CN113177480A - 基于人脸识别的金融业务处理方法、装置、设备及介质 - Google Patents
基于人脸识别的金融业务处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN113177480A CN113177480A CN202110476585.4A CN202110476585A CN113177480A CN 113177480 A CN113177480 A CN 113177480A CN 202110476585 A CN202110476585 A CN 202110476585A CN 113177480 A CN113177480 A CN 113177480A
- Authority
- CN
- China
- Prior art keywords
- verified
- image
- financial
- living body
- face
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 178
- 238000001514 detection method Methods 0.000 claims abstract description 158
- 238000000034 method Methods 0.000 claims abstract description 86
- 230000001815 facial effect Effects 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 claims description 125
- 230000004044 response Effects 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 12
- 238000001727 in vivo Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000000903 blocking effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 210000000887 face Anatomy 0.000 description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 4
- 239000010931 gold Substances 0.000 description 4
- 229910052737 gold Inorganic materials 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000001574 biopsy Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000001508 eye Anatomy 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 210000005069 ears Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000023320 Luma <angiosperm> Species 0.000 description 1
- 241000287181 Sturnus vulgaris Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- OSWPMRLSEDHDFF-UHFFFAOYSA-N methyl salicylate Chemical compound COC(=O)C1=CC=CC=C1O OSWPMRLSEDHDFF-UHFFFAOYSA-N 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- -1 paper gold Chemical compound 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/40—Spoof detection, e.g. liveness detection
- G06V40/45—Detection of the body part being alive
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
- G07F19/20—Automatic teller machines [ATMs]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请实施例提供一种基于人脸识别的金融业务处理方法、装置、设备及介质,其中,响应于接收到的金融交易处理请求,获取画面内容包括待验证对象的人脸图像;基于所述人脸图像和所述金融交易处理请求的交易类型,对所述待验证对象进行活体检测和身份识别;在所述待验证对象通过所述活体检测和身份识别的情况下,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
Description
技术领域
本申请实施例涉及人脸识别技术领域领域,涉及但不限于一种基于人脸识别的金融业务处理方法、装置、设备及介质。
背景技术
在相关技术中,在使用自动取款机(Automated Teller Machine,ATM)时,使用银行卡(比如,磁条卡、芯片卡或同时具备词条和芯片的混合卡)插入ATM的读卡器中,再通过密码键盘输入业务办理密码,银行后台系统通过客户信息验证后返回相应信息,从而基于人机交互完成交易。如此,使用卡片和密码进行交易身份验证,存在卡片复制、卡片遗失、密码被盗等问题,验密安全性和交易便捷性较差。
发明内容
本申请实施例提供一种基于人脸识别的金融业务处理技术方案。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种基于人脸识别的金融业务处理方法,所述方法包括:响应于接收到的金融交易处理请求,获取画面内容包括待验证对象的人脸图像;基于所述人脸图像和所述金融交易处理请求的交易类型,对所述待验证对象进行活体检测和身份识别;在所述待验证对象通过所述活体检测和身份识别的情况下,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
本申请实施例提供一种基于人脸识别的金融业务处理装置,所述装置包括:
第一获取模块,用于响应于接收到的金融交易处理请求,获取画面内容包括待验证对象的人脸图像;第一识别模块,用于基于所述人脸图像和所述金融交易处理请求的交易类型,对所述待验证对象进行活体检测和身份识别;第一处理模块,用于在所述待验证对象通过所述活体检测和身份识别的情况下,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
对应地,本申请实施例提供一种计算机存储介质,所述计算机存储介质上存储有计算机可执行指令,该计算机可执行指令被执行后,能够实现上述所述的方法步骤。
本申请实施例提供一种基于人脸识别的金融业务处理设备,所述基于人脸识别的金融业务处理设备包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时能够实现上述方法的步骤。
本申请实施例提供一种基于人脸识别的金融业务处理方法、装置、设备及介质,通过在接收到待验证对象提交的金融交易处理请求时,获取包含待验证对象的人脸图像和金融交易处理请求的交易类型,对该待验证对象进行活体检测和身份识别;如果通过活体检测且通过身份识别,那么说明该待验证对象是身份合法的金融机构客户;如此,通过人脸识别实现对待验证对象的身份验证,能够提升对待验证对象的身份进行核验的效率;并且在待验证对象通过活体检测和身份识别的情况下,对待办理金融业务进行处理,从而方便金融机构客户操作,能够提升金融业务处理效率。
附图说明
图1为本申请实施例基于人脸识别的金融业务处理方法的实现流程示意图;
图2为本申请实施例提供的基于人脸识别的金融业务处理方法的另一实现流程示意图;
图3为本申请实施例提供的基于人脸识别的金融业务处理方法的实现流程示意图;
图4为本申请实施例提供的基于人脸识别的金融业务处理方法的应用场景示意图;
图5为本申请实施例基于人脸识别的金融业务处理装置的结构组成示意图;
图6为本申请实施例基于人脸识别的金融业务处理设备的组成结构示意图。
具体实施方式
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,对发明的具体技术方案做进一步详细描述。以下实施例用于说明本申请,但不用来限制本申请的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
对本申请实施例进行进一步详细说明之前,对本申请实施例中涉及的名词和术语进行说明,本申请实施例中涉及的名词和术语适用于如下的解释。
1)活体检测,在一些身份验证场景确定对象真实生理特征的方法,在人脸识别应用中,活体检测能通过眨眼、张嘴、摇头、点头等组合动作,使用人脸关键点定位和人脸追踪等技术,验证用户是否为真实活体本人操作。
2)双目摄像头,包括两个摄像头,两个摄像头可分别用于采集同类型或不同类型的图像。在两个摄像头用于采集同类型图像的情况下,一个摄像头采集彩色图像,另一个摄像头采集近红外图像,或是两个摄像头还可以分别用于采集其他类型的图像,在此不予限定。双目摄像头可根据采集到的一组或多组图像进行人脸识别,即对捕获到的人脸进行识别。比如,可针对眼耳鼻等一些关键特征点进行精确识别定位,并得到各种不同关键特征点之间的距离诸如瞳距、眼睛到嘴或者眼睛到耳的距离等空间信息,从而基于得到的上述空间信息实现活体检测、身份识别等过程,可有效抵御图像、视频等欺诈。
3)人脸识别,是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像序列或视频流,并自动检测图像序列或视频流实现跟踪人脸,进而对检测到的人脸进行脸部识别的一系列相关技术,通常也叫做人像识别、面部识别等。
下面说明本申请实施例提供的基于人脸识别的金融业务处理系统的示例性应用,其中,本申请实施例提供的系统中的终端可以实施为具有图像采集功能的笔记本电脑、平板电脑、台式计算机、移动终端(例如,个人数字助理,专用消息设备、前台设备、桌面式人员身份核验终端、手持式人员身份核验终端)等各种类型的金融业务处理设备。
下面,将说明基于人脸识别的金融业务处理的系统实施为金融业务处理设备时示例性应用。
图1为本申请实施例基于人脸识别的金融业务处理方法的实现流程示意图,如图1所示,结合如图1所示步骤进行说明:
步骤S101,响应于接收到的金融交易处理请求,获取画面内容包括待验证对象的人脸图像。
待验证对象可以是在金融机构的场景下任意需要进行身份识别的对象,比如,银行的工作人员、金融机构客户、诈骗人员或者其他在银行活动的人或其他金融机构(比如,证券公司、保险公司、财务公司、信用合作社、信托投资公司或基金管理公司等)的工作人员,其他金融机构的客户或者在其他金融机构活动的人等。待验证对象还可能是非活体对象,比如,包括人脸的照片或身份证。人脸图像为采集的包括待验证对象的人脸的图像。在一些可能的实现方式中,人脸图像可以是不止包括待验证对象人脸的图像,还可以是包括人脸以及身体其他区域的图像。金融交易处理请求为待验证对象的终端向金融业务处理设备输入的,还可以是待验证对象通过在金融业务处理设备上进行操作输入的;金融交易处理请求包括两个交易类型:本金融机构交易和跨金融机构交易;其中,本金融机构交易表征金融交易处理请求是针对所属金融机构内部提出的服务请求;跨金融机构交易为表征金融交易处理请求是针对所属金融机构和其他金融机构提出的服务请求。以金融机构为银行为例,本地金融交易即本行交易,比如,本行取款、本行存款或者本行其他非金钱服务;跨金融交易即跨行交易,比如,在本行进行它行取款或者存款等操作。
