本申请涉及犬类管理技术领域，具体涉及一种对于犬只医保管理的方法，具体为一种犬只医保数据处理方法、装置及设备；包括以下方法：获取待报销犬的身份信息；基于所述待报销犬的身份信息获取历史治疗信息和投保历史信息；基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果；通过设置身份识别模型对犬只的身份实现精准的识别，基于获得精准的犬只信息基于配置的管理方法实现对于保险信息以及历史治疗信息的获取，基于以上信息的确定实现报销信息的获取。通过本实施例提供的方法，能够实现快速且进准的信息管理，降低了管理成本并提高了管理的安全性。
1.一种犬只医保数据处理方法，其特征在于，包括以下方法：获取待报销犬的身份信息；
基于所述待报销犬的身份信息获取历史治疗信息和投保历史信息，所述历史治疗信息配置于预先设置的治疗信息数据库中按时间进行排序，所述投保历史信息配置于预先设置的投保信息数据库中按时间进行排序；
基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果；
基于所述特征与预设置的特征数据库进行比对，得到比对结果；
所述身份识别模型包括第一身份识别模型和第一特征数据库，所述第一身份识别模型用于识别待报销犬的种类，具体方法包括：基于所述第一身份识别模型提取所述待报销犬的第一特征，基于所述第一特征与预设置的第一特征数据库进行比对，得到待报销犬的种类信息；
所述身份识别模型还包括第二身份识别模型和第二特征数据库，所述第二特征数据库配置于所述第一特征数据库，所述第二身份识别模型用于识别待报销犬的身份信息，具体方法包括：基于所述第二身份识别模型提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息；
基于所述第一身份识别模型提取所述待报销犬的第一特征，基于所述第一特征与预设置的第一特征数据库进行比对，得到待报销犬的种类信息，包括以下方法：获取待报销犬的脸部图像信息；
获取多个目标检测点的坐标参数，基于多个坐标参数获取多个目标检测点的相对距离；
基于多个目标检测点的相对距离与预设的第一特征数据库中的多个目标检测点的相对距离进行比较，得到报销犬的种类信息，具体包括以下方法：比较任一目标检测点的相对距离与预设的第一特征数据库中的相对应目标检测点的相对距离的相似度，获取多个目标检测点相对距离的相似度；
融合多个目标检测点相对距离的相似度得到最终相似度；
基于所述第二身份识别模型提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息，包括以下方法：获取待报销犬的多个脸部图像；
基于二值法对多个所述脸部图像进行处理得到多个预处理脸部图像轮廓，获取多个所述预处理脸部图像轮廓的面积数值，比较多个所述面积数值确定最优脸部图像；
基于所述最优脸部图像提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息；
基于所述最优脸部图像提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息，包括以下方法：获取所述最优脸部图像的目标特征图；
提取所述关键目标检测点的待识别特征，基于所述待识别特征与所述第二特征数据库进行比对，比较所述待识别特征与所述第二特征数据库中的相似度，基于最优相似度得到待报销犬的身份信息；
所述第一身份识别模型和所述第二身份识别模型包括卷积神经网络，所述卷积神经网络包括特征提取层、第一卷积层、第一拼接层、第一上采样层、第二卷积层、第二拼接层、第二上采样层、第三卷积层、第三拼接层；
将经过特征提取层输出的第一特征图输入所述第一卷积层进行卷积得到第四特征图，将所述第四特征图输入第四卷积层进行卷积得到第一目标特征图；
将所述第四特征图输入所述第一上采样层进行上采样得到第五特征图，将经过特征提取层输出的第二特征图和所述第五特征图输入第一拼接层进行拼接得到第一拼接特征图，将所述第一拼接特征图输入所述第二卷积层进行卷积，得到第六特征图，将所述第六特征图输入第五卷积层进行卷积，得到第二目标特征图；
将所述第六特征图输入所述第二上采样层进行上采样，得到第七特征图，将经过特征提取层输出的第三特征图与所述第七特征图输入所述第二拼接层进行拼接，得到第二拼接特征图，将所述第二拼接特征图输入所述第三卷积层进行卷积，得到第八特征图，将所述第八特征图输入第六卷积层进行卷积，得到第三目标特征图；
将所述第一目标特征图、所述第二目标特征图和所述第三目标特征图输入至所述第三拼接层进行拼接处理得到目标特征图。
