基于人臉的授信方法、系統(tǒng)及智能終端的制作方法
【專利摘要】本發(fā)明公開了一種基于人臉的授信方法、系統(tǒng)及智能終端，該授信方法包括以下步驟：獲取第一人臉圖像；處理所述第一人臉圖像以獲取人臉圖像數(shù)據(jù)；根據(jù)所述人臉圖像數(shù)據(jù)和預(yù)先存儲的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則，獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分。本發(fā)明提供的授信方法，處理第一人臉圖像獲取人臉圖像數(shù)據(jù)，根據(jù)預(yù)存的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則獲取信譽評分，如此使得信譽評分的獲取較為迅速，且效率較高。
【專利說明】
基于人臉的授信方法、系統(tǒng)及智能終端
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及通信領(lǐng)域，具體涉及一種基于人臉的授信方法、系統(tǒng)及智能終端。
【背景技術(shù)】
[0002]在金融行業(yè)中，對用戶進(jìn)行信用評估是授信時不可缺少、也是較為關(guān)鍵的環(huán)節(jié)之一，用戶的信譽評分關(guān)系到其能否得到金融機構(gòu)的授信或者得到的授信的額度大小。
[0003]現(xiàn)有技術(shù)中，金融機構(gòu)通過收集、調(diào)查以及評估用戶信用的相關(guān)資料以獲得信用評估結(jié)果，相關(guān)資料包括身份證、房產(chǎn)證等證件資料，銀行流水、電商流水等交易記錄，以及信用機構(gòu)出具的信用記錄等信息，然后通過專業(yè)的風(fēng)控人員依據(jù)風(fēng)控規(guī)則和經(jīng)驗對上述資料進(jìn)行研判，最終得到對用戶的信用評估結(jié)果。
[0004]現(xiàn)有技術(shù)的不足之處在于，信用評估的周期漫長且效率低下。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是提供一種基于人臉的授信方法、系統(tǒng)及智能終端，以解決現(xiàn)有技術(shù)中信用評估的周期漫長且效率低下的不足之處。
[0006]為了實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案:
[0007]—種基于人臉的授信方法，包括以下步驟:
[0008]獲取第一人臉圖像；
[0009]處理所述第一人臉圖像以獲取人臉圖像數(shù)據(jù)；
[0010]根據(jù)所述人臉圖像數(shù)據(jù)和預(yù)先存儲的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則，獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分。
[0011]上述的授信方法，所述處理所述第一人臉圖像以獲取人臉圖像數(shù)據(jù)的步驟中:
[0012]根據(jù)Eigenface算法或Fisherface算法處理所述第一人臉圖像以獲取第一圖像數(shù)據(jù)。
[0013]上述的授信方法，所述映射規(guī)則為:
[0014]所述人臉圖像數(shù)據(jù)和所述信譽評分一一對應(yīng)，所述信譽評分為所述人臉圖像數(shù)據(jù)所顯示的用戶在征信系統(tǒng)中的信譽評分。
[0015]上述的授信方法，所述獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分的步驟中:
[0016]計算所述人臉圖像數(shù)據(jù)與預(yù)先存儲的各人臉圖像數(shù)據(jù)的近似度；
[0017]其中近似度最高的人臉圖像數(shù)據(jù)對應(yīng)的所述信譽評分為目標(biāo)信譽評分。
[0018]上述的授信方法，所述映射規(guī)則還包括:
