CN108776791A - 客户身份识别校验方法、装置、计算机设备和存储介质 - Google Patents
客户身份识别校验方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN108776791A CN108776791A CN201810581124.1A CN201810581124A CN108776791A CN 108776791 A CN108776791 A CN 108776791A CN 201810581124 A CN201810581124 A CN 201810581124A CN 108776791 A CN108776791 A CN 108776791A
- Authority
- CN
- China
- Prior art keywords
- facial image
- client
- sequence code
- face characteristic
- service request
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000001815 facial effect Effects 0.000 claims abstract description 195
- 239000000284 extract Substances 0.000 claims abstract description 22
- 230000001965 increasing effect Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 27
- 238000003066 decision tree Methods 0.000 claims description 16
- 238000012795 verification Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 241001269238 Data Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请涉及一种客户身份识别校验方法、装置、计算机设备和存储介质。所述方法包括:接收客户终端上传的业务请求;根据业务请求向客户终端返回上传人脸图像的提示信息;接收客户终端根据提示信息上传的人脸图像;提取出人脸图像的人脸特征;根据人脸特征生成对应的序列码;当根据序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用历史数据对业务请求进行处理。采用本方法能够有效提高客户身份识别校验的效率和准确率。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种客户身份识别校验方法、装置、计算机设备和存储介质。
背景技术
随着互联网技术的迅速发展,利用互联网处理各种业务数据能够有效提高业务处理效率和数据管理效率。客户在办理部分投保业务和贷款业务时,需要识别该客户是否为已有的历史客户。如果该客户为历史客户,则可以直接调用该客户的基础信息和历史业务信息,并根据该客户的基础信息和历史业务信息对当前需要办理的业务进行进一步地处理。
然而现有的客户身份识别校验方式需要用户先填写基本信息,再利用基本信息中的多项数据人工查询是否为历史客户,在查询的过程中需要调用根据多项数据进行查询,调用过程比较繁琐,从而导致客户身份识别校验的效率较低。因此,如何有效地提高客户身份识别校验的效率成为目前需要解决的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够有效提高客户身份识别校验的效率的客户身份识别校验方法、装置、计算机设备和存储介质。
一种客户身份识别校验方法,包括:
接收客户终端上传的业务请求;
根据所述业务请求向所述客户终端返回上传人脸图像的提示信息;
接收客户终端根据所述提示信息上传的人脸图像;
提取出所述人脸图像的人脸特征;
根据所述人脸特征生成对应的序列码;
当根据所述序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用所述历史数据对所述业务请求进行处理。
在其中一个实施例中,所述根据所述人脸特征生成对应的序列码的步骤包括:
根据所述人脸特征,对所述人脸图像进行划分,得到多个区域,所述区域包括对应的像素;
计算每个区域像素的特征值;
根据所述特征值生成所述人脸图像的序列码。
在其中一个实施例中,所述人脸特征包括多个特征点,所述根据所述特征值生成所述人脸图像的序列码的步骤包括:
计算出每个范围对应的像素的灰度数据;
计算出所述人脸特征中多个特征点之间的坐标数据;
利用所述灰度数据和所述坐标数据生成所述人脸图像对应的序列码。
在其中一个实施例中,在所述根据所述人脸特征生成对应的序列码之前,所述方法还包括:
接收客户终端上传的多张人脸图像;
提取出所述多张人脸图像的人脸特征;
根据多张人脸图像对应的人脸特征,计算出对应的人脸图像的评分;
对多张人脸图像对应的评分进行排序,根据最高评分筛选出最优人脸图像;
所述根据所述人脸特征生成对应的序列码包括:根据所述最优人脸图像的人脸特征生成所述最优人脸图像对应的序列码。
在其中一个实施例中,所述根据所述人脸特征生成对应的序列码之后,还包括:
根据多个序列码生成对应的多个查询任务;
对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;
根据集群中每个从节点的当前负载权重对多个查询任务进行分配,使得每个从节点对分配的查询任务进行处理;
接收多个从节点返回的与所述查询任务对应的查询结果。
在其中一个实施例中,所述业务请求包括多个类型,所述方法还包括:
当根据所述序列码未查询到对应的数据时,表示该客户为新客户,当所述业务请求的类型为贷款请求时,对所述贷款请求进行解析,得到多个贷款要素;
获取增信方决策树,并调用增信方分配代码,利用所述增信方分配代码以及多个贷款要素在所述增信方决策树中进行遍历,得到对应的增信方标识;
利用所述增信方标识对所述贷款请求进行记录。
一种客户身份识别校验装置,包括:
接收模块,用于接收客户终端上传的业务请求;
提示模块,用于根据所述业务请求向所述客户终端返回上传人脸图像的提示信息;
所述接收模块还用于接收客户终端根据所述提示信息上传的人脸图像;
人脸识别模块,用于提取出所述人脸图像的人脸特征;
序列码生成模块,用于根据所述人脸特征生成对应的序列码;
查询模块,用于当根据所述序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用所述历史数据对所述业务请求进行处理。
在其中一个实施例中,所述查询模块还用于根据多个序列码生成对应的多个查询任务;对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;根据集群中每个从节点的当前负载权重对多个查询任务进行分配,使得每个从节点对分配的查询任务进行处理;接收多个从节点返回的与所述查询任务对应的查询结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收客户终端上传的业务请求;
根据所述业务请求向所述客户终端返回上传人脸图像的提示信息;
接收客户终端根据所述提示信息上传的人脸图像;
提取出所述人脸图像的人脸特征;
根据所述人脸特征生成对应的序列码;
当根据所述序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用所述历史数据对所述业务请求进行处理。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
接收客户终端上传的业务请求;
根据所述业务请求向所述客户终端返回上传人脸图像的提示信息;
接收客户终端根据所述提示信息上传的人脸图像;
提取出所述人脸图像的人脸特征;
根据所述人脸特征生成对应的序列码;
当根据所述序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用所述历史数据对所述业务请求进行处理。
上述客户身份识别校验方法、装置、计算机设备和存储介质,服务器接收客户终端上传的业务请求后,根据业务请求向客户终端返回上传人脸图像的提示信息;接收客户终端根据提示信息上传的人脸图像;提取出人脸图像的人脸特征;根据人脸特征生成对应的序列码,由此能够有效地生成与客户唯一对应的序列码标识。根据序列码生成查询请求,在数据库中查询与序列码对应的数据。通过只利用序列码进行查询,能够有效提高服务器的响应效率,进而有效地提高了查询效率。当根据序列码查询到对应的历史数据时,表示该客户是历史客户,则利用对应的历史数据对业务请求进行处理。由此能够有效地对客户需要办理的业务请求进行进一步处理。通过生成与客户人脸图像唯一对应的序列码进行查询,有效地提高了查询效率,从而有效地提高了客户身份识别校验的效率。
附图说明
图1为一个实施例中客户身份识别校验方法的应用场景图;
图2为一个实施例中客户身份识别校验方法的流程示意图;
图3为一个实施例中筛选出最优人脸图像的步骤的流程示意图;
图4为一个实施例中分配查询任务的步骤的流程示意图;
图5为一个实施例中客户身份识别校验装置的结构框图;
图6为另一个实施例中客户身份识别校验装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的客户身份识别校验方法,可以应用于如图1所示的应用环境中。其中,客户终端102通过网络与服务器104通过网络进行通信。当客户利用客户终端102办理业务时,首先向服务器104发送业务请求,服务器104接收客户终端102上传的业务请求后,根据业务请求向客户终端102返回上传人脸图像的提示信息,并接收客户终端102根据提示信息上传的人脸图像。服务器104提取出人脸图像的人脸特征,并根据人脸特征生成对应的序列码。当根据序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,服务器104则利用历史数据对业务请求进行处理。其中,客户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种客户身份识别校验方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,接收客户终端上传的业务请求。
客户在办理部分投保和贷款等业务时,通常需要首先校验该客户是否为历史客户,如果是历史客户,则可以直接获取该客户的基本信息和业务数据等历史数据,以继续对该客户继续办理当前的投保和贷款等业务。客户利用客户终端办理业务时,客户终端首先向服务器上传业务请求。
步骤204,根据业务请求向客户终端返回上传人脸图像的提示信息。
步骤206,接收客户终端根据提示信息上传的人脸图像。
服务器接收到客户终端上传的业务请求后,根据业务请求向客户端返回上传人脸图像的提示信息,以提示客户终端采集该客户的人脸图像。客户终端利用摄像装置采集该客户的人脸图像,并将采集到的该客户的人脸图像上传至服务器。服务器接收客户终端根据提示信息上传到该客户的人脸图像。
步骤208,提取出人脸图像的人脸特征。
服务器获取到该客户的人脸图像后,提取出人脸图像的人脸特征。具体地,服务器提取出人脸图像的特征向量,获取预设的人脸特征分类模型,将提取的人脸图像的特征向量输入至人脸特征分类模型中,从而利用人脸特征分类模型输出该人脸图像对应的多个特征点。例如,可以利用人脸特征分类模型识别出该人脸图像中的眉部、眼部、鼻部、嘴部和脸部轮廓等特征点。服务器进而利用识别出的多个特征点组成该人脸图像的人脸特征。
步骤210,根据人脸特征生成对应的序列码。
服务器提取出人脸图像中的人脸特征后,根据人脸特征的多个特征点将人脸图像划分为多个区域,每个区域包括对应的像素。进一步计算出每个区域像素的特征值,根据特征值生成与该人脸图像对应的序列码。
具体地,服务器可以计算出每个区域像素的灰度值数据,并计算出人脸特征中多个特征点之间的坐标值数据,将灰度值数据和坐标值数据转换为对应的二进制序列,再对得到的二进制序列进行转换。例如,可以转换为十进制序列,也可以转换为预设格式的序列,进而生成与该人脸图像对应的序列码。由此可以有效地得到与该客户的人脸图像唯一对应的序列码。
步骤212,当根据序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用历史数据对业务请求进行处理。
服务器生成与该客户的人脸图像对应的序列码后,根据该序列码在数据库中查询是否存在相同的序列码和对应的历史数据。当服务器根据该序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则获取该序列码对应的历史数据,并利用历史数据对业务请求进行进一步处理。通过生成与客户的人脸图像唯一对应的序列码在数据库中进行查询,能够有效地提高查询效率,进而有效地提高了客户身份识别校验的效率。
例如,当客户办理的业务请求的类型为贷款业务时,则需要获取该客户的贷款记录、还款记录等历史数据,并利用这些历史数据来衡量该客户的还款能力,以对当前的贷款业务进行处理。具体地,例如当客户需要办理的贷款业务为车贷业务时,若根据该客户人脸图像对应的序列码查询到该客户有办理过房贷业务的历史数据,则获取房贷业务的历史数据。该客户已经办理的房贷业务对于该客户的还款能力已经占据了一部分比例,此时该客户对车贷业务的还款能力必定有所下降。则进一步根据房贷业务的历史数据衡量出该客户当前车贷业务的还款能力,以对当前的车贷业务进行处理。因此,通过客户的人脸图像对应的序列码能够快速有效地查询与客户对应的历史数据,进而能够有效地利用历史数据对该客户当前的业务请求进行处理。
上述客户身份识别校验方法中,服务器接收客户终端上传的业务请求后,根据业务请求向客户终端返回上传人脸图像的提示信息,并接收客户终端根据提示信息上传的人脸图像。服务器进一步提取出人脸图像的人脸特征;根据人脸特征生成对应的序列码,由此能够有效地生成与客户唯一对应的序列码标识。根据序列码生成查询请求,在数据库中查询与序列码对应的数据。通过只利用序列码进行查询,能够有效提高服务器的响应效率,进而有效地提高了查询效率。当根据序列码查询到对应的历史数据时,表示该客户是历史客户,则利用对应的历史数据对业务请求进行处理。由此能够有效地对客户需要办理的业务请求进行进一步处理。通过生成与客户人脸图像唯一对应的序列码进行查询,有效地提高了查询效率,从而有效地提高了客户身份识别校验的效率。
在一个实施例中,根据人脸特征生成对应的序列码的步骤包括:根据人脸特征,对人脸图像进行划分,得到多个区域,该区域包括对应的像素;计算每个区域像素的特征值;根据特征值生成人脸图像的序列码。
服务器接收到客户终端上传的业务请求后,根据业务请求向客户端返回上传人脸图像的提示信息,以提示客户终端采集该客户的人脸图像。客户终端利用摄像装置采集该客户的人脸图像,并将采集到的该客户的人脸图像上传至服务器。服务器接收客户终端根据提示信息上传到该客户的人脸图像后,提取出人脸图像的人脸特征。
具体地,服务器提取出人脸图像的特征向量,获取预设的人脸特征分类模型,将提取的人脸图像的特征向量输入至人脸特征分类模型中,从而利用人脸特征分类模型输出该人脸图像对应的多个特征点。例如,可以利用人脸特征分类模型识别出该人脸图像中的眉部、眼部、鼻部、嘴部和脸部轮廓等特征点。服务器进而利用识别出的多个特征点组成该人脸图像的人脸特征。
服务器提取出人脸图像中的人脸特征后,根据人脸特征的多个特征点将人脸图像划分为多个区域,每个区域包括对应的像素。进一步计算出每个区域像素的特征值,根据特征值生成与该人脸图像对应的序列码。服务器进一步计算出每个范围对应的像素的灰度数据,并计算出人脸特征中多个特征点之间的坐标数据,利用灰度数据和坐标数据生成人脸图像对应的序列码。由此能够有效地准确生成与该客户的人脸图像对应的序列码。
在一个实施例中,人脸特征包括多个特征点,根据特征值生成人脸图像的序列码的步骤包括:计算出每个范围对应的像素的灰度数据;计算出人脸特征中多个特征点之间的坐标数据;利用灰度数据和坐标数据生成人脸图像对应的序列码。
服务器接收客户终端根据提示信息上传到该客户的人脸图像后,提取出人脸图像的人脸特征。具体地,服务器提取出人脸图像的特征向量,获取预设的人脸特征分类模型,将提取的人脸图像的特征向量输入至人脸特征分类模型中,从而利用人脸特征分类模型输出该人脸图像对应的多个特征点。例如,可以利用人脸特征分类模型识别出该人脸图像中的眉部、眼部、鼻部、嘴部和脸部轮廓等特征点。服务器进而利用识别出的多个特征点组成该人脸图像的人脸特征。
服务器提取出人脸图像中的人脸特征后,根据人脸特征的多个特征点将人脸图像划分为多个区域,每个区域包括对应的像素。服务器计算出每个区域像素的特征值,根据特征值生成与该人脸图像对应的序列码。服务器进一步计算出每个范围对应的像素的灰度数据,并计算出人脸特征中多个特征点之间的坐标数据,利用灰度数据和坐标数据生成人脸图像对应的序列码。
具体地,服务器可以计算出每个区域像素的灰度数据,例如,可以利用双线性差值法计算出每个区域像素的灰度值。并计算出人脸特征中多个特征点之间的坐标值数据,例如,服务器可以计算出两眼之间的距离值,以及眼部鼻部和嘴部之间的多个距离值,利用多个距离值生成坐标数据。服务器进一步将灰度值数据和坐标值数据转换为对应的二进制序列,再对得到的二进制序列进行转换。例如,可以转换为十进制序列,也可以转换为预设格式的序列,进而生成与该人脸图像对应的序列码。由此可以有效地得到与该客户的人脸图像唯一对应的序列码。由此能够准确有效地生成与该客户人脸图像对应的序列码,并保证序列码的唯一性。
在一个实施例中,如图3所示,在步骤210根据人脸特征生成对应的序列码之前,该方法还包括筛选出最优人脸图像的步骤,该步骤具体包括以下内容:
步骤302,接收客户终端上传的多张人脸图像。
客户在办理业务的过程中,客户终端首先向服务器上传业务请求,服务器接收到客户终端上传的业务请求后,根据业务请求向客户端返回上传人脸图像的提示信息,以提示客户终端采集该客户的人脸图像。客户终端在对客户的人脸进行摄像时,可能会出现光线不足或人脸图像中的人脸不正的情况。客户终端还可以获取实时拍摄的多张人脸图像,并将拍摄的多张人脸图像上传至服务器中。
步骤304,提取出多张人脸图像的人脸特征。
服务器接收到客户终端上传的多张该客户的人脸图像后,提取出人脸图像的特征向量,获取预设的人脸特征分类模型,将提取的人脸图像的特征向量输入至人脸特征分类模型中,从而利用人脸特征分类模型输出该人脸图像对应的多个特征点。人脸特征可以包括眉部、眼部、鼻部、嘴部和脸部轮廓等特征点。服务器进而利用识别出的多个特征点组成该人脸图像的人脸特征。
步骤306,根据多张人脸图像对应的人脸特征,计算出对应的人脸图像的评分。
服务器提取出多张人脸图像对应的人脸特征后,每张人脸图像的人脸特征包括多个特征点,特征点包括眉部、眼部、鼻部、嘴部和脸部轮廓等特征点。服务器进一步计算出每个特征点的梯度值和坐标值。特征点的梯度值为平均梯度,平均梯度是指人脸图像的特征点的边界或是影线两侧附近灰度有明显差异,即灰度变化率。变化率的大小可以表示图像清晰度,反映特征点微小细节反差变化的速率,即特征点多维方向上密度变化的速率,表征人脸图像的相对清晰度。特征点的坐标值至少包括眼部特征点及鼻部特征点的x横坐标。根据特征点与x横坐标的距离和平均梯度值计算出每张人脸图像的评分。
步骤308,对多张人脸图像对应的评分进行排序,根据最高评分筛选出最优人脸图像。
服务器计算出每张人脸图像对应的评分后,将每一张人脸图像的评分结果进行排序,人脸图像为正脸图像的排列在前,即评分最高的人脸图像表示最清晰和最优的人脸图像。进而根据最高的评分结果选取出最优人脸图像,进而可以有效地提取出准确率较高的最优人脸图像。
步骤310,根据最优人脸图像的人脸特征生成最优人脸图像对应的序列码。
服务器筛选出最优人脸图像后,就可以直接根据筛选出的最优人脸图像的人脸特征生成对应的序列码,由此能够有效地生成与该客户对应的准确率较高的人脸图像的序列码,进而能够有效地提高客户身份识别的准确率。
本实施例中,服务器通过获取客户的多张人脸图像,提取出多张人脸图像的人脸特征,根据多张人脸图像的人脸特征计算出对应的人脸图像的评分。并对多张人脸图像的评分进行排序,根据最高评分筛选出最优人脸图像,由此可以得到该客户对应的准确率较高的最优人脸图像,利用最优人脸图像的人脸特征生成对应的序列码,由此能够得到准确率较高的序列码,从而能够有效地提高客户身份识别的准确率。
在一个实施例中,如图4所示,在步骤210根据人脸特征生成对应的序列码之后,还包括分配查询任务的步骤,该步骤具体包括以下内容:
步骤402,根据多个序列码生成对应的多个查询任务。
服务器取到该客户的人脸图像后,提取出人脸图像的人脸特征,并根据人脸特征生成与客户人脸图像对应的序列码。服务器可以同时根据多个客户的人脸图像对应的序列码生成对应的多个查询任务。
步骤404,对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重。
服务器可以是服务器集群,服务器集群中包括主服务器和多个从节点,上述的服务器可以是服务器集群中的主服务器。进一步地,主服务器对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重。
步骤406,根据集群中每个从节点的当前负载权重对多个查询任务进行分配,使得每个从节点对分配的查询任务进行处理。
主服务器根据集群中每个从节点的当前负载权重为查询任务选择对应的从节点标识,并对被选择的从节点标识对应的当前负载权重进行平滑处理,利用平滑处理后的结果选择下一个查询任务对应的从节点标识,直至为多个查询任务选择出对应的从节点标识。由此主服务器根据被选择出的从节点标识将多个查询任务分配至对应的从节点,使得每个从节点对分配的查询任务进行处理。通过平滑处理可以对当前已分配查询任务的从节点的资源消耗进行抵消,防止重复计算其负载权重,以此达到集群中多个从节点的负载均衡。
步骤408,接收多个从节点返回的与查询任务对应的查询结果。
多个从节点对分配的查询任务进行处理后,向主服务器返回对应的查询结果。主服务器接收多个从节点返回的与查询任务对应的查询结果,以进一步利用查询结果对业务请求进行处理。
本实施例中,服务器根据多个序列码生成对应的多个查询任务后,对集群中多个从节点的当前负载权重进行轮询,由此能够得到每个从节点的当前负载权重。服务器根据每个从节点的当前负载权重对多个查询任务进行分配,从而能够使得集群中的多个从节点分别对多个查询任务进行并行处理,进而能够有效提高分配效率和查询任务的处理效率。
在一个实施例中,业务请求包括多个类型,该方法还包括:当根据序列码未查询到对应的数据时,表示该客户为新客户,当业务请求的类型为贷款请求时,对贷款请求进行解析,得到多个贷款要素。获取增信方决策树,并调用增信方分配代码,利用增信方分配代码以及多个贷款要素在增信方决策树中进行遍历,得到对应的增信方标识。利用增信方标识对贷款请求进行记录。
客户利用客户终端办理业务时,客户终端首先向服务器上传业务请求。业务请求包括了多个类型,如投保请求和贷款请求等类型。服务器接收到客户终端上传的业务请求后,根据业务请求向客户端返回上传人脸图像的提示信息。客户终端利用摄像装置采集该客户的人脸图像,并将采集到的该客户的人脸图像上传至服务器。服务器接收客户终端根据提示信息上传到该客户的人脸图像后,提取出人脸图像的人脸特征,并根据人脸特征生成对应的序列码。
服务器生成与该客户的人脸图像对应的序列码后,根据该序列码在数据库中查询是否存在相同的序列码和对应的历史数据。当根据序列码未查询到对应的数据时,表示该客户为新客户。且当业务请求的类型为贷款请求时,对贷款请求进行解析,识别贷款请求中的多个数据参数,得到多个贷款要素。贷款要是可以包括客户的性别、年龄、所在地区、所在城市以及贷款业务标识等。
服务器中预先记录了贷款要素与增信方的对应关系,以及多个贷款要素之间的关联关系。服务器利用多个贷款要素之间的关联关系以及贷款要素与增信方的对应关系生成增信方决策树。增信方决策树中包括多个分支,每个分支包括对应的分支节点。不同的分支节点可以对应不同的贷款要素。当服务器为终端上传的贷款请求分配对应的增信方时,服务器可以在增信方决策树中进行遍历。具体的,服务器调用增信方分配代码,利用增信方分配代码以及多个贷款要素,在增信方决策树的各个分支中按照分支节点的顺序进行遍历。其中,不同的分支中所包含的节点不同,贷款要素与分支中的节点相对应包括多个贷款要素与分支中的各个节点完全对应,也包括部分贷款要素与分支中的各个节点相对应。当贷款要素与分支中的节点相对应时,服务器可以根据该分支向该贷款请求分配对应的增信方标识,将分配得到的增信方标识对应该贷款请求进行记录,以此实现为客户分配增信方。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种客户身份识别校验装置,包括:接收模块502、提示模块504、人脸识别模块506、序列码生成模块508和查询模块510,其中:
接收模块502,用于接收客户终端上传的业务请求;
提示模块504,用于根据业务请求向客户终端返回上传人脸图像的提示信息;
接收模块502还用于接收客户终端根据提示信息上传的人脸图像;
人脸识别模块506,用于提取出人脸图像的人脸特征;
序列码生成模块508,用于根据人脸特征生成对应的序列码;
查询模块510,用于当根据序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用历史数据对业务请求进行处理。
在一个实施例中,人脸识别模块506还用于根据人脸特征,对人脸图像进行划分,得到多个区域,该区域包括对应的像素;计算每个区域像素的特征值;根据特征值生成人脸图像的序列码。
在一个实施例中,人脸特征包括多个特征点,人脸识别模块506还用于计算出每个范围对应的像素的灰度数据;计算出人脸特征中多个特征点之间的坐标数据;序列码生成模块508还用于利用灰度数据和坐标数据生成人脸图像对应的序列码。
在一个实施例中,接收模块502还用于接收客户终端上传的多张人脸图像。人脸识别模块506还用于提取出多张人脸图像的人脸特征;对多张人脸图像对应的评分进行排序,根据最高评分筛选出最优人脸图像。序列码生成模块508还用于根据最优人脸图像的人脸特征生成最优人脸图像对应的序列码。
在一个实施例中,如图6所示,该装置还包括任务生成模块602、任务分配模块604和结果接收模块606,其中:
任务生成模块602,用于根据多个序列码生成对应的多个查询任务。
任务分配模块604,用于对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;根据集群中每个从节点的当前负载权重对多个查询任务进行分配,使得每个从节点对分配的查询任务进行处理。
结果接收模块606,用于接收多个从节点返回的与查询任务对应的查询结果。
在一个实施例中,业务请求包括多个类型,该装置还包括贷款请求处理模块,用于当根据序列码未查询到对应的数据时,表示该客户为新客户,当业务请求的类型为贷款请求时,对贷款请求进行解析,得到多个贷款要素。获取增信方决策树,并调用增信方分配代码,利用增信方分配代码以及多个贷款要素在增信方决策树中进行遍历,得到对应的增信方标识。利用增信方标识对贷款请求进行记录。
关于客户身份识别校验装置的具体限定可以参见上文中对于客户身份识别校验方法的限定,在此不再赘述。上述客户身份识别校验装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储客户的序列码和历史数据等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种客户身份识别校验方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收客户终端上传的业务请求;
根据业务请求向客户终端返回上传人脸图像的提示信息;
接收客户终端根据提示信息上传的人脸图像;
提取出人脸图像的人脸特征;
根据人脸特征生成对应的序列码;
当根据序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用历史数据对业务请求进行处理。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据人脸特征,对人脸图像进行划分,得到多个区域,该区域包括对应的像素;计算每个区域像素的特征值;根据特征值生成人脸图像的序列码。
在一个实施例中,人脸特征包括多个特征点,处理器执行计算机程序时还实现以下步骤:计算出每个范围对应的像素的灰度数据;计算出人脸特征中多个特征点之间的坐标数据;利用灰度数据和坐标数据生成人脸图像对应的序列码。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:接收客户终端上传的多张人脸图像;提取出多张人脸图像的人脸特征;根据多张人脸图像对应的人脸特征,计算出对应的人脸图像的评分;对多张人脸图像对应的评分进行排序,根据最高评分筛选出最优人脸图像;根据人脸特征生成对应的序列码包括:根据最优人脸图像的人脸特征生成最优人脸图像对应的序列码。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据多个序列码生成对应的多个查询任务;对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;根据集群中每个从节点的当前负载权重对多个查询任务进行分配,使得每个从节点对分配的查询任务进行处理;接收多个从节点返回的与查询任务对应的查询结果。
在一个实施例中,业务请求包括多个类型,处理器执行计算机程序时还实现以下步骤:当根据序列码未查询到对应的数据时,表示该客户为新客户,当业务请求的类型为贷款请求时,对贷款请求进行解析,得到多个贷款要素;获取增信方决策树,并调用增信方分配代码,利用增信方分配代码以及多个贷款要素在增信方决策树中进行遍历,得到对应的增信方标识;利用增信方标识对贷款请求进行记录。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收客户终端上传的业务请求;
根据业务请求向客户终端返回上传人脸图像的提示信息;
接收客户终端根据提示信息上传的人脸图像;
提取出人脸图像的人脸特征;
根据人脸特征生成对应的序列码;
当根据序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用历史数据对业务请求进行处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据人脸特征,对人脸图像进行划分,得到多个区域,该区域包括对应的像素;计算每个区域像素的特征值;根据特征值生成人脸图像的序列码。
在一个实施例中,人脸特征包括多个特征点,计算机程序被处理器执行时还实现以下步骤:计算出每个范围对应的像素的灰度数据;计算出人脸特征中多个特征点之间的坐标数据;利用灰度数据和坐标数据生成人脸图像对应的序列码。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:接收客户终端上传的多张人脸图像;提取出多张人脸图像的人脸特征;根据多张人脸图像对应的人脸特征,计算出对应的人脸图像的评分;对多张人脸图像对应的评分进行排序,根据最高评分筛选出最优人脸图像;根据人脸特征生成对应的序列码包括:根据最优人脸图像的人脸特征生成最优人脸图像对应的序列码。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据多个序列码生成对应的多个查询任务;对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;根据集群中每个从节点的当前负载权重对多个查询任务进行分配,使得每个从节点对分配的查询任务进行处理;接收多个从节点返回的与查询任务对应的查询结果。
在一个实施例中,业务请求包括多个类型,计算机程序被处理器执行时还实现以下步骤:当根据序列码未查询到对应的数据时,表示该客户为新客户,当业务请求的类型为贷款请求时,对贷款请求进行解析,得到多个贷款要素;获取增信方决策树,并调用增信方分配代码,利用增信方分配代码以及多个贷款要素在增信方决策树中进行遍历,得到对应的增信方标识;利用增信方标识对贷款请求进行记录。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种客户身份识别校验方法,包括:
接收客户终端上传的业务请求;
根据所述业务请求向所述客户终端返回上传人脸图像的提示信息;
接收客户终端根据所述提示信息上传的人脸图像;
提取出所述人脸图像的人脸特征;
根据所述人脸特征生成对应的序列码;
当根据所述序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用所述历史数据对所述业务请求进行处理。
2.根据权利要求1所述的方法,其特征在于,所述根据所述人脸特征生成对应的序列码的步骤包括:
根据所述人脸特征,对所述人脸图像进行划分,得到多个区域,所述区域包括对应的像素;
计算每个区域像素的特征值;
根据所述特征值生成所述人脸图像的序列码。
3.根据权利要求2所述的方法,其特征在于,所述人脸特征包括多个特征点,所述根据所述特征值生成所述人脸图像的序列码的步骤包括:
计算出每个范围对应的像素的灰度数据;
计算出所述人脸特征中多个特征点之间的坐标数据;
利用所述灰度数据和所述坐标数据生成所述人脸图像对应的序列码。
4.根据权利要求1至3任意一项所述的方法,其特征在于,在所述根据所述人脸特征生成对应的序列码之前,所述方法还包括:
接收客户终端上传的多张人脸图像;
提取出所述多张人脸图像的人脸特征;
根据多张人脸图像对应的人脸特征,计算出对应的人脸图像的评分;
对多张人脸图像对应的评分进行排序,根据最高评分筛选出最优人脸图像;
所述根据所述人脸特征生成对应的序列码包括:根据所述最优人脸图像的人脸特征生成所述最优人脸图像对应的序列码。
5.根据权利要求1所述的方法,其特征在于,所述根据所述人脸特征生成对应的序列码之后,还包括:
根据多个序列码生成对应的多个查询任务;
对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;
根据集群中每个从节点的当前负载权重对多个查询任务进行分配,使得每个从节点对分配的查询任务进行处理;
接收多个从节点返回的与所述查询任务对应的查询结果。
6.根据权利要求1所述的方法,其特征在于,所述业务请求包括多个类型,所述方法还包括:
当根据所述序列码未查询到对应的数据时,表示该客户为新客户,当所述业务请求的类型为贷款请求时,对所述贷款请求进行解析,得到多个贷款要素;
获取增信方决策树,并调用增信方分配代码,利用所述增信方分配代码以及多个贷款要素在所述增信方决策树中进行遍历,得到对应的增信方标识;
利用所述增信方标识对所述贷款请求进行记录。
7.一种客户身份识别校验装置,包括:
接收模块,用于接收客户终端上传的业务请求;
提示模块,用于根据所述业务请求向所述客户终端返回上传人脸图像的提示信息;
所述接收模块还用于接收客户终端根据所述提示信息上传的人脸图像;
人脸识别模块,用于提取出所述人脸图像的人脸特征;
序列码生成模块,用于根据所述人脸特征生成对应的序列码;
查询模块,用于当根据所述序列码在数据库中查询到对应的历史数据时,表示该客户是历史客户,则利用所述历史数据对所述业务请求进行处理。
8.根据权利要求7所述的装置,其特征在于,所述查询模块还用于根据多个序列码生成对应的多个查询任务;对集群中多个从节点的当前负载权重进行轮询,得到每个从节点的当前负载权重;根据集群中每个从节点的当前负载权重对多个查询任务进行分配,使得每个从节点对分配的查询任务进行处理;接收多个从节点返回的与所述查询任务对应的查询结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810581124.1A CN108776791A (zh) | 2018-06-07 | 2018-06-07 | 客户身份识别校验方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810581124.1A CN108776791A (zh) | 2018-06-07 | 2018-06-07 | 客户身份识别校验方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108776791A true CN108776791A (zh) | 2018-11-09 |
Family
ID=64025754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810581124.1A Pending CN108776791A (zh) | 2018-06-07 | 2018-06-07 | 客户身份识别校验方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108776791A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766072A (zh) * | 2018-12-17 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 信息校验输入方法、装置、计算机设备和存储介质 |
CN109784703A (zh) * | 2019-01-02 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 业务数据处理方法、装置、计算机设备和存储介质 |
CN110009515A (zh) * | 2019-03-12 | 2019-07-12 | 中国平安财产保险股份有限公司 | 基于人脸识别的单据校验方法、装置、服务器及介质 |
CN110751095A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 身份识别方法、系统及可读存储介质 |
CN111131444A (zh) * | 2019-12-23 | 2020-05-08 | 广州公评科技有限公司 | 一种基于区块链技术的网络课程处理系统 |
CN112669480A (zh) * | 2020-12-08 | 2021-04-16 | 安徽鸿程光电有限公司 | 数据处理方法、装置、终端设备及存储介质 |
CN113810394A (zh) * | 2019-03-06 | 2021-12-17 | 百度在线网络技术(北京)有限公司 | 服务处理方法、装置、电子设备及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004326208A (ja) * | 2003-04-22 | 2004-11-18 | Ricoh Co Ltd | 顧客管理システム、該システムの機能を実現するプログラム及び記録媒体 |
US20110135166A1 (en) * | 2009-06-02 | 2011-06-09 | Harry Wechsler | Face Authentication Using Recognition-by-Parts, Boosting, and Transduction |
CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
CN103258222A (zh) * | 2013-05-29 | 2013-08-21 | 苏州福丰科技有限公司 | 小区智能物管系统 |
CN106022892A (zh) * | 2016-05-30 | 2016-10-12 | 深圳市华傲数据技术有限公司 | 信用评分模型的更新方法及系统 |
CN106503873A (zh) * | 2016-11-30 | 2017-03-15 | 腾云天宇科技(北京)有限公司 | 一种预测用户守约概率的方法、装置和计算设备 |
CN106549878A (zh) * | 2016-10-26 | 2017-03-29 | 中国银联股份有限公司 | 一种业务分流方法和装置 |
CN106713255A (zh) * | 2015-11-17 | 2017-05-24 | 腾讯科技(深圳)有限公司 | 用户信息管理方法和系统 |
CN107463608A (zh) * | 2017-06-20 | 2017-12-12 | 上海汇尔通信息技术有限公司 | 一种基于人脸识别的信息推送方法及系统 |
CN107657525A (zh) * | 2017-08-29 | 2018-02-02 | 深圳市佰仟金融服务有限公司 | 一种贷款审批方法及服务器 |
CN107705128A (zh) * | 2017-09-05 | 2018-02-16 | 深圳支点电子智能科技有限公司 | 一种支付验证方法和系统 |
CN107862615A (zh) * | 2017-12-22 | 2018-03-30 | 平安养老保险股份有限公司 | 理赔信息处理方法、装置、计算机设备和存储介质 |
CN107872517A (zh) * | 2017-10-23 | 2018-04-03 | 北京奇艺世纪科技有限公司 | 一种数据处理方法及装置 |
CN107918913A (zh) * | 2017-11-20 | 2018-04-17 | 中国银行股份有限公司 | 银行业务处理方法、装置以及系统 |
CN108009914A (zh) * | 2017-12-19 | 2018-05-08 | 马上消费金融股份有限公司 | 一种信用风险评估方法、系统、设备及计算机存储介质 |
-
2018
- 2018-06-07 CN CN201810581124.1A patent/CN108776791A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004326208A (ja) * | 2003-04-22 | 2004-11-18 | Ricoh Co Ltd | 顧客管理システム、該システムの機能を実現するプログラム及び記録媒体 |
US20110135166A1 (en) * | 2009-06-02 | 2011-06-09 | Harry Wechsler | Face Authentication Using Recognition-by-Parts, Boosting, and Transduction |
CN102201061A (zh) * | 2011-06-24 | 2011-09-28 | 常州锐驰电子科技有限公司 | 基于多阶层过滤人脸识别的智能安全监控系统及方法 |
CN103258222A (zh) * | 2013-05-29 | 2013-08-21 | 苏州福丰科技有限公司 | 小区智能物管系统 |
CN106713255A (zh) * | 2015-11-17 | 2017-05-24 | 腾讯科技(深圳)有限公司 | 用户信息管理方法和系统 |
CN106022892A (zh) * | 2016-05-30 | 2016-10-12 | 深圳市华傲数据技术有限公司 | 信用评分模型的更新方法及系统 |
CN106549878A (zh) * | 2016-10-26 | 2017-03-29 | 中国银联股份有限公司 | 一种业务分流方法和装置 |
CN106503873A (zh) * | 2016-11-30 | 2017-03-15 | 腾云天宇科技(北京)有限公司 | 一种预测用户守约概率的方法、装置和计算设备 |
CN107463608A (zh) * | 2017-06-20 | 2017-12-12 | 上海汇尔通信息技术有限公司 | 一种基于人脸识别的信息推送方法及系统 |
CN107657525A (zh) * | 2017-08-29 | 2018-02-02 | 深圳市佰仟金融服务有限公司 | 一种贷款审批方法及服务器 |
CN107705128A (zh) * | 2017-09-05 | 2018-02-16 | 深圳支点电子智能科技有限公司 | 一种支付验证方法和系统 |
CN107872517A (zh) * | 2017-10-23 | 2018-04-03 | 北京奇艺世纪科技有限公司 | 一种数据处理方法及装置 |
CN107918913A (zh) * | 2017-11-20 | 2018-04-17 | 中国银行股份有限公司 | 银行业务处理方法、装置以及系统 |
CN108009914A (zh) * | 2017-12-19 | 2018-05-08 | 马上消费金融股份有限公司 | 一种信用风险评估方法、系统、设备及计算机存储介质 |
CN107862615A (zh) * | 2017-12-22 | 2018-03-30 | 平安养老保险股份有限公司 | 理赔信息处理方法、装置、计算机设备和存储介质 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109766072A (zh) * | 2018-12-17 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 信息校验输入方法、装置、计算机设备和存储介质 |
CN109766072B (zh) * | 2018-12-17 | 2022-02-01 | 深圳壹账通智能科技有限公司 | 信息校验输入方法、装置、计算机设备和存储介质 |
CN109784703A (zh) * | 2019-01-02 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 业务数据处理方法、装置、计算机设备和存储介质 |
CN113810394A (zh) * | 2019-03-06 | 2021-12-17 | 百度在线网络技术(北京)有限公司 | 服务处理方法、装置、电子设备及存储介质 |
CN113810394B (zh) * | 2019-03-06 | 2023-06-06 | 百度在线网络技术(北京)有限公司 | 服务处理方法、装置、电子设备及存储介质 |
CN110009515A (zh) * | 2019-03-12 | 2019-07-12 | 中国平安财产保险股份有限公司 | 基于人脸识别的单据校验方法、装置、服务器及介质 |
CN110751095A (zh) * | 2019-10-21 | 2020-02-04 | 中国民航信息网络股份有限公司 | 身份识别方法、系统及可读存储介质 |
CN111131444A (zh) * | 2019-12-23 | 2020-05-08 | 广州公评科技有限公司 | 一种基于区块链技术的网络课程处理系统 |
CN111131444B (zh) * | 2019-12-23 | 2020-09-29 | 广州公评科技有限公司 | 一种基于区块链技术的网络课程处理系统 |
CN112669480A (zh) * | 2020-12-08 | 2021-04-16 | 安徽鸿程光电有限公司 | 数据处理方法、装置、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776791A (zh) | 客户身份识别校验方法、装置、计算机设备和存储介质 | |
CN108876133B (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN109345374A (zh) | 风险控制方法、装置、计算机设备和存储介质 | |
CN110782240A (zh) | 业务数据处理方法、装置、计算机设备和存储介质 | |
CN113807353B (zh) | 图像转换模型训练方法、装置、设备及存储介质 | |
CN110135943B (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN110619065A (zh) | 资源调度业务处理方法、装置、计算机设备和存储介质 | |
CN109492856B (zh) | 业务请求处理方法、装置、计算机设备以及存储介质 | |
CN109165947B (zh) | 账户信息确定方法、装置及服务器 | |
CN109544352A (zh) | 基于随机数的抽检方法、装置、计算机设备及存储介质 | |
CN116797345A (zh) | 任务处理方法、装置、计算机设备及存储介质 | |
CN113256422B (zh) | 分仓账户识别方法、装置、计算机设备和存储介质 | |
CN113506164B (zh) | 一种风控决策方法、装置、电子设备及机器可读存储介质 | |
CN114997109A (zh) | 单据转换方法、装置、计算机设备和存储介质 | |
CN110490233B (zh) | 众包任务处理方法、装置、计算机设备和存储介质 | |
CN113779116A (zh) | 对象排序方法、相关设备及介质 | |
CN113035333A (zh) | 一种基于区块链技术的医疗健康码大数据管理方法及系统 | |
CN111047447A (zh) | 通证发放数额确定方法、装置、计算机设备和存储介质 | |
CN110619275A (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN113205338A (zh) | 基于人工智能的外汇业务处理方法及装置 | |
CN117349541A (zh) | 基于银行应用的资源转移方法、装置、计算机设备和介质 | |
CN107871229B (zh) | 控制缴费通知单生成的方法和装置 | |
CN112541814A (zh) | 一种银行业务处理方法、装置及电子设备 | |
CN116645219A (zh) | 资产数据的处理方法、装置、计算机设备及存储介质 | |
CN115393047A (zh) | 风险评估方法、装置、计算机设备和存储介质 |
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: 20181109 |
|
RJ01 | Rejection of invention patent application after publication |