CN116189090A - 金融场景合法性校验方法及装置 - Google Patents

金融场景合法性校验方法及装置 Download PDF

Info

Publication number
CN116189090A
CN116189090A CN202310162300.9A CN202310162300A CN116189090A CN 116189090 A CN116189090 A CN 116189090A CN 202310162300 A CN202310162300 A CN 202310162300A CN 116189090 A CN116189090 A CN 116189090A
Authority
CN
China
Prior art keywords
image
target image
size
pixel
target
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
Application number
CN202310162300.9A
Other languages
English (en)
Inventor
詹念吉
王耀南
朱煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Merchants Union Consumer Finance Co Ltd
Original Assignee
Merchants Union Consumer Finance Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Merchants Union Consumer Finance Co Ltd filed Critical Merchants Union Consumer Finance Co Ltd
Priority to CN202310162300.9A priority Critical patent/CN116189090A/zh
Publication of CN116189090A publication Critical patent/CN116189090A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例提供了一种金融场景合法性校验方法及装置，该方法包括：获取第一目标图像和多个第一对比图像，第一目标图像中包括至少一个人像；对第一目标图像进行人像分割处理后得到第二目标图像；对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像；计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，确定多个第一对比图像中与第三目标图像相似度大于第一预设阈值的第二对比图像；若第二对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。采用前述方法，可以直接根据人像图像进行背景图像的相似度匹配。

