CN107180234A - 基于人脸表情识别和人脸特征提取的信用风险预测方法 - Google Patents

基于人脸表情识别和人脸特征提取的信用风险预测方法 Download PDF

Info

Publication number
CN107180234A
CN107180234A CN201710403909.5A CN201710403909A CN107180234A CN 107180234 A CN107180234 A CN 107180234A CN 201710403909 A CN201710403909 A CN 201710403909A CN 107180234 A CN107180234 A CN 107180234A
Authority
CN
China
Prior art keywords
face
risk forecast
credit risk
expression
extracted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710403909.5A
Other languages
English (en)
Inventor
卫浩
徐志华
刘嵩
陈贻汕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan XW Bank Co Ltd
Original Assignee
Sichuan XW Bank Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan XW Bank Co Ltd filed Critical Sichuan XW Bank Co Ltd
Priority to CN201710403909.5A priority Critical patent/CN107180234A/zh
Publication of CN107180234A publication Critical patent/CN107180234A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Technology Law (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于人脸表情识别和人脸特征提取的信用风险预测方法，该方法中，通过提取图像库中的人脸图像，并对脸部图像的表情和特征进行提取，使用脸部图像的表情结果和脸部特征作为建模变量，建立信用风险预测的机器学习模型。最终使用加入人脸表情和人脸特征的信用风险模型对金融机构客户的信用风险做出预测。