2.根据权利要求1所述的犬只医保数据处理方法，其特征在于，基于所述待报销犬的身份信息获取历史治疗信息和投保历史信息，包括以下方法：获取所述历史治疗信息中的治疗时间区间以及所述投保历史信息中的投保时间区间；
确定所述投保时间区间内的治疗时间区间，基于所述治疗时间区间确定区间内的历史治疗信息。
3.根据权利要求2所述的犬只医保数据处理方法，其特征在于，基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果，包括以下方法：基于预设置的报销标签，获取所述历史治疗信息中的未报销治疗信息；
将所述未报销治疗信息与报销类别进行比对，得到报销结果，包括以下方法：提取所述未报销治疗信息中的治疗关键词以及报销类别中的报销关键词；
比较所述治疗关键词与所述报销关键词的相似度，基于相似度阈值确定未报销医疗信息与报销类别的相似度，得到报销结果。
历史信息获取模块，用于获取所述待报销犬的历史治疗信息和投保历史信息；
报销结果获取模块，用于基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果；
所述历史治疗信息配置于预先设置的治疗信息数据库中按时间进行排序，所述投保历史信息配置于预先设置的投保信息数据库中按时间进行排序；
基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果；
基于所述特征与预设置的特征数据库进行比对，得到比对结果；
所述身份识别模型包括第一身份识别模型和第一特征数据库，所述第一身份识别模型用于识别待报销犬的种类，具体方法包括：基于所述第一身份识别模型提取所述待报销犬的第一特征，基于所述第一特征与预设置的第一特征数据库进行比对，得到待报销犬的种类信息；
所述身份识别模型还包括第二身份识别模型和第二特征数据库，所述第二特征数据库配置于所述第一特征数据库，所述第二身份识别模型用于识别待报销犬的身份信息，具体方法包括：基于所述第二身份识别模型提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息；
基于所述第一身份识别模型提取所述待报销犬的第一特征，基于所述第一特征与预设置的第一特征数据库进行比对，得到待报销犬的种类信息，包括以下方法：获取待报销犬的脸部图像信息；
获取多个目标检测点的坐标参数，基于多个坐标参数获取多个目标检测点的相对距离；
基于多个目标检测点的相对距离与预设的第一特征数据库中的多个目标检测点的相对距离进行比较，得到报销犬的种类信息，具体包括以下方法：比较任一目标检测点的相对距离与预设的第一特征数据库中的相对应目标检测点的相对距离的相似度，获取多个目标检测点相对距离的相似度；
融合多个目标检测点相对距离的相似度得到最终相似度；
基于所述第二身份识别模型提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息，包括以下方法：获取待报销犬的多个脸部图像；
基于二值法对多个所述脸部图像进行处理得到多个预处理脸部图像轮廓，获取多个所述预处理脸部图像轮廓的面积数值，比较多个所述面积数值确定最优脸部图像；
基于所述最优脸部图像提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息；
基于所述最优脸部图像提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息，包括以下方法：获取所述最优脸部图像的目标特征图；
提取所述关键目标检测点的待识别特征，基于所述待识别特征与所述第二特征数据库进行比对，比较所述待识别特征与所述第二特征数据库中的相似度，基于最优相似度得到待报销犬的身份信息；
所述第一身份识别模型和所述第二身份识别模型包括卷积神经网络，所述卷积神经网络包括特征提取层、第一卷积层、第一拼接层、第一上采样层、第二卷积层、第二拼接层、第二上采样层、第三卷积层、第三拼接层；
将经过特征提取层输出的第一特征图输入所述第一卷积层进行卷积得到第四特征图，将所述第四特征图输入第四卷积层进行卷积得到第一目标特征图；
将所述第四特征图输入所述第一上采样层进行上采样得到第五特征图，将经过特征提取层输出的第二特征图和所述第五特征图输入第一拼接层进行拼接得到第一拼接特征图，将所述第一拼接特征图输入所述第二卷积层进行卷积，得到第六特征图，将所述第六特征图输入第五卷积层进行卷积，得到第二目标特征图；
将所述第六特征图输入所述第二上采样层进行上采样，得到第七特征图，将经过特征提取层输出的第三特征图与所述第七特征图输入所述第二拼接层进行拼接，得到第二拼接特征图，将所述第二拼接特征图输入所述第三卷积层进行卷积，得到第八特征图，将所述第八特征图输入第六卷积层进行卷积，得到第三目标特征图；
