CN112598068B - 一种贷款用途的验证方法、装置及设备 - Google Patents
一种贷款用途的验证方法、装置及设备 Download PDFInfo
- Publication number
- CN112598068B CN112598068B CN202011569153.XA CN202011569153A CN112598068B CN 112598068 B CN112598068 B CN 112598068B CN 202011569153 A CN202011569153 A CN 202011569153A CN 112598068 B CN112598068 B CN 112598068B
- Authority
- CN
- China
- Prior art keywords
- verified
- images
- user
- loan application
- similarity
- 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
- 238000012795 verification Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 5
- 238000005034 decoration Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种贷款用途的验证方法、装置及设备，能够利用深度学习的方式对待验证图像的相似度以及图像中物体和场景进行识别，用以准确验证出用户的贷款用途。该方法包括：首先按照预设周期获取用户贷款用途所属场景的N幅待验证图像；其中，N为大于0的正整数，然后，计算相邻周期中待验证图像的相似度，并对N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景，接着，判断待验证图像的相似度是否位于预设相似度阈值范围，以及判断待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求，若是，则确定用户贷款用途验证成功。
Description
技术领域
本申请涉及数据处理技术领域，尤其涉及一种贷款用途的验证方法、装置及设备。
背景技术
目前随着商业银行数字化转型的推进，互联网和移动端成为公众开展金融业务的优选平台。客户在手机终端及智能柜台终端上就可以进行贷款业务的便捷办理。但在个人消费贷款、信用卡分期等消费金融产品中，对贷款用途有明确的规定，符合规定的正常贷款用途可以包括教育贷款、个人住房装修贷款、个人耐用消费品贷款、旅游贷款等。若借款人不按照规定使用贷款，发生贷款挪用现象，将会带来较高的还款风险。因此，为了降低坏账率，对用户的贷款用途进行准确验证就显得尤为重要。
目前，对于贷款用途的验证通常采用的是人工验证的方式，即，需要银行的客户经理上门对贷款人的贷款实际用途进行人工确认，并拍摄存留视频和照片。但这种人工验证的方式，主观性强、难以量化，不仅验证效率低，而且还需要花费大量的人力资源。并且，还会存在以下两个问题：一是部分场景需要一定的专业知识进行判断，若客户经理的个人能力不足，将可能导致漏判情况的发生；二是存在客户经理与贷款人共同伪造图像或视频的操作风险。
发明内容
本申请实施例的主要目的在于提供一种贷款用途的验证方法、装置及设备，能够更加快速且准确地验证出贷款人的贷款实际用途是否与银行记录的贷款用途相符。
第一方面，本申请实施例提供了一种贷款用途的验证方法，包括：
按照预设周期获取用户贷款用途所属场景的N幅待验证图像；所述N为大于0的正整数；
计算相邻周期所述待验证图像的相似度；
对所述N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景；
判断所述待验证图像的相似度是否位于预设相似度阈值范围，以及判断所述待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求；
若是，则确定所述用户贷款用途验证成功。
可选的，所述N为5；所述按照预设周期获取用户贷款用途所属场景的N幅待验证图像，包括：
按照预设周期获取用户贷款用途所属场景的5幅不同拍摄角度的待验证图像；
其中，相邻周期获取的待验证图像为同一拍摄角度，且每一周期获取的5幅待验证图像中至少有一幅待验证图像包含了所述用户与所述贷款用途涉及场景的同框。
可选的，所述计算相邻周期所述待验证图像的相似度，包括：
利用孪生神经网络计算相邻周期中属于同一拍摄角度的所述待验证图像的相似度。
可选的，所述方法还包括：
利用人工对所述用户贷款用途进行验证，得到人工验证结果；
则在所述判断所述待验证图像的相似度是否位于预设相似度阈值范围，以及判断所述待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求之后，还包括：
结合所述人工验证结果，对所述用户贷款用途进行验证，得到最终验证结果。