Description

基于人脸表情识别和人脸特征提取的信用风险预测方法
技术领域
本发明涉及图像处理领域，具体涉及一种基于人脸表情识别和人脸特征提取的信用风险预测方法。
背景技术
在金融交易的各项业务组，尤其是贷款业务时，银行等金融机构需要对借贷者的风险做出预测评估，以减风险。传统金融机构的信用风险预测模型只是基于个人的基本信息和征信相关信息而建立；用户个人的基本信息需要用户自己提供，因此用户个人信息完整性会受到用户提供的信息量影响。用户征信相关信息在传统风险预测中，有着举足轻重的作用。因此，传统金融机构的风险预测模型存在预测精度低的问题。尤其是当用户征信缺失时，传统金融机构的风险预测模型更是无法准确预测出用户的信用风险。
人的面部表情具有外露性强、复杂丰富的特点，一般来说，人的心理状态都会通过各种表情表现在脸上，人们的思想、情感通过面部表情来表现，很直截了当。这位信用风险的判断提供了一个新思路。
发明内容
本发明的目的在于：针对上述现有信用风险预测模型只是基于个人的基本信息和征信相关信息而建立，存在的预测精度不高、对征信缺失的客户无法准确预测的问题，本发明提供一种基于人脸表情识别和人脸特征提取的信用风险预测方法。
本发明采用的技术方案如下：
基于人脸表情识别和人脸特征提取的信用风险预测方法，信用风险预测过程的步骤如下：(11)输入待预测的人脸图像,对人脸图像进行预处理，对预处理后的人脸图像进行人脸表情提取和人脸特征提取，将人脸表情提取和人脸特征提取的特征共变换为P维特征；
(12)使用最优信用风险预测模型进行人脸图像的信用风险预测，得到人脸图像的风险预测情况输出。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，信用风险预测模型的建立过程包括如下步骤：
(21)对N张人脸图像进行风险类别标记，将已标记好类别的N个人脸图像输入图像库，对输入图像库的N张人脸图像进行预处理；
(22)对步骤1中预处理后的所有N个人脸图像进行人脸表情提取和人脸特征提取，将人脸表情提取和人脸特征提取的特征共变换为P维特征；
(23)将步骤1中已经标记好类别的人脸图像按照性别随机分为男组、女组、男女混合组共三组，将男组、女组、男女混合组分别分为训练集和测试集，其中训练集的人脸图像共为N1个，测试集的人脸图像共为N2个；
(24)使用训练集中的N1个人脸图像中进行信用风险预测模型训练；
(25)使用测试集中的N2个人脸图像对步骤4中训练好的风险预测模型进行测试；
(26)修改4中的模型训练方法，重复步骤4、步骤5，选择最优测试集上的AUC值对应的信用风险预测模型固化为最优信用风险预测模型。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，预处理包含以下几个步骤：
(31)人脸区域图像提取：对包含人脸的人脸图片进行人脸区域检测，识别以人脸额头、双耳边缘、下巴为界的正方形区域，并提取识别出的人脸区域图像；
(32)人脸图片标准化：对步骤a中各人脸照片进行标准化变换处理，将各图片大小变换一致、视角变换到同一位置；
(33)灰化及灰度标准化：将步骤b中的彩色图片转换为灰度图，并将灰度值进行标准化；
(34)降噪：对图片进行降噪，去除由光照或设备带来的噪点。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，风险预测模型建立过程的步骤2中，运用表情识别深度学习模型，对每张人脸照片进行表情识别；将人脸图像表情分为愤怒、轻蔑、厌恶、恐惧、快乐、无表情、悲伤、惊讶，通过表情识别深度学习模型预测出该图片表情属于每一类表情的概率值。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，风险预测模型建立过程的步骤(22)中人脸特征提取包括以下步骤：
(221)人脸landmark点识别：运用人脸landmark点识别深度学习模型，对人脸的关键点进行定位，并提取位置信息，识别出人脸轮廓、人脸各器官的关键位置点；
(222)人脸landmark关键点的标准化变换；
(223)人脸几何特征的提取；
基于已提取的landmark坐标点信息，进行人脸几何特征提取；
(224)像素特征提取；
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，步骤(212)中，以人脸左右最外两个轮廓点作为标准，通过相似变换将各人脸landmark坐标进行标准化变换。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，步骤(213)中，提取的人脸集合特征包括：坐标值，距离特征，角度特征，曲率特征。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，步骤(214)中所提取的像素特征包括：像素信息、基于像素信息提取的纹理特征、块主成分Modular PCA特征，像素信息是人脸图片的各像素的灰度值。基于人脸表情识别和人脸特征提取的信用风险预测方法，包括风险预测模型的建立过程和人脸检测过程,如本文上文所描叙。
