CN110175624B - 项目准入审核方法以及装置 - Google Patents
项目准入审核方法以及装置 Download PDFInfo
- Publication number
- CN110175624B CN110175624B CN201910289653.9A CN201910289653A CN110175624B CN 110175624 B CN110175624 B CN 110175624B CN 201910289653 A CN201910289653 A CN 201910289653A CN 110175624 B CN110175624 B CN 110175624B
- Authority
- CN
- China
- Prior art keywords
- user
- image
- analysis
- feature data
- admission
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06Q40/08—Insurance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请提供项目准入审核方法以及装置，其中，所述项目准入审核方法包括：获取申请参与项目的用户的结构化特征数据；通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；若所述画像分析的分析结果为所述用户的身份无误，针对所述用户进行准入所述项目的准入处理。本申请提供的项目准入审核方法，从用户的结构化特征数据出发对进行初步的准入审核，并结合用户的实时用户图像进行更深层次的身份核验，从而提升项目准入审核的准确性。
Description
技术领域
本申请涉及数据处理技术领域，特别涉及一种项目准入审核方法。本申请同时涉及一种项目准入审核装置，一种计算设备，以及一种计算机可读存储介质。
背景技术
随着互联网技术的飞速发展，保险的销售、售后、理赔等常规业务都可以比较方便地在线操作，通过将互联网场景与各种保险场景相结合，为场景提供定制化的保险服务。比如在保险项目中，要求参保人达到保险项目规定的准入条件后即可加入该保险项目中，加入到保险项目之后，如果参保人在保险业务期间患病或意外将获得理赔，这部分保费由除获得理赔外的其他参保人进行缴费。
目前，对于互联网保险场景中的保险项目，在核保过程中通过对申请互助保险项目的用户进行核保，采集用户的各方面属性信息，通过对用户的属性信息进行分析，判断用户的各方面的属性信息是否符合核保标准，将符合核保标准的用户确定为保险项目中的项目成员。然而，现有技术在互联网保险场景中进行核保过程中，通过对用户的属性信息进行核保处理的情况下，仅通过一次的核保审核，是无法保证核保审核的准确性的，并且获取到的用户的属性信息与用户的实际属性信息可能存在偏差，核保的准确率较低，存在一定的缺陷。
发明内容
有鉴于此，本申请实施例提供了一种项目准入审核方法，以解决现有技术中存在的技术缺陷。本申请实施例同时提供了一种项目准入审核装置，一种计算设备，以及一种计算机可读存储介质。
本申请提供一种项目准入审核方法，包括：
获取申请参与项目的用户的结构化特征数据；
通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
若所述画像分析的分析结果为所述用户的身份无误，针对所述用户进行准入所述项目的准入处理。
可选的，所述获取申请参与项目的用户的结构化特征数据步骤执行之前，包括：
获取所述用户提交的申请参与所述项目的项目参与申请；
基于所述项目参与申请向所述用户返回所述项目的准入审核所需用户特征数据的结构化列表；
相应的，所述获取申请参与项目的用户的结构化特征数据，包括：
读取所述结构化列表中的用户特征数据作为所述用户申请参与所述项目的所述结构化特征数据。
可选的，所述通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核，包括：
根据所述结构化特征数据中包含的用户特征数据与所述准入审核规则中包含的审核规则执行路径的对应关系，将所述结构化特征数据中包含的用户特征数据输入对应的审核规则执行路径进行执行，并将所述审核规则执行路径的执行结果作为所述准入审核的审核结果；
其中，所述审核规则执行路径由至少一个审核节点构成，将所述用户特征数据输入对应的审核规则执行路径进行执行的过程中，每执行到一个审核节点，将对应的用户特征数据与该审核节点的审核准入条件进行匹配，并根据匹配结果执行未进行审核准入判断的审核节点。
可选的，所述通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核步骤执行之后，所述在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析步骤执行之前，包括：
通过调用所述用户的终端设备的身份验证接口对所述用户进行身份认证；
若所述身份认证的结果为认证通过，基于认证通过的终端设备采集所述实时用户图像。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行画像分析；
若满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
若不满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行图像画像分析；
若不满足所述预设相似度阈值区间，确定所述图像画像分析的分析结果为所述用户的身份有误，并将所述图像画像分析的分析结果作为对所述用户进行画像分析的分析结果；
若满足所述预设相似度阈值区间，对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行健康状态画像分析；
如果一致，将所述健康状态画像分析的第一分析结果为所述用户的身份无误，并将所述健康状态画像分析的第一分析结果作为对所述用户进行画像分析的分析结果；
如果不一致，将所述健康状态画像分析的第二分析结果为所述用户的身份有误，并将所述健康状态画像分析的第二分析结果作为对所述用户进行画像分析的分析结果。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行一次画像分析；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述一次画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果为所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行二次画像分析；
若不满足，将所述二次画像分析的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份有误；
若满足，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行三次画像分析；
如果一致，将所述三次画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份无误；
如果不一致，将所述三次画像分析获得的第四分析结果作为对所述用户进行画像分析的分析结果；所述第四分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行第一画像分析；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述第一画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果中所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行第二画像分析；
如果一致，将所述第二画像分析获得的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份无误；
如果不一致，将所述第二画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行画像分析；
若比对结果为所述预测年龄与所述年龄的差值小于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行画像分析；
如果一致，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
如果不一致，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述结构化特征数据中包含下述至少一项：
用户类型、性别、年龄、身份证图像、职业信息、出生地、工作地、联系方式、健康数据、疾病数据、国籍。
本申请还提供一种项目准入审核装置，包括：
特征数据获取模块，被配置为获取申请参与项目的用户的结构化特征数据；
准入审核模块，被配置为通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