第二方面，本申请实施例还提供了一种贷款用途的验证装置，包括：
获取单元，用于按照预设周期获取用户贷款用途所属场景的N幅待验证图像；所述N为大于0的正整数；
计算单元，用于计算相邻周期所述待验证图像的相似度；
识别单元，用于对所述N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景；
判断单元，用于判断所述待验证图像的相似度是否位于预设相似度阈值范围，以及判断所述待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求；
确定单元，用于若判断出所述待验证图像的相似度位于预设相似度阈值范围，以及判断出所述待验证图像中包含的物体和场景符合所述用户贷款用途的要求，则确定所述用户贷款用途验证成功。
可选的，所述N为5；所述获取单元具体用于：
按照预设周期获取用户贷款用途所属场景的5幅不同拍摄角度的待验证图像；
其中，相邻周期获取的待验证图像为同一拍摄角度，且每一周期获取的5幅待验证图像中至少有一幅待验证图像包含了所述用户与所述贷款用途涉及场景的同框。
可选的，所述计算单元具体用于：
利用孪生神经网络计算相邻周期中属于同一拍摄角度的所述待验证图像的相似度。
可选的，所述装置还包括：
验证单元，用于利用人工对所述用户贷款用途进行验证，得到人工验证结果；
获得单元，用于结合所述人工验证结果，对所述用户贷款用途进行验证，得到最终验证结果。
本申请实施例还提供了一种贷款用途的验证设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述贷款用途的验证方法中的任意一种实现方式。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述贷款用途的验证方法中的任意一种实现方式。
本申请实施例提供的一种贷款用途的验证方法、装置及设备，首先按照预设周期获取用户贷款用途所属场景的N幅待验证图像；其中，N为大于0的正整数，然后，计算相邻周期中待验证图像的相似度，并对N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景，接着，判断待验证图像的相似度是否位于预设相似度阈值范围，以及判断待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求，若是，则确定用户贷款用途验证成功。可见，本申请实施例是利用深度学习的方式对待验证图像的相似度以及图像中物体和场景进行识别，用以验证用户的贷款用途，相比于人工验证的方式，可以实现快速且准确地验证出用户的贷款实际用途是否与银行记录的贷款用途相符，且验证结果消除了人工验证的主观性带来的影响，验证准确率和安全性更高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种贷款用途的验证方法的流程示意图；
图2为本申请实施例提供的一种贷款用途的验证装置的组成示意图。
具体实施方式
目前在个人消费贷款、信用卡分期等消费金融产品中，对于产品使用中的用途的判断，依赖于客户经理的判断。但客户经理判断受主观理解及专业知识范围限制，易出现误差；不能避免客户经理与借款人处于利益共同伪造图像。验证结果不够准确。
为解决上述缺陷，本申请实施例提供了一种贷款用途的验证方法，首先按照预设周期获取用户贷款用途所属场景的N幅待验证图像；其中，N为大于0的正整数，然后，计算相邻周期中待验证图像的相似度，并对N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景，接着，判断待验证图像的相似度是否位于预设相似度阈值范围，以及判断待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求，若是，则确定用户贷款用途验证成功。可见，本申请实施例是利用深度学习的方式对待验证图像的相似度以及图像中物体和场景进行识别，用以验证用户的贷款用途，相比于人工验证的方式，可以实现快速且准确地验证出用户的贷款实际用途是否与银行记录的贷款用途相符，且验证结果消除了人工验证的主观性带来的影响，验证准确率和安全性更高。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
第一实施例
参见图1，为本实施例提供的一种贷款用途的验证方法的流程示意图，该方法包括以下步骤：
S101：按照预设周期获取用户贷款用途所属场景的N幅待验证图像；其中，N为大于0的正整数。
需要说明的是，由于个人消费贷款、信用卡分期等金融产品逐步推广，智能风控系统一般通过分析借款人的动帐情况监控风险，但银行能够获取的消费和转账记录有限，且小额资产不易被追溯，使用过程中的贷款挪用现象很难被发现和避免。因此，为了降低坏账率，对用户的贷款用途进行准确验证就显得尤为重要。