综上所述，由于采用了上述技术方案，本发明的有益效果是：本方案利用人脸表情识别技术及人脸特征提取技术，将人脸表情识别结果及提取的人脸特征一起作为输入建立了信用风险预测模型，最终提升了信用风险预测准确度。
在对风险的预测过程中，新的图像不断被加入图像库，不断地用新的图像库对信用风险预测模型进行优化，从而保证了风险预测模型的优良性。
附图说明
图1是本发明基于人脸表情识别和人脸特征提取的信用风险预测方法的流程图；
图2是landmark人脸关键点示意图；
图3是样本照片的landmark图；
图4是进行相似变换后的landmark图；
图5是人脸集合特征提取示意图；
图6是基于像素提取衍生特征示意图。
具体实施方式
本说明书中公开的所有特征，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
下面结合图1对本发明作详细说明。
基于人脸表情识别和人脸特征提取的信用风险预测方法，信用风险预测过程的步骤如下：
(11)输入待预测的人脸图像,对人脸图像进行预处理，对预处理后的人脸图像进行人脸表情提取和人脸特征提取，将人脸表情提取和人脸特征提取的特征共变换为P维特征；
(12)使用最优信用风险预测模型进行人脸图像的信用风险预测，得到人脸图像的风险预测情况输出。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，信用风险预测模型的建立过程包括如下步骤：
(21)对N张人脸图像进行风险类别标记，将已标记好类别的N个人脸图像输入图像库，对输入图像库的N张人脸图像进行预处理；
(22)对步骤1中预处理后的所有N个人脸图像进行人脸表情提取和人脸特征提取，将人脸表情提取和人脸特征提取的特征共变换为P维特征；
(23)将步骤1中已经标记好类别的人脸图像按照性别随机分为男组、女组、男女混合组共三组，将男组、女组、男女混合组分别分为训练集和测试集，其中训练集的人脸图像共为N1个，测试集的人脸图像共为N2个；
(24)使用训练集中的N1个人脸图像中进行信用风险预测模型训练；
(25)使用测试集中的N2个人脸图像对步骤4中训练好的风险预测模型进行测试；
(26)修改4中的模型训练方法，重复步骤4、步骤5，选择最优测试集上的AUC值对应的信用风险预测模型固化为最优信用风险预测模型；
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，预处理包含以下几个步骤：
(31)人脸区域图像提取：对包含人脸的人脸图片进行人脸区域检测，识别以人脸额头、双耳边缘、下巴为界的正方形区域，并提取识别出的人脸区域图像。
(32)人脸图片标准化：对步骤a中各人脸照片进行标准化变换处理，将各图片大小变换一致、视角变换到同一位置。
(33)灰化及灰度标准化：将步骤b中的彩色图片转换为灰度图，并将灰度值进行标准化。
(33)降噪：对图片进行降噪，去除由光照或设备带来的噪点。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，风险预测模型建立过程的步骤2中，运用表情识别深度学习模型，对每张人脸照片进行表情识别；将人脸图像表情分为愤怒、轻蔑、厌恶、恐惧、快乐、无表情、悲伤、惊讶，通过表情识别深度学习模型预测出该图片表情属于每一类表情的概率值。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，风险预测模型建立过程的步骤(22)中人脸特征提取包括以下步骤：
(221)人脸landmark点识别：运用人脸landmark点识别深度学习模型，对人脸的关键点进行定位，并提取位置信息，提取的人脸landmark信息如图2所示。识别出人脸轮廓、人脸各器官的关键位置点。
(222)人脸landmark关键点的标准化变换，变换前的样本图片landmark如图3所示，相似变换后的landmark如图4所示，相似变换公式表示如下：
其中，x,y表示变换前的坐标，tx，ty表示平移量，sx，sy，是伸缩比例，θ是旋转角度。
(223)人脸几何特征的提取，基于已提取的landmark坐标点信息，进行人脸几何特征提取；其提取示意图如图5所示：
(224)像素特征提取如图6所示，
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，以人脸左右最外两个轮廓点作为标准，通过相似变换将各人脸landmark坐标进行标准化变换。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，提取的人脸集合特征包括：坐标值，距离特征，角度特征，曲率特征。
所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，所提取的像素特征包括：像素信息、基于像素信息提取的纹理特征、块主成分Modular PCA特征，像素信息是人脸图片的各像素的灰度值。

