關(guān)且一一 對應(yīng)，例如，對應(yīng)同一位置的多個關(guān)鍵點相互之間是相關(guān)關(guān)系且一一對應(yīng)。
[0068] 實施例中，所述重建模塊104根據(jù)各個分組對應(yīng)的各組相關(guān)關(guān)鍵點，利用預(yù)設(shè)的線 性方程計算出各個分組對應(yīng)的特征點變換矩陣。例如，根據(jù)BI, B2兩張照片相關(guān)關(guān)鍵點計算 出從照片Bl轉(zhuǎn)換到照片B2對應(yīng)的特征點變換矩陣，從而能夠完成立體重構(gòu)（例如，Stereo Reconstruction)。所述特征點變換矩陣可 W是F^mdamen^l MatrixeFundamental Mahix 的作用是將一副圖像的特征點通過矩陣變換，轉(zhuǎn)換成為另一幅圖像的相關(guān)特征點。
[0069] 本實施例中，所述線性方程可W是：
[0070]
[0071]
[0072]
[0073] 經(jīng)過數(shù)學(xué)變換，可得特征點變換矩陣F，特征點變換矩陣F需滿足W下條件：
[0074]
.
[0075] 該線性方程可W通過上述匹配出來的8個的相關(guān)關(guān)鍵點解出，從而求得兩幅圖像 之間的空間變換關(guān)系F。
[0076] 所述驗證模塊105用于對每一分組的兩張定損照片進行參數(shù)驗證。所述參數(shù)驗證 包括:選擇一分組，利用該分組對應(yīng)的特征點變換矩陣，將該分組中的其中一張照片轉(zhuǎn)換成 與該組另一張照片具有相同拍攝角度的待驗證照片，將所述待驗證照片與該分組中的另一 張照片進行特征參數(shù)匹配，所述參數(shù)包括顏色、紋理等特征，當(dāng)有參數(shù)不匹配，例如，若有相 同特征的顏色值差異大于預(yù)設(shè)顏色闊值，則判定顏色特征參數(shù)不匹配;若有相同特征的紋 理的相似度小于預(yù)設(shè)相似度闊值"例如，90%"，則判定紋理特征參數(shù)不匹配等，則該分組中 的兩張照片驗證不通過，并生成欺詐風(fēng)險提醒信息，并發(fā)送給預(yù)先確定的終端2。例如，所述 欺詐風(fēng)險提醒信息可W為:該終端上傳的照片BI和B2驗證不通過，請注意偽造風(fēng)險。
[0077] 參閱圖3所示，是本發(fā)明基于多張圖片一致性實現(xiàn)保險理賠反欺詐的方法較佳實 施例的方法實施流程圖。本實施例所述基于多張圖片一致性實現(xiàn)保險理賠反欺詐的方法并 不限于流程圖中所示步驟，此外流程圖中所示步驟中，某些步驟可W省略、步驟之間的順序 可W改變。
[0078] 步驟SlO，在車輛發(fā)生車禍在修理廠進行損失核定時，照片接收模塊101接收用戶， 如車主和修理廠，通過終端2上傳的定損照片。
[0079] 步驟Sll，照片接收模塊101分析上傳的各個定損照片的拍攝角度是否相同。本實 施例可W通過下述方法分析照片的拍攝角度:識別出照片中物體的陰影，物體陰影方向的 正前方即是鏡頭方向，鏡頭方向與物體平面所呈的夾角即作為拍攝角度。
[0080] 當(dāng)拍攝角度相同時，執(zhí)行步驟S12,及在拍攝角度不相同時，執(zhí)行步驟S13。
[0081] 步驟S12,照片接收模塊101生成并發(fā)送從不同角度繼續(xù)采集定損照片的提醒信息 給所述終端2。所述提醒信息可W是，例如，當(dāng)前上傳的定損照片有Y張拍攝角度相同，請繼 續(xù)從其他角度采集Y-I張定損照片。
[0082] 步驟S13,分類模塊102利用一分析模型，分析出各個定損照片對應(yīng)的車輛部位，并 對所述定損照片進行分類，W將相同車輛部位的定損照片分為同一照片集合。
[0083] 步驟S14,分類模塊102判斷任意一照片集合中的定損照片的數(shù)量是否小于預(yù)設(shè)數(shù) 量，如3張。當(dāng)一照片集合中的定損照片的數(shù)量小于預(yù)設(shè)數(shù)量時，執(zhí)行步驟S15,及當(dāng)任意一 照片集合中的定損照片的數(shù)量都沒有小于預(yù)設(shè)數(shù)量時，執(zhí)行步驟S16。
[0084] 步驟S15,分類模塊102生成并發(fā)送從不同角度繼續(xù)采集該照片集合對應(yīng)的車輛部 位的定損照片的提醒信息給所述終端2。所述提醒信息可W是，例如，當(dāng)前定損部位X的定損 照片缺少Z張，請繼續(xù)從其他角度采集Z張定損部位X的定損照片。
[0085] 步驟S16,關(guān)鍵點檢測模塊103對各個照片集合中的定損照片執(zhí)行關(guān)鍵點檢測，獲 得各個照片集合對應(yīng)的車輛部位的關(guān)鍵點特征。
[0086] 本實施例中，所述（關(guān)鍵點檢測可W采用SIFT(Scale-inva;riant feature transform,尺度不變特征變換）關(guān)鍵點特征檢測方法。所述SIFT是一個局部特征描述子， SIFT關(guān)鍵點特征是圖像的局部特征，其對旋轉(zhuǎn)、尺度縮放、亮度變化保持不變性，對視角變 化、仿射變換、噪聲也保持一定程度的穩(wěn)定性。
[0087] 步驟S17,重建模塊104對各個照片集合的定損照片分別進行兩兩分組。
[0088] 步驟S18,重建模塊104根據(jù)一關(guān)鍵點匹配算法，將各個集合對應(yīng)的關(guān)該鍵點特征 與該集合的各分組中的照片進行關(guān)鍵點匹配，為各個分組中的定損照片分別匹配出至少一 組相關(guān)關(guān)鍵點。
[0089] 所述關(guān)鍵點匹配算法可W是，例如，RANSAC(Random Sample Consensus)算法。
[0090] 實施例中，所述重建模塊104為各個分組中的定損照片分別對應(yīng)匹配出至少一組 預(yù)設(shè)數(shù)量(例如，8個)的相關(guān)關(guān)鍵點。例如，Bl和B2兩張照片被分為一組，Bl和B2各有至少一 組預(yù)設(shè)數(shù)量的關(guān)鍵點被匹配出來，Bl被匹配出的關(guān)鍵點與B2被匹配出的關(guān)鍵點相關(guān)且一一 對應(yīng)，例如，對應(yīng)同一位置的多個關(guān)鍵點相互之間是相關(guān)關(guān)系且一一對應(yīng)。
[0091] 步驟S19,重建模塊104根據(jù)各個分組對應(yīng)的相關(guān)關(guān)鍵點，利用一線性方程計算出 各個分組對應(yīng)的特征點變換矩陣。例如，根據(jù)BI, B2兩張照片相關(guān)關(guān)鍵點計算出從照片Bl轉(zhuǎn) 換到照片B 2對應(yīng)的特征點變換矩陣，從而能夠完成立體重構(gòu)（例如，S t e r e O Reconstruction)。
[0092] 所述特征點變換矩陣可W是F^mdamen^l MahiXeFundamental Matrix的作用是 將一副圖像的特征點通過矩陣變換，轉(zhuǎn)換成為另一幅圖像的相關(guān)特征點。
[0093] 本實施例中，所述線性方程可W是：
[0094]
[0095] "渭.
[0096]
[0097] 經(jīng)過數(shù)學(xué)變換，可得特征點變換矩陣F，特征點變換矩陣F需滿足W下條件：
[009引
[0099] 該線性方程可W通過上述匹配出來的8個的相關(guān)關(guān)鍵點解出，從而求得兩幅圖像 之間的空間變換關(guān)系F。
[0100] 步驟S20,驗證模塊105選擇其中一分組，利用對應(yīng)的特征點變換矩陣，將該分組中 的其中一張照片轉(zhuǎn)換成與該組另一張照片具有相同拍攝角度的待驗證照片。
[0101] 步驟S21，驗證模塊105將所述待驗證照片與該分組中的另一張照片進行特征參數(shù) 匹配。所述參數(shù)包括顏色、紋理等特征。
[0102] 步驟S22,驗證模塊105判斷是否有參數(shù)不匹配。例如，若有相同特征的顏色值差異 大于預(yù)設(shè)顏色闊值，則判定顏色特征參數(shù)不匹配;若有相同特征的紋理的相似度小于預(yù)設(shè) 相似度闊值"例如，90 %"，則判定紋理特征參數(shù)不匹配等。
[0103] 當(dāng)有參數(shù)不匹配時，執(zhí)行步驟S23。當(dāng)沒有參數(shù)不匹配時，執(zhí)行步驟S24。
[0104] 步驟S23,驗證模塊105生成欺詐風(fēng)險提醒信息，并將該欺詐風(fēng)險提醒信息發(fā)送給 預(yù)先確定的終端2。例如，所述欺詐風(fēng)險提醒信息可W為:該終端上傳的照片Bl和B2驗證不 通過，請注意偽造風(fēng)險。
[0105] 步驟S24,驗證模塊105判斷是否存在沒有進行驗證的分組照片。若存在沒有進行 驗證的分組照片，則返回上述的步驟20。否則，若不存在沒有進行驗證的分組照片，則結(jié)束 流程。
[0106] 參閱圖4所述，是本發(fā)明基于多張圖片一致性實現(xiàn)保險理賠反欺詐的方法較佳實 施例中分析車輛各個部位照片的分析模型的方法流程圖。本實施例所述分析車輛各個部位 照片的分析模型的方法流程圖并不限于流程圖中所示步驟，此外流程圖中所示步驟中，某 些步驟可W省略、步驟之間的順序可W改變。
[0107] 步驟S00,模型訓(xùn)練模塊100從一車險理賠數(shù)據(jù)庫3獲取車輛各個部位的預(yù)設(shè)數(shù)量 的照片。本實施例中，所述模型訓(xùn)練模塊100根據(jù)車輛預(yù)設(shè)部位分類(例如，所述車輛預(yù)設(shè)部 位分類包括車前方、側(cè)面、車尾、整體等），從車險理賠數(shù)據(jù)庫3(例如，所述車險理賠數(shù)據(jù)庫3 存儲有車輛預(yù)設(shè)部位分類與定損照片的映射關(guān)系或標(biāo)簽數(shù)據(jù)，所述定損照片指的是修理廠 在定損時拍攝的照片)獲取各個預(yù)設(shè)部位對應(yīng)的預(yù)設(shè)數(shù)量(例如，10萬張）的照片(例如，獲 取10萬張車前方的