Description

金融场景合法性校验方法及装置
技术领域
本申请涉及一般图像数据处理领域，特别涉及一种金融场景合法性校验方法及装置。
背景技术
目前，金融犯罪已经层出不穷，多数金融犯罪都是团伙作案，且一个团伙中多数人都会在统一的地点作案，金融公司无法在目标人物作案前就判定其账号异常，只能通过目标人物的违规操作来判定其是否存在风险，但即使追捕到目标人物的违规操作，目标人物早已完成了作案并潜逃，无法在目标人物作案前进行预防。
发明内容
本申请实施例提供了一种金融场景合法性校验方法及装置，在目标人物进行人脸识别时就可以对其人像背景识别，并根据其人像背景判定是否存在其他多个目标人物的人像背景与其相似，确定是否存在多个目标人物在同一地点进行金融操作，进而提前对该目标人物进行预防。
第一方面，本申请实施例提供了一种金融场景合法性校验方法，该方法包括：
获取第一目标图像和多个第一对比图像，第一目标图像中包括至少一个人像；
对第一目标图像进行人像分割处理后得到第二目标图像；
对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像；
计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，确定多个第一对比图像中与第三目标图像相似度大于第一预设阈值的第二对比图像；
若第二对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。
可以看出，本申请实施例中，获取第一目标图像和多个第一对比图像，第一目标图像中包括至少一个人像；对第一目标图像进行人像分割处理后得到第二目标图像；对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像；计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，确定多个第一对比图像中与第三目标图像相似度大于第一预设阈值的第二对比图像；若第二对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。采用前述方法，可以直接根据人像图像进行背景图像的相似度匹配，并基于相似的背景图像数量确定该背景的合法性，便于对该人像图像对应的客户提前进行预防。
在一个可行的实施例中，对第一目标图像进行人像分割处理后得到第二目标图像，包括：根据语义分割模型对第一目标图像进行人像分割，得到去除人像之后的第一目标子图像，语义分割模型通过语义分割网络进行人像分割；将第一目标子图像中去除人像部分填充为第一像素点，得到第二目标图像，第一像素点的像素值为第一像素点所在行的其他像素点的平均像素值。
在本申请实施例中，通过语义分割模型对第一目标图像进行人像分割，再对分割后的人像缺失部分填充上第一像素点。采用前述方法，可以得到完整的背景图像，去除了人像部分对图像相似度计算产生的干扰。
在一个可行的实施例中，在对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像之前，该方法还包括：确定第二目标图像中的像素点数量和图像尺寸，并根据第二目标图像中的像素点数量确定第一像素块的第一数量和第一尺寸；确定第二目标图像中所有像素点的第一平均像素值；根据第一尺寸在第二目标图像中确定多个第二像素块，多个第二像素块的数量大于第一数量；将多个第二像素块中每个第二像素块的像素点的平均像素值中，与第一平均像素值最接近的第一数量的第二像素块所在的位置，作为至少一个第一像素块的位置。
在本申请实施例中，通过第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，并根据第二目标图像中所有像素点的第一平均像素值来确定第一像素块的位置。由于第二目标图像是进行了人像分割和图像填充处理后的图像，虽然人像分割和图像填充可以消除人像对背景图像相似度匹配产生的影响，但第二目标图像的图像背景特征也会基于人像分割和图像填充处理而降低，本实施例可以在突出第二目标图像的局部特征的基础上，降低人像分割和图像填充处理后对第二目标图像产生的影响。
在一个可行的实施例中，根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，包括：判断第二目标图像中的像素点数量是否超过第二数量；
若第二目标图像中的像素点数量不超过第二数量，则根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，以使第二目标图像的像素点数量与第一数量之间的比例小于第一数量比例，以及第二目标图像的图像尺寸与第一尺寸之间的比例小于第一尺寸比例，以及第二目标图像的图像尺寸与所有的第一像素块的第一尺寸之和之间的比例小于第二尺寸比例；
若第二目标图像中的像素点数量超过第二数量，则根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，以使第二目标图像的像素点数量与第一数量之间的比例小于第二数量比例，以及第二目标图像的图像尺寸与第一尺寸之间的比例小于第三尺寸比例；其中，第一数量比例小于第二数量比例，第一尺寸比例小于第三尺寸比例。
在本申请实施例中，通过判断第二目标图像中的像素点数量大小来对第一像素块的第一数量和第一尺寸设置不同的确定条件，且第二目标图像中像素点数量大于第二数量时对第一数量和第一尺寸设置的确定范围要大于第二目标图像中像素点数量不大于第二数量时对第一数量和第一尺寸设置的确定范围。可以保证第一像素块占第二目标图像的比例不会过大，避免了第一像素块占第二目标图像的比例过大而对第二目标图像在图像相似度计算时产生的负影响。
在一个可行的实施例中，在对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像之前，该方法还包括：确定第二目标图像中的像素点数量和图像尺寸，并根据第二目标图像中的像素点数量确定第一像素块的第一数量和第一尺寸；根据第二目标图像中各像素点的像素值确定第二目标图像中的多个平滑区域，平滑区域用于表征区域内相邻像素点之间的像素值差值小于第一差值；
若确定多个平滑区域的数量大于第一数量，以及多个平滑区域中根据尺寸大小排序后处于第一数量范围内的平滑区域的尺寸大于第一尺寸，则根据多个平滑区域中每个平滑区域的尺寸选取第一数量的平滑区域，选取第一数量的平滑区域中每个区域的中心区域作为至少一个第一像素块的位置；
若确定多个平滑区域的数量大于第一数量，以及多个平滑区域中根据尺寸大小排序后处于第一数量位置的平滑区域的尺寸不大于第一尺寸，则将多个平滑区域中根据尺寸大小排序为第一数量的平滑区域的尺寸确定为新的第一尺寸，并根据多个平滑区域中每个平滑区域的尺寸选取第一数量的平滑区域，选取第一数量的平滑区域中每个区域的中心区域作为至少一个第一像素块的位置；
若确定多个平滑区域的数量不大于第一数量，则在第二目标图像中分散选取第一数量的像素块作为至少一个第一像素块的位置，以使至少一个第一像素块中相邻像素块之间的距离相等。
在本申请实施例中，根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸之后，确定第二目标图像中的平滑区域，并根据平滑区域的数量和尺寸大小来选择第一像素块的位置。采用前述方法，可以确保第一像素块所处的位置不会影响图像中突出的特征，突出了图像的局部特征，降低人像分割和图像填充处理后对第二目标图像产生的影响。
在一个可行的实施例中，计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，包括：将第三目标图像与多个第一对比图像输入自编码器中，通过自编码器中的编码器对第三目标图像与多个第一对比图像进行特征提取，将编码器的神经元层的最后一层特征作为第三目标图像与多个第一对比图像的特征向量，并由自编码器中的解码器输出第三目标图像与多个第一对比图像的特征向量；根据第三目标图像与多个第一对比图像的特征向量进行欧氏距离计算，根据欧式距离计算结果确定第三目标图像与多个第一对比图像中每个第一对比图像的相似度，其中，欧式距离计算结果越大，相似度越小。
在本申请实施例中，通过自编码器来确定第三目标图像和多个第一对比图像的特征向量，并根据每个图像的特征向量来进行欧氏距离计算，并根据欧式距离结果确定第三目标图像与多个第一对比图像中每个第一对比图像的相似度。采用前述方法，对目标图像进行像素块去除之后输入自编码器，可以让自编码器在像素块重构的过程中学习局部特征，增加了图像相似度计算的准确性，而通过欧式距离计算可以直观的确定图像之间的相似度。