将所述第一目标特征图、所述第二目标特征图和所述第三目标特征图输入至所述第三拼接层进行拼接处理得到目标特征图。
5.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的方法。
6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的方法。
一种犬只医保数据处理方法、装置及设备
技术领域
[0001] 本申请涉及犬类管理技术领域，具体涉及一种对于犬只医保管理的方法，具体为一种犬只医保数据处理方法、装置及设备。
背景技术
[0002] 目前，用户可以给自家的宠物投保宠物险，当自己的宠物生病或出现意外时，可以向保险公司申请理赔，可以保障宠物的安全和减少自己的经济损失。投保宠物险时，需要对宠物进行身份认证，现有的DNA认证、芯片认证等手段操作复杂，成本较高。
[0003] 而目前针对于犬类的医保管理对于保险公司来说，与人类的医保管理具有较大的差异。首先，针对于人类的保险管理基于人类身份的确定，而目前针对于人类身份的确认较为简单，因为人类具有较高的社会行政管理体系，即通过配置的身份识别卡例如身份证、医保卡的方式进行识别，所以针对于人类的保险管理成熟且具有较高的保险性，使保险公司针对保单的管理较为容易。
[0004] 而针对于犬类的医保管理难度较大，首先针对于犬类没有社会统一的管理系统以及方法，而目前针对于犬只的管理主要通过ID识别卡进行管理。但是与人类不同在于，犬类的ID身份可以通过替换以及制作假的ID进行骗保行为，并且针对于犬类的信息管理也处于滞后的状态。所以，需要提供一种准确且安全性较高的管理方法对犬只的医保信息进行管理。
[0005] 而目前针对于以上的问题提供的医保数据处理系统以及对应的方法，具有处理效率低，处理后的数据关联性较差的技术问题。
发明内容
[0006] 为了解决以上的技术问题，本申请提供一种犬只医保数据处理方法、装置及设备，能够通过计算机技术实现对于构建身份识别模型对于犬只的身份进行精准的识别，并且通过构建对应医保数据处理方式，实现对于犬只身份识别以及基于身份识别后犬只的信息的管理。
[0007] 为了达到上述目的，本申请实施例采用的技术方案如下：
[0008] 第一方面，一种犬只医保数据处理方法，包括以下方法：获取待报销犬的身份信息；基于所述待报销犬的身份信息获取历史治疗信息和投保历史信息，所述历史治疗信息配置于预先设置的治疗信息数据库中按时间进行排序，所述投保历史信息配置于预先设置的投保信息数据库中按时间进行排序；基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果；获取待报销犬的身份信息包括以下方法：基于预设置的身份识别模型提取所述待报销犬的特征；基于所述特征与预设置的特征数据库进行比对，得到比对结果；基于比对结果确定所述待报销犬的身份信息；所述身份识别模型包括第一身份识别模型和第一特征数据库，所述第一身份识别模型用于识别待报销犬的种类，具体方法包括：基于所述第一身份识别模型提取所述待报销犬的第一特征，基于所述第一特征与预设置的第一特征数据库进行比对，得到待报销犬的种类信息；所述身份识别模型还包括第二身份识别模型和第二特征数据库，所述第二特征数据库配置于所述第一特征数据库，所述第二身份识别模型用于识别待报销犬的身份信息，具体方法包括：基于所述第二身份识别模型提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息。
[0009] 第一方面的第一种实现方式中，基于所述待报销犬的身份信息获取历史治疗信息和投保历史信息，包括以下方法：获取所述历史治疗信息中的治疗时间区间以及所述投保历史信息中的投保时间区间；确定所述投保时间区间内的治疗时间区间，基于所述治疗时间区间确定区间内的历史治疗信息。
[0010] 结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果，包括以下方法：基于预设置的报销标签，获取所述历史治疗信息中的未报销治疗信息；将所述未报销治疗信息与报销类别进行比对，得到报销结果，包括以下方法：提取所述未报销治疗信息中的治疗关键词以及报销类别中的报销关键词；比较所述治疗关键词与所述报销关键词的相似度，基于相似度阈值确定未报销医疗信息与报销类别的相似度，得到报销结果。