在本实施例中，为了能够更加快速且准确地验证出贷款人的贷款实际用途是否与银行记录的贷款用途相符，首先需要按照预设周期获取用户贷款用途所属场景的N幅待验证图像，用以执行后续步骤S102-S105。其中，N为大于0的正整数，
一种可选的实现方式是，N为5，则本步骤S101的实现过程具体包括：按照预设周期获取用户贷款用途所属场景的5幅不同拍摄角度的待验证图像。其中，相邻周期获取的待验证图像为同一拍摄角度，且每一周期获取的5幅待验证图像中至少有一幅待验证图像包含了所述用户与所述贷款用途涉及场景的同框。
具体来讲，在本实现方式中，在个人消费贷款、信用卡分期等消费金融产品服务的周期中，可以按照预设周期(如每隔7天)针对贷款用途涉及的实际场景进行图像或视频形式的数据采集。对于位置固定的场景(如装修等)，可以采用客户经理亲自上门采集的方式；对于位置会发生变化的场景(如旅游)，可由用户(即借款人)采集图像后发送给客户经理或上传到对应的银行数据采集系统。优选的，每一周期可以获取用户贷款用途所属场景的5幅不同拍摄角度的待验证图像，且这些待验证图像满足如下要求：
(1)每一周期至少进行5张不同角度的待验证图像的采集。
(2)当前周期采集的待验证图像的拍摄角度与上一周期采集的待验证图像的拍摄角度一致，即，相邻周期获取的待验证图像为同一拍摄角度。
(3)每一周期获取的5幅待验证图像中至少有一张图像中用户(即借款人)与贷款用途涉及场景同框。例如，在装修场景下，用户(即借款人)与房屋同框；在旅游场景下，用户(即借款人)与景点同框；在汽车贷款场景下，用户(即借款人)与汽车同框等。
S102：计算相邻周期待验证图像的相似度。
在本实施例中，通过步骤S101按照预设周期获取到用户贷款用途所属场景的N幅待验证图像后，进一步可以计算出相邻周期获取的待验证图像的相似度，用以执行后续步骤S104。其中，图像相似度指的是对于两幅图像之间内容的相似程度进行打分，并根据分数的高低来判断图像内容的相近程度。
一种可选的实现方式是，可以利用利用孪生神经网络计算相邻周期中属于同一角度拍摄的所述待验证图像的相似度。
具体来讲，在本实现方式中，可以将相邻周期获取到的属于同一拍摄角度的待验证图像输入孪生神经网络(Siamese neural network)，以输出图像的相似度，用以执行后续步骤S104。该相似度的取值范围为0到1，越接近0，说明两张待验证图像差异越大；越接近1，则说明两张待验证图像越相似。相似度过小，说明存在两个不同地点拍照的嫌疑；相似度过高，则说明存在间隔收集的照片实际是在同一天拍摄的风险。
S103：对N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景。
在本实施例中，通过步骤S101按照预设周期获取到用户贷款用途所属场景的N幅待验证图像后，进一步可以对这N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景，用以执行后续步骤S104。
具体来讲，可以使用基于深度神经网络的目标检测框架YOLO，进行图像中的物体检测与识别，如是否包含汽车；使用ResNet(即基于卷积神经网络(Convolutional NeuralNetworks，简称CNN)的特征提取网络)和语义分割网络，识别出这N幅待验证图像包含的物体和场景。
S104：判断待验证图像的相似度是否位于预设相似度阈值范围，以及判断待验证图像中包含的物体和场景是否符合用户贷款用途的要求。
在本实施例中，通过步骤S102计算出相邻周期所述待验证图像的相似度，以及通过步骤S103识别出待验证图像中包含的物体和场景后，进一步可以判断待验证图像的相似度是否位于预设相似度阈值范围，以及判断待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求，若是，则执行后续步骤S105，如否，则认为用户贷款用途验证失败。
具体来讲，预设相似度阈值范围指的是选择通过相似度判断的阈值范围，是根据实际场景来确定的，对于较为固定的场景，如汽车贷款，预设相似度阈值为[0.7,0.9]；对于有变动的场景，如装修，预设相似度阈值为[0.3,0.7]；对于变动较大的场景，如旅游，建预设相似度阈值为[0.1,0.5]。进而可以根据不同的场景判断获取到的待验证图像的相似度是否位于预设相似度阈值范围。
而对于识别出的物体与场景，进一步可以判断是否与用户之前在银行办理贷款时记录的贷款用途要求一致。比如，若贷款用途为个人住房装修场景，则根据要求应该识别出个人住房，若实际是吧出商铺场景，则不符合用户贷款用途的要求，验证不通过。
S105：若是，则确定用户贷款用途验证成功。
在本实施例中，若通过步骤S104判断出待验证图像的相似度位于预设相似度阈值范围，以及判断出待验证图像中包含的物体和场景是符合用户贷款用途的要求的，则说明用户的贷款实际用途与其在银行记录的贷款用途是相符的，即，可以确定出用户贷款用途验证成功。