Claims (8)

1.基于人脸表情识别和人脸特征提取的信用风险预测方法，其特征在于，信用风险预测过程的步骤如下：(11)输入待预测的人脸图像,对人脸图像进行预处理，对预处理后的人脸图像进行人脸表情提取和人脸特征提取，将人脸表情提取和人脸特征提取的特征共变换为P维特征；
(12)使用最优信用风险预测模型进行人脸图像的信用风险预测，得到人脸图像的风险预测情况输出。
2.根据权利要求1所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，其特征在于，信用风险预测模型的建立过程包括如下步骤：
(21)对N张人脸图像进行风险类别标记，将已标记好类别的N个人脸图像输入图像库，对输入图像库的N张人脸图像进行预处理；
(22)对步骤1中预处理后的所有N个人脸图像进行人脸表情提取和人脸特征提取，将人脸表情提取和人脸特征提取的特征共变换为P维特征；
(23)将步骤1中已经标记好类别的人脸图像按照性别随机分为男组、女组、男女混合组共三组，将男组、女组、男女混合组分别分为训练集和测试集，其中训练集的人脸图像共为N1个，测试集的人脸图像共为N2个；
(24)使用训练集中的N1个人脸图像中进行信用风险预测模型训练；
(25)使用测试集中的N2个人脸图像对步骤4中训练好的风险预测模型进行测试；
(26)修改4中的模型训练方法，重复步骤4、步骤5，选择最优测试集上的AUC值对应的信用风险预测模型固化为最优信用风险预测模型。
3.根据权利要求1或2任一所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，其特征在于，预处理包含以下几个步骤：
(31)人脸区域图像提取：对包含人脸的人脸图片进行人脸区域检测，识别以人脸额头、双耳边缘、下巴为界的正方形区域，并提取识别出的人脸区域图像；
(32)人脸图片标准化：对步骤a中各人脸照片进行标准化变换处理，将各图片大小变换一致、视角变换到同一位置；
(33)灰化及灰度标准化：将步骤b中的彩色图片转换为灰度图，并将灰度值进行标准化；
(34)降噪：对图片进行降噪，去除由光照或设备带来的噪点。
4.根据权利要求3所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，其特征在于，风险预测模型建立过程的步骤2中，运用表情识别深度学习模型，对每张人脸照片进行表情识别；将人脸图像表情分为愤怒、轻蔑、厌恶、恐惧、快乐、无表情、悲伤、惊讶，通过表情识别深度学习模型预测出该图片表情属于每一类表情的概率值。
5.根据权利要求3所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，其特征在于，风险预测模型建立过程的步骤(22)中，人脸特征提取包括以下步骤：
(221)人脸landmark点识别：运用人脸landmark点识别深度学习模型，对人脸的关键点进行定位，并提取位置信息。识别出人脸轮廓、人脸各器官的关键位置点；
(222)人脸landmark关键点的标准化变换；
(223)人脸几何特征的提取；
基于已提取的landmark坐标点信息，进行人脸几何特征提取；
(224)像素特征提取。
6.根据权利要求5所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，其特征在于，步骤(212)中，以人脸左右最外两个轮廓点作为标准，通过相似变换将各人脸landmark坐标进行标准化变换。
7.根据权利要求5所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，其特征在于，步骤(213)中，提取的人脸集合特征包括：坐标值，距离特征，角度特征，曲率特征。
8.根据权利要求5所述的基于人脸表情识别和人脸特征提取的信用风险预测方法，其特征在于，步骤(214)中所提取的像素特征包括：像素信息、基于像素信息提取的纹理特征、块主成分Modular PCA特征，像素信息是人脸图片的各像素的灰度值。
CN201710403909.5A 2017-06-01 2017-06-01 基于人脸表情识别和人脸特征提取的信用风险预测方法 Pending CN107180234A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710403909.5A CN107180234A (zh) 2017-06-01 2017-06-01 基于人脸表情识别和人脸特征提取的信用风险预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710403909.5A CN107180234A (zh) 2017-06-01 2017-06-01 基于人脸表情识别和人脸特征提取的信用风险预测方法

Publications (1)

Publication Number Publication Date
CN107180234A true CN107180234A (zh) 2017-09-19

Family

ID=59835944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710403909.5A Pending CN107180234A (zh) 2017-06-01 2017-06-01 基于人脸表情识别和人脸特征提取的信用风险预测方法

Country Status (1)

Country Link
CN (1) CN107180234A (zh)