在一些可能的实现方式中,采用双目模组对待验证对象进行图像采集,以便于对该待验证对象进行活体检测和身份识别,即步骤101可以通过以下步骤实现:
首先,获取画面内容包括待验证对象的近红外图像,以及画面内容包括待验证对象的彩色图像。然后,将近红外图像和彩色图像,作为人脸图像。
在一些可能的实现方式中,人脸图像可以是通过采用具有双目模组的摄像头进行采集的图像,包括:近红外图像和彩色图像,其中,近红外图像用于检测该待验证对象是否为活体,彩色图像用于对图像中的待验证对象进行身份识别。其中,彩色图像可以是红绿蓝(Red Green Blue,RGB)图像,还可以是其他色彩空间下的图像。比如,YCbCr图像或YUV图像等。其中,YCbCr颜色空间中的Y是亮度通道,Cb是蓝色分量,Cr是红色分量,YUV颜色空间中,Y表示明亮度(Luminance、Luma),也就是灰阶值,U、V表示色度(Chrominance或Chroma),描述的是色调和饱和度。YUV是模拟信号,而YCbCr是数字信号。近红外图像和彩色图像,可以是通过双目摄像机拍摄的进行金融业务处理的对象的视频,通过该视频中的近红外图像,检测该对象的材质,以降低视频、图片、面具或头套类型的攻击,以完成活体检测;通过对视频中的彩色图像进行关键点检测,完成对待验证对象的身份信息的识别,能够实现对金融业务的实名制处理。
在一些实施例中,人脸图像还可以是通过采用具有单目模组的摄像头采集得到的图像,当然也可以采用具有活体识别能力的其他类型摄像头采集得到人脸图像。
在一个具体例子中(例1),以金融业务处理为银行的ATM机为例,该ATM机具有双目模组的摄像头,当有人需要操作ATM机时,双目模组的摄像头对操作者进行图像采集,以采集得到至少包括该操作者的面部的人脸图像,还可以是采集包括该操作者的面部以及躯体的人脸图像,以便于通过该人脸图像对操作者进行活体检测和身份识别。在另一例子中(例2),ATM机具有双目模组的摄像头,当其他人员拿包括人脸的照片在该ATM机前进行操作时,双目模组的摄像头对该照片上的人进行图像采集,得到人脸图像。
步骤S102,基于人脸图像和金融交易处理请求的交易类型,对待验证对象进行活体检测和身份识别。
该人脸图像包括近红外图像和RGB图像,通过双目摄像头中的近红外摄像头采集待验证对象的近红外图像,通过双目摄像头中的RGB摄像头采集待验证对象的RGB图像。通过采集的近红外图像对待验证对象进行活体检测;在活体检测结果表征待验证对象为活体的情况下,按照金融交易处理请求的交易类型,确定合适的图像库,基于该图像库和待验证对象的RGB图像对待验证对象进行身份识别。比如,如果金融交易处理请求的交易类型类型为本金融机构交易,那么采用本地图像库和待验证对象的RGB图像对待验证对象进行身份识别;如果金融交易处理请求的交易类型类型为跨金融机构交易,那么采用云端图像库和待验证对象的RGB图像对待验证对象进行身份识别,从而能够提高身份识别的准确度。
在一个具体例子中,以金融机构为银行为例,假设在银行系统的ATM机场景下,通过采集待验证对象的近红外图像,判断待验证对象是否为活体,如果待验证对象是活体,那么说明不是不法分子利用假证或他人身份证进行取钱的违规操作。当判断待验证对象为活体之后,通过待验证对象的RGB图像对待待验证对象的身份信息进行识别,以判断待验证对象是否为身份合法的客户,即是否为银行客户。在例1中,通过该人脸图像中的近红外图像对操作者进行近红外检测,以确定操作者是否为活体,那么得到的活体检测结果为操作者是活体,即该待验证对象通过活体检测;然后,继续对该操作者进行身份识别。在例2中,由于是其他人员(比如,准备盗取他人钱财的不法分子)拿银行客户的身份证进行取款的,那么采集的近红外图像是针对身份证进行采集的,所以得到的活体检测结果为待验证对象为非活体,那么就无需在继续对该待验证对象进行身份识别。如此,实现了人证一致的金融业务服务方式,能够减少盗取他人卡中钱财的现象。
步骤S103,在待验证对象通过活体检测和身份识别的情况下,对金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
通过采用双目摄像头采集的近红外图像判断待验证对象是否为活体;如果待验证对象是活体,说明待验证对象通过活体检测,那么基于采集的RGB图像对该待验证对象进行身份识别,判断待验证对象的身份信息是否包含在预设图像库中,该预设图像库用于存储已经识别过的对象与该对象的人脸图像,即用于存储携带已识别的对象的身份信息的人脸图像。如果待验证对象的身份信息包含在预设图像库中,说明该待验证对象是已经识别过的对象,比如,是在该金融机构进行存款的客户,这样,将该待验证对象确定为金融机构客户,实现了实名制金融操作。
在例1中,如果该操作者已经是这所金融机构的客户,即是已识别的对象,那么该操作者通过活体检测之后,通过基于该操作者的RGB图像,查找预设图像库中是否存在与该操作者的RGB图像相识度较高的图像,如果存在,即该操作者通过身份识别,确定该操作者为金融机构客户。如果该操作者是首次在这所金融机构请求金融服务,即是未注册的对象,那么该操作者通过活体检测之后,需要先进行注册;比如,将该操作者的身份证与注册信息进行绑定,然后,通过判断该身份证是否为合法身份证,以及该身份证与操作者的匹配度是否够高,如果该身份证是合法身份证,且该身份证与操作者的匹配度较高,那么确定该操作者注册成功,成为该金融机构的新客户。基于此,更新预设图像库,以便于下次可以通过更新的预设图像库对该操作者进行身份识别。
通过分析金融机构客户的待办理金融业务之后,可以根据待办理金融业务的类型,对该待办理金融业务进行处理;还可以是根据该客户的账户等级,确定与该等级匹配的办理方式,以按照该办理方式对待办理金融业务进行办理。其中,待办理金融业务的类型包括:金钱类业务(比如,取款、汇款、存款)和其他非金钱类业务(比如,账户设置)等。
对于金钱类业务,因为安全级别比较高,需要对该客户进行进一步核验,比如,通过动态密码或者手机短信等方式进行进一步核验,待进一步核验成功之后,基于该客户的账户级别为该客户提供服务;对于非非金钱类业务,可以在对该客户进行身份识别成功之后,按照该客户的账户等级为该客户提供服务。如此,针对不同类型的待办理金融业务,采用不同的方式进行处理,从而能够提高金融业务的办理效率。
在本申请实施例中,通过在接收到待验证对象提交的金融交易处理请求时,获取包含待验证对象的人脸图像和金融交易处理请求的交易类型,对该待验证对象进行活体检测和身份识别;如果通过活体检测且通过身份识别,那么说明该待验证对象是身份合法的金融机构客户;如此,通过人脸识别实现对待验证对象的身份验证,能够提升对待验证对象的身份进行核验的效率;并且在待验证对象通过活体检测和身份识别的情况下,对待办理金融业务进行处理,从而方便金融机构客户操作,能够提升金融业务处理效率。
为提高身份识别的准确度,在采用双目模组摄像头对待验证对象进行图像采集之后,先通过近红外图像进行活体检测,再对待验证对象的身份信息进行识别,即步骤S102,可以通过以下步骤实现,该方法应用于金融业务处理设备,如图2所示,图2为本申请实施例提供的基于人脸识别的金融业务处理方法的另一实现流程示意图,结合图1和2所示的步骤进行以下说明:
步骤S201,基于近红外图像,对待验证对象进行活体检测,得到活体检测结果。
通过双目模组摄像头中的近红外摄像头采集待验证对象的近红外图像,利用人脸肤质的成像与非人脸材质成像特性不同的原理,检测待验证对象的材质,以完成对待验证对象的活体检测。比如,通过对近红外图像中的待验证对象的人脸进行关键点检测,以判断待验证对象是否为活体。
在一些可能的实现方式中,在活体检测结果表征验证对象为活体的情况下,确定待验证对象通过活体检测。
在一个具体例子中,如果待验证对象是图片或面具,那么通过近红外摄像头分辨出图片和面具的材质与人脸肤质不同,那么确定该待验证对象不是活体对象,说明该待验证对象未通过活体检测。如果待验证对象是人,那么通过近红外摄像头通过分析采集的近红外图像的人脸肤质,确定待验证对象是活体,即说明待验证对象通过活体检测,可进入下一步的身份识别。
步骤S202,在活体检测结果表征待验证对象为活体的情况下,基于彩色图像和交易类型,对待验证对象进行身份识别。
对待验证对象进行活体检测后,如果检测结果表明待验证对象为活体,那么继续对待验证对象的身份信息进行验证。按照金融交易请求的交易类型,确定与该交易类型匹配的预设图像库,即确定该预设图像库是本地图像库还是云端图像库。通过对彩色图像进行特征提取,基于提取的人脸特征,在预设图像库中查找是否与该人脸特征的匹配度较高的预设图像;即在预设图像库中查找与该彩色图像相似度较高的图像,如果能够在预设图像库中查找与该彩色图像相似度较高的图像,那么确定待验证对象通过身份识别;即该待验证对象的身份是合法的,且是已经在该金融机构核验通过的客户。
在一些可能的实现方式中,在对待验证对象进行身份识别的识别结果表征待验证对象的身份信息包含于预设图像库的情况下,确定待验证对象通过身份识别,并确定待验证对象为金融机构客户。
预设图像库用于存储包含已核验金融机构客户的人脸信息的已核验彩色图像,且已核验彩色图像携带已核验金融机构客户的身份信息。如果在预设图像库中查找到待验证对象匹配的预设图像,那么说明待验证对象的身份信息包含于预设图像库,即该待验证对象是已经验证合法的客户,所以将该待验证对象确定为金融机构客户。如果在预设图像库中未查找到待验证对象匹配的预设图像,那么说明待验证对象的身份信息未包含于预设图像库,即该待验证对象不是已经验证合法的客户,可对该待验证对象进行二次验证,还可以更换验证方式,比如,更换为人工核验、密码核验或者手机短信核验等,并向客户端反馈身份识别未通过的提醒信息。
在一个具体例子中,以金融业务处理设备为ATM机为例,该ATM机具有双目模组的摄像头,如果该双目模组摄像头包括:近红外摄像头和RGB摄像头。通过该双目模组的摄像头中的近红外摄像头对待验证对象进行活体检测通过后,基于该RGB摄像头采集待验证对象的RGB图像,通过对RGB图像进行特征提取,基于提取的特征对待验证对象的身份信息进行识别。ATM机的预设图像库即为已经在该ATM机所属银行进行核验过的客户的人脸图像,而且这些人脸图像与已核验过的客户的身份信息是绑定的,该人脸图像可以是包括已核验过的客户的人脸的全身图像,也可以是仅包括已核验过的客户的人脸的图像等。通过在这样的预设图像库中查找与待验证对象的人脸图像相似度较高的图像,实现对待验证对象的身份核验。
上述步骤S201和步骤S202提供了一种实现“基于人脸图像和所述金融交易处理请求的交易类型,对待验证对象进行活体检测和身份识别”的方式,在该方式中通过采用双目模组的摄像头对待验证对象进行图像采集,在对待验证对象进行活体检测通过之后,核验待验证对象的身份信息,能够使得待验证对象是活体,减少利用视频、图片或面具等进行盗取他人钱财的现象。
如果对待验证对象未通过首次活体检测,那么对该待验证对象进行二次活体检测,以提高活体检测的准确度,可以通过以下过程实现:
第一步,在活体检测结果表征待验证对象为非活体的情况下,确定所述待验证对象的面部状态。
如果活体检测结果表明待验证对象为非活体,分析待验证对象的面部状态;该面部状态包括:待验证对象的面部区域的清晰度状态以及遮挡状态;如果待验证对象的面部清晰度不足,也会使得待验证对象不通过活体检测,或者,如果待验证对象的面部被遮挡,也会使得待验证对象不通过活体检测,或者,如果待验证对象为是盗取他人钱财者所持他人的身份证,那么该身份证上的客户是不能通过活体检测的。比如,待验证对象是盗取他人钱财者拿客户的身份证进行取款,采集的该身份证上的人脸图像,那么活体检测结果为待验证对象为非活体。这种情况下,基于该待验证对象当前的面部状态,输出提示信息。在一些可能的实现方式中,如果待验证对象虽然是活体,但是遮挡了面部,那么提示待验证对象去除遮挡;如果待验证对象不是活体(如,图片),那么提示拿活体对象进行验证。为提高活体检测的准确度,对待验证图像进行二次检测,可以是基于已采集的近红外图像重新进行活体检测,还可以是重新采集待验证对象的近红外图像,通过二次采集的近红外图像进行活体检测。