进一步的，一种可选的实现方式是，为了保证验证结果的准确性，还可以利用人工对用户贷款用途进行验证，得到人工验证结果，如仍可以通过银行的客户经理对用户的贷款用途进行人工审核，得到审核结果，若通过上述步骤S101-S105得到的验证结果与人工验证结果不一致，则说明判断存疑，可以将该判断结果进行告警处理，并根据该告警结果，对贷款用途进行再次验证，如可以将验证结果提交至上级经理进行进一步验证处理等；若通过上述步骤S101-S105得到的验证结果与人工验证结果一致，则说明判断合理，可以进入后续业务处理流程。
综上，本实施例提供的一种贷款用途的验证方法，首先按照预设周期获取用户贷款用途所属场景的N幅待验证图像；其中，N为大于0的正整数，然后，计算相邻周期中待验证图像的相似度，并对N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景，接着，判断待验证图像的相似度是否位于预设相似度阈值范围，以及判断待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求，若是，则确定用户贷款用途验证成功。可见，本申请实施例是利用深度学习的方式对待验证图像的相似度以及图像中物体和场景进行识别，用以验证用户的贷款用途，相比于人工验证的方式，可以实现快速且准确地验证出用户的贷款实际用途是否与银行记录的贷款用途相符，且验证结果消除了人工验证的主观性带来的影响，验证准确率和安全性更高。
第二实施例
本实施例将对一种贷款用途的验证装置进行介绍，相关内容请参见上述方法实施例。
参见图2，为本实施例提供的一种贷款用途的验证装置的组成示意图，该装置包括：
获取单元201，用于按照预设周期获取用户贷款用途所属场景的N幅待验证图像；所述N为大于0的正整数；
计算单元202，用于计算相邻周期所述待验证图像的相似度；
识别单元203，用于对所述N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景；
判断单元204，用于判断所述待验证图像的相似度是否位于预设相似度阈值范围，以及判断所述待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求；
确定单元205，用于若判断出所述待验证图像的相似度位于预设相似度阈值范围，以及判断出所述待验证图像中包含的物体和场景符合所述用户贷款用途的要求，则确定所述用户贷款用途验证成功。
在本实施例的一种实现方式中，所述N为5；所述获取单元201具体用于：
按照预设周期获取用户贷款用途所属场景的5幅不同拍摄角度的待验证图像；
其中，相邻周期获取的待验证图像为同一拍摄角度，且每一周期获取的5幅待验证图像中至少有一幅待验证图像包含了所述用户与所述贷款用途涉及场景的同框。
在本实施例的一种实现方式中，所述计算单元202具体用于：
利用孪生神经网络计算相邻周期中属于同一拍摄角度的所述待验证图像的相似度。
在本实施例的一种实现方式中，所述装置还包括：
验证单元，用于利用人工对所述用户贷款用途进行验证，得到人工验证结果；
获得单元，用于结合所述人工验证结果，对所述用户贷款用途进行验证，得到最终验证结果。
综上，本实施例提供的一种贷款用途的验证装置，首先按照预设周期获取用户贷款用途所属场景的N幅待验证图像；其中，N为大于0的正整数，然后，计算相邻周期中待验证图像的相似度，并对N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景，接着，判断待验证图像的相似度是否位于预设相似度阈值范围，以及判断待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求，若是，则确定用户贷款用途验证成功。可见，本申请实施例是利用深度学习的方式对待验证图像的相似度以及图像中物体和场景进行识别，用以验证用户的贷款用途，相比于人工验证的方式，可以实现快速且准确地验证出用户的贷款实际用途是否与银行记录的贷款用途相符，且验证结果消除了人工验证的主观性带来的影响，验证准确率和安全性更高。
进一步地，本申请实施例还提供了一种贷款用途的验证设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述贷款用途的验证方法的任一种实现方法。
进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述贷款用途的验证方法的任一种实现方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种贷款用途的验证方法，其特征在于，包括：
按照预设周期获取用户贷款用途所属场景的N幅待验证图像；所述N为大于0的正整数；
计算相邻周期所述待验证图像的相似度；
对所述N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景；
判断所述待验证图像的相似度是否位于预设相似度阈值范围，以及判断所述待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求；