[0019]以信譽評分的數(shù)值大小排序預(yù)設(shè)至少兩段信譽區(qū)域，各所述信譽區(qū)域內(nèi)至少具有一個人臉圖像數(shù)據(jù)及其對應(yīng)的一個信譽評分，各所述信譽區(qū)域均具有一區(qū)域信譽評分；
[0020]所述獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分的步驟中:
[0021]計算所述人臉圖像數(shù)據(jù)與預(yù)先存儲的各所述信譽區(qū)域的所有人臉圖像數(shù)據(jù)的近似度；
[0022]其中近似度最高的所述信譽區(qū)域?qū)?yīng)的所述區(qū)域信譽評分為目標(biāo)信譽評分。
[0023]上述的授信方法，所述信譽區(qū)域有兩段。
[0024]上述的授信方法，所述區(qū)域信譽評分為該信譽區(qū)域內(nèi)所有信譽評分的算術(shù)平均數(shù)。
[0025]一種基于人臉的授信系統(tǒng)，包括:
[0026]圖像獲取模塊，其用于獲取第一人臉圖像；
[0027]圖像處理模塊，其用于處理所述第一人臉圖像以獲取人臉圖像數(shù)據(jù)；
[0028]數(shù)據(jù)處理模塊，其用于根據(jù)所述人臉圖像數(shù)據(jù)和預(yù)先存儲的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則，獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分。
[0029]上述的授信系統(tǒng)，所述數(shù)據(jù)處理模塊還用于:
[0030]計算所述人臉圖像數(shù)據(jù)與預(yù)先存儲的各人臉圖像數(shù)據(jù)的近似度；
[0031]其中近似度最高的人臉圖像數(shù)據(jù)對應(yīng)的所述信譽評分為目標(biāo)信譽評分。
[0032]—種智能終端，所述智能終端上安裝有上述的授信系統(tǒng)。
[0033]在上述技術(shù)方案中，本發(fā)明提供的授信方法，處理第一人臉圖像獲取人臉圖像數(shù)據(jù)，根據(jù)預(yù)存的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則獲取信譽評分，如此使得信譽評分的獲取較為迅速，且效率較高。
[0034]同時，上述方法中，無需專業(yè)的風(fēng)控人員，人員投入少，自動化程度高。
[0035]由于上述授信方法具有上述技術(shù)效果，實現(xiàn)該授信方法的授信系統(tǒng)也應(yīng)具有相應(yīng)的技術(shù)效果。
[0036]由于上述授信系統(tǒng)具有上述技術(shù)效果，包含該授信系統(tǒng)的智能終端也應(yīng)具有相應(yīng)的技術(shù)效果。
【附圖說明】
[0037]為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明中記載的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，還可以根據(jù)這些附圖獲得其他的附圖。
[0038]圖1為本發(fā)明實施例提供的授信方法的方法流程圖；
[0039]圖2為本發(fā)明實施例提供的授信系統(tǒng)的結(jié)構(gòu)框圖。
[0040]附圖標(biāo)記說明:
[0041]1、圖像獲取模塊;2、圖像處理模塊;3、數(shù)據(jù)處理模塊。
【具體實施方式】
[0042]為了使本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明的技術(shù)方案，下面將結(jié)合附圖對本發(fā)明作進(jìn)一步的詳細(xì)介紹。
[0043]如圖1所示，本發(fā)明實施例提供的一種基于人臉的授信方法，包括以下步驟:
[0044]101、獲取第一人臉圖像；
[0045]具體的，第一人臉圖像為待評估用戶的臉部圖像，其可以直接通過圖像獲取設(shè)備(攝像頭)拍攝以獲取，也可以通過相應(yīng)的端口接收預(yù)先存儲的人臉圖像，如用戶預(yù)先存儲于智能設(shè)備內(nèi)的臉部圖像。無論通過何種方式，最終能夠獲取到待評估用戶的臉部圖像即可。
[0046]102、處理第一人臉圖像以獲取人臉圖像數(shù)據(jù)；
[0047]具體的，通過人臉識別算法處理步驟101中獲取的第一人臉圖像，處理結(jié)果即為人臉圖像數(shù)據(jù)，人臉識別算法可以是或者參考Eigenf ace算法或Fisherf ace算法，Eigenf ace算法又稱特征臉?biāo)惴ǎ浒l(fā)表自1987年，是第一種可行的人臉識算法;Fisherface算法由Ronald Fisher發(fā)明的，是人臉辨識中的經(jīng)典算法。
[0048]人臉識別算法的種類眾多且應(yīng)用領(lǐng)域廣泛，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)了解的是，本實施例中可參考現(xiàn)有技術(shù)中各類的人臉識別算法，也可以為本方法單獨設(shè)計人臉識別算法。
[0049]103、根據(jù)人臉圖像數(shù)據(jù)和預(yù)先存儲的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則，獲取與人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分。
[0050]具體的，本方法具有一預(yù)先存儲的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則，映射規(guī)則中的人臉圖像數(shù)據(jù)與步驟102中的人臉圖像數(shù)據(jù)應(yīng)為同一類型、同一格式的數(shù)據(jù)，SP兩者所使用的人臉識別算法相同，如步驟102中的人臉圖像數(shù)據(jù)由Eigenface算法處理獲取，那么映射規(guī)則中的所有人臉圖像數(shù)據(jù)也是通過Eigenf ace算法處理獲取的。將步驟102中的人臉圖像數(shù)據(jù)與映射規(guī)則進(jìn)行比對，從而獲取到該人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分。
[0051]本實施例中，映射規(guī)則為預(yù)先設(shè)置，其規(guī)則可以根據(jù)實際需求進(jìn)行設(shè)定，作為一優(yōu)選的實施方式，映射規(guī)則為:人臉圖像數(shù)據(jù)和信譽評分一一對應(yīng)，信譽評分為人臉圖像數(shù)據(jù)所顯示的用戶在征信系統(tǒng)中的信譽評分。即事先獲取金融活動中部分對比用戶的人臉圖像數(shù)據(jù)和信譽評分作為樣本，征信系統(tǒng)可以是官方的信用系統(tǒng)，如央行的征信系統(tǒng)，各商業(yè)銀行的信用系統(tǒng)，征信系統(tǒng)也可以是其它金融機構(gòu)的信用評級系統(tǒng)，如支付寶的芝麻信用等等。如此即獲取了一實際金融活動中對比用戶的人臉圖像數(shù)據(jù)與信譽評分的一一對應(yīng)樣本。本步驟中，計算待評估用戶的人臉圖像數(shù)據(jù)與預(yù)先存儲的各人臉圖像數(shù)據(jù)的近似度，其中近似度最高的人臉圖像數(shù)據(jù)對應(yīng)的信譽評分為目標(biāo)信譽評分，這里近似度可以是人臉圖像數(shù)據(jù)的單獨比對，如進(jìn)行減法操作或者數(shù)值項的一一對比操作，最終結(jié)果最小的即為近似度最高。即待評估用戶享有映射規(guī)則中與其臉部圖像最為近似的對比用戶的信譽評分。
[0052]本實施例中，更進(jìn)一步的，映射規(guī)則還包括:以信譽評分的數(shù)值大小排序預(yù)設(shè)至少兩段信譽區(qū)域，各信譽區(qū)域內(nèi)至少具有一個人臉圖像數(shù)據(jù)及其對應(yīng)的一個信譽評分，各信譽區(qū)域均具有一區(qū)域信譽評分。作為一優(yōu)選的實施例，信譽區(qū)域有兩段，即將所有獲取的實際金融活動中的對比用戶的按照信譽評分從高到低排列，分值高的位于一信譽區(qū)域，分值低的位于另一信譽區(qū)域，兩個信譽區(qū)域分別具有一區(qū)域信譽評分，相應(yīng)的，獲取目標(biāo)信譽評分時，計算人臉圖像數(shù)據(jù)與預(yù)先存儲的各信譽區(qū)域的所有人臉圖像數(shù)據(jù)的近似度;其中近似度最高的信譽區(qū)域?qū)?yīng)的區(qū)域信譽評分為目標(biāo)信譽評分，即待評估用戶享有映射規(guī)則中與其臉部圖像最為近似的信譽區(qū)域的區(qū)域信譽評分。計算信譽區(qū)域的所有人臉圖像數(shù)據(jù)的近似度，先計算待評估用戶的人臉圖像數(shù)據(jù)與該信譽區(qū)域內(nèi)所有人臉圖像數(shù)據(jù)的近似度，然后對比所有信譽區(qū)域的近似度的數(shù)值，最終結(jié)果最小的即為近似度最高。本實施例中，優(yōu)選的，區(qū)域信譽評分為該信譽區(qū)域內(nèi)所有信譽評分的算術(shù)平均數(shù)。
[0053]本實施例中，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)了解的是，區(qū)域信譽評分還可以通過其它方法獲取，僅需保證信譽評分高的信譽區(qū)域的區(qū)域信譽評分大于信譽評分低的信譽區(qū)域的區(qū)域信譽評分即可。
[0054]本實施例中，本領(lǐng)域技術(shù)人員可以了解的是，三個、四個以及更多個信譽區(qū)域的操作方法在上述兩個信譽區(qū)域的基礎(chǔ)上作相應(yīng)擴展即可。
[0055]本實施例中，本領(lǐng)域技術(shù)人員可以了解的是，映射規(guī)則除上述規(guī)則外，還可以是其它各種可以在人臉圖像數(shù)據(jù)與信譽評分之間產(chǎn)生對應(yīng)關(guān)系的規(guī)則。
[0056]本發(fā)明實施例提供的授信方法，處理第一人臉圖像獲取人臉圖像數(shù)據(jù)，根據(jù)預(yù)存的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則獲取信譽評分，如此使得信譽評分的獲取較為迅速，且效率較高。
[0057]同時，上述方法中，無需專業(yè)的風(fēng)控人員，人員投入少，自動化程度高。
[0058]如圖2所示，本發(fā)明實施例還提供一種基于人臉的授信系統(tǒng)，包括:
[0059]圖像獲取模塊1，其用于獲取第一人臉圖像；圖像處理模塊2，其用于處理第一人臉圖像以獲取人臉圖像數(shù)據(jù)；以及數(shù)據(jù)處理模塊3，其用于根據(jù)人臉圖像數(shù)據(jù)和預(yù)先存儲的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則，獲取與人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分。
[0060]具體的，圖像獲取模塊I可以是攝像頭，也可以是一個圖像接收端口，圖像處理模塊2為一人臉?biāo)惴ㄌ幚韱卧?，?shù)據(jù)處理模塊3可以為各類智能終端的處理器。數(shù)據(jù)處理模塊3還用于:計算人臉圖像數(shù)據(jù)與預(yù)先存儲的各人臉圖像數(shù)據(jù)的近似度;其中近似度最高的人臉圖像數(shù)據(jù)對應(yīng)的信譽評分為目標(biāo)信譽評分。
[0061]由于上述授信方法具有上述技術(shù)效果，實現(xiàn)該授信方法的授信系統(tǒng)也應(yīng)具有相應(yīng)的技術(shù)效果。
[0062]本發(fā)明實施例還提供一種智能終端，智能終端上安裝有上述的授信系統(tǒng)。智能終端可以是現(xiàn)有的各類終端，如手機、計算機等等。也可以單獨設(shè)置一能夠完成上述方法的硬件系統(tǒng)作為本實施例的智能終端。
[0063]由于上述授信系統(tǒng)具有上述技術(shù)效果，包含該授信系統(tǒng)的智能終端也應(yīng)具有相應(yīng)的技術(shù)效果。
[0064]以上只通過說明的方式描述了本發(fā)明的某些示范性實施例，毋庸置疑，對于本領(lǐng)域的普通技術(shù)人員，在不偏離本發(fā)明的精神和范圍的情況下，可以用各種不同的方式對所描述的實施例進(jìn)行修正。因此，上述附圖和描述在本質(zhì)上是說明性的，不應(yīng)理解為對本發(fā)明權(quán)利要求保護(hù)范圍的限制。
【主權(quán)項】
1.一種基于人臉的授信方法，其特征在于，包括以下步驟: 獲取第一人臉圖像； 處理所述第一人臉圖像以獲取人臉圖像數(shù)據(jù)； 根據(jù)所述人臉圖像數(shù)據(jù)和預(yù)先存儲的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則，獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分。2.根據(jù)權(quán)利要求1所述的授信方法，其特征在于，所述處理所述第一人臉圖像以獲取人臉圖像數(shù)據(jù)的步驟中: 根據(jù)Eigenf ace算法或Fisherf ace算法處理所述第一人臉圖像以獲取第一圖像數(shù)據(jù)。3.根據(jù)權(quán)利要求1所述的授信方法，其特征在于，所述映射規(guī)則為: 所述人臉圖像數(shù)據(jù)和所述信譽評分一一對應(yīng)，所述信譽評分為所述人臉圖像數(shù)據(jù)所顯示的用戶在征信系統(tǒng)中的信譽評分。4.根據(jù)權(quán)利要求3所述的授信方法，其特征在于，所述獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分的步驟中: 計算所述人臉圖像數(shù)據(jù)與預(yù)先存儲的各人臉圖像數(shù)據(jù)的近似度； 其中近似度最高的人臉圖像數(shù)據(jù)對應(yīng)的所述信譽評分為目標(biāo)信譽評分。5.根據(jù)權(quán)利要求4所述的授信方法，其特征在于，所述映射規(guī)則還包括: 以信譽評分的數(shù)值大小排序預(yù)設(shè)至少兩段信譽區(qū)域，各所述信譽區(qū)域內(nèi)至少具有一個人臉圖像數(shù)據(jù)及其對應(yīng)的一個信譽評分，各所述信譽區(qū)域均具有一區(qū)域信譽評分； 所述獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分的步驟中: 計算所述人臉圖像數(shù)據(jù)與預(yù)先存儲的各所述信譽區(qū)域的所有人臉圖像數(shù)據(jù)的近似度； 其中近似度最高的所述信譽區(qū)域?qū)?yīng)的所述區(qū)域信譽評分為目標(biāo)信譽評分。6.根據(jù)權(quán)利要求5所述的授信方法，其特征在于，所述信譽區(qū)域有兩段。7.根據(jù)權(quán)利要求5所述的授信方法，其特征在于，所述區(qū)域信譽評分為該信譽區(qū)域內(nèi)所有信譽評分的算術(shù)平均數(shù)。8.一種基于人臉的授信系統(tǒng)，其特征在于，包括: 圖像獲取模塊，其用于獲取第一人臉圖像； 圖像處理模塊，其用于處理所述第一人臉圖像以獲取人臉圖像數(shù)據(jù)； 數(shù)據(jù)處理模塊，其用于根據(jù)所述人臉圖像數(shù)據(jù)和預(yù)先存儲的人臉圖像數(shù)據(jù)與信譽評分之間的映射規(guī)則，獲取與所述人臉圖像數(shù)據(jù)對應(yīng)的目標(biāo)信譽評分。9.根據(jù)權(quán)利要求8所述的授信系統(tǒng)，其特征在于，所述數(shù)據(jù)處理模塊還用于: 計算所述人臉圖像數(shù)據(jù)與預(yù)先存儲的各人臉圖像數(shù)據(jù)的近似度； 其中近似度最高的人臉圖像數(shù)據(jù)對應(yīng)的所述信譽評分為目標(biāo)信譽評分。10.—種智能終端，其特征在于，所述智能終端上安裝有權(quán)利要求8-9任一項所述的授信系統(tǒng)。
【文檔編號】G06Q40/02GK106096534SQ201610399147
【公開日】2016年11月9日
【申請日】2016年6月7日
【發(fā)明人】馬順, 周震
【申請人】北京刷臉科技有限公司