同期 23 .85 同比 +0 .85% 军队 19.54 日 地方 10.02 日 急 诊 人 次 1152 危 重 人 次 156 + 预警信息推送 同期 1008 人 同比 +0.85% 军队 198 人 地方 913 人 同 期 3 0 人 同比 +0.85% 军队 198 人 地方 103 人 同期 20 .85% 同比 +0 .85% n 手 同期 230 人 同比 +0 .85% 军 队 198 人 地方 103 人 同期 2,308 人 同比 +0 .85% 军 队 198 人 地方 103 人 同期 12.34 次 同比 +0 .85% 羊 门 急 诊收 入 ( 万 元 ) 151.55+ 同期 230.85 军队 198.54 同比 +0 .85% 地方 103.02 住 院 收入 收入 ( 万 元 ) 109.35 同期 230.85 同比 +0.85% 药品收入 ( 万元 ) 101.50 同期 230.85 军队 198.54 同比 +0 .85% 地 方 103.02 院 长 驾 驶 舱 日常运营监控 国 医 疗 费 用 分 析 治 疗 质 量 分 析 67.23% 药占比 智慧管理 - 管理一体 化 药 占 比 异 常 全院药占比高于警戒线标准

96% 96% 91% 89% 88% 87% 85% 83% 74% 73% 70% 64% 61% 61% 58% 54% 53% 48% 35% 500 1500 2500 3500 4500 5500 10% 30% 50% 70% 90% 110% 99% 96% 96% 96% 91% 89% 88% 87% 85% 83% 74% 73% 70% 64% 100% 97% 92% 91% 87% 85% 85% 83% 82% 80% 77% 76% 74% 74% 66% 65% 63% 62% 50% 40% 38% 10 30 50 70 90 110 130 10% 30% 50% 70% 90% 110% 100% 97% 92% 91% 87% 85% 85% 83% 82% 80% 77% 76% 74% 55% 51% 1000 3000 5000 7000 9000 11000 13000 15000 5% 15% 25% 35% 45% 55% 65% 75% 85% 95% 92% 86% 86% 84% 80% 80% 80% 79% 79% 77% 75% 72% 72% 69% 69% 69% 63% 61% 59% 55% 51% 巡河次数（次）

当布控车牌经过摄像机底下时，系统会立即预警。 2. 输入车型： 当布控车型经过摄像机底下时，系统会立即预警。 3. 输入图片： 当经过摄像机底下的车辆达到布控车辆图片 85% 以上的相似度时，系统会立即预警。 图片布控 1. 输入图片： 当经过摄像机底下的人脸达到布控人脸图片 85% 以上的相似度时，系统会立即预警。 属性布控、图片布控 1. 骑行包括行人、人骑自行车、人骑电动车、人骑摩托车、人骑三轮车。 2. 输 入属性： 当经过摄像机底下的骑行符合布控属性条件时，系统会立即预警。 3. 输入图片： 当经过摄像机底下的骑行达到布控图片 85% 以上的相似度时，系统会立即预警。 布控后的系统更强大 车辆布控 人脸布控 骑行布控 抓拍方案 1. 特征提取 所有经过摄像机底下的人，其人脸及相关身份 信息、特征包括性别、年龄、眼镜、头发、帽 子、 口罩等信息都会被详细记录下来。 数据的情况下适应于在逃犯、流窜作 案嫌疑犯、通缉犯、吸毒人员等。不对接 GA 数据的情况下对陌生人、嫌疑人进行布控。 2. 人脸图片布控 输入需要布控人员的人脸照片，一旦被系统抓 拍到有相似度超过 85% 以上的人出现，立即 预 警。 视频结构化的人脸算法 人脸信息结构化 类型： 人脸 性别： 男 年龄： 青年人 眼镜： 有 头发： 短 帽子： 无 口罩： 无 视频结构化的行人算法

非结构化数据（医疗报告、照片等）..............................................................................................85 5.2 数据清洗与标注...................................................................................... 核心痛点集中在三个维度：首先，海量非结构化数据的处理能 力不足，医疗险中仅 CT 影像等医疗文件的人工解读就需要 2-3 小 时/案；其次，风险识别依赖经验判断，车险骗保案件漏检率高达 18%；第三，客户服务响应滞后，85%的保险公司尚未实现 7×24 小时智能问答。某头部寿险公司内部测试显示，传统 OCR+规则引 擎的医疗票据识别系统，在特病门诊单据上的关键字段提取错误率 达 21%。 现行流程中标注的痛点环节平均消耗 3000+医疗条 款、5000+事故场景的决策树，后台通过联邦学习在数据隔离前提 下实现跨机构风控模型协同进化。预计全面部署后，保险公司综合 赔付率可下降 3-5 个百分点，同时将小额案件自动化率提升至 85% 以上，为行业数字化转型提供可复用的技术范式。 2. 项目背景与需求分析 当前保险行业理赔业务面临效率与质量的双重挑战。传统理赔 流程高度依赖人工核保、定损及审核，平均处理周期长达 5-7