若是，则确定所述用户贷款用途验证成功；
所述N为5；所述按照预设周期获取用户贷款用途所属场景的N幅待验证图像，包括：
按照预设周期获取用户贷款用途所属场景的5幅不同拍摄角度的待验证图像；
其中，相邻周期获取的待验证图像为同一拍摄角度，且每一周期获取的5幅待验证图像中至少有一幅待验证图像包含了所述用户与所述贷款用途涉及场景的同框；
所述计算相邻周期所述待验证图像的相似度，包括：
利用孪生神经网络计算相邻周期中属于同一拍摄角度的所述待验证图像的相似度。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
利用人工对所述用户贷款用途进行验证，得到人工验证结果；
则在所述判断所述待验证图像的相似度是否位于预设相似度阈值范围，以及判断所述待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求之后，还包括：
结合所述人工验证结果，对所述用户贷款用途进行验证，得到最终验证结果。
3.一种贷款用途的验证装置，其特征在于，包括：
获取单元，用于按照预设周期获取用户贷款用途所属场景的N幅待验证图像；所述N为大于0的正整数；
计算单元，用于计算相邻周期所述待验证图像的相似度；
识别单元，用于对所述N幅待验证图像进行图像识别，得到待验证图像中包含的物体和场景；
判断单元，用于判断所述待验证图像的相似度是否位于预设相似度阈值范围，以及判断所述待验证图像中包含的物体和场景是否符合所述用户贷款用途的要求；
确定单元，用于若判断出所述待验证图像的相似度位于预设相似度阈值范围，以及判断出所述待验证图像中包含的物体和场景符合所述用户贷款用途的要求，则确定所述用户贷款用途验证成功；
所述N为5；所述获取单元具体用于：
按照预设周期获取用户贷款用途所属场景的5幅不同拍摄角度的待验证图像；
其中，相邻周期获取的待验证图像为同一拍摄角度，且每一周期获取的5幅待验证图像中至少有一幅待验证图像包含了所述用户与所述贷款用途涉及场景的同框；
所述计算单元具体用于：
利用孪生神经网络计算相邻周期中属于同一拍摄角度的所述待验证图像的相似度。
4.根据权利要求3所述的装置，其特征在于，所述装置还包括：
验证单元，用于利用人工对所述用户贷款用途进行验证，得到人工验证结果；
获得单元，用于结合所述人工验证结果，对所述用户贷款用途进行验证，得到最终验证结果。
5.一种贷款用途的验证设备，其特征在于，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行权利要求1-2任一项所述的方法。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-2任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011569153.XA CN112598068B (zh) | 2020-12-26 | 2020-12-26 | 一种贷款用途的验证方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011569153.XA CN112598068B (zh) | 2020-12-26 | 2020-12-26 | 一种贷款用途的验证方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112598068A CN112598068A (zh) | 2021-04-02 |
| CN112598068B true CN112598068B (zh) | 2023-12-19 |
Family
ID=75202333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011569153.XA Active CN112598068B (zh) | 2020-12-26 | 2020-12-26 | 一种贷款用途的验证方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112598068B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113138932A (zh) * | 2021-05-13 | 2021-07-20 | 北京字节跳动网络技术有限公司 | 一种算法库手势识别结果的验证方法、装置及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103826108A (zh) * | 2014-03-18 | 2014-05-28 | 江苏苏大大数据科技有限公司 | 基于视频图像的贷后监控方法及系统 |
| CN109190917A (zh) * | 2018-08-09 | 2019-01-11 | 厦门市七星通联科技有限公司 | 一种信用贷款的风险控制方法和系统 |