在一个具体例子中,如果待验证对象为银行客户,但是由于该客户戴了口罩,那么首次进行活体检测的时候,会检测失败,并输出提示该客户取下口罩的提示信息,进行二次近红外图像采集,最后,通过二次近红外采集的图像对该客户进行活体检测。
第二步,基于面部状态,生成并输出调整提示信息,以提示待验证对象调整所述面部状态,得到已调整面部状态。
通过对当前的面部状态进行分析,生成并输出提示对象对面部状态进行调整的提示信息,从而得到已调整面部状态。比如,当前的面部状态处于遮挡状态,通过确定遮挡位置,输出提示信息,以提示待验证对象对该遮挡位置进行调整,即去掉遮挡,从而得到未遮挡的面部状态,即已调整面部状态。
第三步,确定与已调整面部状态相匹配的目标近红外图像。
与已调整面部状态相匹配的目标近红外图像可以是第一次进行活体检测时采集到的近红外图像,还可以是重新采集的近红外图像。在一些可能的实现方式中,确定待验证对象的面部状态之后,生成并输出提示信息,以提示待验证对象对当前的面部状态进行调整。在一个具体例子中,如果待验证对象是客户的身份证件,那么在首次进行活体检测之后,该待验证对象未通过活体检测;在显示界面上输出提示信息;由于该身份证件上的客户的面部状态显示是不会发生变化的,所以继续基于上次采集的近红外图像进行二次活体检测,得到更新的活体检测结果。
如果检测到待验证对象的面部状态发生变化,则进行二次近红外图像采集,将重新采集的近红外图像作为目标近红外图像。如果未检测到待验证对象的面部状态发生变化,则不对待验证对象进行二次采集,将已经采集到的近红外图像作为目标近红外图像。在一个具体例子中,如果待验证对象是客户本人,但是面部有遮挡或者第一次进行近红外图像采集时采集的图像不够清晰,那么在首次进行活体检测之后,该待验证对象未通过活体检测;在显示界面上显示提示信息或者向该待验证对象的客户端输出提示信息;如果检测到该待验证对象调整了面部状态(比如,去除遮挡),那么对该待验证对象重新进行近红外图像采集,基于基于重新采集的近红外图像,对待验证对象进行活体检测,得到更新的活体检测结果。
第四步,基于目标近红外图像,对待验证对象进行活体检测,得到更新的活体检测结果。
当检测到待验证对象进行面部状态调整之后,再次采集已调整面部状态的近红外图像,即目标近红外图像,通过对该目标近红外图像进行分析,以实现对待验证对象进行二次活体检测,从而得到更新的活体检测结果。
第五步,在更新的活体检测结果表征待验证对象为非活体的情况下,生成并输出验证失败信息。
基于目标近红外图像对待验证图像进行二次活体检测之后,如果二次活体检测仍然未通过,那么确定该待验证对象认证失败,生成并输出验证失败信息,该验证失败信息可以是输出在金融业务处理设备的显示界面上,还可以是发送至客户端;如果待验证对象通过银行卡加密码的方式登陆该金融业务处理设备,那么将该验证失败信息反馈至该账户绑定的客户端上,如果是待验证对象的账户未绑定客户端,或者是该待验证对象所请求的是跨行交易,那么将验证失败信息显示在金融业务处理设备的显示界面上。
在其他实施例中,如果在不同时间点,待验证对象为通过活体检测的次数大于预设次数阈值(比如,10次),那么将该待验证对象放在黑名单中,并且当下一次该待验证对象出现时,该金融业务处理设备输出告警信息,以提示金融机构管理人员有异常人员出现。或者,如果待验证对象的行为异常,比如,四处张望或者盯着并尾随取款的客户,那么说明该待验证对象可能会对他人造成危险,将该异常人员的彩色图像放在黑名单图像库中,并且当下一次该待验证对象出现时,该金融业务处理设备输出告警信息,以提示金融机构管理人员有异常人员出现。如此,通过对异常人员的识别,可有效提高金融机构的安全性。
第六步,在更新的活体检测结果表征待验证对象为非活体的情况下,确定与待验证对象具有关联关系的风险对象,并获取风险对象的彩色图像。
如果待验证对象进行二次活体检测均未通过,那么说明该待验证对象为非活体的概率是足够大的,而且很有可能是盗用他人金融账户或者磁卡,确定该待验证对象未通过活体检测,进一步说明该待验证对象是存在风险的。与待验证对象具有关联关系的风险对象包括两种,一是待验证对象本身,二是与待验证对象距离最近的活体对象,比如,手持待验证对象照片者。基于此,重新采集风险对象的彩色图像,或者从已采集的待验证对象的彩色图像中挑选一张清晰度较大的图像。
在一个具体例子中,以金融机构为银行为例,如果待验证对象是身份证上的照片,那么通过双目摄像模组的近红外摄像头对该身份证上的照片进行近红外采集之后,在第一次活体检测不通过的情况下,输出提示信息,以提示手持身份证者进行人脸检测;但是如果在提示之后,进行二次活体检测,采集到的近红外图像仍然是身份证上的照片,那么说明该手持身份证者的身份信息很可能有身份证上的身份信息不同,即盗用他人身份证,进而说明该身份证已被盗用,已不安全;这种情况下,通过双目摄像模组的RGB摄像头,对该身份证上的照片进行RGB图像采集,得到RGB图像。
在其他实施例中,在更新的活体检测结果表征待验证对象为非活体的情况下,首先,确定与待验证对象之间的距离小于预设距离的活体对象;比如,通过采集周围图像,确定与待验证对象之间的距离小于预设距离的活体对象。然后,获取活体对象的彩色图像,并在预设黑名单图像库中查找与所述活体对象的彩色图像相似度大于等于相似度阈值的黑名单图像;如果能够在预设黑名单图像库中查找到该黑名单图像,生成并输出交易风险告警信息。比如,可以启动金融业务处理设备的另一摄像头,以采集手持身份证者的RGB图像。
在一些可能的实现方式中,通过对待验证对象的其他身体部位进行活体检测,来确定风险对象;可以通过以下两种方式实现:
方式一:首先,在更新的活体检测结果表征待验证对象为非活体的情况下,输出运动提示信息,以提示待验证对象活动除脸部之外的其他身体部位。
如果通过近红外图像对待验证对象的人脸部位进行二次活体检测均未通过,那么先金融业务处理设备的显示界面上输出运动提示信息,以提示待验证对象活动除脸部之外的其他身体部位。在该运动提示信息中包括提示待验证对象具体活动的身体部位。比如,运动提示信息为请扭腰、请伸胳膊或者请原地踏步等。
然后,响应于检测到其他身体部位的运动信息,确定待验证对象为风险对象。
通过对待验证对象的其他身体部位进行检测,如果检测到该待验证对象的其他身体部位能够运动,那么说明该待验证对象至少是能够和金融业务处理设备进行交互的对象(比如,是活体对象或者机器人)。无论该交互的对象为机器人还是活体对象,既然二次活体检测均未通过,确定该交互的对象为风险对象,即确定待验证对象为风险对象。在一些可能的实现方式中,可以通过确定所述面部状态与已调整面部状态是否相同,来判断该待验证对象是机器人还是活体对象;如果面部状态与已调整面部状态不同,说明待验证对象基于第一次活体检测不通过的情况进行了面部状态调整,但是仍未通过,那么说明该待验证对象不是活体;但是该待验证对象又能够与金融业务处理设备进行交互,说明该待验证对象可能为机器人。如果面部状态与已调整面部状态相同,说明待验证对象基于第一次活体检测不通过的情况未进行面部状态调整,但是该待验证对象能够与金融业务处理设备进行交互,说明该待验证对象是故意不进行面部状态调整,那么说明该待验证对象可能为活体对象。
方式二:首先,在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,输出运动提示信息,以提示所述待验证对象活动除脸部之外的其他身体部位。
然后,响应于未检测到其他身体部位的运动信息,确定与待验证对象之间的距离小于预设距离的活体对象,并将活体对象和待验证对象,确定为风险对象。
通过对待验证对象的其他身体部位进行检测,如果未检测到该待验证对象的其他身体部位能够运动,那么说明该待验证对象是不能够和金融业务处理设备进行交互的对象,即待验证对象确实为非活体对象。那么待验证对象可能是其他活体对象手持的照片或者证件等。在这种情况下,不仅说明该待验证对象对金融机构造成风险,手持该待验证对象照片的人对金融机构造成的风险更大,那么将活体对象和待验证对象,均确定为风险对象。在一个具体例子中,如果待验证对象为身份证上面的照片,那么说明该身份证已别他人盗取或者是丢失被他人捡到,该身份证和手持身份证者均对金融机构造成风险;所以为提高金融机构的安全性,将该身份证上的照片和手持身份证者均作为风险对象。
第七步,在预设黑名单图像库中查找与风险对象的彩色图像相似度大于等于相似度阈值的目标黑名单图像。
预设黑名单图像库用于存储活体检测未通过的风险对象的彩色图像。获取待待验证对象的彩色图像之后,在该预设黑名单图像库中查找相似度较高的黑名单图像,即目标黑名单图像。在一些可能的实现方式中,如果风险对象为待验证对象本身,那么在预设黑名单图像库中查找与该待验证对象的彩色图像相似度较大的黑名单图像。如果风险对象为与待验证对象距离最近的活体对象,那么在预设黑名单图像库中查找与该活体对象的彩色图像相似度较大的黑名单图像。
第八步,响应于在预设黑名单图像库中查找到目标黑名单图像,生成并输出交易风险告警信息。
如果在预设黑名单图像库中查找到目标黑名单图像,说明该风险对象是曾经出现过的对象,即该风险对象至少是第二次出现,生成并输出交易风险告警信息。交易风险告警信息用于提示金融机构管理人员有异常人员出现,可以是以语音或者警报等方式输出。
第九步,响应于在预设黑名单图像库中未查找到目标黑名单图像,获取清晰度大于等于预设清晰度阈值的待验证对象的彩色备份图像。
如果在预设黑名单图像库中未查找到目标黑名单图像,说明该风险对象是曾经未出现过的对象。对于这样未曾出现出的风险对象,如果风险对象为待验证对象本身,那么从已采集的待验证对象的彩色图像中选择一张比较清晰的图像,作为该风险对象的彩色备份图像。如果风险对象为手持该待验证对象照片的活体对象,那么采集活体对象的彩色图像,作为该风险对象的彩色备份图像;比如,采集该活体对象的RGB图像,作为彩色备份图像。
第十步,将彩色备份图像存储在预设黑名单图像库,得到更新的黑名单图像库
得到风险对象的彩色备份图像之后,将该彩色备份图像存储在预设黑名单图像库中,从而更新该黑名单图像库。
在本申请实施例中,针对二次活体检测未通过的情况,将待验证对象和/或手持待验证对象者均作为风险对象,并且基于二次活体检测失败的风险对象,更新黑名单图像库,从能够得到内容丰富的黑名单图像库。
在一些实施例中,如果判断得知待验证对象为活体对象,那么从多帧彩色图像中选择清晰度较大的一帧彩色图像,与预设图像库中的图像进行人脸比对,即步骤S202可以通过以下过程实现:
步骤S221,在活体检测结果表征待验证对象为活体的情况下,确定金融交易处理请求的交易类型。
如果待验证对象为活体,说明请求办理业务的对象不是他人盗用的照片或者身份证等,针对接收到的金融交易处理请求,确定该金融交易处理请求的交易类型,即确定该金融交易处理请求所请求的服务是本金融机构交易还是跨金融机构服务,以便于选择与交易类型匹配的预设图像库对待验证对象进行身份识别。
步骤S222,在至少两帧彩色图像中,确定清晰度大于等于清晰度阈值的第一目标彩色图像。
彩色图像为多帧图像,比如,彩色图像为利用双目模组摄像头采集到的待验证对象的视频。如果待验证对象通过账户和密码的方式登陆金融业务处理设备,说明该待验证对象为在该金融机构已经注册过的客户,那么在采集的视频中,选择一帧或多帧清晰度较高的彩色图像,即第一目标彩色图像。
在一个具体例子中,以金融机构为银行,以金融业务处理设备为安装有双目摄像头的ATM机为例(例3),对于在ATM机前进行请求业务服务的普通客户,通过双目摄像头获取该客户的视频,如果该客户为已经在银行注册过的用户,那么在采集的视频中,选择一帧(两帧或三帧等)清晰度较高的RGB图像,上传至ATM机后台服务器,以便于后台服务器基于上传的RGB图像对该客户进行身份识别。
步骤S223,对第一目标彩色图像进行特征提取,得到待验证对象的目标人脸特征。
采用卷积神经网络对第一目标彩色图像进行特征提取,以提取到该图像中包含的待验证对象的人脸特征,即得到目标人脸特征。在例3中,针对从采集的视频中选择的一帧或多帧清晰度较高的RGB图像,进行特征提取,得到该客户的人脸特征,即目标人脸特征。如此,通过对高清晰度的彩色图像进行特征提取,以识别客户身份,能够提高所提取的人脸特征的准确度以及身份识别的准确度。
步骤S224,基于目标人脸特征和所述交易类型,对待验证对象进行身份识别。