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862598A (zh) * 2017-09-30 2018-03-30 平安普惠企业管理有限公司 远程面谈审批方法、服务器及可读存储介质
CN108090830A (zh) * 2017-12-29 2018-05-29 上海勃池信息技术有限公司 一种基于面部画像的信贷风险评级方法和装置
CN108335193A (zh) * 2018-01-12 2018-07-27 深圳壹账通智能科技有限公司 全流程信贷方法、装置、设备及可读存储介质
CN108510194A (zh) * 2018-03-30 2018-09-07 平安科技（深圳）有限公司 风控模型训练方法、风险识别方法、装置、设备及介质
CN108596760A (zh) * 2018-05-14 2018-09-28 平安普惠企业管理有限公司 贷款风险评估方法及服务器
CN109063596A (zh) * 2018-07-13 2018-12-21 江苏慧学堂系统工程有限公司 一种人脸识别系统及移动终端和人脸识别辅助装置
CN109345370A (zh) * 2018-08-29 2019-02-15 中国建设银行股份有限公司 基于人脸识别的风险预测方法、装置、终端及可读介质
CN109584051A (zh) * 2018-12-18 2019-04-05 深圳壹账通智能科技有限公司 基于微表情识别的客户逾期风险判断方法及装置
CN109711297A (zh) * 2018-12-14 2019-05-03 深圳壹账通智能科技有限公司 基于面部图片的风险识别方法、装置、计算机设备及存储介质
CN109754312A (zh) * 2018-12-18 2019-05-14 深圳壹账通智能科技有限公司 产品推送方法、装置、计算机设备和存储介质
CN110070047A (zh) * 2019-04-23 2019-07-30 杭州智趣智能信息技术有限公司 一种人脸对比方法、系统及电子设备和存储介质
CN110110592A (zh) * 2019-03-26 2019-08-09 中国人民财产保险股份有限公司 业务处理方法、模型训练方法、设备及存储介质
CN110728193A (zh) * 2019-09-16 2020-01-24 连尚（新昌）网络科技有限公司 一种脸部图像丰富度特征的检测方法及设备
CN111080874A (zh) * 2019-12-31 2020-04-28 中国银行股份有限公司 基于面部图像的金库安全门的控制方法和装置
CN111768286A (zh) * 2020-05-14 2020-10-13 北京旷视科技有限公司 风险预测方法、装置、设备及存储介质
CN112070990A (zh) * 2020-09-29 2020-12-11 中国银行股份有限公司 一种加钞控制方法、装置及电子设备
CN112150288A (zh) * 2020-09-30 2020-12-29 南宁学院 一种基于表情识别的股票交易风险警示系统
CN113989857A (zh) * 2021-12-27 2022-01-28 四川新网银行股份有限公司 一种基于深度学习的人像照片内容解析方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140341422A1 (en) * 2013-05-10 2014-11-20 Tencent Technology (Shenzhen) Company Limited Systems and Methods for Facial Property Identification
CN105160318A (zh) * 2015-08-31 2015-12-16 北京旷视科技有限公司 基于面部表情的测谎方法及系统
CN106529377A (zh) * 2015-09-15 2017-03-22 北京文安智能技术股份有限公司 一种基于图像的年龄估计方法、装置及系统
CN106651574A (zh) * 2016-12-30 2017-05-10 苏州大学 一种个人信用评估方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140341422A1 (en) * 2013-05-10 2014-11-20 Tencent Technology (Shenzhen) Company Limited Systems and Methods for Facial Property Identification
CN105160318A (zh) * 2015-08-31 2015-12-16 北京旷视科技有限公司 基于面部表情的测谎方法及系统
CN106529377A (zh) * 2015-09-15 2017-03-22 北京文安智能技术股份有限公司 一种基于图像的年龄估计方法、装置及系统
CN106651574A (zh) * 2016-12-30 2017-05-10 苏州大学 一种个人信用评估方法及装置

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862598A (zh) * 2017-09-30 2018-03-30 平安普惠企业管理有限公司 远程面谈审批方法、服务器及可读存储介质
CN108090830A (zh) * 2017-12-29 2018-05-29 上海勃池信息技术有限公司 一种基于面部画像的信贷风险评级方法和装置
CN108090830B (zh) * 2017-12-29 2021-01-15 上海勃池信息技术有限公司 一种基于面部画像的信贷风险评级方法和装置
CN108335193A (zh) * 2018-01-12 2018-07-27 深圳壹账通智能科技有限公司 全流程信贷方法、装置、设备及可读存储介质
CN108510194A (zh) * 2018-03-30 2018-09-07 平安科技（深圳）有限公司 风控模型训练方法、风险识别方法、装置、设备及介质
CN108596760A (zh) * 2018-05-14 2018-09-28 平安普惠企业管理有限公司 贷款风险评估方法及服务器
CN109063596A (zh) * 2018-07-13 2018-12-21 江苏慧学堂系统工程有限公司 一种人脸识别系统及移动终端和人脸识别辅助装置
CN109345370A (zh) * 2018-08-29 2019-02-15 中国建设银行股份有限公司 基于人脸识别的风险预测方法、装置、终端及可读介质
CN109711297A (zh) * 2018-12-14 2019-05-03 深圳壹账通智能科技有限公司 基于面部图片的风险识别方法、装置、计算机设备及存储介质
EP3896601A4 (en) * 2018-12-14 2022-01-26 One Connect Smart Technology Co., Ltd. (Shenzhen) RISK IDENTIFICATION PROCEDURE WITH FACIAL IMAGE, DEVICE, COMPUTER DEVICE AND STORAGE MEDIA
CN109754312A (zh) * 2018-12-18 2019-05-14 深圳壹账通智能科技有限公司 产品推送方法、装置、计算机设备和存储介质
CN109584051A (zh) * 2018-12-18 2019-04-05 深圳壹账通智能科技有限公司 基于微表情识别的客户逾期风险判断方法及装置
CN110110592A (zh) * 2019-03-26 2019-08-09 中国人民财产保险股份有限公司 业务处理方法、模型训练方法、设备及存储介质
CN110070047A (zh) * 2019-04-23 2019-07-30 杭州智趣智能信息技术有限公司 一种人脸对比方法、系统及电子设备和存储介质
CN110728193A (zh) * 2019-09-16 2020-01-24 连尚（新昌）网络科技有限公司 一种脸部图像丰富度特征的检测方法及设备
CN110728193B (zh) * 2019-09-16 2022-10-04 连尚（新昌）网络科技有限公司 一种脸部图像丰富度特征的检测方法及设备
CN111080874A (zh) * 2019-12-31 2020-04-28 中国银行股份有限公司 基于面部图像的金库安全门的控制方法和装置
CN111768286A (zh) * 2020-05-14 2020-10-13 北京旷视科技有限公司 风险预测方法、装置、设备及存储介质
CN111768286B (zh) * 2020-05-14 2024-02-20 北京旷视科技有限公司 风险预测方法、装置、设备及存储介质
CN112070990A (zh) * 2020-09-29 2020-12-11 中国银行股份有限公司 一种加钞控制方法、装置及电子设备
CN112070990B (zh) * 2020-09-29 2022-02-25 中国银行股份有限公司 一种加钞控制方法、装置及电子设备
CN112150288A (zh) * 2020-09-30 2020-12-29 南宁学院 一种基于表情识别的股票交易风险警示系统
CN113989857A (zh) * 2021-12-27 2022-01-28 四川新网银行股份有限公司 一种基于深度学习的人像照片内容解析方法及系统

Similar Documents

Publication Publication Date Title
CN107180234A (zh) 基于人脸表情识别和人脸特征提取的信用风险预测方法
Ko et al. Sign language recognition with recurrent neural network using human keypoint detection
CN109359538B (zh) 卷积神经网络的训练方法、手势识别方法、装置及设备
CN106960202B (zh) 一种基于可见光与红外图像融合的笑脸识别方法
Shivashankara et al. American sign language recognition system: an optimal approach
CN109657554B (zh) 一种基于微表情的图像识别方法、装置以及相关设备
CN110516576A (zh) 基于深度神经网络的近红外活体人脸识别方法
CN104850825A (zh) 一种基于卷积神经网络的人脸图像颜值计算方法
CN106778506A (zh) 一种融合深度图像和多通道特征的表情识别方法
CN109145871B (zh) 心理行为识别方法、装置与存储介质
CN108182397B (zh) 一种多姿态多尺度的人脸验证方法
Bhavana et al. Hand sign recognition using CNN
CN106778496A (zh) 活体检测方法及装置
CN109685713B (zh) 化妆模拟控制方法、装置、计算机设备及存储介质
CN105335719A (zh) 活体检测方法及装置
CN109271930B (zh) 微表情识别方法、装置与存储介质
CN111666845B (zh) 基于关键帧采样的小样本深度学习多模态手语识别方法
CN110796101A (zh) 一种嵌入式平台的人脸识别方法及系统
CN108108760A (zh) 一种快速人脸识别方法
CN107392151A (zh) 基于神经网络的人脸影像多维度情感判别系统及方法
CN106548139A (zh) 一种行人重识别方法
Paul et al. Extraction of facial feature points using cumulative histogram
CN106372624A (zh) 人脸识别方法及系统
CN112001397A (zh) 一种智慧工地的身份证字符识别训练数据生成方法及系统
CN110110603A (zh) 一种基于面部生理信息的多模态唇读方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170919

RJ01 Rejection of invention patent application after publication