在一个可行的实施例中，若第二对比图像的数量大于第二预设阈值，该方法还包括：获取第二对比图像中，与第三目标图像之间的相似度最高的第二目标对比图像，其中，第二目标对比图像不包括人像；采用第二目标对比图像的特征向量与第三对比图像的特征向量进行欧氏距离计算，确定第二目标对比图像与第三对比图像之间的相似度，第三对比图像为多个第一对比图像中除第二目标对比图像之外的图像；确定第三对比图像中与第二目标对比图像相似度大于第一预设阈值的第四对比图像；若第四对比图像的数量大于第二预设阈值，则确定第一目标图像为非法场景；若第四对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。
在本申请实施例中，若第二对比图像的数量大于第二预设阈值，则确定第二对比图像中，与第三目标图像相似度最高的第二目标对比图像，并根据第二目标对比图像与多个第一对比图像中除第二目标对比图像之外的第三对比图像之间的相似度，来判断第一目标图像是否为非法场景。采用前述方法，可以避免第一目标图像进行的图像处理对图像相似度匹配产生的影响。
第二方面，本申请实施例提供了一种金融场景合法性校验装置，该装置包括：
获取单元，用于获取第一目标图像和多个第一对比图像，第一目标图像中包括至少一个人像；
处理单元，用于对第一目标图像进行人像分割处理后得到第二目标图像；
处理单元，还用于对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像；
计算单元，用于计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，确定多个第一对比图像中与第三目标图像相似度大于第一预设阈值的第二对比图像；
确定单元，用于若第二对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。
第三方面，本申请实施例提供了一种电子装置，该装置包括处理器、存储器、通信接口，处理器、存储器和通信接口相互连接，并且完成相互间的通信工作，存储器上存储有可执行程序代码，通信接口用于进行无线通信，处理器用于调取存储器上存储的可执行程序代码，执行例如第一方面任一方法中所描述的部分或全部的步骤。
第四方面，本申请实施例提供一种计算机可读存储介质，计算机可读存储介质中存储有电子数据，电子数据在被处理器执行时，用于执行电子数据以实现本申请实施例第一方面所描述的部分或全部步骤。
第五方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
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，下面描述中的附图仅仅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金融场景合法性校验系统的结构示意图；
图2为本申请实施例提供的一种金融场景合法性校验方法的流程示意图；
图3为本申请实施例提供的一种人像分割方法的流程示意图；
图4为本申请实施例提供的一种图像像素块的结构示意图；
图5为本申请实施例提供的一种图像平滑区域的结构示意图；
图6a是本申请实施例提供的一种金融场景合法性校验装置的功能单元组成框图；
图6b是本申请实施例提供的另一种金融场景合法性校验装置的功能单元组成框图；
图7是本申请实施例提供的一种电子装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅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作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤的过程、方法、系统、产品或设备没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
请参阅图1，图1为本申请实施例提供的一种金融场景合法性校验系统的结构示意图，如图1所示，该金融场景合法性校验系统100包括图像获取服务器101、图像处理服务器102、图像匹配服务器103和合法性校验服务器104，图像获取服务器101用于获取目标人物的目标图像，图像处理服务器102用于对目标图像进行图像处理，具体包括人像分割和图像填充等，图像匹配服务器103用于对处理后的目标图像与其他对比图像进行图像匹配，确定目标图像与其他对比图像之间的相似度，合法性校验服务器104用于根据目标图像与其他对比图像之间的相似度确定目标图像的场景是否属于合法场景。
基于此，本申请实施例提供了一种金融场景合法性校验方法，下面结合附图对本申请实施例进行详细说明。
请参阅图2，图2为本申请实施例提供的一种金融场景合法性校验方法的流程示意图，如图2所示，该方法包括如下步骤：
步骤201，获取第一目标图像和多个第一对比图像。
其中，第一目标图像主要是指客户在进行金融操作过程中，在人脸识别时所保存下来的图像，因此，第一目标图像中包括至少一个人像。而第一对比图像主要历史背景图像，即历史客户在金融操作过程中所保存下来的背景图像，用于与第一目标图像所对应的背景进行相似度匹配。
步骤202，对第一目标图像进行人像分割处理后得到第二目标图像。
其中，第一目标图像是一个包含人像的图像，而本实施例是针对背景进行图像匹配，因此，在进行图像匹配之前，需要对其进行人像分割，从而得到第一目标图像中的背景图像，排除人像对图像匹配造成的干扰。
在一个可行的实施例中，对第一目标图像进行人像分割处理后得到第二目标图像，包括：根据语义分割模型对第一目标图像进行人像分割，得到去除人像之后的第一目标子图像，语义分割模型通过语义分割网络进行人像分割；将第一目标子图像中去除人像部分填充为第一像素点，得到第二目标图像，第一像素点的像素值为第一像素点所在行的其他像素点的平均像素值。
其中，语义分割模型主要是根据语义分割网络进行的人像分割，语义分割主要是指通过神经网络来实现端到端的分割结果，从而对图像中每个像素标注上对应的类别，以便于对图像中的部分内容进行分割，而本实施例所提到的语义分割网络主要是指通过卷积神经网络与条件随机场相结合的方式实现像素点的标签分类，例如Deeplaplab、Mask Rcnn等。而根据语义分割模型实现人像分割后，得到的是缺失人像的背景图像，即第一目标子图像，本实施例在第一目标子图像中的人像缺失部分填充上第一像素点，进而得到完整的背景图像。第一像素点的像素值除了根据第一像素点所在行的其他像素点的平均像素值确定，还可以根据所在列的其他像素点的平均像素值确定，或者根据周围一定范围的像素点的平均像素值确定。
示例性地，请参阅图3，图3为本申请实施例提供的一种人像分割方法的流程示意图，如图3所示，图3包括人像图像301，人像图像301包括人像部分和背景部分，对人像图像301进行人像分割之后，得到缺失背景图像302，缺失背景图像302中的人像部分的像素点像素值为零，于是对缺失背景图像302中的人像缺失部分进行图像填充得到背景图像303。
在本申请实施例中，通过语义分割模型对第一目标图像进行人像分割，再对分割后的人像缺失部分填充上第一像素点。采用前述方法，可以得到完整的背景图像，去除了人像部分对图像相似度计算产生的干扰。
步骤203，对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像。
其中，由于第二目标图像是对第一目标图像进行人像分割加图像填充后得到的图像，而进行前述处理后，会对图像的相似度匹配产生影响，为了减少该影响，在进行图像相似度计算之前，本实施例对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除，突出第二目标图像中的局部特征。第一像素块的位置、数量和尺寸可以是随机的，也可以是通过下述方法进行确定的，但第一像素块的尺寸不能过大。
示例性地，请参阅图4，图4为本申请实施例提供的一种图像像素块的结构示意图，如图4所示，图4包括目标图像400，图像400中包括多个选择的像素块401，该像素块401中包括多个像素点，在将多个像素块401去除之后，该多个像素块401所在的位置的像素点的像素值为零。
在一个可行的实施例中，在对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像之前，该方法还包括：确定第二目标图像中的像素点数量和图像尺寸，并根据第二目标图像中的像素点数量确定第一像素块的第一数量和第一尺寸；确定第二目标图像中所有像素点的第一平均像素值；根据第一尺寸在第二目标图像中确定多个第二像素块，多个第二像素块的数量大于第一数量；将多个第二像素块中每个第二像素块的像素点的平均像素值中，与第一平均像素值最接近的第一数量的第二像素块所在的位置，作为至少一个第一像素块的位置。