画像分析模块，被配置为在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
准入处理模块，被配置为在所述画像分析的分析结果为所述用户的身份无误的情况下，针对所述用户进行准入所述项目的准入处理。
可选的，所述项目准入审核装置，包括：
项目参与申请获取模块，被配置为获取所述用户提交的申请参与所述项目的项目参与申请；
结构化列表返回模块，被配置为基于所述项目参与申请向所述用户返回所述项目的准入审核所需用户特征数据的结构化列表；
相应的，所述特征数据获取模块，具体被配置为读取所述结构化列表中的用户特征数据作为所述用户申请参与所述项目的所述结构化特征数据。
可选的，所述准入审核模块，具体被配置为根据所述结构化特征数据中包含的用户特征数据与所述准入审核规则中包含的审核规则执行路径的对应关系，将所述结构化特征数据中包含的用户特征数据输入对应的审核规则执行路径进行执行，并将所述审核规则执行路径的执行结果作为所述准入审核的审核结果；
其中，所述审核规则执行路径由至少一个审核节点构成，将所述用户特征数据输入对应的审核规则执行路径进行执行的过程中，每执行到一个审核节点，将对应的用户特征数据与该审核节点的审核准入条件进行匹配，并根据匹配结果执行未进行审核准入判断的审核节点。
可选的，所述项目准入审核装置，包括：
身份认证模块，被配置为通过调用所述用户的终端设备的身份验证接口对所述用户进行身份认证；
实时用户图像采集模块，被配置为在所述身份认证的结果为认证通过的情况下，基于认证通过的终端设备采集所述实时用户图像。
本申请还提供一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取申请参与项目的用户的结构化特征数据；
通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
若所述画像分析的分析结果为所述用户的身份无误，针对所述用户进行准入所述项目的准入处理。
本申请还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时实现所述项目准入审核方法的步骤。
与现有技术相比，本申请具有如下优点：
本申请提供一种项目准入审核方法，包括：获取申请参与项目的用户的结构化特征数据；通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；若所述画像分析的分析结果为所述用户的身份无误，则针对所述用户进行准入所述项目的准入处理。
本申请提供的项目准入审核方法，在用户申请参与项目的过程中，首先从用户的结构化特征数据出发对用户进行初步的项目准入审核，在用户通过初步的项目准入审核的基础上，进一步结合用户的实时用户图像与结构化特征数据对用户进行画像分析环节，通过画像分析对用户进行更深层次的身份核验，从而来提升准入审核的准确性。
附图说明
图1是本申请实施例提供的一种项目准入审核方法处理流程图；
图2是本申请实施例提供的一种项目准入审核装置的示意图；
图3是本申请实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
本申请提供一种项目准入审核方法，本申请还提供一种项目准入审核装置，一种计算设备，以及一种计算机可读存储介质。以下分别结合本申请提供的实施例的附图逐一进行详细说明，并且对方法的各个步骤进行说明。
本申请提供的一种项目准入审核方法实施例如下：
参照附图1，其示出了本实施例提供的一种项目准入审核方法处理流程图。
步骤S102，获取申请参与项目的用户的结构化特征数据。
本申请实施例所述结构化特征数据，是指用户在申请参与所述项目时所需的该用户的特征数据，并且这些特征数据根据所述项目的项目规则按照结构化的方式组成相应的特征数据集合，即：结构化特征数据。具体的，所述结构化特征数据中包含有所述用户的性别、年龄、身份证图像、健康数据这4类用户特征数据。除此之外，所述结构化特征数据中还可以包含上述4类用户特征数据之外的其他类型的用户特征数据，比如用户的用户类型、职业信息、出生地、工作地、联系方式、疾病数据、国籍等用户特征数据，对此不做限定。
实际应用中，以保险场景中的保险项目为例，获取申请参与保险项目的用户的结构化特征数据，前提是接收到所述用户申请参与保险项目的申请，在接收到的所述用户参与保险项目申请的基础上，获取申请参与保险项目的所述用户的结构化特征数据，并进一步在获取到的结构化特征数据的基础上，对所述用户进行保险项目的准入审核。
本申请实施例提供的一种优选实施方式中，在获取申请参与所述项目的所述用户的结构化特征数据之前，获取所述用户提交的申请参与所述项目的项目参与申请，并基于所述项目参与申请向所述用户返回所述项目的准入审核所需用户特征数据的结构化列表，向所述用户返回结构化列表的目的是方便所述用户按照返回的结构化列表录入自身的用户特征数据，从而提升用户特征数据的获取效率。
相应的，在上述向所述用户返回所述结构化列表，并通过所述结构化列表采集到所述用户录入的其自身的用户特征数据的基础上，获取申请参与所述项目的所述用户的结构化特征数据，具体是指读取所述用户在所述结构化列表中输入的用户特征数据，作为申请参与所述项目的所述用户的结构化特征数据。
步骤S104，通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核。
上述步骤获取到所述用户的结构化特征数据之后，通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；具体的，如果所述用户的结构化特征数据能够匹配到所述项目的准入审核规则，则表明所述用户通过所述项目的准入审核规则这一环节的准入审核，通过执行后续步骤对所述用户进行后续相应环节的准入审核；如果所述用户的结构化特征数据无法匹配到所述项目的准入审核规则，表明所述用户没有通过所述项目的准入审核规则这一环节的准入审核，向所述用户发出准入审核失败的提醒，或者不做处理即可。
本申请实施例提供的一种优选实施方式中，通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核，具体是根据所述结构化特征数据中包含的用户特征数据与所述准入审核规则中包含的审核规则执行路径的对应关系，将所述结构化特征数据中包含的用户特征数据输入对应的审核规则执行路径进行执行；这其中，所述审核规则执行路径由至少一个审核节点构成，将所述用户特征数据输入对应的审核规则执行路径进行执行的过程中，每执行到一个审核节点，将对应的用户特征数据与该审核节点的审核准入条件进行匹配，并根据匹配结果执行所述审核规则执行路径。
所述审核规则执行路径的执行结果即为将所述结构化特征数据与所述项目的准入审核规则进行匹配的匹配结果，也即为对所述用户进行所述项目的准入审核这一环节的审核结果；如果所述审核规则执行路径的执行结果为匹配成功，则表明所述用户通过所述项目的准入审核规则这一环节的准入审核；如果所述审核规则执行路径的执行结果为匹配失败，则表明所述用户没有通过所述项目的准入审核规则这一环节的准入审核。
例如，在保险项目中，用户A申请加入保险项目的结构化特征数据中包含的用户特征数据如下：
性别：女；
年龄：19岁；
身份证图像：User_A.jpg；
健康数据：健康状况为健康，无重大疾病史。
用户B申请加入保险项目的结构化特征数据中包含的用户特征数据如下：
性别：男；
年龄：40岁；
身份证图像：User_B.jpg；
健康数据：健康状况为良好，有重大疾病史。
保险项目中进行用户准入审核的审核规则执行路径path具体包括下述4个审核节点：
审核节点1的审核准入条件：性别为男性或者女性；如果是，进入审核节点2；如果不是，则发出性别不符合准入条件的提醒；
审核节点2的审核准入条件：年龄小于50岁；如果是，进入审核节点3；如果不是，则发出年龄不符合准入条件的提醒；
审核节点3的审核准入条件：当前日期处于身份证的有效期限内；如果是，进入审核节点4；如果不是，则发出身份证不符合准入条件的提醒；
审核节点4的审核准入条件：健康状况为良好或者良好以上，并且无重大疾病史；如果是，则发出准入审核通过的提醒；如果不是，则发出健康状况不符合准入条件的提醒；
分别将用户A的结构化特征数据中包含的4类用户特征数据与审核规则执行路径path中包含的4个审核节点进行匹配，匹配结果为用户A通过该环节的准入审核；
类似的，分别将用户B的结构化特征数据中包含的4类用户特征数据与审核规则执行路径path中包含的4个审核节点进行匹配，匹配结果为用户B的健康状况不符合准入条件。
步骤S106，在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析。
上述步骤通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核之后，在所述用户的结构化特征数据能够匹配到所述项目的准入审核规则的情况下，即所述用户通过所述项目的准入审核规则这一环节的准入审核的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，画像分析的实质是结合所述用户的结构化特征数据进行更加深入的准入审核检测，目的是为了完善所述项目的准入审核过程，通过更加完善的准入审核过程来提升所述项目准入审核的准确性。