| CN110060149A (zh) * | 2019-04-26 | 2019-07-26 | 深圳微众税银信息服务有限公司 | 一种贷后风险管控方法及系统 |
| CN111681106A (zh) * | 2020-06-09 | 2020-09-18 | 中国银行股份有限公司 | 贷款用途承诺声明的验证方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140289098A1 (en) * | 2004-09-15 | 2014-09-25 | Rebecca B. Walzak | System and Method for Analyzing Financial Risk |
-
2020
- 2020-12-26 CN CN202011569153.XA patent/CN112598068B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103826108A (zh) * | 2014-03-18 | 2014-05-28 | 江苏苏大大数据科技有限公司 | 基于视频图像的贷后监控方法及系统 |
| CN109190917A (zh) * | 2018-08-09 | 2019-01-11 | 厦门市七星通联科技有限公司 | 一种信用贷款的风险控制方法和系统 |
| CN110060149A (zh) * | 2019-04-26 | 2019-07-26 | 深圳微众税银信息服务有限公司 | 一种贷后风险管控方法及系统 |
| CN111681106A (zh) * | 2020-06-09 | 2020-09-18 | 中国银行股份有限公司 | 贷款用途承诺声明的验证方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112598068A (zh) | 2021-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111461857A (zh) | 中小银行个人线上信贷方法、装置、系统、设备和介质 | |
| CN110704730A (zh) | 基于大数据的产品数据推送方法、系统及计算机设备 | |
| CN110378575B (zh) | 逾期事件回款催收方法及装置、计算机可读存储介质 | |
| CN109949154A (zh) | 客户信息分类方法、装置、计算机设备和存储介质 | |
| CN109377347B (zh) | 基于特征选择的网络信用预警方法、系统及电子设备 | |
| CN111476653A (zh) | 一种风险信息识别、确定、模型训练方法及装置 | |
| CN110807699A (zh) | 逾期事件的回款催收方法及装置、计算机可读存储介质 | |
| CN112598068B (zh) | 一种贷款用途的验证方法、装置及设备 | |
| CN112232950A (zh) | 针对借贷风险的评估方法及装置、设备、计算机可读存储介质 | |
| CN110020939B (zh) | 建立违约损失率预测模型的装置、方法及存储介质 | |
| CN111062770A (zh) | 商户识别方法、设备及计算机可读介质 | |
| CN106875226B (zh) | 一种抢购行为监控方法及系统 | |
| CN113159796A (zh) | 一种贸易合同验证方法及装置 | |
| CN112330373A (zh) | 用户行为分析方法、装置及计算机可读存储介质 | |
| CN116596659A (zh) | 基于大数据风控的企业智能化信贷审批方法、系统及介质 | |
| CN113065908A (zh) | 租赁方法、租赁装置、租赁平台及存储介质 | |
| CN116091200A (zh) | 基于机器学习的场景授信系统、方法、电子设备及介质 | |
| CN114841705A (zh) | 一种基于场景识别的反欺诈监测方法 | |
| CN114092225A (zh) | 银行网点提供金融服务的方法及装置 | |
| CN114022699A (zh) | 图像分类方法、装置、计算机设备和存储介质 | |
| CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
| CN111861636B (zh) | 基于居家养老的服务数据处理方法、系统和存储介质 | |
| CN115018638B (zh) | 一种业务额度确定方法及装置 | |
| CN117557354A (zh) | 异常交易行为识别方法、装置、电子设备和存储介质 | |
| CN111539812A (zh) | 逾期个贷催收方式确定方法、装置及电子设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |