CN109697664A - 基于人脸识别的信用卡自动审核方法、装置、设备及介质 - Google Patents

Abstract

本发明公开了一种基于人脸识别的信用卡自动审核方法、装置、设备及介质，该方法包括：接收申请方发起的请求，响应请求，并展示采集界面，在采集界面上采集申请方的当前人脸图片，根据当前人脸图片和预设五官动作，采用预设活体检测方法检测申请方是否为人体，若是，则展示申请信息填写界面，接收申请方上传的身份标识信息和工资清单，若身份标识信息标识的人物与申请方为同一个人，则获取申请方目标工资清单，若工资清单与目标工资清单一致且申请方存在还贷违约，则获取违约次数，根据违约次数和预设信用分数确定规则确定目标个人信用分数，若目标个人信用分数大于预设阈值，则向申请方发放信用卡，若不存在，则向申请方发放所述信用卡。

Description

基于人脸识别的信用卡自动审核方法、装置、设备及介质

技术领域

本发明涉及人工智能领域，尤其涉及一种基于人脸识别的信用卡自动审核方法、装置、计算机设备及存储介质。

背景技术

目前，随着人们生活水平的不断提高，信用卡已经深入人们生活消费的方方面面。

在传统方法中，首先客户将身份证明和收入证明等申请材料送达信用卡业务办理网点，然后工作人员采用人工方式对已送达的申请材料进行审核，最后在审核通过之后向该客户发放信用卡。但是，信用卡业务办理网点与客户所在的地点之间通常存在一段路程，该客户为了能够到达信用卡业务办理网点常常需要花费时间乘坐交通工具，如公交或地铁等，同时工作人员需要花费长时间审核该申请材料，在该申请材料审核通过之后才向该客户发放信用卡，所以导致基于人脸识别的信用卡自动审核的效率低下。

因此，寻找一种高效的基于人脸识别的信用卡自动审核方法成为本领域技术人员亟需解决的问题。

发明内容

本发明实施例提供一种基于人脸识别的信用卡自动审核方法、装置、计算机设备及存储介质，以解决基于人脸识别的信用卡自动审核的效率低下的问题。

一种基于人脸识别的信用卡自动审核方法，包括：

实时接收申请方在客户端发起的信用卡的申请请求；

响应所述申请请求，并向所述客户端展示人脸采集界面；

在所述人脸采集界面上采集所述申请方的当前人脸图片；

根据所述当前人脸图片和预设的五官动作，采用预设的活体检测方法检测所述申请方是否为人体；

当所述申请方为人体时，向所述客户端展示申请信息填写界面；

接收所述申请方通过所述申请信息填写界面上传的身份标识信息和工资清单；

当所述上传的身份标识信息唯一标识的目标人物与所述申请方为同一个人时，从第一指定系统中获取所述申请方的目标工资清单；

当所述上传的工资清单与所述目标工资清单一致时，在第二指定系统中查询所述申请方是否存在还贷违约；

当所述申请方存在还贷违约时，获取所述还贷违约的违约次数，根据所述违约次数和预设的信用分数确定规则确定出目标个人信用分数，当所述目标个人信用分数大于预设的阈值时，向所述申请方发放所述信用卡；

当所述申请方不存在还贷违约时，向所述申请方发放所述信用卡。

一种基于人脸识别的信用卡自动审核装置，包括：

第一接收模块，用于实时接收申请方在客户端发起的信用卡的申请请求；

响应模块，用于响应所述申请请求，并向所述客户端展示人脸采集界面；

采集模块，用于在所述人脸采集界面上采集所述申请方的当前人脸图片；

检测模块，用于根据所述当前人脸图片和预设的五官动作，采用预设的活体检测方法检测所述申请方是否为人体；

展示模块，用于当所述申请方为人体时，向所述客户端展示申请信息填写界面；

第二接收模块，用于接收所述申请方通过所述申请信息填写界面上传的身份标识信息和工资清单；

第一获取模块，用于当所述上传的身份标识信息唯一标识的目标人物与所述申请方为同一个人时，从第一指定系统中获取所述申请方的目标工资清单；

查询模块，用于当所述上传的工资清单与所述目标工资清单一致时，在第二指定系统中查询所述申请方是否存在还贷违约；

第二获取模块，用于当所述申请方存在还贷违约时，获取所述还贷违约的违约次数，根据所述违约次数和预设的信用分数确定规则确定出目标个人信用分数，当所述目标个人信用分数大于预设的阈值时，向所述申请方发放所述信用卡；

发放模块，用于当所述申请方不存在还贷违约时，向所述申请方发放所述信用卡。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于人脸识别的信用卡自动审核方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人脸识别的信用卡自动审核方法的步骤。