具体的，如果确定对所述用户进行画像分析的分析结果为所述用户的身份无误，表明用户通过画像分析这一环节的准入审核，执行后续步骤S108针对所述用户进行准入所述项目的准入处理即可；如果确定对所述用户进行画像分析的分析结果为所述用户的身份有误，表明所述用户并未通过画像分析这一环节的准入审核，则向所述用户发送画像分析失败的提醒，或者不做处理即可。
优选的，在上述步骤通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核之后，在所述用户的结构化特征数据能够匹配到所述项目的准入审核规则的情况下，即所述用户通过所述项目的准入审核规则这一环节的准入审核的情况下，通过调用所述用户的终端设备的身份验证接口对所述用户进行身份认证，若所述身份认证的结果为认证通过，则基于认证通过的终端设备采集所述实时用户图像；若所述身份认证的结果为认证未通过，则重复上述身份认证过程或者更换终端设备重新进行认证，通过对所述用户的终端设备进行认证环节，借助终端设备对申请参与所述项目的用户进行进一步的身份审核，来提升所述项目准入审核的准确度。
例如，调用用户A的智能手机p1的指纹验证接口对用户A进行指纹认证，如果用户A输入指纹经认证通过后，表明当前认证的智能手机p1属于用户A，进一步通过智能手机p1采集用户A实时的头像照片，最为用户A的实时用户图像。
本申请实施例中，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，可采用下述提供的六种优选实施方式中的任意一种实现：
第一种优选实施方式：
1)计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
2)通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行画像分析；
3)若所述图像相似度满足预设相似度阈值区间，则确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
4)若所述图像相似度不满足所述预设相似度阈值区间，则确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
上述实施方式从图像角度出发对所述用户的身份进行核验，从而在图像角度进行身份核验的方式对所述用户进行画像分析，来提升所述用户进行画像分析这一环节准入审核的准确性。
例如，针对用户A的智能手机p1采集的用户A的实时用户图像(头像照片)以及结构化特征数据中包含的用户A的身份证图像，首先计算这二者之间的图像相似度，通过判断这二者之间的图像相似度是否处于相似度阈值区间(0.8～1)来对用户A进行画像分析，可理解为从用户A自身的图像角度出发对用户A的身份进行核验；具体的，如果用户A的实时用户图像(头像照片)与身份证图像二者的图像相似度处于相似度阈值区间(0.8～1)之内，则表明用户A的身份核验通过，也即通过了从图像角度出发的画像分析这一环节的准入审核。
第二种优选实施方式：
1)计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
2)通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行图像画像分析；
3)若不满足所述预设相似度阈值区间，确定所述图像画像分析的分析结果为所述用户的身份有误，并将所述图像画像分析的分析结果作为对所述用户进行画像分析的分析结果；
4)若满足所述预设相似度阈值区间，对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
5)通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行健康状态画像分析；
6)如果一致，则将所述健康状态画像分析的第一分析结果为所述用户的身份无误，并将所述健康状态画像分析的第一分析结果作为对所述用户进行画像分析的分析结果；
7)如果不一致，则将所述健康状态画像分析的第二分析结果为所述用户的身份有误，并将所述健康状态画像分析的第二分析结果作为对所述用户进行画像分析的分析结果。
该实施方式从图像和健康状态这两个角度出发对所述用户的身份进行核验，从而在图像和健康状态这两个角度进行身份核验的方式对所述用户进行画像分析，更加明显的提升所述用户进行画像分析这一环节准入审核的准确性。
例如，其一，从图像角度出发，针对用户A的智能手机p1采集的用户A的实时用户图像(头像照片)以及结构化特征数据中包含的用户A的身份证图像，计算这二者之间的图像相似度，通过判断这二者之间的图像相似度是否处于相似度阈值区间(0.8～1)来对用户A进行图像角度的画像分析；如果用户A的实时用户图像(头像照片)与身份证图像二者的图像相似度处于相似度阈值区间(0.8～1)之内，则表明用户A从图像角度出发的第一层身份核验通过，进一步从健康状态角度出发对用户A进行第二层身份核验；
其二，从健康状态角度出发，通过将用户A的实时用户图像(头像照片)输入预先训练好的图像识别模型对用户A进行健康状态的预测，输出用户A的预测健康状态；基于此，通过检测用户A的预测健康状态与结构化特征数据中包含的用户A的健康状态是否一致，来对用户A进行健康状态角度的画像分析；如果用户A的健康状态一致，则表明用户A从健康状态角度出发的第二层身份核验通过，可见，用户A通过了从图像和健康状态这两个角度出发的画像分析这一环节的准入审核。
第三种优选实施方式：
1)对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
2)通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行一次画像分析；
3)若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述一次画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
4)若比对结果为所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
5)通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行二次画像分析；
6)若不满足，将所述二次画像分析的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份有误；
7)若满足，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行三次画像分析；
8)如果一致，则将所述三次画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份无误；
9)如果不一致，将所述三次画像分析获得的第四分析结果作为对所述用户进行画像分析的分析结果；所述第四分析结果为所述用户的身份有误。
该实施方式从年龄、图像和健康状态这三个角度出发对所述用户的身份进行核验，从而在年龄、图像和健康状态这三个角度进行身份核验的方式对所述用户进行画像分析，更加有效的提升所述用户进行画像分析这一环节准入审核的准确性。
例如，根据用户A的智能手机p1采集的用户A的实时用户图像(头像照片)，通过将用户A的实时用户图像(头像照片)输入预先训练好的图像识别模型对用户A进行年龄和健康状态的预测，输出用户A的预测年龄和预测健康状态；
首先，从年龄角度出发，通过比较用户A的预测年龄与结构化特征数据中包含的年龄的方式对用户A进行年龄角度的画像分析；如果用户A的预测年龄与结构化特征数据中包含的年龄的差距较大，则表明用户A在结构化特征数据中提交的年龄可能有误，发出相应提醒即可；如果用户A的预测年龄与结构化特征数据中包含的年龄的差距较小，则表明用户A从年龄角度出发的第一层身份核验通过，进一步从图像角度出发对用户A进行第二层身份核验；
其次，从图像角度出发，针对用户A的智能手机p1采集的用户A的实时用户图像(头像照片)以及结构化特征数据中包含的用户A的身份证图像，计算这二者之间的图像相似度，通过判断这二者之间的图像相似度是否处于相似度阈值区间(0.8～1)来对用户A进行图像角度的画像分析；如果用户A的实时用户图像(头像照片)与身份证图像二者的图像相似度处于相似度阈值区间(0.8～1)之内，则表明用户A从图像角度出发的第二层身份核验通过，进一步从健康状态角度出发对用户A进行第三层身份核验；
最后，从健康状态角度出发，通过检测用户A的预测健康状态与结构化特征数据中包含的用户A的健康状态是否一致，来对用户A进行健康状态角度的画像分析；如果用户A的健康状态一致，则表明用户A从健康状态角度出发的第三层身份核验通过；综上可见，用户A通过了从年龄、图像和健康状态这三个角度出发的画像分析这一环节的准入审核。