其中，第一像素块的第一数量和第一尺寸主要是通过第二目标图像中的像素点数量和图像尺寸进行确认，第二目标图像中的像素点数量和图像尺寸越大，则第一像素块的第一数量和第一尺寸就越大，第一像素块的作用是用于增加局部特征，因此，第一像素块占第二目标图像的比例很小。
具体地，在一个可行的实施例中，根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，包括：判断第二目标图像中的像素点数量是否超过第二数量；
若第二目标图像中的像素点数量不超过第二数量，则根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，以使第二目标图像的像素点数量与第一数量之间的比例小于第一数量比例，以及第二目标图像的图像尺寸与第一尺寸之间的比例小于第一尺寸比例，以及第二目标图像的图像尺寸与所有的第一像素块的第一尺寸之和之间的比例小于第二尺寸比例；
若第二目标图像中的像素点数量超过第二数量，则根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，以使第二目标图像的像素点数量与第一数量之间的比例小于第二数量比例，以及第二目标图像的图像尺寸与第一尺寸之间的比例小于第三尺寸比例；其中，第一数量比例小于第二数量比例，第一尺寸比例小于第三尺寸比例。
其中，根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸时，需要先考虑第二目标图像中的像素点数量大小，若第二目标图像中的像素点数量大，在进行像素块选择时第一数量和第一尺寸的上限也可以高一点，若第二目标图像中的像素点数量不大，在进行像素块选择时第一数量和第一尺寸的上限也就低一点。具体地，若第二目标图像中的像素点数量不超过第二数量，则对第一数量的确定需要满足第二目标图像的像素点数量与第一数量之间的比例小于第一数量比例，对第一尺寸的确定则需要满足两个条件，一个是第二目标图像的图像尺寸与第一尺寸之间的比例小于第一尺寸比例，另一个是第二目标图像的图像尺寸与所有的第一像素块的第一尺寸之和之间的比例小于第二尺寸比例。
与第二目标图像中的像素点数量不超过第二数量不同的，若第二目标图像中的像素点数量超过第二数量，对于第一尺寸的选择只需要满足一个条件，即第二目标图像的图像尺寸与第一尺寸之间的比例小于第三尺寸比例。这是由于第二目标图像的像素点数量过小，可以确定其图像尺寸也不会太大，而第一像素块只能占第二目标图像的很小比例，因此还需要考虑所有的第一像素块的第一尺寸之和是否过大，是否占据了第二目标图像中很大比例面积。
在本申请实施例中，通过判断第二目标图像中的像素点数量大小来对第一像素块的第一数量和第一尺寸设置不同的确定条件，且第二目标图像中像素点数量大于第二数量时对第一数量和第一尺寸设置的确定范围要大于第二目标图像中像素点数量不大于第二数量时对第一数量和第一尺寸设置的确定范围。可以保证第一像素块占第二目标图像的比例不会过大，避免了第一像素块占第二目标图像的比例过大而对第二目标图像在图像相似度计算时产生的负影响。
在通过第二目标图像的像素点数量和图像尺寸确认了第一像素块的第一数量和第一尺寸之后，由于像素块去除是为了增加局部特征，而增加局部特征可以是对图像中不突出的部分进行像素块去除，保留较突出的细节特征。基于此，本实施例获取第二目标图像中所有像素点的第一平均像素值，在第二目标图像中基于第一像素块的第一尺寸随机选择多个第二像素块，第二像素块可以是在第二目标图像中满足第一尺寸的所有像素块，且第二像素块之间也可能存在相同的像素点。获取多个第二像素块中每个第二像素块的平均像素值，在多个第二像素块中确定与第一平均像素值最接近的第一数量的第二像素块的位置为该第一像素块的位置，还可以理解为，确定多个第二像素块中每个第二像素块的平均像素值中与第一平均像素值之间的差值，根据该差值从小到大选取第一数量的差值所对应的第二像素块，并将确定的第二像素块对应的位置作为第一像素块的位置，因为第二像素块是根据第一像素块的尺寸选择的，所以也可以理解为将确定的第二像素块作为第一像素块。由于第一像素块是在多个第二像素块中选择，那么多个第二像素块的数量要大于第一数量，且由于第一像素块占第二目标图像的比例很小，可以确定在第二目标图像中基于第一尺寸选择的多个第二像素块的数量是大于第一数量的。
在本申请实施例中，通过第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，并根据第二目标图像中所有像素点的第一平均像素值来确定第一像素块的位置。由于第二目标图像是进行了人像分割和图像填充处理后的图像，虽然人像分割和图像填充可以消除人像对背景图像相似度匹配产生的影响，但第二目标图像的图像背景特征也会基于人像分割和图像填充处理而降低，本实施例可以在突出第二目标图像的局部特征的基础上，降低人像分割和图像填充处理后对第二目标图像产生的影响。
除此之外，在一个可行的实施例中，在对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像之前，该方法还包括：确定第二目标图像中的像素点数量和图像尺寸，并根据第二目标图像中的像素点数量确定第一像素块的第一数量和第一尺寸；根据第二目标图像中各像素点的像素值确定第二目标图像中的多个平滑区域，平滑区域用于表征区域内相邻像素点之间的像素值差值小于第一差值；
若确定多个平滑区域的数量大于第一数量，以及多个平滑区域中根据尺寸大小排序后处于第一数量范围内的平滑区域的尺寸大于第一尺寸，则根据多个平滑区域中每个平滑区域的尺寸选取第一数量的平滑区域，选取第一数量的平滑区域中每个区域的中心区域作为至少一个第一像素块的位置；
若确定多个平滑区域的数量大于第一数量，以及多个平滑区域中根据尺寸大小排序后处于第一数量位置的平滑区域的尺寸不大于第一尺寸，则将多个平滑区域中根据尺寸大小排序为第一数量的平滑区域的尺寸确定为新的第一尺寸，并根据多个平滑区域中每个平滑区域的尺寸选取第一数量的平滑区域，选取第一数量的平滑区域中每个区域的中心区域作为至少一个第一像素块的位置；
若确定多个平滑区域的数量不大于第一数量，则在第二目标图像中分散选取第一数量的像素块作为至少一个第一像素块的位置，以使至少一个第一像素块中相邻像素块之间的距离相等。
其中，通过上述实施例进行第一像素块的第一数量和第一尺寸的确认之后，还可以通过本实施例所示的方法来进行第一像素块位置的选取。即基于第二目标图像中的平滑区域的来确定第一像素块的位置，平滑区域内相邻像素点之间的像素值差值小于第一差值，还可以认为从视觉上来讲，该区域内不存在突出的图形。平滑区域的选择还可以通过梯度值计算进行选择。
当确定了多个平滑区域之后，还需要确定多个平滑区域的数量，以及多个平滑区域的尺寸大小，即多个平滑区域的数量是否大于第一数量，以及多个平滑区域的尺寸根据大小排序处于第一数值范围内的平滑区域的尺寸是否大于第一尺寸，若两个条件都满足，则可以直接根据平滑区域的尺寸从大到小选择第一数量的平滑区域，并在该第一数量的平滑区域的中心选择第一尺寸的位置作为第一像素块的位置，若只满足前一个条件，则将该平滑区域中尺寸大小排序处于第一数量的平滑区域的尺寸确定为新的第一尺寸，并通过前述方式选择第一像素块的位置。若两个条件都不满足，就在第二目标图像中均匀分散选择第一像素块的位置。
示例性地，请参阅图5，图5为本申请实施例提供的一种图像平滑区域的结构示意图，如图5所示，图5包括目标图像500，目标图像中包括梯度线501，该梯度线501用于表示梯度值很大的位置，也指灰度值变化很大的位置，梯度线501将目标图像500分为五个平滑区域502，可以在平滑区域502的中心位置选择第一尺寸的像素块503作为第一像素块的位置。
除此之外，还可以直接根据平滑区域来确定第一像素块的数量和尺寸，再进行第一像素块位置的选择。具体地，可以先确定第二目标图像中的多个平滑区域，确定多个平滑区域中区域尺寸大小大于第二尺寸的目标平滑区域的数量，根据目标平滑区域的数量来确定第一像素块的第一数量，并根据目标平滑区域的总的尺寸大小来确定第一像素块的第一尺寸，并确定第一尺寸小于第二尺寸，在目标平滑区域中选择第一数量的平滑区域，并在第一数量的平滑区域的中心位置选择第一尺寸大小的像素块作为第一像素块的位置。
在本申请实施例中，根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸之后，确定第二目标图像中的平滑区域，并根据平滑区域的数量和尺寸大小来选择第一像素块的位置。采用前述方法，可以确保第一像素块所处的位置不会影响图像中突出的特征，突出了图像的局部特征，降低人像分割和图像填充处理后对第二目标图像产生的影响。