[0011] 第一方面的第三种实现方式中，基于所述第一身份识别模型提取所述待报销犬的第一特征，基于所述第一特征与预设置的第一特征数据库进行比对，得到待报销犬的种类信息，包括以下方法：获取待报销犬的脸部图像信息；基于所述脸部图像信息获取目标特征图；获取所述目标特征图中的多个目标检测点；获取多个目标检测点的坐标参数，基于多个坐标参数获取多个目标检测点的相对距离；基于多个目标检测点的相对距离与预设的第一特征数据库中的多个目标检测点的相对距离进行比较，得到报销犬的种类信息，具体包括以下方法：比较任一目标检测点的相对距离与预设的第一特征数据库中的相对应目标检测点的相对距离的相似度，获取多个目标检测点相对距离的相似度；融合多个目标检测点相对距离的相似度得到最终相似度；基于最终相似度确定对应的报销犬的种类信息。
[0012] 结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，基于所述第二身份识别模型提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息，包括以下方法：获取待报销犬的多个脸部图像；基于二值法对多个所述脸部图像进行处理得到多个预处理脸部图像轮廓，获取多个所述预处理脸部图像轮廓的面积数值，比较多个所述面积数值确定最优脸部图像；基于所述最优脸部图像提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息。
[0013] 结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，基于所述最优脸部图像提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息，包括以下方法：获取所述最优脸部图像的目标特征图；提取所述目标特征图中的关键目标检测点；提取所述关键目标检测点的待识别特征，基于所述待识别特征与所述第二特征数据库进行比对，比较所述待识别特征与所述第二特征数据库中的相似度，基于最优相似度得到待报销犬的身份信息。
[0014] 结合第五种可能的实现方式，在第六种可能的实现方式中，所述第一识别模型和所述第二识别模型包括卷积神经网络，所述卷积神经网络包括特征提取层、第一卷积层、第一拼接层、第一上采样层、第二卷积层、第二拼接层、第二上采样层、第三卷积层、第三拼接层；所述目标特征图的获取包括以下方法：将经过特征提取层输出的第一特征图输入所述第一卷积层进行卷积得到第四特征图，将所述第四特征图输入第四卷积层进行卷积得到第一目标特征图；将所述第四特征图输入所述第一上采样层进行上采样得到第五特征图，将经过特征提取层输出的第二特征图和所述第五特征图输入第一拼接层进行拼接得到第一拼接特征图，将所述第一拼接特征图输入所述第二卷积层进行卷积，得到第六特征图，将所述第六特征图输入第五卷积层进行卷积，得到第二目标特征图；将所述第六特征图输入所述第二上采样层进行上采样，得到第七特征图，将经过特征提取层输出的第三特征图与所述第七特征图输入所述第二拼接层进行拼接，得到第二拼接特征图，将所述第二拼接特征图输入所述第三卷积层进行卷积，得到第八特征图，将所述第八特征图输入第六卷积层进行卷积，得到第三目标特征图；将所述第一目标特征图、所述第二目标特征图和所述第三目标特征图输入至所述第三拼接层进行拼接处理得到目标特征图。
[0015] 第二方面，一种犬只医保管理装置，包括：身份信息获取模块，用于获取待报销犬的身份信息；历史信息获取模块，用于获取所述待报销犬的历史治疗信息和投保历史信息；报销结果获取模块，用于基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果；所述历史治疗信息配置于预先设置的治疗信息数据库中按时间进行排序，所述投保历史信息配置于预先设置的投保信息数据库中按时间进行排序。
[0016] 第三方面，一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述任一项所述的方法。
[0017] 第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
[0018] 本申请实施例提供的技术方案中，通过设置身份识别模型对犬只的身份实现精准的识别，基于获得精准的犬只信息基于配置的管理方法实现对于保险信息以及历史治疗信息的获取，基于以上信息的确定实现报销信息的获取。通过本实施例提供的方法，能够实现快速且精准的数据处理，实现信息化的管理，提高了数据处理的效率以及数据之间关联性，对后续的数据管理提供了更为完整的管理基础。
附图说明
[0019] 为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0020] 附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构。
[0021] 图1是本申请实施例提供的终端设备的结构示意图。