按照交易类型,确定采用云端图像库还是本地图像库对目标人脸特征进行身份识别。即如果交易类型为本金融机构交易,那么采用本地图像库对目标人脸特征进行身份识别;如果交易类型为跨金融机构交易,那么采用云端图像库对目标人脸特征进行身份识别。从清晰度较高的彩色图像中提取目标人脸特征,通过对该目标人脸特征在预设图像库中查找相似度较高的预设图像,如果能够查找相似度较高的预设图像,那么说明待验证对象通过身份核验,即待验证对象的身份合法。在例3中,通过分析该客户的人脸特征,如果交易类型为本金融机构交易,且能够在本地图像库中查找到与该客户的人脸特征相似度较高的预设图像,那么说明该客户通过身份核验,并在该ATM机的显示界面上显示身份识别成功的信息,以及将身份识别显示在显示界面上,或者将身份识别发送给客户端。
在另一个例子中,以金融业务处理设备为具有双目摄像模组的金融机构取号机(比如,证券机构的取号机或者银行的取号机等)为例,该交易类型显然是本行交易。通过对取号机前的客户的人脸特征进行分析,若能够在本地图像库中查找到与该客户的人脸特征相似度较高的预设图像,那么说明该客户通过身份核验,并在该取号机的显示界面上显示取号成功的信息,以及将所取票证信息显示在显示界面上,或者将票证信息发送给该客户的账户所绑定的客户端。
在一些可能的实现方式中,步骤S224可以通过以下过程实现:
首先,确定与交易类型相匹配的预设图像库。
如果交易类型为本金融机构交易类,那么与交易类型相匹配的预设图像库为金融交易处理请求所属金融机构的本地图像库。如果该金融机构仅能够提供本机构内的服务,则不需要判断交易类型,将该金融机构本地的图像库作为与交易类型相匹配的预设图像库。比如,金融机构为保险公司,在一个保险公司内仅能够办理该保险公司内部的保险业务,而不提供其他保险公司的业务。或者,金融机构为证券公司,在一个证券公司内仅能够办理该证券公司所提供的证券投资相关的证券交易,而不提供其他证券公司的证券业务。
如果交易类型为跨金融机构交易,那么与交易类型相匹配的预设图像库为金融交易处理请求关联的金融机构的云端图像库。金融交易处理请求关联的金融机构为实现该金融交易处理请求所涉及到的金融机构。比如,以金融机构为银行为例,金融交易处理请求为向A银行发出的针对B银行进行取款,那么金融交易处理请求关联的金融机构包括A银行和B银行。
其次,在与交易类型相匹配的预设图像库中,查找与目标人脸特征相匹配的第一预设图像。
由于预设图像库中的预设图像为已核验的对象的人脸图像,且每一已核验的对象的人脸图像均绑定了该对象的身份信息。针对清晰度较高的彩色图像进行特征提取之后,按照提取的目标人脸特征,在与交易类型相匹配的预设图像库中查找,所绑定的人脸特征与该目标人脸特征相似度大于一定相似度阈值的预设图像,即第一预设图像。
最后,响应于在相匹配的预设图像库中查找到第一预设图像,确定待验证对象通过身份识别。
如果能够在与交易类型相匹配的预设图像库中查找到与目标人脸特征相似度较高的预设图像,即即在该预设图像库中未查到第一预设图像,那么说明该待验证对象是已核验过的对象,进而说明该待验证对象身份合法,即通过身份核验。
在其他实施例中,该待验证对象通过身份识别之后,生成并输出识别成功信息,并且将该信息呈现在金融业务处理设备的显示界面上,以及发送至客户端,以使该待验证对象可以及时查看。并且基于该待验证对象当前所处的业务办理阶段,输出下一阶段的待执行信息。其中,待执行信息可以理解为是提示当前所处阶段需要进行的下一步操作的提示信息或者操作指示信息。
在一个具体例子中,以金融业务处理设备为银行的取号机为例,如果待验证对象为在ATM机前进行业务办理的普通客户,那么在进行身份核验通过之后,在ATM机的显示界面上显示身份识别成功信息;由于当前阶段为取号阶段,那么在身份核验通过后在显示界面上显示成功界面,或者将所取票证信息发送给客户端,以便该客户基于该票证信息进行排队等候。
在本申请实施例中,针对已经核验过的对象,进行身份识别,能够减少盗用已核验对象的身份信息的现象发生,从而提高用户的信息安全性。
在一些实施例中,如果判断得知待验证对象为未核验的对象,对该待验证对象进行二次身份识别,可以通过以下两种方式实现:
方式一:从多帧彩色图像中选择清晰度大于第一目标彩色图像的第二目标彩色图像,与预设图像库中的图像进行二次人脸比对,以进行二次身份识别,过程如下:
第一步,响应于在与交易类型相匹配的预设图像库中未查找到第一预设图像,在至少两帧彩色图像中,确定清晰度大于第一目标彩色图像的第二目标彩色图像。
如果在该预设图像库中未查找到与目标人脸特征相匹配的第一预设图像,说明该待验证对象所登陆的账户绑定的人脸图像与该待验证对象的人脸图像不符,比如,该待验证对象盗用他人账户登陆或者是盗用他人磁卡,还有可能是第一目标彩色图像的清晰度不够,导致无法匹配到相似度较高的预设图像。所以,为提高身份核验的准确度,在这多帧彩色图像中,重新选择一帧清晰度更高的彩色图像,作为待比对的图像,即第二目标彩色图像。在一些可能的实现方式中,第二目标彩色图像的清晰度大于第一目标彩色图像,或者,将这多帧彩色图像中清晰度最高的彩色图像作为第二目标彩色图像。
第二步,对第二目标彩色图像进行特征提取,得到待验证对象的更新人脸特征。
采用卷积神经网络对清晰度更高的第二目标彩色图像进行特征提取,以提取到该图像中包含的待验证对象的人脸特征,即得到目标人脸特征。在例3中,从采集的视频中重新选择的一帧清晰度最高的RGB图像作为第二目标彩色图像,对第二目标彩色图像进行特征提取,得到该病患的人脸特征,即更新人脸特征。如此,通过对高清晰度最高的彩色图像进行特征提取,以识别对象身份,能够提高所提取的人脸特征的准确度。
第三步,在相匹配的预设图像库中,查找与更新人脸特征相匹配的第二预设图像。
对清晰度最高的彩色图像进行特征提取之后,按照提取的更新人脸特征,在预设图像库中查找,绑定的人脸特征与该更新人脸特征相似度大于一定相似度阈值的预设图像,即得到第二预设图像。
在其他实施例中,如果第一预设图像已经是这多帧彩色图像中清晰度最高的图像,即第二预设图像与第一预设图像相同,那么基于第一预设图像进行二次身份识别。
第四步,响应于在预设图像库中未查找到所述第二预设图像,生成并输出验证失败信息。
如果在预设图像库中再次未能查找到与目标人脸特征相似度较高的预设图像,即在预设图像库中再次未查到第二预设图像,那么说明该待验证对象是未核验过的对象,或所登陆的账户为非本人账户,进而说明该待验证对象未通过身份核验。在两次身份核验均未通过的情况下,生成并输出验证失败信息,可以是将该验证失败信息以文字或者语音的方式呈现在金融业务处理设备的显示界面上,还可以是将验证失败信息发送至该待验证对象所登陆的账户所属的终端,以提醒该账户的所有者有人盗用其账户。对于二次身份识别均未通过的待验证对象,可以将采集到的该待验证对象的人脸图像存储在黑名单图像库中,当该待验证对象再次出现时,及时发出告警信息,以提示金融机构管理人员作出防备;如此,能够提高金融机构的安全性。
在其他实施例中,对于二次身份识别均未通过的对象,可以在金融业务处理的显示界面上输出提示信息,该提示信息为提示待验证对象更换验证方式的信息,比如,提示待验证对象更换为人工核验方式,以提高用户体验感。
在本申请实施例中,如果对待验证对象进行首次身份核验未通过,可对待验证对象进行再次核验,以提高对待验证对象进行身份核验的准确度。
方式二:通过更换识别模式,对待验证对象进行二次身份识别,过程如下:
第一步,响应于在相匹配的预设图像库中未查找到第一预设图像,且第一目标彩色图像为至少两帧彩色图像中清晰度最大的彩色图像,确定与交易类型相匹配的至少一个其他识别模式。
如果在预设图像库中未查找到第一预设图像,并且第一目标彩色图像是这多帧彩色图像中清晰度最大的彩色图像,即无法从这多帧图像中再查找比第一目标彩色图像清晰度更高的图像,确定与交易类型相匹配的至少一个其他识别模式。比如,如果交易类型为本金融机构交易类,那么与交易类型相匹配的至少一个其他识别模式包括:短信验证、动态密码验证和人工验证等;如果交易类型为跨金融机构交易类,那么与交易类型相匹配的至少一个其他识别模式包括:身份证验证和金融业务处理请求所关联的金融机构的账户密码验证等。
第二步,基于其他识别模式,对待验证对象进行身份识别。
从这多个其他识别模式中,任选一个识别模式,对待验证对象进行身份识别。或者是,待验证对象自己选择一种其他识别模式,基于待验证对象选择的其他识别模式,对该待验证对象进行身份识别。
在一个具体例子中,如果交易类型为本金融机构交易,可以选择动态密码的方式对该待验证对象进行身份识别,即金融机构将动态密码发送至该待验证对象所登陆账户绑定终端上,如果待验证对象能够提供该动态密码,确定对该待验证对象通过身份识别。
在上述步骤一和二中,通过为待验证对象提供与交易类型匹配的多种其他识别模式,以实现对预设图像库中未包含的待验证对象进行身份识别,能够提高本申请实施例的广泛性。
第三步,在待验证对象通过其他识别模式的身份识别的情况下,确定待验证对象为金融交易处理请求所属金融机构的新客户。
如果待验证对象通过其他识别模式的身份识别,说明该待验证对象的身份信息是合法的,但是由于未包含在预设图像库中,即未曾被核验过,说明待验证对象为金融交易处理请求所属金融机构的新客户。
在一个具体例子中(例4),金融机构为银行,金融交易处理请求为取号请求,通过采集取号客户视频,从该视频中选择一帧最清晰的彩色图像进行身份识别。如果身份识别失败,那么可以建议该客户进行人工核验,这样通过对该客户进行人工核验之后,如果该客户的身份信息合法,那么可以为该客户在该银行办一张新卡,即注册一个新账户。
第四步,将新客户的身份信息与新客户的金融账户进行绑定,得到绑定结果。
金融账户为新客户在所属金融机构中的账户。将该新客户的身份信息和在该金融机构中新注册的账户进行绑定,得到绑定结果。在例4中,为该取号客户开通一个新账户,并将该新账户与该取号客户的身份信息进行绑定,得到绑定结果。
第五步,确定绑定结果与新客户的彩色图像之间的对应关系。
将进行首次注册的待验证对象的身份信息和注册信息进行绑定之后,建立绑定结果与采集的待验证对象的彩色图像之间的对应关系。在一些可能的实现方式中,可以通过RGB摄像头采集待验证对象的全身图像,将该全身图像作为与绑定结果建立对应关系的彩色图像。还可以是通过RGB摄像头采集待验证对象仅包括人脸区域的图像,作为与绑定结果建立对应关系的彩色图像。
第六步,按照对应关系,将绑定结果和所述新客户的彩色图像存储在预设图像库中,得到更新的预设图像库。
按照建立的绑定结果和待验证对象的彩色图像之间的对应关系,将该绑定结果与对应的彩色图像,存储在预设图像库中,从而可更新预设图像库。在一个具体例子中,彩色图像为采集的待验证图像的全身图像,那么按照该全身图像与绑定结果之间的对应关系,将该全身图像和绑定结果存在在预设图像库中,以得到更新的预设图像库。如此,能够提高对该对象下次请求金融服务时进行身份识别的效率,以简化金融服务流程,方便金融机构客户的操作。
上述第三步至第六步,如果待验证对象通过其他识别模式的身份识别,那么说明该待验证对象为金融交易处理请求所属金融机构的新客户,通过将该新客户的账户与身份信息进行绑定,来更新预设图像库,能够提高预设图像库的丰富性。
在一些实施例中,对待验证对象进行活体检测和身份识别之后,通过分析该客户的身份信息,按照该身份信息匹配的处理方式对待办理金融业务进行办理,即步骤S103可以通过以下步骤实现:
步骤S131,在待验证对象通过活体检测和身份识别的情况下,确定待验证对象为金融交易处理请求所属金融机构的金融机构客户。
通过采用双目摄像头采集的近红外图像判断待验证对象是否为活体;如果待验证对象是活体,说明待验证对象通过活体检测,那么基于采集的彩色图像对该待验证对象进行身份识别,判断待验证对象的身份信息是否包含在预设图像库中,该预设图像库用于存储已经核验过的对象与该对象的人脸图像,即用于存储携带已核验的对象的身份信息的人脸图像。如果待验证对象的身份信息包含在预设图像库中,说明该待验证对象是已经核验过的对象,比如,是已经在这所金融机构进行注册过的客户或者是已经基于身份信息和人脸图像核验成功的客户,这样,将该待验证对象确定为金融机构客户,实现了一人一账户的实名制服务。
步骤S132,基于金融机构客户的身份信息,对业务处理请求对应的待办理金融业务进行处理,得到处理结果。
金融机构客户的身份信息至少包括:金融机构客户的姓名、身份标识(比如,身份证号或护照等)和家庭住址等。通过分析金融机构客户的身份信息,可以确定该客户在金融机构的账户信息,比如,账户等级和账户金额等,基于该账户信息,可以为该客户设置不同的办理模式。对于不同身份信息的金融机构客户,为该客户匹配与身份信息对应的办理模式,采用与身份信息对应的办理模式对该代办理金融业务进行办理,得到处理结果。在一个具体例子中,以金融机构为银行为例,基于客户的身份信息,可以为客户开通不同的办理模式,比如,基于身份信息的不同,办理模式包括:VIP模式和普通模式等。如果客户的身份信息与VIP模式匹配,那么采用VIP模式对待办理金融业务进行处理;如果客户的身份信息与普通模式匹配,那么采用普通模式对待办理金融业务进行处理。
在一些可能的实现方式中,可以通过以下过程实现步骤S132:
首先,基于金融机构客户的身份信息,确定金融机构客户的所属账户的账户级别。
预设图像库中的每一预设图像均携带一个已核验通过的对象的身份信息,该核验通过的对象为预设图像画面上包括的对象。这样,在预设图像库中查找到第一预设图像之后,即可获取该第一预设图像包括的对象的身份信息,将这一身份信息确定为金融机构客户的身份信息。金融机构客户的身份信息与账户级别相对应,即不同的客户可能对应的账户级别不同;客户的身份信息与该客户的账户信息绑定,账户信息至少包括:账号、存款金额(包括定期和货期存款)、理财项目、消费金额、货币市场基金、账户使用时长、信用卡存款、公积金存款、国债、保险、黄金(含纸黄金、实物黄金、品牌金)等和贷款金额等;其中,理财项目至少包括:银行理财、保险业务和证券投资等。基于客户的账户信息,为该客户划分账户等级。
在一个具体例子中,以金融机构为银行为例,按照金融机构客户的身份信息所绑定的账户信息,将账户级别划分为普通客户级别、理财客户级别、财富管理客户级别和私人银行客户级别等。比如,如果客户是注册了该银行账户的客户,但是账户信息中不包括该银行的理财产品,且该账户中的存款金额小于一定金额阈值(比如,小于20万),且该账户的信用卡在一定时长内的消费金额小于另一金额阈值(比如,小于10万)等,那么确定该客户为普通客户级别。
如果该客户在本行月日均金融资产达到等值预设金额阈值(比如,达到18万),或,使用本行信用卡前6个月累计消费额达到另一金额阈值(比如,达到8万);其中,消费额统计:不包括购房、购车、装修等一次性金额在8万元以上的大额刷卡消费和零扣率商户的消费;或,在本行办理各类个人贷款月末余额达到另一金额阈值(比如,达到40万)以上;将这样的客户确定为理财客户级别。
如果该客户在本行金融资产月日均余额达到另一金额阈值(比如,达到90万)以上,将这样的客户确定为财富管理客户级别。
如果该客户在本行金融资产月日均余额达到另一金额阈值(比如,达到500万)以上,将这样的客户确定为私人银行客户级别。
在另一个具体例子中,按照该客户的账户信息中的金融资产(包括:短期资产和中长期资产)、个人负债(包括:个人住房按揭贷款、其他个人贷款和卡透支等)和中间业务(包括:投资理财类交易、卡消费交易和结算类交易等)等,为该客户划分不同的等级;其中,金融资产和个人负债越高,以及办理的中间业务越多,那么该客户的等级越高。
然后,确定与账户级别相匹配的目标办理模式,并基于目标办理模式,对待办理金融业务进行办理,得到处理结果。
针对不同的账户级别,确定不同的目标办理模式。比如,按照客户的等级,设定用户需要等候的时长;如果客户是最高等级(比如,私人银行客户级别的客户),那么无论该客户前面排多少其他客户,均无需等候,可直接为该客户的待办理金融业务进行办理。如果该客户是普通客户,那么按照正常排队序号进行排队等候,当等候时间到了,为该客户进行待办理金融业务进行办理。如果该客户是财富管理客户级别的客户,那么仅需等候私人银行客户级别的客户办理完即可,当等候时间到了,为该客户进行待办理金融业务进行办理。如果该客户是理财客户级别的客户,那么仅需等候私人银行客户级别的客户和财富管理客户级别的客户办理完即可,当等候时间到了,为该客户进行待办理金融业务进行办理。
在本申请实施例中,为不同的账户级别的客户匹配不同的办理模式,采用这样与账户级别匹配的办理模式对客户的待办理金融业务进行办理,从而能够为客户提供不同的体验感。
在一些实施例中,对待验证对象进行身份识别成功之后,通过分析待办理金融业务的业务类型,在身份识别成功的基础上增加与该业务类型匹配的核验信息,即步骤S103可以通过以下步骤实现:
步骤S31,在待验证对象通过活体检测和身份识别的情况下,确定待办理金融业务的业务类型。
采用双目摄像头对待验证对象进行活体检测和身份识别之后,如果该待验证对象通过活体检测和身份识别,那么确定该待验证对象为金融机构客户,并分析该待办理金融业务的业务类型;其中,业务类型包括:金钱类业务和非金钱类业务,其中,金钱类业务包括:转账类、存款类和汇款类,或非金钱类业务包括:账户设置、账户注册、账户名称修改、账户密码修改或者业务咨询等。
步骤S32,确定与业务类型相匹配的第一核验信息。
第一核验信息包括:短信验证、动态密码验证或人工核验等。对于金钱类业务和非金钱类业务分别匹配不同的核验信息,且金钱类业务的核验信息比非金钱类业务复杂。对于金钱类业务的核验信息,可以根据涉及金额的大小,来设定核验信息。比如,涉及的金额越大,设定越多的核验信息;在一个具体例子中,如果涉及的金额大于第一金额阈值(比如,大于10万)以上,需要匹配短信验证;如果涉及的金额大于第一金额阈值小于第二金额阈值(30万),采用动态密码验证;如果涉及的金额大于第二金额阈值,采用人工核验,以进一步提高客户身份信息的安全性。
在其他实施例中,对于非金钱类业务,可以不设置第一核验信息;比如,对于账户修改、注册或者账户密码修改等业务,可以不设置第一核验信息,即在该客户通过活体检测和身份识别之后,即可为该客户的待办理金融业务进行处理。
步骤S33,响应于待验证对象满足第一核验信息,对金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
如果待验证对象通过了第一核验信息中设定的核验项目,那么说明该待验证对象的身份信息是安全的,所以基于该待验证对象的身份信息匹配办理方式,并采用该办理方式对待办理金融业务进行处理,得到处理结果。
在本申请实施例中,对待验证对象进行身份识别成功之后,通过分析待办理金融业务的业务类型,在身份识别成功的基础上增加与该业务类型匹配的核验信息,利用该核验信息对身份识别成功之后的待验证对象进行进一步的身份核验,以提高交易的安全性能。
在一些实施例中,对待验证对象进行身份识别成功之后,通过分析待办理金融业务的业务安全级别,在身份识别成功的基础上增加与该业务类型匹配的核验信息,利用该核验信息对身份识别成功之后的待验证对象进行进一步的身份核验,以提高交易的安全性能,即步骤S103可以通过以下步骤实现:
步骤S34,在待验证对象通过活体检测和身份识别的情况下,确定待办理金融业务的业务安全级别。
采用双目摄像头对待验证对象进行活体检测和身份识别之后,如果该待验证对象通过活体检测和身份识别,那么确定该待验证对象为金融机构客户,并分析该待办理金融业务的业务安全级别;其中,业务安全级别是根据该待办理金融业务的属性信息设定,其中,待办理金融业务的属性信息包括基于该业务设定的风控需求,以及该业务涉及的金额等。如果待办理金融业务涉及的金额越高,那么业务安全级别越高。
步骤S35,确定与业务安全级别相匹配的第二核验信息。
对于不同的业务安全级别,匹配不同的核验信息,业务安全级别越高匹配越复杂的第二核验信息;其中,第二核验信息与第一核验信息相同或不同。在一个具体例子中,以金融机构为证券机构为例,如果待办理金融业务为资产较大的证券交易,那么第二核验信息为核验该客户为购买该证券的本人。以金融机构为银行为例,如果待办理金融业务为金额较大的取款业务,那么需要对该客户进行人工核验。如果待办理金融业务为金额较小的取款业务,那么需要可以设置第二核验信息为短信验证码核验。
在一些可能的实现方式中,通过分析待办理金融业务的风控需求,生成第二核验信息,即步骤S35可以通过以下步骤实现:
第一步,基于业务安全级别,确定待办理金融业务的风控需求。
待办理金融业务的风控需求包括:待办理金融业务的收益风险概率。对于每一业务安全级别,设置不同的风控需求,业务安全级别越高,风控需求越高。比如,对于较高的业务安全级别,设置较高的风控需求,即设定低于一定概率阈值的收益风险概率。对于较低的业务安全级别,设置高于一定概率阈值的收益风险概率。在其他实施例中,还可以是基于待办理金融业务的属性,设置风控需求。比如,设定的一些高风险的理财产品或者证券业务等。
第二步,基于风控需求,生成第二核验信息。
设定该待办理金融业务的风控需求之后,可基于该风控需求的高低,设定第二核验信息,比如,该风控需求越高,设定越复杂的第二核验信息。
步骤S36,响应于待验证对象满足所述第二核验信息,对金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
如果待验证对象通过了第二核验信息中设定的核验项目,那么说明该待验证对象的身份信息是安全的,所以基于该待验证对象的身份信息匹配办理方式,并采用该办理方式对待办理金融业务进行处理,得到处理结果。
在本申请实施例中,对待验证对象进行身份识别成功之后,通过分析待办理金融业务的风控需求,在身份识别成功的基础上增加与该风控需求匹配的核验信息,利用该核验信息对身份识别成功之后的待验证对象进行进一步的身份核验,以提高交易的安全性能。
下面,将说明本申请实施例在一个实际的应用场景中的示例性应用,以基于双目模组,实现人脸识别的ATM机为例,进行说明。
双目模组摄像头由一个近红外摄像头和一个RGB摄像头组成;近红外摄像头利用人脸肤质的成像与非人脸材质成像特性不同的原理,检测被拍摄对象的材质,以降低视频、图片、面具、头套类型攻击,从而完成本地活体检测。RGB摄像头拍摄彩色人脸图片,结合近红外摄像头灰度图片进行成像的相关性分析,同时上传后台服务器进行做特征提取、1比1人脸比对或1比n身份核验等操作。
将基于双目模组生物识别技术与ATM机结合,在ATM机上,增加人脸识别和人像比对等身份核验功能,可以有效减少使用ATM机过程中所需的物理介质和验密流程,从而能够在更大的视野范围下提高更高的精度以及稳定性从而形成一套更加安全便捷的验证方式,有效保护持卡人合法利益和银行声誉。
在相关技术中,大部分的ATM设备在使用时,使用银行卡(磁条卡或IC芯片卡,或磁条和芯片功能均有的混合卡)插入ATM的读卡器中,再通过密码键盘输入业务办理密码,银行后台系统通过客户信息验证后返回相应信息,从而进行人机交互交易。这样,仅使用卡片和密码进行交易身份验证,存在卡片复制、卡片遗失、密码被盗等缺陷,验密安全性和交易便捷性较差。
基于此,本申请实施例提供一种基于人脸识别的金融业务处理方法,在该方法中,在用户使用ATM机进行查询、动帐类交易和账户设置类交易时,用ATM机集成的双目模组像机采集含有人脸的图像或视频流,并自动在图像中检测和跟踪人脸,将检测到的人脸数据提取到本地或上传云端,以实现活体检测、1比1人脸比对或人脸识别等身份核验处理,从而补充或代替ATM交易的身份核验以及验密操作。这样,在本申请实施例中,基于双目立体相机模组的ATM机身份核验系统,以人脸识别和深度学习算法为技术基础、集成安全芯片增强支付可靠性,从而能够提升核验效率;通过人脸检测、人脸比对以及活体检测等业务,能够在更大的视野范围下提高更高的精度以及稳定性从而形成一套更加安全便捷的验证方式,有效保护持卡人合法利益和银行声誉。
采用集成双目模组的ATM机,处理动帐类业务的流程如下:
第一步,以客户本人办理业务为例,根据银行验密交易策略,进入身份核验流程。
对于客户进行身份核验方式包括:采用银行卡密码进行验证、采用手机短信进行核验、对客户进行活体检测及人脸比对等。对于不同的动账类业务,银行机构和客户可以依据多种策略,进行不同身份核验方式的组合。
第二步,在身份核验步骤中,对客户进行活体检测和人脸识别。
对客户进行活体检测流程包括:
首先,双目摄像机摄取客户视频。
其次,在本地数据库进行人脸关键点检测,以实现活体检测;如果活体检测失败,则进行二次活体检测;如果二次活体检测失败,则退出交易。在退出交易的同时,并记录交易风险信息。
再次,如果活体检测成功,则进行人脸比对。
对客户进行人脸识别的流程包括:
首先,从双目摄像头采集的图像中,选择最清晰的一帧图片,上传至银行服务器。
其次,银行服务器对上传的图片进行提取特征值。
再次,根据交易类型的不同,将特征值信息与不同数据库存储的身份证件图片进行比对。
如果交易类型为本行交易,那么将特征值信息与本地数据库存储的身份证件图片进行比对。如果交易类型为跨行交易,那么将特征值信息与云端数据库存储的身份证件图片进行比对。
再次,如果比对成功,则根据所处理业务的特性,判断是否还有下一步的核验;如果存在下一步核验,则进行下一步核验;如果不存在下一步核验,则返回通过核验信息。
最后,如果比对不成功,进入短信验证码认证模式。如果短信验证码认证失败,则返回身份核验失败并退出交易。
活体检测和1比n人脸比对过程如图3所示,图3为本申请实施例提供的基于人脸识别的金融业务处理方法的实现流程示意图,结合图3进行以下说明:
步骤S301,进入身份核验。
接收身份核验请求,进入身份核验界面。
步骤S302,视频拍摄。
可以参考前文步骤S101描述的方法,利用桌面式人员身份核验终端对用户进行视频拍摄,以采集用户身份识别的人脸图像。比如,采用双目摄像头摄取用户视频。
步骤S303,活体检测。
基于采集的用户视频,进行人脸关键点检测和活体检测。如果检测成功,基于处理的交易类型,将该图片的特征值上传至不同的数据库进行人脸比对,以进入本地人脸比对或云端人脸。
步骤S304,本地人脸比对;或,云端人脸比对。
步骤S305,完成身份核验。
步骤S306,退出交易。
如图4所示,图4为本申请实施例提供的基于人脸识别的金融业务处理方法的应用场景示意图,其中,ATM机401为具有双目摄像头的ATM机,通过双目摄像头采集待验证对象402的用户视频,进行人脸关键点检测和活体检测。在检测成功的情况下,从用户视频中选择最清晰的一帧图片,上传至银行后台服务器,与后台图片中的用户身份信息进行比对。如图4所示,将ATM机401的显示界面上显示的人脸图像403与数据库中存储的用户身份信息进行比对,以实现对待验证对象402的身份识别。
在本申请实施例中,在金融交易流程中可以根据业务风控需要,组合配置不同等级的验密和身份核验流程,从而减少客户物理介质使用,简化操作流程,而且通过采用双目摄像模组提供的活体识别功能能够有效降低图片攻击,具有高防伪性,难以被篡改和复制;进而能够提高账户信息和数据安全新,简化了操作步骤,以提升交易效率。
本申请实施例提供一种基于人脸识别的金融业务处理装置,图5为本申请实施例基于人脸识别的金融业务处理装置的结构组成示意图,如图5所示,所述基于人脸识别的金融业务处理装置500包括:
第一获取模块501,用于响应于接收到的金融交易处理请求,获取画面内容包括待验证对象的人脸图像;
第一识别模块502,用于基于所述人脸图像和所述金融交易处理请求的交易类型,对所述待验证对象进行活体检测和身份识别;
第一处理模块503,用于在所述待验证对象通过所述活体检测和身份识别的情况下,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
在上述装置中,所述第一获取模块501,包括:第一采集子模块,用于获取在同一时刻采集的画面内容包括所述待验证对象的近红外图像,以及画面内容包括所述待验证对象的彩色图像;以及,第一确定子模块,用于将所述近红外图像和所述彩色图像,作为所述人脸图像。
在上述装置中,所述第一识别模块502,包括:第一活体检测子模块,用于基于所述待验证对象的近红外图像,对所述待验证对象进行活体检测,得到活体检测结果;以及,第一识别子模块,用于在所述活体检测结果表征所述待验证对象为活体的情况下,基于所述彩色图像和所述交易类型,对所述待验证对象进行身份识别。
在上述装置中,所述装置还包括:第一确定模块,用于在所述活体检测结果表征所述待验证对象为非活体的情况下,确定所述待验证对象的面部状态;第一生成模块,用于基于所述面部状态,生成并输出第一提示信息,以提示所述待验证对象调整所述面部状态,得到已调整面部状态;第二确定模块,用于确定与所述已调整面部状态相匹配的目标近红外图像;第一活体检测模块,用于基于所述目标近红外图像,对所述待验证对象进行活体检测,得到更新的活体检测结果;以及,第二生成模块,用于在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,生成并输出验证失败信息。
在上述装置中,所述装置还包括:第三确定模块,用于在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,确定与所述待验证对象具有关联关系的风险对象;第二获取模块,用于获取所述风险对象的彩色图像;第一查找模块,用于在预设黑名单图像库中查找与所述风险对象的彩色图像相似度大于等于相似度阈值的目标黑名单图像;其中,所述预设黑名单图像库用于存储活体检测未通过的风险对象的彩色图像;以及,第三生成模块,用于响应于在所述预设黑名单图像库中查找到所述目标黑名单图像,生成并输出交易风险告警信息。
在上述装置中,所述第三确定模块,包括:第一输出子模块,用于在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,输出运动提示信息,以提示所述待验证对象活动除脸部之外的其他身体部位;第二确定子模块,用于响应于检测到所述其他身体部位的运动信息,确定所述待验证对象为所述风险对象;第三确定子模块,用于响应于未检测到所述其他身体部位的运动信息,确定与所述待验证对象之间的距离小于预设距离的活体对象;以及,第四确定子模块,用于将所述活体对象和所述待验证对象,确定为所述风险对象。
在上述装置中,所述装置还包括:第三获取模块,用于响应于在所述预设黑名单图像库中未查找到所述目标黑名单图像,获取清晰度大于等于预设清晰度阈值的所述风险对象的彩色备份图像;以及,第一更新模块,用于将所述彩色备份图像存储在所述预设黑名单图像库,得到更新的黑名单图像库。
在上述装置中,所述彩色图像为至少两帧,所述第一识别子模块,包括:第一确定单元,用于在所述活体检测结果表征所述待验证对象为活体的情况下,确定所述金融交易处理请求的交易类型;第二确定单元,用于在至少两帧所述彩色图像中,确定清晰度大于等于预设清晰度阈值的第一目标彩色图像;第一提取单元,用于对所述第一目标彩色图像进行特征提取,得到所述待验证对象的目标人脸特征;以及,第一识别单元,用于基于目标人脸特征和所述交易类型,对所述待验证对象进行身份识别。
在上述装置中,所述第一识别单元,包括:第一确定子单元,用于确定与所述交易类型相匹配的预设图像库;其中,所述预设图像库用于存储包含已核验金融机构客户的人脸信息的已核验彩色图像,且所述已核验彩色图像携带所述已核验金融机构客户的身份信息;第一查找子单元,用于在所述相匹配的预设图像库中,查找与所述目标人脸特征相匹配的第一预设图像;以及,第二确定子单元,用于响应于在所述相匹配的预设图像库中查找到所述第一预设图像,确定所述待验证对象通过身份识别。
在上述装置中,所述装置还包括:第四确定模块,用于响应于在所述相匹配的预设图像库中未查找到所述第一预设图像,在至少两帧所述彩色图像中,确定清晰度大于所述第一目标彩色图像的第二目标彩色图像;第一提取模块,用于对所述第二目标彩色图像进行特征提取,得到所述待验证对象的更新人脸特征;第二更新模块,用于在所述相匹配的预设图像库中,查找与所述更新人脸特征相匹配的第二预设图像;以及,第四生成模块,用于响应于在所述相匹配的预设图像库中未查找到所述第二预设图像,生成并输出验证失败信息。
在上述装置中,所述装置还包括:第二查找模块,用于响应于在所述相匹配的预设图像库中未查找到所述第一预设图像,且所述第一目标彩色图像为至少两帧所述彩色图像中清晰度最大的彩色图像,确定与所述交易类型相匹配的至少一个其他识别模式;以及,第二识别模块,用于基于所述其他识别模式,对所述待验证对象进行身份识别。
在上述装置中,所述交易类型包括:本金融机构交易类和跨金融机构交易类,所述第一确定子单元,还用于:在所述交易类型为本金融机构交易类的情况下,将所述金融交易处理请求所属金融机构的本地图像库,确定为与所述本金融机构交易类相匹配的预设图像库;在所述交易类型为跨金融机构交易类的情况下,将所述金融交易处理请求所关联的金融机构的云端图像库,确定为与所述跨金融机构交易类相匹配的预设图像库。
在上述装置中,所述装置还包括:第五确定模块,用于在所述待验证对象通过所述其他识别模式的身份识别的情况下,确定所述待验证对象为所述金融交易处理请求所属金融机构的新客户;第一绑定模块,用于将所述新客户的身份信息与所述新客户的金融账户进行绑定,得到绑定结果;其中,所述金融账户为所述新客户在所述所属金融机构中的账户;第六确定模块,用于确定所述绑定结果与所述新客户的彩色图像之间的对应关系;以及,第三更新模块,用于按照所述对应关系,将所述绑定结果和所述新客户的彩色图像存储在预设图像库中,得到更新的预设图像库。
在上述装置中,所述第一处理模块503,包括:第五确定子模块,用于在所述待验证对象通过所述活体检测和身份识别的情况下,确定所述待验证对象为所述金融交易处理请求所属金融机构的金融机构客户;账户级别确定子模块,用于基于所述金融机构客户的身份信息,确定所述金融机构客户的所属账户的账户级别;目标办理模式确定子模块,用于确定与所述账户级别相匹配的目标办理模式;以及,第一处理子模块,用于基于所述目标办理模式,对所述待办理金融业务进行办理,得到所述处理结果。
在上述装置中,所述第一处理模块503,包括:第六确定子模块,用于在所述待验证对象通过所述活体检测和身份识别的情况下,确定所述待办理金融业务的业务类型;第七确定子模块,用于确定与所述业务类型相匹配的第一核验信息;以及,第二处理子模块,用于响应于所述待验证对象满足所述第一核验信息,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
在上述装置中,所述第一处理模块503,包括:第八确定子模块,用于在所述待验证对象通过所述活体检测和身份识别的情况下,确定所述待办理金融业务的业务安全级别;第九确定子模块,用于基于所述业务安全级别,确定所述待办理金融业务的风控需求;第一生成子模块,用于基于所述风控需求,生成所述第二核验信息;以及,第三处理子模块,用于响应于所述待验证对象满足所述第二核验信息,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
需要说明的是,以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述的基于人脸识别的金融业务处理方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例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,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台基于人脸识别的金融业务处理设备(可以是终端、服务器等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、运动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
对应地,本申请实施例再提供一种计算机程序产品,所述计算机程序产品包括计算机可执行指令,该计算机可执行指令被执行后,能够实现本申请实施例提供的基于人脸识别的金融业务处理方法中的步骤。
相应的,本申请实施例再提供一种计算机存储介质,所述计算机存储介质上存储有计算机可执行指令,所述该计算机可执行指令被处理器执行时实现上述实施例提供的基于人脸识别的金融业务处理方法的步骤。
