CN116703556A - 一种基于视频图像检测技术的信审方法、设备及存储介质 - Google Patents
一种基于视频图像检测技术的信审方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116703556A CN116703556A CN202310161296.4A CN202310161296A CN116703556A CN 116703556 A CN116703556 A CN 116703556A CN 202310161296 A CN202310161296 A CN 202310161296A CN 116703556 A CN116703556 A CN 116703556A
- Authority
- CN
- China
- Prior art keywords
- image
- encoded
- privacy
- determining
- verified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 25
- 238000005516 engineering process Methods 0.000 title claims abstract description 23
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000009825 accumulation Methods 0.000 claims abstract description 71
- 230000001960 triggered effect Effects 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 26
- 239000011159 matrix material Substances 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 14
- 238000012552 review Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 5
- 239000010931 gold Substances 0.000 claims description 5
- 229910052737 gold Inorganic materials 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012550 audit Methods 0.000 claims description 4
- 230000001413 cellular effect Effects 0.000 claims description 4
- 230000000739 chaotic effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种基于视频图像检测技术的信审方法、设备及存储介质。方法包括:在接收到用户端触发的信审请求的情况下,生成信审请求对应的随机隐私序列发送到用户端;基于随机隐私序列对待验证公积金图像与信贷申请视频中的隐私信息区域进行编码;接收用户端上传的编码后的待验证公积金图像与编码后的信贷申请视频,并在编码后的信贷申请视频中提取关键帧图像;基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度,并在相似度大于预设阈值的情况下,确定待验证公积金图像来源于信贷申请视频。本申请通过上述方法实现了在保护用户隐私信息的情况下,对公积金贷款申请进行自动化信审。
Description
技术领域
本申请涉及信贷审核技术领域,尤其涉及一种基于视频图像检测技术的信审方法、设备及存储介质。
背景技术
公积金贷款是指缴存住房公积金的职工享受的购房贷款,目前公积金贷款过程中判断注册用户是否存在欺诈风险很大程度,还是依赖人工处于比较传统的阶段,因此需要对风控模式做一定的升级。
在公积金贷款的自动化信审场景中,用户需要上传申请时截取的来自申请流程的公积金图像(即公积金图像是用户通过互联网申请公积金贷款时,截取申请过程中的某个步骤的图像)以及申请时录制的信贷申请视频。目前通过确认公积金图像是否来源于信贷申请视频,以此来判断是否存在欺诈风险。但由于人工审核的原因,也因此容易成为金融欺诈者选择的对象;另外,公积金图像及信贷申请视频的直接上传也会将跟人的隐私信息直接暴露于互联网上,造成了个人信息安全问题。因此,如何在保护用户隐私信息的情况下,对公积金贷款申请进行自动化信审成为亟待解决的技术问题。
发明内容
本申请实施例提供了一种基于视频图像检测技术的信审方法、设备及存储介质,用以解决如下技术问题:如何在保护用户隐私信息的情况下,对公积金贷款申请进行自动化信审。
第一方面,本申请实施例提供了一种基于视频图像检测技术的信审方法,其特征在于,方法包括:在接收到用户端触发的信审请求的情况下,生成信审请求对应的随机隐私序列,并将随机隐私序列发送到用户端;通过用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于随机隐私序列对隐私信息区域进行编码;接收用户端上传的编码后的待验证公积金图像与编码后的信贷申请视频,并在编码后的信贷申请视频中提取第一数量个帧图像,以及确定第一数量个帧图像中的关键帧图像;基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度,并在相似度大于预设阈值的情况下,确定待验证公积金图像来源于信贷申请视频。
在本申请的一种实现方式中,生成随机隐私序列,具体包括:确定信审请求的请求值;其中,请求值用于描述信审请求的触发次序;基于请求值,确定待应用线性同余递推公式参数值,以获得信审请求对应的待应用线性同余递推公式;基于预设的随机隐私序列长度,通过待应用线性同余递推公式计算信审请求对应的随机隐私序列。
在本申请的一种实现方式中,通过用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,具体包括:基于预设的内容类型识别模型,确定待验证公积金图像与信贷申请视频的各帧图像中的图像内容区域与字段内容区域;通过人像识别算法对图像内容区域进行人像识别,以确定图像内容区域的图像内容是否为人像,并在确定图像内容区域为人像的情况下,确定图像内容区域为隐私信息区域;对字段内容区域进行内容提取,以获得字段内容,并对字段内容进行字段分类,以确定字段内容包含的若干个字段;其中,字段的类型包括以下任意一项或多项:文字字段、数字字段,符号字段;对字段进行语义内容类型识别,以确定字段的语义内容类型是否为隐私信息类型,并在确定字段的语义内容类型为隐私信息类型的情况下,确定字段在字段内容区域中的位置为隐私信息区域。
