способ выявления мошенничества при инсценировке дтп и устройство для его реализации

Формула изобретения

1. Способ выявления мошенничества при инсценировке ДТП путем определения принадлежности всех заявленных повреждений автомобиля одному и тому же страховому случаю, заключающийся в том, что с помощью цифрового аппарата производится фотографическая съемка повреждений кузова автомобиля, а полученные фотографические изображения или их фрагменты обрабатываются с помощью цветовой модели RGB для определения интенсивности цветовых оттенков красного, зеленого и синего цвета, а также суммы этих интенсивностей, характеризующих коррозионные отложения на местах повреждения кузова, после чего методами математической статистики определяются выборочные средние и выборочные дисперсии для выборок каждого цвета и суммарная интенсивность, после чего определяется принадлежность всех повреждений автомобиля одной генеральной совокупности, а при подтверждении чего нет причины отвергать гипотезу об отсутствии мошенничества, то есть об отсутствии инсценировки ДТП.

2. Устройство для выявления мошенничества при инсценировке ДТП путем определения принадлежности всех заявленных повреждений одному и тому же страховому случаю, состоящее из фотоаппарата и процессора, отличающееся тем, что фотоаппарат является цифровым и через USB разъем фотоаппарат подключен к процессору, а сам процессор состоит из блока обработки фотографических изображений с помощью цветовой модели RGB для определения интенсивности цветовых оттенков в трех основных цветах фотографических изображений повреждений кузова, блока памяти, где формируются выборки по каждому из цветовых оттенков, блоков логики, где в соответствии с алгоритмами математической статистики проводится проверка гипотезы о принадлежности характеристик изображений мест повреждений кузова автомобиля одной генеральной совокупности, а также дисплея с клавиатурой для ввода необходимых числовых значений и вывода результатов проверки гипотезы.

Описание изобретения к патенту

Изобретение относится к экспертизе дорожно-транспортного происшествия с целью выявления мошенничества при инсценировке ДТП.

По оценкам страховых компаний России в сфере ОСАГО объемы страхового мошенничества составляют 15÷20% от общего объема произведенных выплат. Одним из наиболее распространенных видов мошенничества в автостраховании является инсценировка ДТП, главным образом инсценировка повреждений транспортного средства в результате ДТП [1].

Одним из способов выявления страхового мошенничества является программа экспресс-анализа информации - «Индикатор ДТП» [2]. Программа «Индикатор ДТП» содержит 81 индикатор обмана по ДТП с материальным ущербом, 56 индикаторов обмана по ДТП, связанным с причинением вреда жизни и здоровью, а также 250 типовых мероприятий по проведению расследования страховых случаев по ОСАГО, ДСАО, КАСКО. «Индикатор» анализирует информацию по любому страховому событию, связанному с ДТП, дает итоговое заключение с указанием степени ложности информации и формирует список мероприятий, которые следует осуществить по конкретному страховому событию.

Основным недостатком программы является то, что компьютерная программа не может оценить техническое состояние автомобиля. В частности, в случае инсценировки ДТП, инсценировки повреждений кузова программа не позволяет определить виновника ДТП, не позволяет определить время получения отдельных дефектов кузова автотранспортного средства. Тем самым программа «Индикатор» не решает фактически техническую сторону проблемы. Для этого нужны технические решения.

Аналогом таких устройств может быть устройство для опознания (обнаружения) виновников столкновения или наезда автотранспортных средств по а.с. СССР № 1516415. Однако это устройство позволяет найти участника ДТП, уехавшего с места ДТП, но не позволяет выявить виновника ДТП, установить или исключить факт инсценировки ДТП, оценить размер дефектов автотранспортных средств при дорожно-транспортных происшествиях.

Известен способ определения размеров дефектов автотранспортных средств при дорожно-транспортных происшествиях по патенту на изобретение РФ № 2276404 [3]. Способ заключается в том, что изображение зон видимых дефектов элементов или узлов автомобиля передают на электронный носитель. Это осуществляется при помощи средства объективного контроля для фиксации следов происшествия в электронной форме хранения информации, например цифровым фотоаппаратом, а скрытых - с использованием неразрушающих средств объективного контроля, например дефектоскопа. При этом регистрируемый электронный сигнал дефектной зоны поступает в программное обеспечение ЭВМ, в котором осуществляется сравнение вычерчиваемых площадей контрольной зоны и недеформированной поверхности в исследуемой детали или узле, а путем соотношения полученных площадей определяют соответствующий процент дефекта исследуемого объекта.

Основным недостатком объекта является невозможность определения времени, в которое было получено повреждение. Повреждения и дефекты могут быть получены при различных ДТП, все они заявляются как полученные в одном ДТП, что и составляет суть мошенничества. Однако время получения повреждения кузовом автомобиля можно определить по толщине окисной пленки, образованной на месте повреждения. Это обусловлено тем, что при повреждениях кузова, как правило, повреждается лакокрасочный защитный слой, а металл без защитного покрытия начинает ржаветь. Измеряя толщину окисной пленки можно определить время получения повреждения. Толщина окисной пленки определяется скоростью коррозии. Так, известен способ определения скорости коррозии металлов по патенту РФ на изобретение № 1245071 [4]. В соответствии с [4] способ определения скорости коррозии металлов состоит в размещении в канале ядерного реактора контактирующих между собой образцов, которые подвергают воздействию коррозионной среды и облучения. При этом периодически измеряют параметры окисной пленки, образующейся на образцах в процессе испытаний, и по этим параметрам судят о скорости коррозии.

Из-за технической сложности этот способ по патенту [4] не может быть использован для определения времени получения деформации кузовом автомобиля.

Известен способ выявления мошенничества при инсценировке ДТП, изложенный в [5], который взят за прототип. В соответствии с [5] скорость коррозии предлагается оценивать по цветовым оттенкам поверхности прокорродировавшегося слоя, для чего используется так называемая цветовая модель RGB [6]. В основе способа лежат особенности коррозионного процесса, состоящие в том, что коррозионный процесс приводит к изменению цветовых оттенков продуктов коррозии по времени. Изменения цветовых оттенков по трем основным цветовым компонентам изображения продуктов коррозии позволяет найти отличия цветовых оттенков для двух коррозионных процессов, начавшихся на одной и той же поверхности, но в разное время. В продуктах коррозии с течением времени меняются оттенки красного, зеленого, синего цвета. Интенсивность вышеназванных оттенков со временем падает. Типичные зависимости изменения цвета коррозии для некоторых сезонов, взятые из работы [5], приведены на фиг.1 и фиг.2.

На фиг.1 приведена зависимость изменения цвета коррозии от времени для осенних условий, а на фиг.2 соответственно - для весенних условий.

Как следует из фиг.1 и фиг.2, зависимости изменения цвета коррозии имеют монотонный убывающий характер. Такой же характер имеется и у кривой, соответствующей изменению интенсивности суммы цветов коррозии. Монотонность кривых позволяет построить аналитические регрессионные модели процесса изменения цветов коррозии от времени, каждая из которых имеет свою дисперсию. Имея эти модели и определив путем фотографирования прокорродировавшего слоя интенсивность цветов коррозии, можно определить время, прошедшее с начала процесса коррозии. Если для разных повреждений кузова автомобиля этот временной параметр будет отличаться, то это будет означать, что повреждения кузова были получены не в один день и не могут соответствовать одному ДТП. Однако для реализации этого способа-прототипа необходимо знать эмпирические модели изменения цветов коррозии как функции времени. При этом такие модели должны учитывать конкретные климатические, погодные, сезонные и иные условия, например характеристики (коррозионные свойства) для данной конкретной марки стали, используемой для кузова автомобиля и т.д. Все это делает использование на практике изложенного в [5] способа определения времени получения кузовом автомобиля повреждений невозможным, поскольку не позволяет решить задачу с необходимой точностью и достоверностью, что и является основным недостатком способа-прототипа.