第四种优选实施方式：
1)对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
2)通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行第一画像分析；
3)若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述第一画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
4)若比对结果中所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行第二画像分析；
5)如果一致，将所述第二画像分析获得的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份无误；
6)如果不一致，将所述第二画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份有误。
该实施方式从年龄和健康状态这两个角度出发对所述用户的身份进行核验，从而在年龄和健康状态这两个角度进行身份核验的方式对所述用户进行画像分析，更加明显的提升所述用户进行画像分析这一环节准入审核的准确性。
第五种优选实施方式：
1)对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄；
2)通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行画像分析；
3)若比对结果为所述预测年龄与所述年龄的差值小于预设年龄阈值区间，则确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
4)若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，则确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
该实施方式从年龄角度出发对所述用户的身份进行核验，从而在年龄角度进行身份核验的方式对所述用户进行画像分析，来提升所述用户进行画像分析这一环节准入审核的准确性。
第六种优选实施方式：
1)对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
2)通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行画像分析；
3)如果一致，则确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
4)如果不一致，则确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
该实施方式，从健康状态角度出发对所述用户的身份进行核验，从而在健康状态角度进行身份核验的方式对所述用户进行画像分析，来提升所述用户进行画像分析这一环节准入审核的准确性。
步骤S108，若所述画像分析的分析结果为所述用户的身份无误，则针对所述用户进行准入所述项目的准入处理。
本步骤得以实施的前提是上述步骤S106基于所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析的分析结果为所述用户的身份无误，或者上述步骤S106提供的6种优选实施方式任意一种执行过程中对所述用户进行画像分析的分析结果为所述用户的身份无误。以保险项目为例，针对用户进行准入保险项目的准入处理，具体是指将用户作为保险项目的成员，并生成该用户的相应保单。
综上所述，本申请提供的项目准入审核方法，在用户申请参与项目的过程中，首先从用户的结构化特征数据出发对用户进行初步的项目准入审核，在用户通过初步的项目准入审核的基础上，进一步结合用户的实时用户图像与结构化特征数据对用户进行画像分析环节，通过画像分析对用户进行更深层次的身份核验，从而来提升准入审核的准确性。
本申请提供的一种项目准入审核装置实施例如下：
在上述的实施例中，提供了一种项目准入审核方法，与之相对应的，本申请还提供了一种项目准入审核装置，下面结合附图进行说明。
参照附图2，其示出了本申请提供的一种项目准入审核装置实施例的示意图。
由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。
本申请提供一种项目准入审核装置，包括：
特征数据获取模块202，被配置为获取申请参与项目的用户的结构化特征数据；
准入审核模块204，被配置为通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
画像分析模块206，被配置为在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
准入处理模块208，被配置为在所述画像分析的分析结果为所述用户的身份无误的情况下，针对所述用户进行准入所述项目的准入处理。
可选的，所述项目准入审核装置，还包括：
项目参与申请获取模块，被配置为获取所述用户提交的申请参与所述项目的项目参与申请；
结构化列表返回模块，被配置为基于所述项目参与申请向所述用户返回所述项目的准入审核所需用户特征数据的结构化列表；
相应的，所述特征数据获取模块202，具体被配置为读取所述结构化列表中的用户特征数据作为所述用户申请参与所述项目的所述结构化特征数据。
可选的，所述准入审核模块204，具体被配置为根据所述结构化特征数据中包含的用户特征数据与所述准入审核规则中包含的审核规则执行路径的对应关系，将所述结构化特征数据中包含的用户特征数据输入对应的审核规则执行路径进行执行，并将所述审核规则执行路径的执行结果作为所述准入审核的审核结果；
其中，所述审核规则执行路径由至少一个审核节点构成，将所述用户特征数据输入对应的审核规则执行路径进行执行的过程中，每执行到一个审核节点，将对应的用户特征数据与该审核节点的审核准入条件进行匹配，并根据匹配结果执行未进行审核准入判断的审核节点。
可选的，所述项目准入审核装置，还包括：
身份认证模块，被配置为通过调用所述用户的终端设备的身份验证接口对所述用户进行身份认证；
实时用户图像采集模块，被配置为在所述身份认证的结果为认证通过的情况下，基于认证通过的终端设备采集所述实时用户图像。
可选的，所述画像分析模块206，包括：
计算子模块，被配置为计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
判断子模块，被配置为通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行画像分析；若满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；若不满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述画像分析模块206，包括：
相似度计算子模块，被配置为计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
画像分析子模块，被配置为通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行图像画像分析；
若不满足所述预设相似度阈值区间，运行图像画像分析子模块；所述图像画像分析子模块，被配置为确定所述图像画像分析的分析结果为所述用户的身份有误，并将所述图像画像分析的分析结果作为对所述用户进行画像分析的分析结果；
若满足所述预设相似度阈值区间，运行图像识别子模块；所述图像识别子模块，被配置为对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
健康状态画像分析子模块，被配置为通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行健康状态画像分析；如果一致，将所述健康状态画像分析的第一分析结果为所述用户的身份无误，并将所述健康状态画像分析的第一分析结果作为对所述用户进行画像分析的分析结果；如果不一致，将所述健康状态画像分析的第二分析结果为所述用户的身份有误，并将所述健康状态画像分析的第二分析结果作为对所述用户进行画像分析的分析结果。
可选的，所述画像分析模块206，包括：
图像人物识别子模块，被配置为对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
一次画像分析子模块，被配置为通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行一次画像分析；若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述一次画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果为所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，运行图像相似度计算子模块；所述图像相似度计算子模块，被配置为计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
二次画像分析子模块，被配置为通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行二次画像分析；若不满足，将所述二次画像分析的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份有误；
若满足，运行三次画像分析子模块；所述三次画像分析子模块，被配置为通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行三次画像分析；如果一致，将所述三次画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份无误；如果不一致，将所述三次画像分析获得的第四分析结果作为对所述用户进行画像分析的分析结果；所述第四分析结果为所述用户的身份有误。
可选的，所述画像分析模块206，包括：
识别子模块，被配置为对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
第一画像分析子模块，被配置为通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行第一画像分析；若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述第一画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果中所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，运行第二画像分析子模块；
所述第二画像分析子模块，被配置为通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行第二画像分析；如果一致，将所述第二画像分析获得的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份无误；如果不一致，将所述第二画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份有误。
可选的，所述画像分析模块206，包括：
预测年龄确定子模块，被配置为对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄；
年龄画像分析子模块，被配置为通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行画像分析；若比对结果为所述预测年龄与所述年龄的差值小于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述画像分析模块206，包括：
健康状态确定子模块，被配置为对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
健康状态画像分析子模块，被配置为通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行画像分析；如果一致，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；如果不一致，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述结构化特征数据中包含下述至少一项：
用户类型、性别、年龄、身份证图像、职业信息、出生地、工作地、联系方式、健康数据、疾病数据、国籍。
本申请提供的一种计算设备实施例如下：
图3是示出了根据本说明书一实施例的计算设备300的结构框图。该计算设备300的部件包括但不限于存储器310和处理器320。处理器320与存储器310通过总线330相连接，数据库350用于保存数据。
计算设备300还包括接入设备340，接入设备340使得计算设备400能够经由一个或多个网络360通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备340可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。
在本说明书的一个实施例中，计算设备300的上述部件以及图3中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图3所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备300可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备300还可以是移动式或静止式的服务器。
本申请提供一种计算设备，包括存储器310、处理器320及存储在存储器上并可在处理器上运行的计算机指令，所述处理器320用于执行如下计算机可执行指令：
获取申请参与项目的用户的结构化特征数据；
通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
若所述画像分析的分析结果为所述用户的身份无误，针对所述用户进行准入所述项目的准入处理。
可选的，所述获取申请参与项目的用户的结构化特征数据指令执行之前，所述处理器320还用于执行如下计算机可执行指令：
获取所述用户提交的申请参与所述项目的项目参与申请；
基于所述项目参与申请向所述用户返回所述项目的准入审核所需用户特征数据的结构化列表；
相应的，所述获取申请参与项目的用户的结构化特征数据，包括：
读取所述结构化列表中的用户特征数据作为所述用户申请参与所述项目的所述结构化特征数据。
可选的，所述通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核，包括：
根据所述结构化特征数据中包含的用户特征数据与所述准入审核规则中包含的审核规则执行路径的对应关系，将所述结构化特征数据中包含的用户特征数据输入对应的审核规则执行路径进行执行，并将所述审核规则执行路径的执行结果作为所述准入审核的审核结果；
其中，所述审核规则执行路径由至少一个审核节点构成，将所述用户特征数据输入对应的审核规则执行路径进行执行的过程中，每执行到一个审核节点，将对应的用户特征数据与该审核节点的审核准入条件进行匹配，并根据匹配结果执行未进行审核准入判断的审核节点。
可选的，所述通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核指令执行之后，所述在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析指令执行之前，所述处理器320还用于执行如下计算机可执行指令：
通过调用所述用户的终端设备的身份验证接口对所述用户进行身份认证；
若所述身份认证的结果为认证通过，基于认证通过的终端设备采集所述实时用户图像。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行画像分析；
若满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
若不满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行图像画像分析；
若不满足所述预设相似度阈值区间，确定所述图像画像分析的分析结果为所述用户的身份有误，并将所述图像画像分析的分析结果作为对所述用户进行画像分析的分析结果；
若满足所述预设相似度阈值区间，对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行健康状态画像分析；
如果一致，将所述健康状态画像分析的第一分析结果为所述用户的身份无误，并将所述健康状态画像分析的第一分析结果作为对所述用户进行画像分析的分析结果；
如果不一致，将所述健康状态画像分析的第二分析结果为所述用户的身份有误，并将所述健康状态画像分析的第二分析结果作为对所述用户进行画像分析的分析结果。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行一次画像分析；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述一次画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果为所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行二次画像分析；
若不满足，将所述二次画像分析的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份有误；
若满足，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行三次画像分析；
如果一致，将所述三次画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份无误；
如果不一致，将所述三次画像分析获得的第四分析结果作为对所述用户进行画像分析的分析结果；所述第四分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行第一画像分析；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述第一画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果中所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行第二画像分析；
如果一致，将所述第二画像分析获得的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份无误；
如果不一致，将所述第二画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行画像分析；
若比对结果为所述预测年龄与所述年龄的差值小于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行画像分析；
如果一致，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
如果不一致，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述结构化特征数据中包含下述至少一项：
用户类型、性别、年龄、身份证图像、职业信息、出生地、工作地、联系方式、健康数据、疾病数据、国籍。
本申请提供的一种计算机可读存储介质实施例如下：
本申请一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该指令被处理器执行时以用于：
获取申请参与项目的用户的结构化特征数据；
通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
若所述画像分析的分析结果为所述用户的身份无误，针对所述用户进行准入所述项目的准入处理。
可选的，所述获取申请参与项目的用户的结构化特征数据步骤执行之前，包括：
获取所述用户提交的申请参与所述项目的项目参与申请；
基于所述项目参与申请向所述用户返回所述项目的准入审核所需用户特征数据的结构化列表；
相应的，所述获取申请参与项目的用户的结构化特征数据，包括：
读取所述结构化列表中的用户特征数据作为所述用户申请参与所述项目的所述结构化特征数据。
可选的，所述通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核，包括：
根据所述结构化特征数据中包含的用户特征数据与所述准入审核规则中包含的审核规则执行路径的对应关系，将所述结构化特征数据中包含的用户特征数据输入对应的审核规则执行路径进行执行，并将所述审核规则执行路径的执行结果作为所述准入审核的审核结果；
其中，所述审核规则执行路径由至少一个审核节点构成，将所述用户特征数据输入对应的审核规则执行路径进行执行的过程中，每执行到一个审核节点，将对应的用户特征数据与该审核节点的审核准入条件进行匹配，并根据匹配结果执行未进行审核准入判断的审核节点。
可选的，所述通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核步骤执行之后，所述在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析步骤执行之前，包括：
通过调用所述用户的终端设备的身份验证接口对所述用户进行身份认证；
若所述身份认证的结果为认证通过，基于认证通过的终端设备采集所述实时用户图像。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行画像分析；
若满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
若不满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行图像画像分析；
若不满足所述预设相似度阈值区间，确定所述图像画像分析的分析结果为所述用户的身份有误，并将所述图像画像分析的分析结果作为对所述用户进行画像分析的分析结果；
若满足所述预设相似度阈值区间，对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行健康状态画像分析；
如果一致，将所述健康状态画像分析的第一分析结果为所述用户的身份无误，并将所述健康状态画像分析的第一分析结果作为对所述用户进行画像分析的分析结果；
如果不一致，将所述健康状态画像分析的第二分析结果为所述用户的身份有误，并将所述健康状态画像分析的第二分析结果作为对所述用户进行画像分析的分析结果。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行一次画像分析；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述一次画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果为所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行二次画像分析；
若不满足，将所述二次画像分析的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份有误；
若满足，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行三次画像分析；
如果一致，将所述三次画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份无误；
如果不一致，将所述三次画像分析获得的第四分析结果作为对所述用户进行画像分析的分析结果；所述第四分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行第一画像分析；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述第一画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果中所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行第二画像分析；
如果一致，将所述第二画像分析获得的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份无误；
如果不一致，将所述第二画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行画像分析；
若比对结果为所述预测年龄与所述年龄的差值小于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行画像分析；
如果一致，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
如果不一致，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
可选的，所述结构化特征数据中包含下述至少一项：
用户类型、性别、年龄、身份证图像、职业信息、出生地、工作地、联系方式、健康数据、疾病数据、国籍。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的项目准入审核方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述项目准入审核方法的技术方案的描述。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本申请的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。
Claims (17)
1.一种项目准入审核方法，其特征在于，包括：
获取申请参与项目的用户的结构化特征数据；
通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
若所述画像分析的分析结果为所述用户的身份无误，针对所述用户进行准入所述项目的准入处理。
2.根据权利要求1所述的项目准入审核方法，其特征在于，所述获取申请参与项目的用户的结构化特征数据步骤执行之前，包括：
获取所述用户提交的申请参与所述项目的项目参与申请；
基于所述项目参与申请向所述用户返回所述项目的准入审核所需用户特征数据的结构化列表；
相应的，所述获取申请参与项目的用户的结构化特征数据，包括：