上述基于人脸识别的信用卡自动审核方法、装置、计算机设备及存储介质，通过实时接收申请方在客户端发起的信用卡的申请请求，响应所述申请请求，并向所述客户端展示人脸采集界面，在所述人脸采集界面上采集所述申请方的当前人脸图片，根据所述当前人脸图片和预设的五官动作，采用预设的活体检测方法检测所述申请方是否为人体，当所述申请方为人体时，向所述客户端展示申请信息填写界面，接收所述申请方通过所述申请信息填写界面上传的身份标识信息和工资清单，当所述身份标识信息唯一标识的目标人物与所述申请方为同一个人时，从第一指定系统中获取所述申请方的目标工资清单，当所述上传的工资清单与所述目标工资清单一致，在第二指定系统中查询所述申请方是否存在还贷违约，当所述申请方存在还贷违约时，获取所述还贷违约的违约次数，根据所述违约次数和预设的信用分数确定规则确定出目标个人信用分数，当所述目标个人信用分数大于预设的阈值时，向所述申请方发放所述信用卡，当所述申请方不存在还贷违约时，向所述申请方发放所述信用卡。因为通过采用计算机审核工资清单，和通过采用计算机判断所述上传的申请身份标识信息唯一标识的目标人物与所述申请方是否为同一个人，以及通过采用计算机查询所述申请方是否存在还贷违约，无疑比采用人工方式审核、判断和查询的效率更高，所以提高了基于人脸识别的信用卡自动审核的效率。另外，首先对申请方进行活体检测，当所述申请方为人体时才进行下一个步骤，防止申请方为假人的情况发生，保证了申请方为真实人体，当所述申请身份标识信息唯一标识的目标人物与所述申请方为同一个人时才获取所述申请方的目标工资清单，保证了身份标识信息与所述申请方一一对应，提高了审核基于人脸识别的信用卡自动审核的安全性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中基于人脸识别的信用卡自动审核方法的一应用环境示意图；

图2是本发明一实施例中基于人脸识别的信用卡自动审核方法的一流程图；

图3是本发明一实施例中基于人脸识别的信用卡自动审核方法中确定出目标个人信用分数的一流程图；

图4是本发明一实施例中基于人脸识别的信用卡自动审核方法中确定出目标个人信用分数的另一流程图；

图5是本发明一实施例中基于人脸识别的信用卡自动审核方法中步骤S40的一流程图；

图6是本发明一实施例中基于人脸识别的信用卡自动审核方法中判断上传的身份标识信息唯一标识的人物与申请方是否为同一个人的一流程图；

图7是本发明一实施例中基于人脸识别的信用卡自动审核装置的一示意图；

图8是本发明一实施例中计算机设备的一示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请提供的基于人脸识别的信用卡自动审核方法，可应用在如图1的应用环境中，其中，客户端通过网络与服务器进行通信。其中，客户端可以但不限于各种个人计算机、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。

在一实施例中，如图2所示，提供一种基于人脸识别的信用卡自动审核方法，该基于人脸识别的信用卡自动审核方法应用在金融行业中，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

S10、实时接收申请方在客户端发起的信用卡的申请请求；

在本实施例中，申请方是指申请信用卡的自然人，如“张三”。

具体地，通常申请方在客户端的信用卡申请页面上点击申请按钮，然后客户端生成一个信用卡的申请请求发送到服务端，服务端实时接收申请方在客户端发起的信用卡的申请请求，如申请方在智能手机的中国平安银行应用程序的首页上点击信用卡申请按钮，然后智能手机的中国平安银行应用程序便生成一个平安银行信用卡的申请请求发送到服务端。

需要说明的是，客户端可以为智能手机或平板电脑，申请方和客户端的具体内容，可以根据实际应用进行设定，此处不做限制。

S20、响应申请请求，并向客户端展示人脸采集界面；

在本实施例中，人脸采集界面为采集人脸的界面，如支付宝刷脸登录的界面。

具体地，为了能够采集到申请方的人脸图片，服务端先响应步骤S10中客户端发起的申请请求，然后向该客户端展示人脸采集界面。

S30、在人脸采集界面上采集申请方的当前人脸图片；

具体地，在已展示的客户端人脸采集界面上采集申请方的当前人脸图片，如已展示的客户端人脸采集界面为扫描圆，则采用客户端的摄像头在该扫描圆上采集申请方的当前人脸图片。

需要说明的是，脸采集界面的具体内容，可以根据实际应用进行设定，此处不做限制。

S40、根据当前人脸图片和预设的五官动作，采用预设的活体检测方法检测申请方是否为人体，当申请方为人体时，执行步骤S50，当申请方不是人体时，执行步骤S150；

在本实施例中，预设的活体检测方法可以为OpenCV算法等，预设的活体检测方法还可以为预先训练好的分类器等，其中，OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，分类器可以为贝叶斯分类器或其他分类器等，叶斯分类器为各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。预设的五官动作可以为眨眼或张嘴等。

需要说明的是，预设的活体检测方法和预设的五官动作的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，首先采用预设的活体检测方法中的预设的面部特征点提取方法提取当前人脸图片上的各个面部特征点，然后将各个面部特征点处于人脸上的位置输入到预先训练好的分类器中，得到目标五官动作，最后当目标五官动作为预设的五官动作时，确定申请方为人体，同时执行步骤S50，当目标五官动作不是预设的五官动作时，确定申请方不是人体，同时执行步骤S150。

需要说明的是，预设的面部特征点提取方法可以为ASM算法等，ASM，英文全称为Active Shape Model，是指基于点分布模型的算法，预设的面部特征点提取方法的具体内容，可以根据实际应用进行设定，此处不做限制。

S50、向客户端展示申请信息填写界面；

在本实施例中，申请信息为申请信用卡所需要的信息，如申请方的身份标识等。申请信息填写界面为填写申请信息的界面。

具体地，当申请方为人体时，向客户端展示申请信息填写界面，从而可以保证申请方为有生命的人体，防止假人申请信用卡，提高了信用卡申请的安全性。

需要说明的是，申请信息填写界面的具体内容，可以根据实际应用进行设定，此处不做限制。

S60、接收申请方通过申请信息填写界面上传的身份标识信息和工资清单；

在本实施例中，身份标识信息为唯一标识自然人的信息，如身份证号码。工资清单为银行系统中的个人的工资的清单。

需要说明的是，身份标识信息的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，接收申请方通过在步骤S50中展示的申请信息填写界面上传的身份标识信息和工资清单。

S70、判断上传的身份标识信息唯一标识的目标人物与申请方为同一个人，当上传的身份标识信息唯一标识的目标人物与申请方为同一个人时，执行步骤S80，当上传的身份标识信息唯一标识的目标人物与申请方不是同一个人时，执行步骤S140；

具体地，首先获取上传的身份标识信息唯一标识的目标人物的目标人脸图片，然后提取该目标人脸图片上的目标人脸关键点位置，接下来提取申请方的当前人脸图片的当前人脸关键点位置，当该当前人脸关键点位置信息与该目标人脸关键点位置信息一致时，确定上传的身份标识信息唯一标识的目标人物与申请方为同一个人，同时执行步骤S80，当上传的身份标识信息唯一标识的目标人物与申请方不是同一个人时，同时执行步骤S140。

S80、从第一指定系统中获取申请方的目标工资清单；

在本实施例中，第一指定系统为专门存储了申请方的目标工资清单的数据库，如中国银行数据库。目标工资清单为申请方的历史工资清单，如2018年3月份工资为8000元人民币，2018年4月份工资为8500元人民币。

需要说明的是，第一指定系统的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，当步骤S60中上传的身份标识信息唯一标识的目标人物与申请方为同一个人时，从第一指定系统中获取申请方的目标工资清单。

S90、判断上传的工资清单与目标工资清单是否一致，当上传的工资清单与目标工资清单一致时，执行步骤S100，当上传的工资清单与目标工资清单不一致时，执行步骤S130；

具体地，判断步骤S60中上传的工资清单与步骤S80中获取到的目标工资清单是否一致，当步骤S60中上传的工资清单与步骤S80中获取到的目标工资清单一致时，执行步骤S100，当步骤S60中上传的工资清单与步骤S80中获取到的目标工资清单不一致时，执行步骤S130。

S100、在第二指定系统中查询申请方是否存在还贷违约，当申请方存在还贷违约时，执行步骤S110，当申请方不存在还贷违约时，执行步骤S120；

在本实施例中，第二指定系统为专门存储了申请方的存取款记录的数据库，如平安银行数据库，存取款记录包括还贷违约或存取金额等其中一种以上。还贷违约为是指个人或集体向银行借贷后，没有在规定的期限之内还款的行为。

需要说明的是，第二指定系统的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，当步骤S60中上传的工资清单与步骤S80中获取到的目标工资清单一致时，在第二指定系统中查询申请方是否存在还贷违约，当申请方存在还贷违约时，执行步骤S110，当申请方不存在还贷违约时，执行步骤S120。

S110、获取还贷违约的违约次数，根据违约次数和预设的信用分数确定规则确定出目标个人信用分数，判断目标个人信用分数是否大于预设的阈值，当目标个人信用分数大于预设的阈值时，向申请方发放信用卡；当目标个人信用分数小于或等于预设的阈值时，不向申请方发放信用卡；

在本实施例中，违约次数为申请方的还贷违约的次数，如5次。预设的信用分数确定规则为预先设定的个人信用分数确定的规则，预设的信用分数确定规则包括各个预设的阈值区间，如[0，10]和[11，20]等。目标个人信用分数为在预设的信用分数上限值中扣除待扣除的个人信用分数后的个人信用分数，预设的信用分数上限值为预先设置的个人信用分数的上限值，如100分。预设的信用分数上限值专门存储于信用分数数据库中。

需要说明的是，预设的阈值区间、预设的信用分数上限值和信用分数数据库的具体内容，可以根据实际应用进行设定，此处不做限制。预设的阈值区间存在二个以上，且各个阈值区间互不相交。

具体地，当申请方存在还贷违约时，获取还贷违约的违约次数，根据违约次数和预设的信用分数确定规则确定出目标个人信用分数，判断目标个人信用分数是否大于预设的阈值，当目标个人信用分数大于预设的阈值时，向申请方发放信用卡，当目标个人信用分数小于或等于预设的阈值时，不向申请方发放信用卡，如违约次数为3次，得到的目标个人信用分数为70分，预设的阈值为60分，显然70大于60，则向申请方发放信用卡。

需要说明的是，预设的阈值可以为60或65等，预设的阈值的具体内容，可以根据实际应用进行设定，此处不做限制。目标个人信用分数越高，代表申请方可以信赖的程度越高。

S120、向申请方发放信用卡；

具体地，当在第二指定系统中申请方不存在还贷违约时，向申请方发放信用卡，如当在第二指定系统中申请方不存在还贷违约时，向申请方发放金额为5万元人民币的信用卡。

S130、不向申请方发放信用卡；

具体地，当步骤S60中上传的工资清单与步骤S80中获取到的目标工资清单不一致时，不向申请方发放信用卡。

S140、不向申请方发放信用卡；

具体地，当上传的身份标识信息唯一标识的目标人物与申请方为同一个人时，不向申请方发放信用卡。

S150、不向申请方发放信用卡。

具体地，当申请方不是有生命的人体时，不向申请方发放信用卡。

在图2对应的实施例中，通过实时接收申请方在客户端发起的信用卡的申请请求，响应所述申请请求，并向所述客户端展示人脸采集界面，在所述人脸采集界面上采集所述申请方的当前人脸图片，根据所述当前人脸图片和预设的五官动作，采用预设的活体检测方法检测所述申请方是否为人体，当所述申请方为人体时，向所述客户端展示申请信息填写界面，接收所述申请方通过所述申请信息填写界面上传的身份标识信息和工资清单，当所述身份标识信息唯一标识的目标人物与所述申请方为同一个人时，从第一指定系统中获取所述申请方的目标工资清单，当所述上传的工资清单与所述目标工资清单一致，在第二指定系统中查询所述申请方是否存在还贷违约，当所述申请方存在还贷违约时，获取所述还贷违约的违约次数，根据所述违约次数和预设的信用分数确定规则确定出目标个人信用分数，当所述目标个人信用分数大于预设的阈值时，向所述申请方发放所述信用卡，当所述申请方不存在还贷违约时，向所述申请方发放所述信用卡。因为通过采用计算机审核工资清单，和通过采用计算机判断所述上传的申请身份标识信息唯一标识的目标人物与所述申请方是否为同一个人，以及通过采用计算机查询所述申请方是否存在还贷违约，无疑比采用人工方式审核、判断和查询的效率更高，所以提高了基于人脸识别的信用卡自动审核的效率。另外，首先对申请方进行活体检测，当所述申请方为人体时才进行下一个步骤，防止申请方为假人的情况发生，保证了申请方为真实人体，当所述申请身份标识信息唯一标识的目标人物与所述申请方为同一个人时才获取所述申请方的目标工资清单，保证了身份标识信息与所述申请方一一对应，提高了审核基于人脸识别的信用卡自动审核的安全性。

在一实施例中，该基于人脸识别的信用卡自动审核方法应用在金融行业中，如图3所示图2对应实施例中一种基于人脸识别的信用卡自动审核方法中确定出目标个人信用分数在一个应用场景下的流程图，具体包括如下步骤：

S1101、从预设的信用分数确定规则的各个预设的阈值区间中选取出总违约次数落入的一个阈值区间；

在本发明实施例中，总违约次数为申请方的历史违约次数的总和。

具体地，从预设的信用分数确定规则的各个预设的阈值区间中选取出总违约次数落入的一个阈值区间，如总违约次数为20次，一个阈值区间为[0，15]，另一个阈值区间为[16，40]，则从[0，15]和[16，40]中选取出20落入的[16，40]。

S1102、将总违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数；

在本实施例中，信用分数为个人信用分数。

具体地，将步骤S1101中总违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数，如步骤S1101中总违约次数落入的阈值区间对应的信用分数为5分，则将5分确定为待扣除的个人信用分数。

需要说明的是，信用分数的具体内容，可以根据实际应用进行设定，此处不做限制。

S1103、获取预设的信用分数上限值；

具体地，从信用分数数据库中获取预设的信用分数上限值的存储路径，然后根据该存储路径提取预设的信用分数上限值，如100分或200分等。

S1104、从预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数。

具体地，从步骤S1103中获取到的预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数，如预设的信用分数上限值为100分，待扣除的个人信用分数为20分，则从100分扣除20分，得到目标个人信用分数为80分。

在图3对应的实施例中，通过从预设的信用分数确定规则的各个预设的阈值区间中选取出总违约次数落入的一个阈值区间，将总违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数，获取预设的信用分数上限值，从预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数。因为各个预设的阈值区间互不相交，所以包括了所有的总违约次数落入的范围，从而提高了得到目标个人信用分数的全面性。

在一实施例中，该基于人脸识别的信用卡自动审核方法应用在金融行业中，如图4所示图2对应实施例中一种基于人脸识别的信用卡自动审核方法中确定出目标个人信用分数在另一个应用场景下的流程图，具体包括如下步骤：

S1601、从预设的信用分数确定规则的各个预设的阈值区间中选取出预设时间段内的平均违约次数落入的一个阈值区间；

在本实施例中，平均违约次数为申请方预设时间段内的历史违约次数的平均值，如2018年1月至2018年5月之间历史违约次数的平均值为1次。

需要说明的是，预设时间段的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，从预设的信用分数确定规则的各个预设的阈值区间中选取出预设时间段内的平均违约次数落入的一个阈值区间，如平均违约次数为2次，一个阈值区间为[0，5]，另一个阈值区间为[6，10]，则从[0，5]和[6，10]中选取出2落入的[0，5]。

S1602、将平均违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数；

具体地，将步骤S1601中平均违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数，如步骤S1601中平均违约次数落入的阈值区间对应的信用分数为8分，则将8分确定为待扣除的个人信用分数。

S1603、获取预设的信用分数上限值；

具体地，本步骤S1603中获取预设的信用分数上限值的内容与步骤S1103中获取预设的信用分数上限值的内容一致，此处不再阐述。

S1604、在预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数。

具体地，具体地，本步骤S1604中在预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数的内容与步骤S1104中在预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数的内容一致，此处不再阐述。

在图4对应的实施例中，通过从预设的信用分数确定规则的各个预设的阈值区间中选取出预设时间段内的平均违约次数落入的一个阈值区间，将平均违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数，获取预设的信用分数上限值，在预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数。因为预设时间段内的平均违约次数可以反映申请人预设时间段内的违约频率的高低，违约频率越高代表申请人的可以信赖的程度越低，也即目标个人信用分数越高，则代表申请人的可以信赖的程度越高，所以提高了识别申请人信赖的程度的准确性。

在一实施例中，该基于人脸识别的信用卡自动审核方法应用在金融行业中，如图5所示图2对应实施例中一种基于人脸识别的信用卡自动审核方法中步骤S40在一个应用场景下的流程图，具体包括如下步骤：

S401、采用预设的面部特征点提取方法提取当前人脸图片上的面部特征点；

本发明实施例中，面部特征点为人脸上五官的外维轮廓基本特征点。

具体地，采用预设的面部特征点提取方法提取步骤S30中采集到的申请方的当前人脸图片上的各个面部特征点，其中，面部特征点包括该面部特征点处于当前人脸图片上的位置，也即该面部特征点处于当前人脸图片上的坐标。

需要说明的是，预设的面部特征点提取方法可以为深度学习方法等，预设的面部特征点提取方法的具体内容，可以根据实际需求进行设定，此处不做限制。

S402、将已提取到的面部特征点处于当前人脸图片上的位置输入到预先训练好的分类器中，得到目标五官动作；

本发明实施例中，目标五官动作为申请方的人脸上五官动作，如眨眼等。

具体地，为了得到申请方的面部五官动作，需要将已提取得到的各个面部特征点处于人脸上的位置输入到预先训练好的分类器中。

需要说明的是，面部五官动作为申请方的人脸上五官根据反射所产生的动作，如眨眼或张嘴等。该分类器可以为回归分类器、朴素贝叶斯分类器或神经网络分类器等，该分类器的具体内容，可以根据实际应用进行设定，此处不做限制。

S403、判断目标五官动作是否为预设的五官动作，当目标五官动作为预设的五官动作时，执行步骤S404，当目标五官动作不是预设的五官动作时，执行步骤S405；

在本实施例中，预设的五官动作为预先设定的五官动作，如眨眼或张嘴等。

判断目标五官动作是否为预设的五官动作，当目标五官动作为预设的五官动作时，执行步骤S404，当目标五官动作不是预设的五官动作时，执行步骤S405。

需要说明的是，预设的五官动作的具体内容，可以根据实际应用进行设定，此处不做限制。

S404、确定检测结果为申请方为人体；

在本实施例中，人体为有生命的人体。

具体地，当步骤S402得到的目标五官动作为预设的五官动作时，确定检测结果为申请方为人体。

S405、确定检测结果为申请方不是人体。

具体地，当步骤S402得到的目标五官动作不是预设的五官动作时，确定检测结果为申请方不是人体。

在图5对应的实施例中，通过采用预设的面部特征点提取方法提取当前人脸图片上的各个面部特征点，将各个面部特征点处于人脸上的位置输入到预先训练好的分类器中，得到目标五官动作，判断目标五官动作是否为预设的五官动作，当目标五官动作为预设的五官动作时，确定检测结果为申请方为人体，当目标五官动作不是预设的五官动作时，确定检测结果为申请方不是人体。因为预设的面部特征点提取方法具有准确的提取面部特征点的功能，所以能够保证得到的各个面部特征点是准确的，同时预先训练好的分类器具有准确地从各个面部特征点处于人脸上的位置分类出目标五官动作，所以保证目标五官动作是准确的，当目标五官动作为预设的五官动作时，确定检测结果为申请方为人体，因此提高了活体检测的准确性。

在一实施例中，该基于人脸识别的信用卡自动审核方法应用在金融行业中，如图6所示图2至图5中任一个图对应实施例中一种基于人脸识别的信用卡自动审核方法中判断上传的身份标识信息唯一标识的人物与申请方是否为同一个人在一个应用场景下的流程图，具体包括如下步骤：

S701、基于预设的人脸关键点检测工具对申请方的当前人脸图片进行人脸关键点检测，得到当前人脸图片上的当前人脸关键点位置；

在本实施例中，预设的人脸关键点检测工具可以为dlib工具，dlib是指一个包含机器学习算法的C++开源工具包，是一个跨平台的C++库，包含了许多机器学习算法。脸关键点包括人物的眼睛边框、鼻子边框、嘴巴边框和人脸边框等。人脸关键点位置信息为人脸关键点的坐标值。需要说明的是，预设的人脸关键点检测工具还可以为其他人脸关键点检测工具，预设的人脸关键点检测工具的具体内容，可以根据实际需求进行设定，此处不做限制。

具体地，基于预设的人脸关键点检测工具对申请方的当前人脸图片进行人脸关键点检测，得到当前人脸图片上的当前人脸关键点位置。

S702、从第三指定系统中获取上传的身份标识信息唯一标识的目标人物的目标人脸图片；

在本实施例中，第三指定系统为专门存储了身份标识信息唯一标识的目标人物的目标人脸图片的数据库，如公安系统数据库。

需要说明的是，第三指定系统可以为SQL数据库等，第三指定系统的具体内容，可以根据实际应用进行设定，此处不做限制。

具体地，首先从第三指定系统中获取上传的身份标识信息唯一标识的目标人物的目标人脸图片的存储路径，然后根据该存储路径提取上传的身份标识信息唯一标识的目标人物的目标人脸图片。

S703、基于预设的人脸关键点检测工具对目标人脸图片进行人脸关键点检测，得到目标人脸图片上的目标人脸关键点位置；

在本实施例中，本步骤S703中预设的人脸关键点检测工具的内容与步骤S701中预设的人脸关键点检测工具的内容一致，此处不再阐述。

具体地，基于预设的人脸关键点检测工具对目标人脸图片进行人脸关键点检测，得到目标人脸图片上的目标人脸关键点位置。

S704、判断当前人脸关键点位置信息与目标人脸关键点位置信息是否一致，当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，执行步骤S705，当该当前人脸关键点位置信息与目标人脸关键点位置信息不一致时，执行步骤S706；

具体地，判断当前人脸关键点位置信息与目标人脸关键点位置信息是否一致，当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，执行步骤S705，当该当前人脸关键点位置信息与目标人脸关键点位置信息不一致时，执行步骤S706。

S705、当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，确定上传的身份标识信息唯一标识的目标人物与申请方为同一个人；

具体地，当步骤S701中得到的当前人脸关键点位置信息与步骤S703中得到的目标人脸关键点位置信息一致时，确定上传的身份标识信息唯一标识的目标人物与申请方为同一个人。

S706、当该当前人脸关键点位置信息与目标人脸关键点位置信息不一致时，确定上传的身份标识信息唯一标识的目标人物与申请方不是同一个人。

具体地，当步骤S701中得到的当前人脸关键点位置信息与步骤S703中得到的目标人脸关键点位置信息不一致时，确定上传的身份标识信息唯一标识的目标人物与申请方不是同一个人。

在图6对应的实施例中，通过基于预设的人脸关键点检测工具对申请方的当前人脸图片进行人脸关键点检测，得到当前人脸图片上的当前人脸关键点位置，从第三指定系统中获取上传的身份标识信息唯一标识的目标人物的目标人脸图片，基于预设的人脸关键点检测工具对目标人脸图片进行人脸关键点检测，得到目标人脸图片上的目标人脸关键点位置，判断当前人脸关键点位置信息与目标人脸关键点位置信息是否一致，当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，确定上传的身份标识信息唯一标识的目标人物与申请方为同一个人，当该当前人脸关键点位置信息与目标人脸关键点位置信息不一致时，确定上传的身份标识信息唯一标识的目标人物与申请方不是同一个人。因为预设的人脸关键点检测工具包含机器学习算法，具有自我学习的能力，能够准确从当前人脸图片提取出当前人脸关键点位置，和能够准确从目标人脸图片提取出目标人脸关键点位置，当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，确定上传的身份标识信息唯一标识的目标人物与申请方为同一个人，提高了识别上传的身份标识信息唯一标识的目标人物与申请方的准确性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种基于人脸识别的信用卡自动审核装置，该基于人脸识别的信用卡自动审核装置与上述实施例中基于人脸识别的信用卡自动审核方法一一对应。如图7所示，该基于人脸识别的信用卡自动审核装置包括第一接收模块701、响应模块702、采集模块703、检测模块704、展示模块705、第二接收模块706、第一判断模块707、第一获取模块708、第二判断模块709、查询模块710、第二获取模块711、发放模块712、第一保持模块713、第二保持模块714和第三保持模块715。各功能模块详细说明如下：

第一接收模块701，用于实时接收申请方在客户端发起的信用卡的申请请求；

响应模块702，用于响应申请请求，并向客户端展示人脸采集界面；

采集模块703，用于在人脸采集界面上采集申请方的当前人脸图片；

检测模块704，用于根据当前人脸图片和预设的五官动作，采用预设的活体检测方法检测申请方是否为人体，当申请方为人体时，触发展示模块705，当申请方不是人体时，触发第三保持模块715；

展示模块705，用于向客户端展示申请信息填写界面；

第二接收模块706，用于接收申请方通过申请信息填写界面上传的身份标识信息和工资清单；

第一判断模块707，用于判断上传的身份标识信息唯一标识的目标人物与申请方为同一个人，当上传的身份标识信息唯一标识的目标人物与申请方为同一个人时，触发第一获取模块708，当上传的身份标识信息唯一标识的目标人物与申请方不是同一个人时，触发第二保持模块714；

第一获取模块708，用于从第一指定系统中获取申请方的目标工资清单；

第二判断模块709，用于判断上传的工资清单与目标工资清单是否一致，当上传的工资清单与目标工资清单一致时，触发查询模块710，当上传的工资清单与目标工资清单不一致时，触发第一保持模块713；

查询模块710，用于在第二指定系统中查询申请方是否存在还贷违约，当申请方存在还贷违约时，触发第二获取模块711，当申请方不存在还贷违约时，触发发放模块712；

第二获取模块711，包括第一获得子模块7111，用于获取还贷违约的违约次数，第一确定子模块7112，用于根据违约次数和预设的信用分数确定规则确定出目标个人信用分数，第一判定子模块7113，用于判断目标个人信用分数是否大于预设的阈值，分发子模块7114，用于当目标个人信用分数大于预设的阈值时，向申请方发放信用卡；保留子模块7115，用于当目标个人信用分数小于或等于预设的阈值时，不向申请方发放信用卡；

发放模块712，用于向申请方发放信用卡。

第一保持模块713，用于不向申请方发放信用卡；

第二保持模块714，用于不向申请方发放信用卡；

第三保持模块715，用于不向申请方发放信用卡。

进一步地，第二获取模块7112可以包括：

第一选取子模块71121，用于从预设的信用分数确定规则的各个预设的阈值区间中选取出总违约次数落入的一个阈值区间，总违约次数为历史违约次数的总和；

第二确定子模块71122，用于将总违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数；

第二获得子模块71123，用于获取预设的信用分数上限值；

第一扣除子模块71124，用于从预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数。

进一步地，第二获取模块7112还可以包括：

第二选取子模块71125，用于从预设的信用分数确定规则的各个预设的阈值区间中选取出预设时间段内的平均违约次数落入的一个阈值区间，平均违约次数为预设时间段内的历史违约次数的平均值；

第三确定子模块71126，用于将平均违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数；

第三获得子模块71127，用于获取预设的信用分数上限值；

第二扣除子模块71128，用于在预设的信用分数上限值中扣除个人信用分数，得到目标个人信用分数。

进一步地，检测模块704可以包括：

提取子模块7041，用于采用预设的面部特征点提取方法提取当前人脸图片上的面部特征点，面部特征点包括该面部特征点处于当前人脸图片上的位置，面部特征点为人脸上五官的轮廓基本特征点；

输入子模块7042，用于将已提取到的面部特征点处于当前人脸图片上的位置输入到预先训练好的分类器中，得到目标五官动作，目标五官动作为申请方的人脸上五官根据反射所产生的动作；

第二判定子模块7043，用于判断目标五官动作是否为预设的五官动作，当目标五官动作为预设的五官动作时，触发第四确定子模块7044，当目标五官动作不是预设的五官动作时，触发第五确定子模块7045；

第四确定子模块7044，用于确定检测结果为申请方为人体；

第五确定子模块7045，用于确定检测结果为申请方不是人体。

进一步地，基于人脸识别的信用卡自动审核装置还包括：

第一检查子模块7071，用于基于预设的人脸关键点检测工具对申请方的当前人脸图片进行人脸关键点检测，得到当前人脸图片上的当前人脸关键点位置；

第四获得模块7072，用于从第三指定系统中获取上传的身份标识信息唯一标识的目标人物的目标人脸图片；

第二检查子模块7073，用于基于预设的人脸关键点检测工具对目标人脸图片进行人脸关键点检测，得到目标人脸图片上的目标人脸关键点位置；

第三判定子模块7074，用于判断当前人脸关键点位置信息与目标人脸关键点位置信息是否一致，当该当前人脸关键点位置信息与目标人脸关键点位置信息一致时，触发第一确认模块7075，当该当前人脸关键点位置信息与目标人脸关键点位置信息不一致时，触发第二确认模块7076；

第六确定子模块7075，用于确定上传的身份标识信息唯一标识的目标人物与申请方为同一个人。

第七确定子模块7076，用于确定上传的身份标识信息唯一标识的目标人物与申请方不是同一个人。

关于基于人脸识别的信用卡自动审核装置的具体限定可以参见上文中对于基于人脸识别的信用卡自动审核方法的限定，在此不再赘述。上述基于人脸识别的信用卡自动审核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8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基于人脸识别的信用卡自动审核方法所涉及到的数据。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基于人脸识别的信用卡自动审核方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例基于人脸识别的信用卡自动审核方法的步骤，例如图2所示的步骤S10至步骤S150。或者，处理器执行计算机程序时实现上述实施例中基于人脸识别的信用卡自动审核装置的各模块/单元的功能，例如图7所示第一接收模块701至第三保持模块715的功能。为避免重复，这里不再赘述。

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上述方法实施例中基于人脸识别的信用卡自动审核方法，或者，该计算机程序被处理器执行时实现上述装置实施例中基于人脸识别的信用卡自动审核装置中各模块/单元的功能。为避免重复，这里不再赘述。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。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于人脸识别的信用卡自动审核方法，其特征在于，所述基于人脸识别的信用卡自动审核方法包括：

实时接收申请方在客户端发起的信用卡的申请请求；

响应所述申请请求，并向所述客户端展示人脸采集界面；

在所述人脸采集界面上采集所述申请方的当前人脸图片；

根据所述当前人脸图片和预设的五官动作，采用预设的活体检测方法检测所述申请方是否为人体；

当所述申请方为人体时，向所述客户端展示申请信息填写界面；

接收所述申请方通过所述申请信息填写界面上传的身份标识信息和工资清单；

当所述上传的身份标识信息唯一标识的目标人物与所述申请方为同一个人时，从第一指定系统中获取所述申请方的目标工资清单；

当所述上传的工资清单与所述目标工资清单一致时，在第二指定系统中查询所述申请方是否存在还贷违约；

当所述申请方存在还贷违约时，获取所述还贷违约的违约次数，根据所述违约次数和预设的信用分数确定规则确定出目标个人信用分数，当所述目标个人信用分数大于预设的阈值时，向所述申请方发放所述信用卡；

当所述申请方不存在还贷违约时，向所述申请方发放所述信用卡。

2.如权利要求1所述的基于人脸识别的信用卡自动审核方法，其特征在于，所述根据所述违约次数和预设的信用分数确定规则确定出目标个人信用分数包括：

从预设的信用分数确定规则的各个预设的阈值区间中选取出总违约次数落入的一个阈值区间，所述总违约次数为历史违约次数的总和；

将所述总违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数；

获取预设的信用分数上限值；

从所述预设的信用分数上限值中扣除所述个人信用分数，得到目标个人信用分数。

3.如权利要求1所述的基于人脸识别的信用卡自动审核方法，其特征在于，所述根据所述违约次数和预设的信用分数确定规则确定出目标个人信用分数包括：

从预设的信用分数确定规则的各个预设的阈值区间中选取出预设时间段内的平均违约次数落入的一个阈值区间，所述平均违约次数为预设时间段内的历史违约次数的平均值；

将所述平均违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数；

获取预设的信用分数上限值；

在所述预设的信用分数上限值中扣除所述个人信用分数，得到目标个人信用分数。

4.如权利要求1所述的基于人脸识别的信用卡自动审核方法，其特征在于，所述根据所述当前人脸图片和预设的五官动作，采用预设的活体检测方法检测所述申请方是否为人体包括：

采用预设的面部特征点提取方法提取所述当前人脸图片上的面部特征点，所述面部特征点包括该面部特征点处于当前人脸图片上的位置，所述面部特征点为人脸上五官的轮廓基本特征点；

将已提取到的面部特征点处于当前人脸图片上的位置输入到预先训练好的分类器中，得到目标五官动作，所述目标五官动作为申请方的人脸上五官根据反射所产生的动作；

当所述目标五官动作为预设的五官动作时，确定检测结果为所述申请方为人体；

当所述目标五官动作不是预设的五官动作时，确定检测结果为所述申请方不是人体。

5.如权利要求1至4中任一项所述的基于人脸识别的信用卡自动审核方法，其特征在于，判断所述上传的身份标识信息唯一标识的目标人物与所述申请方是否为同一个人包括：

基于预设的人脸关键点检测工具对所述申请方的当前人脸图片进行人脸关键点检测，得到所述当前人脸图片上的当前人脸关键点位置；

从第三指定系统中获取所述上传的身份标识信息唯一标识的目标人物的目标人脸图片；

基于预设的人脸关键点检测工具对所述目标人脸图片进行人脸关键点检测，得到所述目标人脸图片上的目标人脸关键点位置；

判断所述当前人脸关键点位置信息与所述目标人脸关键点位置信息是否一致；

当所述当前人脸关键点位置信息与所述目标人脸关键点位置信息一致时，确定所述上传的身份标识信息唯一标识的目标人物与所述申请方为同一个人。

6.一种基于人脸识别的信用卡自动审核装置，其特征在于，所述基于人脸识别的信用卡自动审核装置包括：

第一接收模块，用于实时接收申请方在客户端发起的信用卡的申请请求；

响应模块，用于响应所述申请请求，并向所述客户端展示人脸采集界面；

采集模块，用于在所述人脸采集界面上采集所述申请方的当前人脸图片；

检测模块，用于根据所述当前人脸图片和预设的五官动作，采用预设的活体检测方法检测所述申请方是否为人体；

展示模块，用于当所述申请方为人体时，向所述客户端展示申请信息填写界面；

第二接收模块，用于接收所述申请方通过所述申请信息填写界面上传的身份标识信息和工资清单；

第一获取模块，用于当所述上传的身份标识信息唯一标识的目标人物与所述申请方为同一个人时，从第一指定系统中获取所述申请方的目标工资清单；

查询模块，用于当所述上传的工资清单与所述目标工资清单一致时，在第二指定系统中查询所述申请方是否存在还贷违约；

第二获取模块，用于当所述申请方存在还贷违约时，获取所述还贷违约的违约次数，根据所述违约次数和预设的信用分数确定规则确定出目标个人信用分数，当所述目标个人信用分数大于预设的阈值时，向所述申请方发放所述信用卡；

发放模块，用于当所述申请方不存在还贷违约时，向所述申请方发放所述信用卡。

7.如权利要求6所述的基于人脸识别的信用卡自动审核装置，其特征在于，所述第二获取模块包括：

第一选取子模块，用于从预设的信用分数确定规则的各个预设的阈值区间中选取出总违约次数落入的一个阈值区间，所述总违约次数为历史违约次数的总和；

第二确定子模块，用于将所述总违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数；

第二获得子模块，用于获取预设的信用分数上限值；

第一扣除子模块，用于从所述预设的信用分数上限值中扣除所述个人信用分数，得到目标个人信用分数。

8.如权利要求6至7中任一项所述的基于人脸识别的信用卡自动审核装置，其特征在于，所述第二获取模块包括：

第二选取子模块，用于从预设的信用分数确定规则的各个预设的阈值区间中选取出预设时间段内的平均违约次数落入的一个阈值区间，所述平均违约次数为预设时间段内的历史违约次数的平均值；

第三确定子模块，用于将所述平均违约次数落入的阈值区间对应的信用分数确定为待扣除的个人信用分数；

第三获得子模块，用于获取预设的信用分数上限值；

第二扣除子模块，用于在所述预设的信用分数上限值中扣除所述个人信用分数，得到目标个人信用分数。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述基于人脸识别的信用卡自动审核方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述基于人脸识别的信用卡自动审核方法的步骤。