[0022] 图2是本申请的一些实施例所示的犬只医保数据处理方法的流程图。
[0023] 图3是本申请的一些实施例所示的处理方法第一子流程图。
[0024] 图4是根据本申请实施例提供的装置方框示意图。
具体实施方式
[0025] 为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
[0026] 在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本申请。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本申请的方面。
[0027] 本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
[0028] 对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。
[0029] （1）响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。
[0030] （2）基于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。
[0031] （3）卷积神经网络，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。
[0032] 本申请实施例提供的技术方案，主要的应用场景为对于犬只的医保管理，针对于医保管理的方式基于之前对于犬只的保险购买种类以及保险购买种类中的犬只疾病的种类，针对于疾病的赔付需要确定保险的范围以及犬只疾病是否属于保险的赔付范围。在现有技术中，针对于犬只的医保管理基于医院对于对应的犬只的身份确认基于身份确认后的犬只的治疗情况以及保险种类进行确定，基于确定后的治疗情况和保险种类对犬只进行保险金额的支付。目前针对于犬只的身份确定主要基于犬只主人的身份确认以及犬只的初步身份识别，但因为犬只的初步身份在实际场景下通过身份识别ID卡或者注册信息进行识别，但是因为犬只之间的长相差距较小，并且犬只ID卡可以通过盗用的以及借用的方式进行，所以针对于犬只身份的确认具有较大的风险，在其他的使用场景下此风险可以进行忽略，但针对于保险金的赔付则咋成较大的资金管理风险。现有技术中无法准确的识别犬只的身份，并且也没有针对于犬只的健康档案以及保险种类进行管理的管理方法。因为在实际应用场景下，与人类保险不同在于，犬只的管理无法做到精准，即人类可以通过配置的身份识别信息进行识别，并且在现有针对于人类的医保管理系统对于医保赔付的范围比较准确且明确，所以针对于犬只的医保管理不能按照人类的医保管理进行复制，需要提供一种能够实现犬只身份准确识别的方法以及基于犬只身份准确识别后的医保管理方法。
[0033] 基于以上的技术背景，本申请实施例提供一种终端设备100，该终端设备包括存储器110、处理器120以及存储在存储器中并可在处理器上运行的计算机程序，其中处理器执行犬只医保数据处理方法，对待医保支付的犬只进行准确的身份识别以及准确身份识别后的医保信息的管理。在本实施例中，该终端设备与用户端进行通信，将获取到的医保信息下发至对应的用户端，在硬件上实现对于医保信息的发送。其中，针对于发送信息的方式基于网络实现，并且在终端设备进行应用之前需要对用户端与终端设备建立关联关系，可以通过注册的方式实现对于终端设备与用户端之间的关联。其中终端设备可以针对多个用户端，也可以针对一个用户端，并且用户端通过密码以及其他加密的方式与终端设备进行通信。在本实施例中，针对于犬只的医保购买以及信息录入时，不仅需要录入犬只的身份信息，还需要录入犬只主人信息以及对于犬只主人配置用户端，犬只主人可以通过用户端进行保险金的提取以及相关信息的接收。
[0034] 在本实施例中，该终端可以为服务器，针对于服务器的物理结构，包括存储器、处理器和通信单元。存储器、处理器以及通信单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器用于存储特定的信息和程序，通信单元用于将处理后的信息进行发送至对应的用户端。
[0035] 本实施例将存储模块划分为两个存储区域，其中一个存储区为程序存储单元，另一个存储区域为数据存储单元。程序存储单元相当于固件区，该区域的读写权限设置为只读模式，其内存储的数据不可擦除和更改。而数据存储单元中的数据可以进行擦除或读写，当数据存储区域的容量已满时，新写入的数据会对最早期的历史数据进行覆盖。
[0036] 其中，存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read‑Only Memory，PROM），可擦除只读存储器（Erasable Programmable Read‑Only Memory，EPROM），电可擦除只读存储器（Ele超声ric Erasable Programmable Read‑Only Memory，EEPROM）等。
[0037] 处理器可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器（DSP)）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0038] 参阅图2，在本实施例中，针对于犬只医保数据处理方法，其工作逻辑为，获取犬只的图像信息，并且提取图像信息中的特征信息，基于犬只的特征信息与预设置的特征数据库进行比对，基于比对结果确定对应的身份信息。基于获取到的身份信息确定对应的历史治疗信息以及投保信息确定保险种类以及对应的疾病是否属于保险赔付的范围，基于确定的保险赔付范围以及投保信息确定保险金额的支付或者对治疗费用的报销。
[0039] 针对于本实施例提供的工作逻辑提供一种犬只医保数据处理方法，具体包括以下方法：
[0040] 步骤S210. 获取待报销犬的身份信息。
[0041] 在本实施例中，此过程为第一步的处理方法。在进行获取待报销犬的身份信息之前，可以知道的是，需要建立每一个进行投保的犬只的信息，基于建立的犬只的信息与待报销犬进行比对得到比对结果，而针对于犬只的准确识别的实现，针对于身份信息的获取主要基于生物身份进行识别，而基于生物身份的获取难易程度可知，针对于生物身份在本实施例中主要为犬只的图像信息，所以在本实施例中获取待报销犬的身份信息为获取待报销犬的图像信息，基于图像信息与采集的投保的犬只的图像信息进行比对，得到比对结果从而确定待报销犬的身份信息。
[0042] 具体包括以下过程：
[0043] 步骤S211.获取待报销犬的犬只种类信息。
[0044] 步骤S212.基于获取的犬只种类信息中的对应的已存储的对应的具体的犬只图像信息进行比对，得到对应的犬只信息，确定的犬只信息为待报销犬。
[0045] 在本实施例中，基于身份识别逻辑主要是基于与预先存储的图像信息进行比对，而在进行图像信息采集时对对应的犬只种类进行划分，即在图像信息采集后构建对应的两个数据库，分别为种类数据库以及种类数据库下对应的犬只数据库。针对于词设置方法，所要解决问题是因为犬只的脸部差异较小，但针对于不同种类的犬只的脸部特征的差异较大，所以针对于待报销犬只的识别为了降低识别的难度，降低待报销犬只的特征遍历的成本和数据处理量，则先对犬只的种类进行识别，识别到对应的犬只种类，基于获取的犬只种类再获取犬只的脸部关键目标点的特征，基于关键目标点的特征与犬只数据库的特征进行比较得到精准的比较结果，即获得最终的身份信息。
[0046] 在本实施例中，对于犬只特征的提取以及身份的识别，主要基于第一身份识别模型和第二身份识别模型进行，其中第一身份识别模型用于识别待报销犬的种类，具体方法包括：基于所述第一身份识别模型提取所述待报销犬的第一特征，基于所述第一特征与预设置的第一特征数据库进行比对，得到待报销犬的种类信息。
[0047] 其中第二身份识别模型用于识别待报销犬的身份信息，具体方法包括：基于所述第二身份识别模型提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息。
[0048] 在本实施例中，针对于对犬只种类的识别包括以下方法：
[0049] 获取待报销犬的脸部图像信息，基于所述脸部图像信息获取目标特征图，获取所述目标特征图中的多个目标检测点，获取多个目标检测点的坐标参数，基于多个坐标参数获取多个目标检测点的相对距离。
[0050] 基于多个目标检测点的相对距离与预设的第一特征数据库中的多个目标检测点的相对距离进行比较，得到报销犬的种类信息，具体包括以下方法：比较任一目标检测点的相对距离与预设的第一特征数据库中的相对应目标检测点的相对距离的相似度，获取多个目标检测点相对距离的相似度：融合多个目标检测点相对距离的相似度得到最终相似度；基于最终相似度确定对应的报销犬的种类信息。
[0051] 在本实施例，针对于报销犬的种类信息主要基于多个目标检测点之间的距离位置进行识别，而针对于多个目标检测点基于犬只脸部的特征点进行确定，可以知道的是针对于犬只脸部的特征点包括但不限于眼睛、鼻子、耳朵，在本实施例中通过以上特征点之间的距离实现对于犬只种类的识别。而针对于第一身份识别模型的构建基于神经网络模型的训练方法进行训练，而针对于神经网络模型的训练方法主要基于获取多个样本数据集，并且对多个样本数据集进行分类以及标注进行训练后实现。例如，针对于第一身份识别模型可以基于例如以犬只种类为对应的样本数据集，并对对应犬只种类对应的样本数据集中的足够量的犬只图像的目标检测点进行标注而训练得到对应犬只种类的身份识别子模型，并将多个身份识别子模型进行融合得到最终的第一身份识别模型，以上的神经网络的训练包括现有技术应用的场景为犬只的种类。