相应的,本申请实施例提供一种基于人脸识别的金融业务处理设备,图6为本申请实施例基于人脸识别的金融业务处理设备的组成结构示意图,如图6所示,所述基于人脸识别的金融业务处理设备600包括:一个处理器601、至少一个通信总线、通信接口602、至少一个外部通信接口和存储器603。其中,通信接口602配置为实现这些组件之间的连接通信。其中,通信接口602可以包括显示屏,外部通信接口可以包括标准的有线接口和无线接口。其中所述处理器601,配置为执行存储器中图像处理程序,以实现上述实施例提供的基于人脸识别的金融业务处理方法的步骤。
以上基于人脸识别的金融业务处理装置、基于人脸识别的金融业务处理设备和存储介质实施例的描述,与上述方法实施例的描述是类似的,具有同相应方法实施例相似的技术描述和有益效果,限于篇幅,可案件上述方法实施例的记载,故在此不再赘述。对于本申请基于人脸识别的金融业务处理装置、金融业务处理设备和存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程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,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本申请各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ReadOnly Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例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,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台金融业务处理设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (19)
1.一种基于人脸识别的金融业务处理方法,其特征在于,所述方法包括:
响应于接收到的金融交易处理请求,获取画面内容包括待验证对象的人脸图像;
基于所述人脸图像和所述金融交易处理请求的交易类型,对所述待验证对象进行活体检测和身份识别;
在所述待验证对象通过所述活体检测和身份识别的情况下,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
2.根据权利要求1所述的方法,其特征在于,所述获取画面内容包括待验证对象的人脸图像,包括:
获取在同一时刻采集的画面内容包括所述待验证对象的近红外图像,以及画面内容包括所述待验证对象的彩色图像;
将所述近红外图像和所述彩色图像,作为所述人脸图像。
3.根据权利要求1或2所述的方法,其特征在于,所述基于所述人脸图像和所述金融交易处理请求的交易类型,对所述待验证对象进行活体检测和身份识别,包括:
基于所述待验证对象的近红外图像,对所述待验证对象进行活体检测,得到活体检测结果;
在所述活体检测结果表征所述待验证对象为活体的情况下,基于所述彩色图像和所述交易类型,对所述待验证对象进行身份识别。
4.根据权利要求3所述的方法,其特征在于,所述基于所述待验证对象的近红外图像,对所述待验证对象进行活体检测,得到活体检测结果之后,所述方法还包括:
在所述活体检测结果表征所述待验证对象为非活体的情况下,确定所述待验证对象的面部状态;
基于所述面部状态,生成并输出第一提示信息,以提示所述待验证对象调整所述面部状态,得到已调整面部状态;
确定与所述已调整面部状态相匹配的目标近红外图像;
基于所述目标近红外图像,对所述待验证对象进行活体检测,得到更新的活体检测结果;
在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,生成并输出验证失败信息。
5.根据权利要求4所述的方法,其特征在于,所述在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,生成并输出验证失败信息之后,所述方法还包括:
在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,确定与所述待验证对象具有关联关系的风险对象;
获取所述风险对象的彩色图像;
在预设黑名单图像库中查找与所述风险对象的彩色图像相似度大于等于相似度阈值的目标黑名单图像;其中,所述预设黑名单图像库用于存储活体检测未通过的风险对象的彩色图像;
响应于在所述预设黑名单图像库中查找到所述目标黑名单图像,生成并输出交易风险告警信息。
6.根据权利要求5所述的方法,其特征在于,所述在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,确定与所述待验证对象具有关联关系的风险对象,包括:
在所述更新的活体检测结果表征所述待验证对象为非活体的情况下,输出运动提示信息,以提示所述待验证对象活动除脸部之外的其他身体部位;
响应于检测到所述其他身体部位的运动信息,确定所述待验证对象为所述风险对象;
响应于未检测到所述其他身体部位的运动信息,确定与所述待验证对象之间的距离小于预设距离的活体对象;
将所述活体对象和所述待验证对象,确定为所述风险对象。
7.根据权利要求5或6所述的方法,其特征在于,所述在预设黑名单图像库中查找与所述彩色图像相似度大于等于相似度阈值的目标黑名单图像之后,所述方法还包括:
响应于在所述预设黑名单图像库中未查找到所述目标黑名单图像,获取清晰度大于等于预设清晰度阈值的所述风险对象的彩色备份图像;
将所述彩色备份图像存储在所述预设黑名单图像库,得到更新的黑名单图像库。
8.根据权利要求3至7任一项所述的方法,其特征在于,所述彩色图像为至少两帧,所述在所述活体检测结果表征所述待验证对象为活体的情况下,基于所述彩色图像和所述交易类型,对所述待验证对象进行身份识别,包括:
在所述活体检测结果表征所述待验证对象为活体的情况下,确定所述金融交易处理请求的交易类型;
在至少两帧所述彩色图像中,确定清晰度大于等于预设清晰度阈值的第一目标彩色图像;
对所述第一目标彩色图像进行特征提取,得到所述待验证对象的目标人脸特征;
基于目标人脸特征和所述交易类型,对所述待验证对象进行身份识别。
9.根据权利要求8所述的方法,其特征在于,所述基于目标人脸特征和所述交易类型,对所述待验证对象进行身份识别,包括:
确定与所述交易类型相匹配的预设图像库;其中,所述预设图像库用于存储包含已核验金融机构客户的人脸信息的已核验彩色图像,且所述已核验彩色图像携带所述已核验金融机构客户的身份信息;
在所述相匹配的预设图像库中,查找与所述目标人脸特征相匹配的第一预设图像;
响应于在所述相匹配的预设图像库中查找到所述第一预设图像,确定所述待验证对象通过身份识别。
10.根据权利要求9所述的方法,其特征在于,所述在所述相匹配的预设图像库中,查找与所述目标人脸特征相匹配的第一预设图像之后,所述方法还包括:
响应于在所述相匹配的预设图像库中未查找到所述第一预设图像,在至少两帧所述彩色图像中,确定清晰度大于所述第一目标彩色图像的第二目标彩色图像;
对所述第二目标彩色图像进行特征提取,得到所述待验证对象的更新人脸特征;
在所述相匹配的预设图像库中,查找与所述更新人脸特征相匹配的第二预设图像;
响应于在所述相匹配的预设图像库中未查找到所述第二预设图像,生成并输出验证失败信息。
11.根据权利要求9或10所述的方法,其特征在于,所述在所述相匹配的预设图像库中,查找与所述目标人脸特征相匹配的第一预设图像之后,所述方法还包括:
响应于在所述相匹配的预设图像库中未查找到所述第一预设图像,且所述第一目标彩色图像为至少两帧所述彩色图像中清晰度最大的彩色图像,确定与所述交易类型相匹配的至少一个其他识别模式;
基于所述其他识别模式,对所述待验证对象进行身份识别。
12.根据权利要求9至11任一项所述的方法,其特征在于,所述交易类型包括:本金融机构交易类和跨金融机构交易类,所述确定与所述交易类型相匹配的预设图像库,包括:
在所述交易类型为本金融机构交易类的情况下,将所述金融交易处理请求所属金融机构的本地图像库,确定为与所述本金融机构交易类相匹配的预设图像库;
在所述交易类型为跨金融机构交易类的情况下,将所述金融交易处理请求所关联的金融机构的云端图像库,确定为与所述跨金融机构交易类相匹配的预设图像库。
13.根据权利要求11或12所述的方法,其特征在于,所述基于所述其他识别模式,对所述待验证对象进行身份识别之后,所述方法还包括:
在所述待验证对象通过所述其他识别模式的身份识别的情况下,确定所述待验证对象为所述金融交易处理请求所属金融机构的新客户;
将所述新客户的身份信息与所述新客户的金融账户进行绑定,得到绑定结果;其中,所述金融账户为所述新客户在所述所属金融机构中的账户;
确定所述绑定结果与所述新客户的彩色图像之间的对应关系;
按照所述对应关系,将所述绑定结果和所述新客户的彩色图像存储在预设图像库中,得到更新的预设图像库。
14.根据权利要求1至13任一项所述的方法,其特征在于,所述对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果,包括:
确定所述待验证对象为所述金融交易处理请求所属金融机构的金融机构客户;
基于所述金融机构客户的身份信息,确定所述金融机构客户的所属账户的账户级别;
确定与所述账户级别相匹配的目标办理模式;
基于所述目标办理模式,对所述待办理金融业务进行办理,得到所述处理结果。
15.根据权利要求1至14任一项所述的方法,其特征在于,所述对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果,包括:
确定所述待办理金融业务的业务类型;
确定与所述业务类型相匹配的第一核验信息;
响应于所述待验证对象满足所述第一核验信息,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
16.根据权利要求1至15任一项所述的方法,其特征在于,所述对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果,包括:
确定所述待办理金融业务的业务安全级别;
基于所述业务安全级别,确定所述待办理金融业务的风控需求;
基于所述风控需求,生成所述第二核验信息;
响应于所述待验证对象满足所述第二核验信息,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果;
所述确定与所述业务安全级别相匹配的第二核验信息,包括:。
17.一种基于人脸识别的金融业务处理装置,其特征在于,所述装置包括:
第一获取模块,用于响应于接收到的金融交易处理请求,获取画面内容包括待验证对象的人脸图像;
第一识别模块,用于基于所述人脸图像和所述金融交易处理请求的交易类型,对所述待验证对象进行活体检测和身份识别;
第一处理模块,用于在所述待验证对象通过所述活体检测和身份识别的情况下,对所述金融交易处理请求对应的待办理金融业务进行处理,得到处理结果。
18.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机可执行指令,该计算机可执行指令被执行后,能够实现权利要求1至16任一项所述的方法步骤。
19.一种基于人脸识别的金融业务处理设备,其特征在于,所述基于人脸识别的金融业务处理设备包括存储器和处理器,所述存储器上存储有计算机可执行指令,所述处理器运行所述存储器上的计算机可执行指令时能够实现权利要求1至16任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110476585.4A CN113177480A (zh) | 2021-04-29 | 2021-04-29 | 基于人脸识别的金融业务处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110476585.4A CN113177480A (zh) | 2021-04-29 | 2021-04-29 | 基于人脸识别的金融业务处理方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113177480A true CN113177480A (zh) | 2021-07-27 |