步骤204，计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，确定多个第一对比图像中与第三目标图像相似度大于第一预设阈值的第二对比图像。
其中，第三目标图像和第一对比图像都是不包含人像的背景图像，通过计算第三目标图像与多个第一对比图像中每个第一对比图像的相似度，可以确定是否存在与目标客户所处背景相似的背景，进而判断目标客户所处场景的合法性。
在一个可行的实施例中，计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，包括：将第三目标图像与多个第一对比图像输入自编码器中，通过自编码器中的编码器对第三目标图像与多个第一对比图像进行特征提取，将编码器的神经元层的最后一层特征作为第三目标图像与多个第一对比图像的特征向量，并由自编码器中的解码器输出第三目标图像与多个第一对比图像的特征向量；根据第三目标图像与多个第一对比图像的特征向量进行欧氏距离计算，根据欧式距离计算结果确定第三目标图像与多个第一对比图像中每个第一对比图像的相似度，其中，欧式距离计算结果越大，相似度越小。
其中，对第三目标图像与多个第一对比图像中每个第一对比图像的相似度计算需要通过自编码器来进行，自编码器是是编码器和解码器共同组成的神经网络，而对自编码器进行模型训练是通过设计编码和解码的过程使得输入和输出越来越接近，是一个无监督学习的过程。而通过上述实施例所描述的方式进行像素块去除之后，在通过自编码器，自编码器的解码器部分会更倾向于学习局部特征，而在背景信息提取多重、复杂的局部信息，相比全局的特征提取，增加了局部特征注意力机制，使得背景图像的相似度匹配更加准确。
在进行欧式距离计算之前，需要提取图像的特征向量，本实施例在将第三目标图像和多个第一对比图像输入自编码器后，在经过编码器时，通过将编码器的神经元层的最后一层的特征作为第三目标图像和多个第一对比图像的特征向量，并根据该特征向量进行图像的欧式距离计算，该编码器的神经元层的最后一层可以是隐藏层，根据欧式距离计算结果确定第三目标图像与多个第一对比图像中每个第一对比图像的相似度。欧式距离指欧几里得距离或欧几里得度量，是指欧几里得空间中两点间“普通”距离。
在本申请实施例中，通过自编码器来确定第三目标图像和多个第一对比图像的特征向量，并根据每个图像的特征向量来进行欧氏距离计算，并根据欧式距离结果确定第三目标图像与多个第一对比图像中每个第一对比图像的相似度。采用前述方法，对目标图像进行像素块去除之后输入自编码器，可以让自编码器在像素块重构的过程中学习局部特征，增加了图像相似度计算的准确性，而通过欧式距离计算可以直观的确定图像之间的相似度。
步骤205，若第二对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。
其中，由于很多金融违规操作都是团伙作案，而若判断出目标客户所处的背景与其他多个客户所处的是相似背景，则可以初步认定存在大批客户在相同地点进行金融操作，可以确定该背景为非法场景，从而对该客户可能存在的违规操作进行预防。
在一个可行的实施例中，若第二对比图像的数量大于第二预设阈值，该方法还包括：获取第二对比图像中，与第三目标图像之间的相似度最高的第二目标对比图像，其中，第二目标对比图像不包括人像；采用第二目标对比图像的特征向量与第三对比图像的特征向量进行欧氏距离计算，确定第二目标对比图像与第三对比图像之间的相似度，第三对比图像为多个第一对比图像中除第二目标对比图像之外的图像；确定第三对比图像中与第二目标对比图像相似度大于第一预设阈值的第四对比图像；若第四对比图像的数量大于第二预设阈值，则确定第一目标图像为非法场景；若第四对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。
其中，若第二对比图像的数量大于第二预设阈值，则可以初步确定存在多个与第三目标图像中所示的背景相似的背景，但是由于第三目标图像是经过了人像分割、图像填充以及像素块去除后的图像，即该图像的背景经过了其他的处理，在通过第三目标图像与多个第一对比图像进行图像相似度计算时，会存在一定误差。因此，本实施例选择了第二对比图像中，与第三目标图像之间的相似度最高的第二目标对比图像，并通过第二目标对比图像与多个第一对比图像中除第二目标对比图像之外的第三对比图像的相似度，来判断第一目标图像是否为合法场景。
在本申请实施例中，若第二对比图像的数量大于第二预设阈值，则确定第二对比图像中，与第三目标图像相似度最高的第二目标对比图像，并根据第二目标对比图像与多个第一对比图像中除第二目标对比图像之外的第三对比图像之间的相似度，来判断第一目标图像是否为非法场景。采用前述方法，可以避免第一目标图像进行的图像处理对图像相似度匹配产生的影响。
可以看出，本申请实施例中，获取第一目标图像和多个第一对比图像，第一目标图像中包括至少一个人像；对第一目标图像进行人像分割处理后得到第二目标图像；对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像；计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，确定多个第一对比图像中与第三目标图像相似度大于第一预设阈值的第二对比图像；若第二对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。采用前述方法，可以直接根据人像图像进行背景图像的相似度匹配，并基于相似的背景图像的数量确定该背景的合法性，便于对该人像图像对应的客户提前进行预防。
与上述所示的实施例一致的，请参阅图6a，图6a是本申请实施例提供的一种金融场景合法性校验装置的功能单元组成框图，如图6a所示，金融场景合法性校验装置60包括：
获取单元601，用于获取第一目标图像和多个第一对比图像，第一目标图像中包括至少一个人像；
处理单元602，用于对第一目标图像进行人像分割处理后得到第二目标图像；
处理单元602，还用于对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像；
计算单元603，用于计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，确定多个第一对比图像中与第三目标图像相似度大于第一预设阈值的第二对比图像；
确定单元604，用于若第二对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。
在一个可行的实施例中，处理单元602，用于述对第一目标图像进行人像分割处理后得到第二目标图像，包括：根据语义分割模型对第一目标图像进行人像分割，得到去除人像之后的第一目标子图像，语义分割模型通过语义分割网络进行人像分割；将第一目标子图像中去除人像部分填充为第一像素点，得到第二目标图像，第一像素点的像素值为第一像素点所在行的其他像素点的平均像素值。
在一个可行的实施例中，处理单元602，在用于对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像之前，该装置还包括：确定单元604，用于确定第二目标图像中的像素点数量和图像尺寸，并根据第二目标图像中的像素点数量确定第一像素块的第一数量和第一尺寸；确定第二目标图像中所有像素点的第一平均像素值；根据第一尺寸在第二目标图像中确定多个第二像素块，多个第二像素块的数量大于第一数量；将多个第二像素块中每个第二像素块的像素点的平均像素值中，与第一平均像素值最接近的第一数量的第二像素块所在的位置，作为至少一个第一像素块的位置。
在一个可行的实施例中，确定单元604，用于根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，包括：判断第二目标图像中的像素点数量是否超过第二数量；
若第二目标图像中的像素点数量不超过第二数量，则根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，以使第二目标图像的像素点数量与第一数量之间的比例小于第一数量比例，以及第二目标图像的图像尺寸与第一尺寸之间的比例小于第一尺寸比例，以及第二目标图像的图像尺寸与所有的第一像素块的第一尺寸之和之间的比例小于第二尺寸比例；
若第二目标图像中的像素点数量超过第二数量，则根据第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，以使第二目标图像的像素点数量与第一数量之间的比例小于第二数量比例，以及第二目标图像的图像尺寸与第一尺寸之间的比例小于第三尺寸比例；其中，第一数量比例小于第二数量比例，第一尺寸比例小于第三尺寸比例。
在一个可行的实施例中，处理单元602，在用于对第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像之前，装置还包括：确定单元604，用于确定第二目标图像中的像素点数量和图像尺寸，并根据第二目标图像中的像素点数量确定第一像素块的第一数量和第一尺寸；根据第二目标图像中各像素点的像素值确定第二目标图像中的多个平滑区域，平滑区域用于表征区域内相邻像素点之间的像素值差值小于第一差值；
若确定多个平滑区域的数量大于第一数量，以及多个平滑区域中根据尺寸大小排序后处于第一数量范围内的平滑区域的尺寸大于第一尺寸，则根据多个平滑区域中每个平滑区域的尺寸选取第一数量的平滑区域，选取第一数量的平滑区域中每个区域的中心区域作为至少一个第一像素块的位置；
若确定多个平滑区域的数量大于第一数量，以及多个平滑区域中根据尺寸大小排序后处于第一数量位置的平滑区域的尺寸不大于第一尺寸，则将多个平滑区域中根据尺寸大小排序为第一数量的平滑区域的尺寸确定为新的第一尺寸，并根据多个平滑区域中每个平滑区域的尺寸选取第一数量的平滑区域，选取第一数量的平滑区域中每个区域的中心区域作为至少一个第一像素块的位置；
若确定多个平滑区域的数量不大于第一数量，则在第二目标图像中分散选取第一数量的像素块作为至少一个第一像素块的位置，以使至少一个第一像素块中相邻像素块之间的距离相等。
在一个可行的实施例中，计算单元603，用于计算第三目标图像与多个第一对比图像中的每个第一对比图像的相似度，包括：将第三目标图像与多个第一对比图像输入自编码器中，通过自编码器中的编码器对第三目标图像与多个第一对比图像进行特征提取，将编码器的神经元层的最后一层特征作为第三目标图像与多个第一对比图像的特征向量，并由自编码器中的解码器输出第三目标图像与多个第一对比图像的特征向量；根据第三目标图像与多个第一对比图像的特征向量进行欧氏距离计算，根据欧式距离计算结果确定第三目标图像与多个第一对比图像中每个第一对比图像的相似度，其中，欧式距离计算结果越大，相似度越小。
在一个可行的实施例中，若确定单元604确定第二对比图像的数量大于第二预设阈值，装置还包括：获取单元601，用于获取第二对比图像中，与第三目标图像之间的相似度最高的第二目标对比图像，其中，第二目标对比图像不包括人像；计算单元603，用于采用第二目标对比图像的特征向量与第三对比图像的特征向量进行欧氏距离计算，确定单元604，用于确定第二目标对比图像与第三对比图像之间的相似度，第三对比图像为多个第一对比图像中除第二目标对比图像之外的图像；确定第三对比图像中与第二目标对比图像相似度大于第一预设阈值的第四对比图像；若第四对比图像的数量大于第二预设阈值，则确定第一目标图像为非法场景；若第四对比图像的数量不大于第二预设阈值，则确定第一目标图像为合法场景。
可以理解的是，由于方法实施例与装置实施例为相同技术构思的不同呈现形式，因此，本申请中方法实施例部分的内容应同步适配于装置实施例部分，此处不再赘述。
在采用集成的单元的情况下，如图6b所示，图6b是本申请实施例提供的另一种金融场景合法性校验装置的功能单元组成框图。在图6b中，金融场景合法性校验装置61包括：处理模块612和通信模块611。处理模块612用于对金融场景合法性校验装置的动作进行控制管理，例如，获取单元601、处理单元602、计算单元603和确定单元604的步骤，和/或用于执行本文所描述的技术的其它过程。通信模块611用于支持金融场景合法性校验装置与其他设备之间的交互。如图6b所示，金融场景合法性校验装置61还可以包括存储模块613，存储模块613用于存储金融场景合法性校验装置的程序代码和数据。
其中，处理模块612可以是处理器或控制器，例如可以是中央处理器(CentralProcessing Unit，CPU)，通用处理器，数字信号处理器(Digital Signal Processor，DSP)，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。通信模块611可以是收发器、RF电路或通信接口等。存储模块613可以是存储器。
其中，上述方法实施例涉及的各场景的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。上述金融场景合法性校验装置61均可执行上述图2所示的金融场景合法性校验方法。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
图7是本申请实施例提供的一种电子装置的结构框图。如图7所示，电子装置700可以包括一个或多个如下部件：处理器701、与处理器701耦合的存储器702，其中存储器702可存储有一个或多个计算机程序，一个或多个计算机程序可以被配置为由一个或多个处理器701执行时实现如上述各实施例描述的方法。
处理器701可以包括一个或者多个处理核。处理器701利用各种接口和线路连接整个电子装置700内的各个部分，通过运行或执行存储在存储器702内的指令、程序、代码集或指令集，以及调用存储在存储器702内的数据，执行电子装置700的各种功能和处理数据。可选地，处理器701可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(ProgrammableLogicArray，PLA)中的至少一种硬件形式来实现。处理器701可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。可以理解的是，上述调制解调器也可以不集成到处理器701中，单独通过一块通信芯片进行实现。
存储器702可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory，ROM)。存储器702可用于存储指令、程序、代码、代码集或指令集。存储器702可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等。存储数据区还可以存储电子装置700在使用中所创建的数据等。
可以理解的是，电子装置700可包括比上述结构框图中更多或更少的结构元件，例如，包括电源模块、物理按键、WiFi(Wireless Fidelity，无线保真)模块、扬声器、蓝牙模块、传感器等，在此不进行限定。
本申请实施例提供了一种计算机可读存储介质，其中，计算机可读存储介质中存储有程序数据，该程序数据在被处理器执行时，用于执行上述方法实施例中记载的任何一种金融场景合法性校验方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种金融场景合法性校验方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
需要说明的是，对于前述的任一种金融场景合法性校验方法的方法实施例，为了简单描述，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他顺序或者同时进行。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，所涉及的动作并不一定是本申请所必须的。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现所公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
本领域普通技术人员可以理解上述任一种金融场景合法性校验方法的方法实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-OnlyMemory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请一种金融场景合法性校验方法及装置的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请一种金融场景合法性校验方法及装置的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
本申请是参照本申请实施例的方法、硬件产品和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
可以理解的是，凡是被控制或者被配置以用于执行本申请一种金融场景合法性校验方法的方法实施例所描述的流程图的处理方法的产品，如上述流程图的终端以及计算机程序产品，均属于本申请所描述的相关产品的范畴。
显然，本领域的技术人员可以对本申请提供的一种金融场景合法性校验方法及装置进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (10)

1.一种金融场景合法性校验方法，其特征在于，所述方法包括：
获取第一目标图像和多个第一对比图像，所述第一目标图像中包括至少一个人像；
对所述第一目标图像进行人像分割处理后得到第二目标图像；
对所述第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像；
计算所述第三目标图像与所述多个第一对比图像中的每个第一对比图像的相似度，确定所述多个第一对比图像中与所述第三目标图像相似度大于第一预设阈值的第二对比图像；
若所述第二对比图像的数量不大于第二预设阈值，则确定所述第一目标图像为合法场景。
2.根据权利要求1所述的方法，其特征在于，所述对所述第一目标图像进行人像分割处理后得到第二目标图像，包括：
根据语义分割模型对所述第一目标图像进行人像分割，得到去除人像之后的第一目标子图像，所述语义分割模型通过语义分割网络进行人像分割；
将所述第一目标子图像中去除人像部分填充为第一像素点，得到所述第二目标图像，所述第一像素点的像素值为所述第一像素点所在行的其他像素点的平均像素值。
3.根据权利要求1所述的方法，其特征在于，在对所述第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像之前，所述方法还包括：
确定所述第二目标图像中的像素点数量和图像尺寸，并根据所述第二目标图像中的像素点数量确定第一像素块的第一数量和第一尺寸；
确定所述第二目标图像中所有像素点的第一平均像素值；
根据所述第一尺寸在所述第二目标图像中确定多个第二像素块，所述多个第二像素块的数量大于所述第一数量；
将所述多个第二像素块中每个第二像素块的像素点的平均像素值中，与所述第一平均像素值最接近的第一数量的第二像素块所在的位置，作为所述至少一个第一像素块的位置。
4.根据权利要求1所述的方法，其特征在于，在对所述第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像之前，所述方法还包括：
确定所述第二目标图像中的像素点数量和图像尺寸，并根据所述第二目标图像中的像素点数量确定第一像素块的第一数量和第一尺寸；
根据所述第二目标图像中各像素点的像素值确定所述第二目标图像中的多个平滑区域，所述平滑区域用于表征区域内相邻像素点之间的像素值差值小于第一差值；
若确定所述多个平滑区域的数量大于所述第一数量，以及所述多个平滑区域中根据尺寸大小排序后处于第一数量范围内的平滑区域的尺寸大于所述第一尺寸，则根据所述多个平滑区域中每个平滑区域的尺寸选取所述第一数量的平滑区域，选取所述第一数量的平滑区域中每个区域的中心区域作为所述至少一个第一像素块的位置；
若确定所述多个平滑区域的数量大于所述第一数量，以及所述多个平滑区域中根据尺寸大小排序后处于所述第一数量位置的平滑区域的尺寸不大于所述第一尺寸，则将所述多个平滑区域中根据尺寸大小排序为所述第一数量的平滑区域的尺寸确定为新的第一尺寸，并根据所述多个平滑区域中每个平滑区域的尺寸选取所述第一数量的平滑区域，选取所述第一数量的平滑区域中每个区域的中心区域作为所述至少一个第一像素块的位置；
若确定所述多个平滑区域的数量不大于所述第一数量，则在所述第二目标图像中分散选取所述第一数量的像素块作为所述至少一个第一像素块的位置，以使所述至少一个第一像素块中相邻像素块之间的距离相等。
5.根据权利要求3或4所述的方法，其特征在于，所述根据所述第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，包括：
判断所述第二目标图像中的像素点数量是否超过第二数量；
若所述第二目标图像中的像素点数量不超过第二数量，则根据所述第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，以使所述第二目标图像的像素点数量与所述第一数量之间的比例小于第一数量比例，以及所述第二目标图像的图像尺寸与所述第一尺寸之间的比例小于第一尺寸比例，以及所述第二目标图像的图像尺寸与所有的所述第一像素块的第一尺寸之和之间的比例小于第二尺寸比例；
若所述第二目标图像中的像素点数量超过第二数量，则根据所述第二目标图像中的像素点数量和图像尺寸确定第一像素块的第一数量和第一尺寸，以使所述第二目标图像的像素点数量与所述第一数量之间的比例小于第二数量比例，以及所述第二目标图像的图像尺寸与所述第一尺寸之间的比例小于第三尺寸比例；
其中，所述第一数量比例小于所述第二数量比例，所述第一尺寸比例小于所述第三尺寸比例。
6.根据权利要求1所述的方法，其特征在于，所述计算所述第三目标图像与所述多个第一对比图像中的每个第一对比图像的相似度，包括：
将所述第三目标图像与所述多个第一对比图像输入自编码器中，通过所述自编码器中的编码器对所述第三目标图像与所述多个第一对比图像进行特征提取，将所述编码器的神经元层的最后一层特征作为所述第三目标图像与所述多个第一对比图像的特征向量，并由所述自编码器中的解码器输出所述第三目标图像与所述多个第一对比图像的特征向量；
根据所述第三目标图像与所述多个第一对比图像的特征向量进行欧氏距离计算，根据欧式距离计算结果确定所述第三目标图像与所述多个第一对比图像中每个第一对比图像的相似度，其中，所述欧式距离计算结果越大，所述相似度越小。
7.根据权利要求6所述的方法，其特征在于，若所述第二对比图像的数量大于第二预设阈值，所述方法还包括：
获取所述第二对比图像中，与所述第三目标图像之间的相似度最高的第二目标对比图像，其中，所述第二目标对比图像不包括人像；
采用所述第二目标对比图像的特征向量与第三对比图像的特征向量进行欧氏距离计算，确定所述第二目标对比图像与所述第三对比图像之间的相似度，所述第三对比图像为所述多个第一对比图像中除所述第二目标对比图像之外的图像；
确定所述第三对比图像中与所述第二目标对比图像相似度大于所述第一预设阈值的第四对比图像；
若所述第四对比图像的数量大于所述第二预设阈值，则确定所述第一目标图像为非法场景；
若所述第四对比图像的数量不大于所述第二预设阈值，则确定所述第一目标图像为合法场景。
8.一种金融场景合法性校验装置，其特征在于，所述装置包括：
获取单元，用于获取第一目标图像和多个第一对比图像，所述第一目标图像中包括至少一个人像；
处理单元，用于对所述第一目标图像进行人像分割处理后得到第二目标图像；
所述处理单元，还用于对所述第二目标图像中的至少一个第一像素块所在的位置进行像素块去除后得到第三目标图像；
计算单元，用于计算所述第三目标图像与所述多个第一对比图像中的每个第一对比图像的相似度，确定所述多个第一对比图像中与所述第三目标图像相似度大于第一预设阈值的第二对比图像；
确定单元，用于若所述第二对比图像的数量不大于第二预设阈值，则确定所述第一目标图像为合法场景。
9.一种电子装置，其特征在于，所述装置包括：
处理器、存储器、通信接口，所述处理器、所述存储器和所述通信接口相互连接，并且完成相互间的通信工作；
所述存储器上存储有可执行程序代码，所述通信接口用于进行无线通信；
所述处理器用于调取所述存储器上存储的所述可执行程序代码，执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
CN202310162300.9A 2023-02-15 2023-02-15 金融场景合法性校验方法及装置 Pending CN116189090A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310162300.9A CN116189090A (zh) 2023-02-15 2023-02-15 金融场景合法性校验方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310162300.9A CN116189090A (zh) 2023-02-15 2023-02-15 金融场景合法性校验方法及装置

Publications (1)

Publication Number Publication Date
CN116189090A true CN116189090A (zh) 2023-05-30

Family

ID=86448366

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310162300.9A Pending CN116189090A (zh) 2023-02-15 2023-02-15 金融场景合法性校验方法及装置

Country Status (1)

Country Link
CN (1) CN116189090A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118089672A (zh) * 2024-04-26 2024-05-28 山东省地质测绘院 一种搭载于无人机的航测平台

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118089672A (zh) * 2024-04-26 2024-05-28 山东省地质测绘院 一种搭载于无人机的航测平台
CN118089672B (zh) * 2024-04-26 2024-07-19 山东省地质测绘院 一种搭载于无人机的航测平台

Similar Documents

Publication Publication Date Title
US10558885B2 (en) Determination method and recording medium
CN108875534B (zh) 人脸识别的方法、装置、系统及计算机存储介质
CN108875511B (zh) 图像生成的方法、装置、系统及计算机存储介质
CN108875537B (zh) 对象检测方法、装置和系统及存储介质
CN111027412B (zh) 一种人体关键点识别方法、装置及电子设备
CN112580668B (zh) 一种背景欺诈检测方法、装置及电子设备
CN115631112B (zh) 一种基于深度学习的建筑轮廓矫正方法及装置
CN110414593B (zh) 图像处理方法及装置、处理器、电子设备及存储介质
CN110414335A (zh) 视频识别方法、装置及计算机可读存储介质
CN116189090A (zh) 金融场景合法性校验方法及装置
CN111222558B (zh) 图像处理方法及存储介质
CN115392937A (zh) 一种用户欺诈风险识别方法、装置、电子设备及存储介质
CN113361567B (zh) 图像处理方法、装置、电子设备和存储介质
CN113657273A (zh) 确定商品信息的方法、装置、电子设备及介质
CN111862343A (zh) 一种三维重建方法、装置、设备及计算机可读存储介质
CN116258873A (zh) 一种位置信息确定方法、对象识别模型的训练方法及装置
CN114495132A (zh) 文字识别方法、装置、设备及存储介质
CN114359796A (zh) 一种目标识别的方法、装置及电子设备
CN114387603A (zh) 用于对汉字进行检纠错的方法、系统和计算设备
CN112949724A (zh) 图像分类网络模型的训练方法、图像分类方法及相关设备
CN112200774A (zh) 图像识别设备
CN113435339B (zh) 车辆属性检测方法、设备及存储介质
TWI786977B (zh) 手指真偽識別方法、電子裝置及存儲介質
CN115905913B (zh) 数字藏品的检测方法及装置
US20220318359A1 (en) Method and apparatus for deep learning-based real-time on-device authentication

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
CB02 Change of applicant information

Country or region after: China

Address after: 518000 18th floor, building A4, Kexing Science Park, Nanshan District, Shenzhen City, Guangdong Province

Applicant after: Zhaolian Consumer Finance Co.,Ltd.

Address before: 518000 18th floor, building A4, Kexing Science Park, Nanshan District, Shenzhen City, Guangdong Province

Applicant before: MERCHANTS UNION CONSUMER FINANCE Co.,Ltd.

Country or region before: China

CB02 Change of applicant information