[0052] 此过程的现实使用场景为，获取两眼之间的坐标值，获取眼睛、鼻子之间的坐标值，获取眼睛、嘴巴之间的坐标值，鼻子、嘴巴之间的坐标值，基于以上的坐标值与预设置的第一特征数据库中的相对应的坐标值进行比较，得到相似度，获取多个目标检测点相对距离的相似度，融合多个目标检测点相对距离的相似度得到最终相似度，基于最终相似度确定对应的报销犬的种类信息。
[0053] 针对于步骤S212为基于步骤S211处理后的待报销犬只的种类确定后的具体的身份进行识别，例如针对于A犬只在进行步骤S211处理后得到的种类信息为拉布拉多犬，在步骤S212中调取针对于拉布拉多犬对应的第二特征数据库，基于待报销犬的图像信息进行第二特征的提取，将提取后的第二特征与对拉布拉多犬对应的第二特征数据库进行二次比对，得到在拉布拉多犬特征数据库即第二特征数据库中与第二特征相似度所对应犬只信息，则确定了待报销犬只的身份信息。
[0054] 在此过程中详细过程包括：
[0055] 获取待报销犬的多个脸部图像，基于二值法对多个所述脸部图像进行处理得到多个预处理脸部图像轮廓，获取多个所述预处理脸部图像轮廓的面积数值，比较多个所述面积数值确定最优脸部图像，基于所述最优脸部图像提取所述待报销犬的第二特征，基于所述第二特征与所述第二特征数据库进行比对，得到待报销犬的身份信息。
[0056] 在本实施例中，与步骤S211不同在于，步骤S211只需要对种类进行识别，识别的方法基于坐标的相对距离来实现，对于脸部图像的清晰度以及图像质量要求较低，但针对于步骤S212主要对于细节特征的识别，所以对于脸部图像的清晰度以及图像质量要求相对较高，所以在进行特征提取以及比对之前，需要对待识别图像进行预处理和选择。本实施例中通过二值化对于脸部图像进行灰度处理，得到轮廓面积最大的脸部图像，则此脸部图像为待处理的最优脸部图像。
[0057] 在实施例的其他可能的实现方式中，针对于多个脸部图像都不理想的情况下，即多个脸部图像中的灰度图片的轮廓面积小于预设的轮廓面积阈值，则需要对脸部图像进行增强处理，而对于脸部图像的增强处理可以利用现有技术中图像补偿技术实现，在本实施例中不再进行详细的描述。
[0058] 而针对于获取到的待识别的脸部图像的特征提取的方法包括以下过程：获取所述最优脸部图像的目标特征图，提取所述目标特征图中的关键目标检测点，提取所述关键目标检测点的待识别特征，基于所述待识别特征与所述第二特征数据库进行比对，比较所述待识别特征与所述第二特征数据库中的相似度，基于最优相似度得到待报销犬的身份信息。
[0059] 在本实施例中，关键目标检测点为犬只脸部图像中的关键检测点例如眼睛、鼻子等能够表征犬只具体特征的检测点，其中针对于提成提取的身份识别模型的结构包括：卷积神经网络，所述卷积神经网络包括特征提取层、第一卷积层、第一拼接层、第一上采样层、第二卷积层、第二拼接层、第二上采样层、第三卷积层、第三拼接层。
[0060] 而针对于所述目标特征图的获取包括以下方法：
[0061] 将所述第一特征图输入所述第一卷积层进行卷积得到第四特征图，将所述第四特征图输入所述第四卷积层进行卷积得到第一目标特征图，将所述第四特征图输入所述第一上采样层进行上采样得到第五特征图，将所述第二特征图和所述第五特征图输入所述第一拼接层进行拼接得到第一拼接特征图，将所述第一拼接特征图输入所述第二卷积层进行卷积，得到第六特征图，将所述第六特征图输入所述第五卷积层进行卷积，得到第二目标特征图，将所述第六特征图输入所述第二上采样层进行上采样，得到第七特征图，将所述第三特征图与所述第七特征图输入所述第二拼接层进行拼接，得到第二拼接特征图，将所述第二拼接特征图输入所述第三卷积层进行卷积，得到第八特征图，将所述第八特征图输入所述第六卷积层进行卷积，得到第三目标特征图，将所述第一目标特征图、所述第二目标特征图和所述第三目标特征图输入至所述第三拼接层进行拼接处理得到目标特征图。
[0062] 在本实施例中，每一识别模型配置有卷积神经网络，每一卷积神经网络包括第一卷积层、第一拼接层、第一上采样层、第二卷积层、第二拼接层、第二上采样层、第三卷积层、第三拼接层，则对应的两个识别模型的卷积层、拼接层、上采样层的数量分别为六个。
[0063] 通过步骤S210能够获取犬只的身份信息，基于犬只的身份信息获取犬只的保险信息，具体包括以下方法：