读取所述结构化列表中的用户特征数据作为所述用户申请参与所述项目的所述结构化特征数据。
3.根据权利要求2所述的项目准入审核方法，其特征在于，所述通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核，包括：
根据所述结构化特征数据中包含的用户特征数据与所述准入审核规则中包含的审核规则执行路径的对应关系，将所述结构化特征数据中包含的用户特征数据输入对应的审核规则执行路径进行执行，并将所述审核规则执行路径的执行结果作为所述准入审核的审核结果；
其中，所述审核规则执行路径由至少一个审核节点构成，将所述用户特征数据输入对应的审核规则执行路径进行执行的过程中，每执行到一个审核节点，将对应的用户特征数据与该审核节点的审核准入条件进行匹配，并根据匹配结果执行未进行审核准入判断的审核节点。
4.根据权利要求1所述的项目准入审核方法，其特征在于，所述通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核步骤执行之后，所述在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析步骤执行之前，包括：
通过调用所述用户的终端设备的身份验证接口对所述用户进行身份认证；
若所述身份认证的结果为认证通过，基于认证通过的终端设备采集所述实时用户图像。
5.根据权利要求1所述的项目准入审核方法，其特征在于，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行画像分析；
若满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
若不满足所述预设相似度阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
6.根据权利要求1所述的项目准入审核方法，其特征在于，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行图像画像分析；
若不满足所述预设相似度阈值区间，确定所述图像画像分析的分析结果为所述用户的身份有误，并将所述图像画像分析的分析结果作为对所述用户进行画像分析的分析结果；
若满足所述预设相似度阈值区间，对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行健康状态画像分析；
如果一致，将所述健康状态画像分析的第一分析结果为所述用户的身份无误，并将所述健康状态画像分析的第一分析结果作为对所述用户进行画像分析的分析结果；
如果不一致，将所述健康状态画像分析的第二分析结果为所述用户的身份有误，并将所述健康状态画像分析的第二分析结果作为对所述用户进行画像分析的分析结果。
7.根据权利要求1所述的项目准入审核方法，其特征在于，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行一次画像分析；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述一次画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果为所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，计算所述实时用户图像与所述结构化特征数据中包含的身份证图像二者图像相似度；
通过判断所述图像相似度是否满足预设相似度阈值区间的方式对所述用户进行二次画像分析；
若不满足，将所述二次画像分析的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份有误；
若满足，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行三次画像分析；
如果一致，将所述三次画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份无误；
如果不一致，将所述三次画像分析获得的第四分析结果作为对所述用户进行画像分析的分析结果；所述第四分析结果为所述用户的身份有误。
8.根据权利要求1所述的项目准入审核方法，其特征在于，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄和预测健康状态；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行第一画像分析；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，将所述第一画像分析获得的第一分析结果作为对所述用户进行画像分析的分析结果；所述第一分析结果为所述用户的身份有误；
若比对结果中所述预测年龄与所述年龄的差值小于所述预设年龄阈值区间，通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行第二画像分析；
如果一致，将所述第二画像分析获得的第二分析结果作为对所述用户进行画像分析的分析结果；所述第二分析结果为所述用户的身份无误；
如果不一致，将所述第二画像分析获得的第三分析结果作为对所述用户进行画像分析的分析结果；所述第三分析结果为所述用户的身份有误。
9.根据权利要求1所述的项目准入审核方法，其特征在于，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测年龄；
通过将所述预测年龄与所述结构化特征数据中包含的年龄二者进行比对的方式对所述用户进行画像分析；
若比对结果为所述预测年龄与所述年龄的差值小于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
若比对结果为所述预测年龄与所述年龄的差值大于或者等于预设年龄阈值区间，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
10.根据权利要求1所述的项目准入审核方法，其特征在于，所述基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析，包括：
对所述实时用户图像中包含的图像人物进行图像识别，获得所述图像人物的预测健康状态；
通过检测所述预测健康状态与所述结构化特征数据中包含的健康状态是否一致的方式对所述用户进行画像分析；
如果一致，确定对所述用户进行画像分析的分析结果为所述用户的身份无误；
如果不一致，确定对所述用户进行画像分析的分析结果为所述用户的身份有误。
11.根据权利要求1至10任意一项所述的项目准入审核方法，其特征在于，所述结构化特征数据中包含下述至少一项：
用户类型、性别、年龄、身份证图像、职业信息、出生地、工作地、联系方式、健康数据、疾病数据、国籍。
12.一种项目准入审核装置，其特征在于，包括：
特征数据获取模块，被配置为获取申请参与项目的用户的结构化特征数据；
准入审核模块，被配置为通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
画像分析模块，被配置为在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
准入处理模块，被配置为在所述画像分析的分析结果为所述用户的身份无误的情况下，针对所述用户进行准入所述项目的准入处理。
13.根据权利要求12所述的项目准入审核装置，其特征在于，包括：
项目参与申请获取模块，被配置为获取所述用户提交的申请参与所述项目的项目参与申请；
结构化列表返回模块，被配置为基于所述项目参与申请向所述用户返回所述项目的准入审核所需用户特征数据的结构化列表；
相应的，所述特征数据获取模块，具体被配置为读取所述结构化列表中的用户特征数据作为所述用户申请参与所述项目的所述结构化特征数据。
14.根据权利要求13所述的项目准入审核装置，其特征在于，所述准入审核模块，具体被配置为根据所述结构化特征数据中包含的用户特征数据与所述准入审核规则中包含的审核规则执行路径的对应关系，将所述结构化特征数据中包含的用户特征数据输入对应的审核规则执行路径进行执行，并将所述审核规则执行路径的执行结果作为所述准入审核的审核结果；
其中，所述审核规则执行路径由至少一个审核节点构成，将所述用户特征数据输入对应的审核规则执行路径进行执行的过程中，每执行到一个审核节点，将对应的用户特征数据与该审核节点的审核准入条件进行匹配，并根据匹配结果执行未进行审核准入判断的审核节点。
15.根据权利要求12所述的项目准入审核装置，其特征在于，包括：
身份认证模块，被配置为通过调用所述用户的终端设备的身份验证接口对所述用户进行身份认证；
实时用户图像采集模块，被配置为在所述身份认证的结果为认证通过的情况下，基于认证通过的终端设备采集所述实时用户图像。
16.一种计算设备，其特征在于，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令：
获取申请参与项目的用户的结构化特征数据；