Однако при выявлении мошенничества достаточно установить, что не все заявленные к рассмотрению повреждения кузова принадлежат к одной генеральной совокупности. Поэтому целью изобретения является упрощение процедуры оценки принадлежности одной и той же генеральной совокупности всех повреждений кузова автомобиля. Цель достигается за счет использования отмеченных выше закономерностей коррозионных процессов: коррозионный процесс приводит к монотонному изменению цветовых оттенков продуктов коррозии по времени, что характеризуется интенсивностью цвета (красного, синего, зеленого) и суммарной интенсивностью отраженного продуктами коррозии света. Поскольку для всех повреждений корпуса автомобиля, полученных в один и тот же момент времени, коррозионные процессы будут протекать одинаково, цветовые оттенки продуктов коррозии для всех мест повреждений в пределах статистической погрешности будут одинаковы, то есть интенсивность цветовых оттенков коррозионных отложений на месте повреждений будет одинаковой. Тем самым характеристики поверхностей прокородившихся слоев металла на местах повреждений должны принадлежать одной генеральной совокупности: номинальная характеристика того или иного цветового оттенка для всех мест повреждений и исправленные выборочные дисперсии должны характеризовать одну и ту же генеральную совокупность.

Таким образом, для ответа на вопрос, принадлежат ли все повреждения кузова автомобиля одной генеральной совокупности, то есть были ли они все нанесены в одно и то же время, необходимо определить характеристики поверхностей прокородировавшего металла во всех местах повреждений. Для этого возможно использовать методику, соответствующую способу-прототипу и изложенную в [5]. С помощью цифрового фотоаппарата фотографируются повреждения кузова автомобиля. Полученные фотографии обрабатываются в системе MathCAD с помощью цветовой модели RGB [6].

В ходе обработки каждого изображения оно представляется в виде матрицы n×3m, где n - высота изображения в пикселях, m - ширина изображения в пикселях. Ширина исходной матрицы изображения делится на три равные части шириной m, каждая из которых отвечает за свой базовый цвет, а именно за красный, зеленый и синий [5]. После этого матрица исходного изображения разбивается на три отдельных изображения: каждое изображение соответствует своему базовому цвету. Каждая ячейка является 8-битной с диапазоном чисел от 0 - черный цвет - до 255 - белый цвет. Усредняя значения цвета на каждом изображении, получают цветовую характеристику исходного изображения. Цветовые характеристики (насыщенность цвета) для базовых цветов и для всего изображения (сумма насыщенностей базовых цветов) для всех изображений поверхностей должны принадлежать одним и тем же генеральным совокупностям, если все повреждения получены в одно и то же время.

Для выявления факта мошенничества достаточно показать, что повреждения, предъявленные в качестве страхового случая, относятся как минимум к двум различным генеральным совокупностям. Как известно, основными характеристиками выборки является выборочное среднее и выборочная дисперсия [7], которые определяются по известным формулам

где - выборочное среднее;

X_i - значение исследуемого параметра в каждом i-ом опыте (насыщенность цвета);

N - объем выборки (количество замеров);

S² - выборочная дисперсия.

Статистическая оценка характеристик выборки производится с определенной достоверностью и точностью. Объем выборки должен быть не менее 7 [8], поэтому для формирования двух выборок по результатам обработки изображений необходимо иметь не менее 15 изображений прокорродировавших мест повреждений. При этом могут быть обработаны не только изображения отдельных повреждений, но и отдельные фрагменты изображений повреждения, если площадь повреждений относительно велика.

Тогда допустим, что обработке были подвергнуты N изображений или фрагментов изображений деформаций кузова автомобиля. В результате для каждого изображения или фрагмента изображения получены (измерены) значения насыщенности цвета прокорродировавших повреждений, причем как для каждого из базовых цветов, так и для общей характеристики насыщенности получены соответствующие значения для каждого опыта

(3) По формуле (1) и (2) вычисляются характеристики выборки

Далее исходная выборка делится на две выборки по каждому из параметров: те значения параметров, которые оказались меньше выборочного среднего, определенного по формулам (4), формируют одну выборку параметров объемом N₁. Те значения параметров, которые больше, чем выборочные средние, определяемые по формуле (4), образуют первую выборку. Те значения параметров, которые меньше, чем выбранные средние, образуют вторую выборку. При этом первая выборка имеет объем N₁, а вторая выборка равна N₂. Причем сумма объемов первой и второй выборок равна объему генеральной совокупности.

Для каждой из сформированных выборок определяются статистические характеристики - выборочные средние и выборочные дисперсии, причем первая и вторая выборки формируются для каждого из базовых цветов и для общей характеристики насыщенности.

По полученным выборкам объема N ₁ и N₂ необходимо сделать вывод о том, принадлежат ли они одной генеральной совокупности, или доказать, что они принадлежат разным генеральным совокупностям, то есть сделать вывод о том, что повреждения автомобиля были получены в одно или в разное время. Для этого воспользуемся теорией проверки статистических гипотез [8].

В случае принадлежности обеих выборок одной генеральной совокупности необходимо провести сравнение средних значений совокупностей. Будем предполагать, что обе выборки некоррелированы. Здесь возможны теоретически четыре варианта возможных предположений: а) обе дисперсии известны и равны между собой; б) обе дисперсии известны, но не равны между собой; в) обе дисперсии неизвестны, но предполагается, что они равны между собой; г) обе дисперсии неизвестны, а предположение об их равенстве не сделано. При этом следует отметить, что для каждого из цветовых оттенков и для общей характеристики цвета повреждений будем иметь свои две выборочные совокупности, причем объемы первых и вторых совокупностей для каждого из базовых цветов и для общей характеристики цветов могут отличаться, но в сумме должны быть равны объему генеральной совокупности - N.

Будем предполагать, что для каждого базового цвета для обеих выборок дисперсии неизвестны, но предполагается, что они равны между собой. В качестве оценочных значений дисперсий примем выборочные дисперсии первой и второй соответствующих совокупностей. Обе выборочные дисперсии и являются оценками одной и той же дисперсии совокупности ². Индексом обозначен базовый цвет или общая цветовая характеристика. В соответствии со сказанным введем в рассмотрение объединенную оценку дисперсии с числом степеней свободы, равным сумме степеней свободы исходных оценок, то есть равным N. Объединенная оценка имеет вид [9]

Статистика критерия проверки гипотезы о равенстве выборочных средних имеет вид

причем сам критерий имеет t-распределение Стьюдента с =N-2 степенями свободы. Вычисленные по формуле (12) критерии T для каждого цветового оттенка и общей цветовой характеристики повреждений исходя из необходимой точности и достоверности оценки сравниваются с соответствующими значениями распределения Стьюдента для соответствующего значения числа степеней свободы. Целесообразно критические точки распределения Стьюдента брать для надежности, равной 0,975. В случае, если все вычисленные по формуле (12) значения критерия T будут меньше, чем критические значения этого критерия, взятые из таблицы, соответствующие распределению Стьюдента, то нет оснований отвергать гипотезу о принадлежности всех повреждений одной генеральной совокупности. То есть все повреждения кузова автомобиля с достоверностью 0,975 будут соответствовать условию, что они были получены в результате одного и того же ДТП.

Тем самым реализация способа выявления мошенничества при инсценировке ДТП состоит из следующего.

1. С помощью цифрового фотоаппарата производится съемка повреждений, полученных кузовом автомобиля.

2. Полученные изображения повреждений кузова обрабатываются с помощью цветовой модели RGB для определения величины интенсивности цвета полученных изображений в таких базовых цветах, как красный, зеленый, синий, и в сумме их интенсивностей по трем цветам.

3. Полученные в соответствии с п.2 четыре выборки значений интенсивности цвета, которые считаются в дальнейшем четырьмя генеральными совокупностями, обрабатываются для вычисления выборочных средних и выборочных дисперсий для каждой генеральной совокупности.

4. Из четырех генеральных выборок для каждой из них формируется по две выборки, в одну из которых входят значения меньше, чем значения соответствующей генеральной выборочной средней, а в другую входят значения больше, чем значения соответствующей генеральной выборочной средней.

5. Для каждой пары выборок, сформированных в соответствии с п.4 из соответствующей генеральной совокупности, определяются выборочные средние и выборочные дисперсии.

6. Далее определяется принадлежность замеренных значений интенсивности цветов для каждой пары выборок, соответствующей одной генеральной совокупности. С этой целью проверяется равенство выборочных средних в каждой паре четырех генеральных совокупностей по п.2 и равенство соответствующих выборочных дисперсий путем использования критерия Стьюдента и критерия Фишера.

7. Если для всех пар выборочных совокупностей по п.4 вычисленные значения статистических критериев меньше их соответствующих критических значений, соответствующих распределениям Стьюдента и Фишера, определяемых по величине объема (числу степеней свободы) каждой выборки и надежности оценки, то нет оснований подозревать мошенничество в действиях участника ДТП.

Изложенный выше способ выявления мошенничества может быть реализован в устройстве, состоящем из цифрового фотоаппарата с подключенным к нему для обработки фотографических изображений процессором. В состав процессора входит блок обработки изображений повреждений для определения величины цветовой насыщенности изображений как по базовым цветам - красному, зеленому и синему, так и по сумме интенсивности цветов. Из блока обработки изображений сигналы, соответствующие величине цветовой насыщенности, поступают в блок памяти, формируя четыре генеральных совокупности характеристик цветовой насыщенности изображений для каждого из трех базовых цветов и для суммы цветов - красного, зеленого и синего. В блоке логики «зашиты» алгоритмы определения выборочных средних и выборочных дисперсий, в соответствии с которыми вычисляются для каждой из четырех генеральных совокупностей выборочные средние и выборочные дисперсии (выражения (4) и (5)). В блоке деления каждая из четырех генеральных совокупностей, записанная в блоке памяти, делится относительно соответствующих выборочных средних на две выборки, к одной из которых относятся те значения цветовой насыщенности, которые меньше выборочной средней, а к другой выборке относятся те значения цветовой насыщенности, которые больше соответствующей выборочной средней.

Используя повторно зашитое в блоке логики программное обеспечение, вычисляются выборочные средние и выборочные дисперсии для каждой из восьми выборок. В блоке сравнения проверяется гипотеза о принадлежности каждой пары выборок для одного и того же цвета генеральной совокупности. Для этого сравниваются по критерию Фишера выборочные дисперсии, а по критерию Стьюдента выборочные средние. В блоке сравнения «зашиты» процентные точки t-распределения Стьюдента и процентные точки распределения Фишера.

Соотношения между вычисленными и критическими значениями соответствующих критериев (больше или меньше), полученные из табличных данных, «зашитых» в блоке сравнения, табличные данные распределения Фишера и Стьюдента выводятся на дисплей, который является частью устройства.

Блок-схема устройства изображена на фиг.3. На фиг.3 обозначены основные блоки устройства и связи между ними.

Устройство состоит из фотоаппарата 1; блока обработки изображений 2; блока памяти 3; блока логики и деления 4; блоков логики второй очереди 5 и 6, блока сравнения 7; дисплея 8 и клавиатуры 9. Блоки устройства с 2 по 7 формируют процессор устройства, а дисплей и клавиатура - монитор устройства.

Устройство работает следующим образом. Фотоаппаратом 1 производится фотографирование мест повреждений корпуса автомобиля, причем количество изображений или фрагментов изображений для больших по площади повреждений должно быть не менее 15. Далее изображения в «цифровом» виде поступают в блок обработки изображений 2, где для каждого изображения или для фрагмента изображения с помощью «вшитой» модели RGB проводится оценка (измерение) насыщенности цветовых характеристик изображения в базовых цветах - красном, зеленом и синем и сумма насыщенностей этих цветов. Результаты измерений характеристик изображений поступают в блок памяти 3, где формируется база данных. После формирования базы данных задается с помощью клавиатуры 9 надежность и достоверность определения статистических характеристик генеральных выборочных совокупностей, сформированных в базе данных. Надежность и достоверность оценок задается с клавиатуры устройства, а значения этих параметров высвечиваются на дисплее 8, входящем в устройство. При заданной надежности и достоверности статистических оценок база данных, сформированная в блоке памяти 3, обрабатывается в блоке логики 4 в соответствии с алгоритмами вычисления выборочных средних и выборочных дисперсий. Вычисленные в блоке логики 4 выборочные средние генеральных совокупностей, сформированных для каждого из базовых цветов, являются центрами деления генеральных совокупностей на две выборки, в одну из которых входят значения, меньшие, чем выборочные средние, а в другую - значения, большие, чем выборочные средние. Формирование восьми выборочных совокупностей по две на каждую генеральную совокупность из блока памяти 3 осуществляется в блоке логики и деления 4, а значения каждых выборок запоминаются и обрабатываются в блоках логики второй очереди 5 и 6. Где в блоке логики второй очереди 5 формируются выборки со значениями аргументов, меньших, чем соответствующие выборочные генеральные средние, а в блоке 6 формируются выборки со значениями аргументов, которые больше, чем соответствующие выборочные генеральные средние. В этих же блоках логики второй очереди 5 и 6 идет обработка каждой из восьми выборок с целью определения соответствующих выборочных средних и выборочных дисперсий. Полученные статистические характеристики для каждой пары выборок, полученных из соответствующих генеральных совокупностей, сравниваются в блоке сравнения 7 друг с другом для выявления справедливости гипотезы о принадлежности каждой пары выборок, полученных из одной генеральной совокупности, одной генеральной совокупности. По критерию Фишера сравниваются выборочные дисперсии, а по критерию Стьюдента сравниваются выборочные средние, причем табличные значения распределений Фишера и Стьюдента «зашиты» в блок сравнения. Рассчитанные значения критериев Фишера и Стьюдента сравниваются с критическими значениями, которые выбираются из таблиц Фишера и Стьюдента в зависимости от задаваемой надежности и числа степеней свободы для каждого из критериев. Значения рассчитанных критериев Фишера и Стьюдента и соответствующие им табличные значения выводятся на дисплей 8. Если все четыре критерия Фишера и четыре критерия Стьюдента будут меньше критических значений этих критериев, нет оснований отвергать гипотезу, что все повреждения, полученные кузовом автомобиля, принадлежат одной совокупности.

Таким образом, предлагаемый способ выявления мошенничества, основанный на проверке гипотезы о принадлежности всех повреждений автомобильного кузова одной генеральной совокупности, и устройство для реализации способа позволяют оперативно непосредственно на месте дислокации тестируемого автомобиля наглядно и достоверно доказать или опровергнуть гипотезу. Способ и устройство для его реализации могут быть эффективно использованы страховыми компаниями для выявления мошенничества или его отсутствия при анализе обстоятельств заявленных страховых случаев.

Источники информации

1. Алгазин А.И., Ларичев В.Д. Страховое мошенничество. Методология выявления и способы противодействия. - Кн.1. Автострахование: Метод. пособие. - М.: Изд. дом «Регламент», 2008. - 185 с.

2. www.antiobman.ru

3. Патент РФ на изобретение № 2276404 «Способ определения размеров дефектов автотранспортных средств при дорожно-транспортных происшествиях». / Мельников К.А. Опубл. 2006.05.10 МПК G06F 19/00; В62O 41/00.

4. Патент РФ № 1245071 «Способ определения скорости коррозии металла по толщине окисной пленки». / Середкин С.В., Самсонов Б.В., Гремячкин В.А.

5. Кузнецов Н.П., Тарасова А.А., Юртиков Р.А. Об одном способе выявления мошенничества при инсценировке ДТП. / Вестник ИжГТУ, 2010, № 3(47). - С.39-42.

6. RWG Hunt. The Reproduction of Color (Gthed) - UK, Chichester: Wiley, 2004. IS&T Series in Imaging Science and Technology. - ISBN 0-470-02425-9.

7. Хильд А. Математическая статистика с техническими приложениями. - М.: ИЛ, 1956.

8. Н.Джонсон, Ф.Лион. Статистика и планирование эксперимента в технике и науке. Методы обработки данных. /Перевод с английского./ М.: Издательство «Мир», 1980 - 610 с.