[0064] 步骤S220. 基于所述待报销犬的身份信息获取历史治疗信息和投保历史信息。
[0065] 在本实施例中，所述历史治疗信息配置于预先设置的治疗信息数据库中按时间进行排序，所述投保历史信息配置于预先设置的投保信息数据库中按时间进行排序。
[0066] 具体过程为：获取所述历史治疗信息中的治疗时间区间以及所述投保历史信息中的投保时间区间，确定所述投保时间区间内的治疗时间区间，基于所述治疗时间区间确定区间内的历史治疗信息。
[0067] 在本实施例中，主要获取对应犬只的保险相关的信息，主要为历史治疗信息和投保历史信息。
[0068] 步骤S230. 基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果。
[0069] 具体包括以下方法：基于预设置的报销标签，获取所述历史治疗信息中的未报销治疗信息，将所述未报销治疗信息与报销类别进行比对，得到报销结果，包括以下方法：
[0070] 提取所述未报销治疗信息中的治疗关键词以及报销类别中的报销关键词，比较所述治疗关键词与所述报销关键词的相似度，基于相似度阈值确定未报销医疗信息与报销类别的相似度，得到报销结果。
[0071] 在本实施例中，通过步骤S220以及步骤S230能够实现对于犬只的保险信息的确认，从而确定犬只的疾病以及对应疾病是否处于投保范围以及具体的保险信息，通过时间节点的确定以上的信息。通过此方法的配置能够实现自动化的保险信息的获取。
[0072] 参阅图4，本实施例还提供一种犬只医保管理装置400，包括：身份信息获取模块410，用于获取待报销犬的身份信息。历史信息获取模块420，用于获取所述待报销犬的历史治疗信息和投保历史信息。报销结果获取模块430，用于基于所述投保历史信息获取对应的报销分类，将所述历史治疗信息和报销类别进行比对，得到报销结果。
[0073] 在本实施例中，所述历史治疗信息配置于预先设置的治疗信息数据库中按时间进行排序，所述投保历史信息配置于预先设置的投保信息数据库中按时间进行排序。
[0074] 本申请实施例提供的技术方案中，通过设置身份识别模型对犬只的身份实现精准的识别，基于获得精准的犬只信息基于配置的管理方法实现对于保险信息以及历史治疗信息的获取，基于以上信息的确定实现报销信息的获取。通过本实施例提供的方法，能够实现快速且进准的信息管理，降低了管理成本并提高了管理的安全性。
[0075] 需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义在此均不作限定。
[0076] 本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及偏好标签的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“示例”、 “目标”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“集合”、“列表”等，也可以根据前后文进行毫无疑义地推导和确定。
[0077] 本申请实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
[0078] 上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
[0079] 同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
[0080] 另外，本领域普通技术人员可以理解的是，本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本申请的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
[0081] 计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。
[0082] 本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python等，或类似的常规程序编程语言，如"C"编程语言，Visual Basic，Fortran 2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
[0083] 此外，除非申请专利范围中明确说明，本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
[0084] 同样应当理解的是，为了简化本申请揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