Family
ID=76925456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110476585.4A Pending CN113177480A (zh) | 2021-04-29 | 2021-04-29 | 基于人脸识别的金融业务处理方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177480A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120546A (zh) * | 2021-11-22 | 2022-03-01 | 中国银行股份有限公司 | 基于区块链及人脸识别的跨行取款方法及装置 |
CN115187915A (zh) * | 2022-09-07 | 2022-10-14 | 苏州万店掌网络科技有限公司 | 一种客流分析方法、装置、设备及介质 |
CN115223307A (zh) * | 2022-07-26 | 2022-10-21 | 中国银行股份有限公司 | 一种多功能交易设备 |
CN117275138A (zh) * | 2023-11-21 | 2023-12-22 | 建信金融科技有限责任公司 | 基于自动取款机的身份认证方法、装置、设备和存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103297512A (zh) * | 2013-05-15 | 2013-09-11 | 吴玉平 | 一种基于云技术的人脸识别区域网络智能监控系统及方法 |
CN105426717A (zh) * | 2015-11-11 | 2016-03-23 | 广东欧珀移动通信有限公司 | 一种展示界面的方法及装置 |
CN106530185A (zh) * | 2016-11-11 | 2017-03-22 | 深圳前海微众银行股份有限公司 | 基于身份认证的业务办理方法、系统及身份认证平台 |
CN107368769A (zh) * | 2016-05-11 | 2017-11-21 | 北京市商汤科技开发有限公司 | 人脸活体检测方法、装置及电子设备 |
CN109492538A (zh) * | 2018-10-17 | 2019-03-19 | 广州云从信息科技有限公司 | 基于人脸识别技术的智能登机系统、方法及可读存储介质 |
CN109816200A (zh) * | 2018-12-17 | 2019-05-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
CN110472579A (zh) * | 2019-08-16 | 2019-11-19 | 中国银行股份有限公司 | 业务处理中的身份审核方法、装置、设备及可读存储介质 |
US20190392191A1 (en) * | 2018-06-22 | 2019-12-26 | Fujitsu Limited | Authentication device and authentication method |
WO2020053984A1 (ja) * | 2018-09-12 | 2020-03-19 | 富士通株式会社 | 生体認証装置、偽造判別プログラム及び偽造判別方法 |
CN112232121A (zh) * | 2020-09-10 | 2021-01-15 | 北京迈格威科技有限公司 | 活体检测方法、装置、设备及介质 |
CN112559999A (zh) * | 2020-12-07 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 身份验证方法、身份验证系统、电子设备及存储介质 |
-
2021
- 2021-04-29 CN CN202110476585.4A patent/CN113177480A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103297512A (zh) * | 2013-05-15 | 2013-09-11 | 吴玉平 | 一种基于云技术的人脸识别区域网络智能监控系统及方法 |
CN105426717A (zh) * | 2015-11-11 | 2016-03-23 | 广东欧珀移动通信有限公司 | 一种展示界面的方法及装置 |
CN107368769A (zh) * | 2016-05-11 | 2017-11-21 | 北京市商汤科技开发有限公司 | 人脸活体检测方法、装置及电子设备 |
CN106530185A (zh) * | 2016-11-11 | 2017-03-22 | 深圳前海微众银行股份有限公司 | 基于身份认证的业务办理方法、系统及身份认证平台 |
US20190392191A1 (en) * | 2018-06-22 | 2019-12-26 | Fujitsu Limited | Authentication device and authentication method |
WO2020053984A1 (ja) * | 2018-09-12 | 2020-03-19 | 富士通株式会社 | 生体認証装置、偽造判別プログラム及び偽造判別方法 |
CN109492538A (zh) * | 2018-10-17 | 2019-03-19 | 广州云从信息科技有限公司 | 基于人脸识别技术的智能登机系统、方法及可读存储介质 |
CN109816200A (zh) * | 2018-12-17 | 2019-05-28 | 平安国际融资租赁有限公司 | 任务推送方法、装置、计算机设备和存储介质 |
CN110472579A (zh) * | 2019-08-16 | 2019-11-19 | 中国银行股份有限公司 | 业务处理中的身份审核方法、装置、设备及可读存储介质 |
CN112232121A (zh) * | 2020-09-10 | 2021-01-15 | 北京迈格威科技有限公司 | 活体检测方法、装置、设备及介质 |
CN112559999A (zh) * | 2020-12-07 | 2021-03-26 | 中国平安人寿保险股份有限公司 | 身份验证方法、身份验证系统、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
XIAO LIU等: "Feature Visualization Based Stacked Convolutional Neural Network for Human Body Detection in a Depth Image", 《PRCV 2018: PATTERN RECOGNITION AND COMPUTER VISION》, pages 87 - 98 * |
郑欣洋: "面向人脸认证的活体检测方法研究", 《信息科技辑》, no. 05, pages 138 - 152 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114120546A (zh) * | 2021-11-22 | 2022-03-01 | 中国银行股份有限公司 | 基于区块链及人脸识别的跨行取款方法及装置 |
CN115223307A (zh) * | 2022-07-26 | 2022-10-21 | 中国银行股份有限公司 | 一种多功能交易设备 |
CN115187915A (zh) * | 2022-09-07 | 2022-10-14 | 苏州万店掌网络科技有限公司 | 一种客流分析方法、装置、设备及介质 |
CN117275138A (zh) * | 2023-11-21 | 2023-12-22 | 建信金融科技有限责任公司 | 基于自动取款机的身份认证方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113177480A (zh) | 基于人脸识别的金融业务处理方法、装置、设备及介质 | |
JP4862447B2 (ja) | 顔認識システム | |
US8811711B2 (en) | Recognizing financial document images | |
CN107016608A (zh) | 一种基于身份信息验证的远程开户方法及系统 | |
US20130212655A1 (en) | Efficient prevention fraud | |
JP2006079382A (ja) | 情報処理装置、不正者検出方法および現金自動預け払い装置 | |
US20160125404A1 (en) | Face recognition business model and method for identifying perpetrators of atm fraud | |
US20210398128A1 (en) | Velocity system for fraud and data protection for sensitive data | |
EP3594879A1 (en) | System and method for authenticating transactions from a mobile device | |
KR100715323B1 (ko) | 얼굴인식기술을 이용한 전자금융 부정 거래 방지 장치 및방법 | |
CN110599187A (zh) | 一种基于人脸识别的支付方法、装置、计算机设备和存储介质 | |
CN113158945A (zh) | 基于人脸识别的业务处理方法、装置、设备及存储介质 | |
US20220277311A1 (en) | A transaction processing system and a transaction method based on facial recognition | |
KR101334744B1 (ko) | 무인대출 처리방법 | |
JP6318293B1 (ja) | カードが必要ない生体情報を利用した金融決済システム及びそれを利用した金融決済方法 | |
CN113111846A (zh) | 基于人脸识别的就诊方法、装置、设备及存储介质 | |
US11948365B2 (en) | Frictionless authentication and monitoring | |
JP2010244570A (ja) | 情報処理装置、不正者検出方法および現金自動預け払い装置 | |
Shetty et al. | Investigation of Card Skimming Cases: An Indian Perspective | |
Zinjurde et al. | Credit card fraud detection and prevention by face recognition | |
Zolotarev et al. | Liveness detection methods implementation to face identification reinforcement in gaming services | |
US20160048839A1 (en) | System and method for exclusion-based imposter screening | |
JP2005242869A (ja) | 現金自動取引システム及び現金自動取引装置 | |
US20190362358A1 (en) | Method and system of secure payment | |
Kowshika et al. | Facepin: Face biometric authentication system for ATM using deep learning |
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 |