通过将所述结构化特征数据与所述项目的准入审核规则进行匹配的方式，对所述用户进行所述项目的准入审核；
在所述准入审核通过的情况下，基于所述用户的终端设备采集的所述用户的实时用户图像和所述结构化特征数据对所述用户进行画像分析；
若所述画像分析的分析结果为所述用户的身份无误，针对所述用户进行准入所述项目的准入处理。
17.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该指令被处理器执行时实现权利要求1至11任意一项所述项目准入审核方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910289653.9A CN110175624B (zh) | 2019-04-11 | 2019-04-11 | 项目准入审核方法以及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910289653.9A CN110175624B (zh) | 2019-04-11 | 2019-04-11 | 项目准入审核方法以及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110175624A CN110175624A (zh) | 2019-08-27 |
| CN110175624B true CN110175624B (zh) | 2023-01-10 |
Family
ID=67689595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910289653.9A Active CN110175624B (zh) | 2019-04-11 | 2019-04-11 | 项目准入审核方法以及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110175624B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107085666A (zh) * | 2017-05-24 | 2017-08-22 | 山东大学 | 疾病风险评估与个性化健康报告生成系统及方法 |
| CN108198591A (zh) * | 2017-12-28 | 2018-06-22 | 泰康保险集团股份有限公司 | 用于远程审核单据的方法与装置 |
| CN108256809A (zh) * | 2016-12-28 | 2018-07-06 | 平安科技（深圳）有限公司 | 一种附加险的投保请求审核方法和装置 |
| CN108288080A (zh) * | 2017-12-01 | 2018-07-17 | 国政通科技股份有限公司 | 身份信息核验方法、装置、介质及计算设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160171617A1 (en) * | 2014-12-15 | 2016-06-16 | International Business Machines Corporation | Generating real-time insurance alerts from a mobile device |
-
2019
- 2019-04-11 CN CN201910289653.9A patent/CN110175624B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108256809A (zh) * | 2016-12-28 | 2018-07-06 | 平安科技（深圳）有限公司 | 一种附加险的投保请求审核方法和装置 |
| CN107085666A (zh) * | 2017-05-24 | 2017-08-22 | 山东大学 | 疾病风险评估与个性化健康报告生成系统及方法 |
| CN108288080A (zh) * | 2017-12-01 | 2018-07-17 | 国政通科技股份有限公司 | 身份信息核验方法、装置、介质及计算设备 |
| CN108198591A (zh) * | 2017-12-28 | 2018-06-22 | 泰康保险集团股份有限公司 | 用于远程审核单据的方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110175624A (zh) | 2019-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2020140665A1 (zh) | 双录视频质量检测方法、装置、计算机设备和存储介质 | |
| Grother et al. | Performance of iris recognition algorithms on standard images | |
| CN110276067B (zh) | 文本意图确定方法以及装置 | |
| CN110705528B (zh) | 身份编码方法及装置、豢养物身份编码方法及装置 | |
| CN111652749B (zh) | 信息核查方法以及装置 | |
| CN110276520B (zh) | 项目案件筛选方法以及装置 | |
| CN111782550B (zh) | 基于用户隐私保护训练指标预测模型的方法及装置 | |
| CN109784848B (zh) | 酒店订单处理方法和相关产品 | |
| US20220270396A1 (en) | Palm print recognition method, method for training feature extraction model, device, and medium | |
| CN111339897B (zh) | 活体识别方法、装置、计算机设备和存储介质 | |
| US10997609B1 (en) | Biometric based user identity verification | |
| CN112330035A (zh) | 风险预测模型的训练方法及装置 | |
| CN111815169A (zh) | 业务审批参数配置方法及装置 | |
| CN110796054A (zh) | 证件验真方法及装置 | |
| CN111292060A (zh) | 信息处理方法及装置 | |
| CN110738503B (zh) | 身份验证方法以及装置 | |
| CN112634017A (zh) | 远程开卡激活方法、装置、电子设备及计算机存储介质 | |
| CN111241873A (zh) | 图像翻拍检测方法及其模型的训练方法、支付方法及装置 | |
| CN110175624B (zh) | 项目准入审核方法以及装置 | |
| CN110992155A (zh) | 竞标入围处理方法及相关产品 | |
| CN113743129B (zh) | 基于神经网络的信息推送方法、系统、设备及介质 | |
| CN112418189B (zh) | 戴口罩人脸识别方法、装置、设备以及存储介质 | |
| CN110163761B (zh) | 基于图像处理的可疑项目成员识别方法及装置 | |
| CN114970670A (zh) | 模型公平性评估方法及装置 | |
| CN114373213A (zh) | 基于人脸识别的未成年人身份识别方法及装置 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200929 Address after: 27 Hospital Road, George Town, Grand Cayman ky1-9008 Applicant after: Innovative advanced technology Co.,Ltd. Address before: 27 Hospital Road, George Town, Grand Cayman ky1-9008 Applicant before: Advanced innovation technology Co.,Ltd. Effective date of registration: 20200929 Address after: 27 Hospital Road, George Town, Grand Cayman ky1-9008 Applicant after: Advanced innovation technology Co.,Ltd. Address before: A four-storey 847 mailbox in Grand Cayman Capital Building, British Cayman Islands Applicant before: Alibaba Group Holding Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |