的数据和asr语音识别的数据中的字段文本作为确定的ocr图片识别的数据和asr语音识别的数据进行客户信息录入。
35、进一步的，所述根据所述asr语音识别的数据与待分类样本的距离数据的最优分类结果以及所述ocr图片识别的数据与待分类样本的距离的最优分类结果，得到，所述asr语音识别的数据与待分类样本的距离数据以及所述ocr图片识别的数据与待分类样本的距离的整体达到最优的步骤包括：
36、通过以下公式设定一动态阈值；
37、
38、代表的是当前执行的流程中，所产生的最好的解决方案，ηj的含义为系数调整的参数，zj,k，k的范围为是在[-1，1]的变量参数；
39、将所述asr语音识别的数据与待分类样本的距离数据的最优分类结果和ocr图片识别的数据与待分类样本的距离的最优分类结果分别与一标准阈值进行比较；
40、若均超过所述标准阈值时，视为所述asr语音识别的数据与待分类样本的距离数据以及所述ocr图片识别的数据与待分类样本的距离的整体达到最优。
41、为了解决上述技术问题，本申请实施例还提供一种客户信息智能录入装置，采用了如下所述的技术方案：
42、一种客户信息智能录入装置，包括：
43、获取模块，用于获取客户身份证和驾驶证图片，对所述身份证和驾驶证图片进行ocr图片识别；
44、判断模块，判断所述ocr图片识别的数据是否准确；
45、提示模块，用于若所述ocr图片识别的数据不准确，则提示进行asr语音识别，得到asr语音识别的数据；
46、计算模块，用于计算所述ocr图片识别的数据和所述asr语音识别的数据与待分类样本的距离；
47、聚类模块，用于采用knn聚类算法对所述ocr图片识别的数据和所述asr语音识别的数据与待分类样本的距离进行分类；
48、优化模块，用于采用粒子群算法对所述分类结果进行优化，得到最优分类结果，以最优分类结果所确定的ocr图片识别的数据和asr语音识别的数据进行客户信息录入。
49、为了解决上述技术问题，本申请实施例还提供一种计算机设备本文档来自技高网...
【技术保护点】
1.一种客户信息智能录入方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的客户信息智能录入方法，其特征在于，所述获取客户身份证和驾驶证图片，对所述身份证和驾驶证图片进行OCR图片识别的步骤，具体包括：
3.根据权利要求1所述的客户信息智能录入方法，其特征在于，所述判断所述OCR图片识别的数据是否准确的步骤，具体包括：
4.根据权利要求3所述的客户信息智能录入方法，其特征在于，所述若所述OCR图片识别的数据不准确，则提示进行ASR语音识别，得到ASR语音识别的数据的步骤，具体包括：
5.根据权利要求4所述的客户信息智能录入方法，其特征在于，所述计算所述OCR图片识别的数据和所述ASR语音识别的数据与待分类样本的距离的步骤，具体包括：
6.根据权利要求5所述的客户信息智能录入方法，其特征在于，所述采用粒子群算法对所述分类结果进行优化，得到最优分类结果，以最优分类结果所确定的OCR图片识别的数据和ASR语音识别的数据进行客户信息录入的步骤，具体包括：
7.根据权利要求6所述的客户信息智能录入方法，其特征在于
8.一种客户信息智能录入装置，其特征在于，包括：
9.一种计算机设备，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可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的客户信息智能录入方法的步骤。
10.一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上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的客户信息智能录入方法的步骤。
...【技术特征摘要】
1.一种客户信息智能录入方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的客户信息智能录入方法，其特征在于，所述获取客户身份证和驾驶证图片，对所述身份证和驾驶证图片进行ocr图片识别的步骤，具体包括：
3.根据权利要求1所述的客户信息智能录入方法，其特征在于，所述判断所述ocr图片识别的数据是否准确的步骤，具体包括：
4.根据权利要求3所述的客户信息智能录入方法，其特征在于，所述若所述ocr图片识别的数据不准确，则提示进行asr语音识别，得到asr语音识别的数据的步骤，具体包括：
5.根据权利要求4所述的客户信息智能录入方法，其特征在于，所述计算所述ocr图片识别的数据和所述asr语音识别的数据与待分类样本的距离的步骤，具体包括：
6.根据权利要求5所述的客户信息智能录入方法，其特征在于，所述采用粒子群算法对所述分类结果进行优化，得到最优分类结果，以最优分类结果所确定的oc...
【专利技术属性】
技术研发人员：杨春春，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。