在本申请的一种实现方式中,基于随机隐私序列对隐私信息区域进行编码,具体包括:通过预设的混沌元胞自动机,对随机隐私序列进行处理,以获得初始观测矩阵;通过预设的非负化函数,对初始观测矩阵进行非负化处理,以获得待应用观测矩阵;基于待应用观测矩阵,对隐私信息区域进行采样压缩,以实现对隐私信息区域的编码。
在本申请的一种实现方式中,在编码后的信贷申请视频中提取第一数量个帧图像之前,方法还包括:对编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像进行灰度化处理,具体包括:确定编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像中各像素点在RGB模型中的第一色度值;基于第一色度值,确定各像素点在Lab模型中对应的第二色度值,并基于第二色度值,通过预设的亮度补偿函数,确定编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像中各像素点的灰度值;基于灰度值,将编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像转换为灰度关键帧图像。
在本申请的一种实现方式中,在编码后的信贷申请视频中提取第一数量个帧图像,以及确定第一数量个帧图像中的关键帧图像,具体包括:确定相邻操作时间间隔,并设置相邻操作时间间隔为帧图像抽取时间间隔;基于帧图像抽取时间间隔,对编码后的信贷申请视频进行帧图像抽取,以获得第一数量个帧图像;通过亲和力传播算法对第一数量个帧图像进行初始聚类,以获得第二数量个初始关键帧图像;其中,第二数量小于第一数量;通过SCC聚类算法对第二数量个初始关键帧图像进行二层聚类,以获得确定的关键帧图像。
在本申请的一种实现方式中,基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度,具体包括:对照隐私信息区域在关键帧图像与编码后的待验证公积金图像中的位置;在确定隐私信息区域在关键帧图像与编码后的待验证公积金图像中位置相同的情况下,确定关键帧图像与编码后的待验证公积金图像中非隐私信息区域各像素点对应的灰度值,并确定关键帧图像与编码后的待验证公积金图像中非隐私信息区域对应像素点的灰度值差值的绝对值小于预设差值的第一像素点对数;基于随机隐私序列及编码对应的压缩感知恢复程序,确定关键帧图像与编码后的待验证公积金图像中隐私信息区域各像素点对应的原始灰度值,并确定关键帧图像与编码后的待验证公积金图像中隐私信息区域对应像素点的灰度值差值的绝对值小于预设差值的第二像素点对数;基于第一像素点对数与第二像素点对数,确定关键帧图像与编码后的待验证公积金图像的相似度。
在本申请的一种实现方式中,非负化函数,由以下公式表示:
其中,为初始观测矩阵,/>为待应用观测矩阵。
第二方面,本申请实施例还提供了一种基于视频图像检测技术的信审设备,其特征在于,设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:在接收到用户端触发的信审请求的情况下,生成信审请求对应的随机隐私序列,并将随机隐私序列发送到用户端;通过用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于随机隐私序列对隐私信息区域进行编码;接收用户端上传的编码后的待验证公积金图像与编码后的信贷申请视频,并在编码后的信贷申请视频中提取第一数量个帧图像,以及确定第一数量个帧图像中的关键帧图像;基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度,并在相似度大于预设阈值的情况下,确定待验证公积金图像来源于信贷申请视频。
第三方面,本申请实施例还提供了一种基于视频图像检测技术的信审的非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:在接收到用户端触发的信审请求的情况下,生成信审请求对应的随机隐私序列,并将随机隐私序列发送到用户端;通过用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于随机隐私序列对隐私信息区域进行编码;接收用户端上传的编码后的待验证公积金图像与编码后的信贷申请视频,并在编码后的信贷申请视频中提取第一数量个帧图像,以及确定第一数量个帧图像中的关键帧图像;基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度,并在相似度大于预设阈值的情况下,确定待验证公积金图像来源于信贷申请视频。
本申请实施例提供的一种基于视频图像检测技术的信审方法、设备及存储介质,通过基于请求值生成的随机隐私序列,对待验证公积金图像与信贷申请视频中的隐私信息区域进行编码,在保证随机性的同时,还有利于后续精确恢复采样压缩的编码区域,保证了用户信息的隐私性,也方便判断是否存在欺诈风险。通过二层聚类进行关键帧提取及关键帧图像与编码后的所述待验证公积金图像的进行相似度判断,有效的实现了对公积金贷款申请的自动化信审。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种基于视频图像检测技术的信审方法流程图;
图2为本申请实施例提供的一种基于视频图像检测技术的信审设备内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例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。
本申请实施例提供了一种基于视频图像检测技术的信审方法、设备及存储介质,用以解决如下技术问题:如何在保护用户隐私信息的情况下,对公积金贷款申请进行自动化信审。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种基于视频图像检测技术的信审方法流程图。如图1所示,本申请实施例提供的一种基于视频图像检测技术的信审方法,具体包括以下步骤:
步骤101、在接收到用户端触发的信审请求的情况下,生成信审请求对应的随机隐私序列,并将随机隐私序列发送到用户端。
在本申请的一个实施例中,在用户在用户端进行上传待验证公积金图像与信贷申请视频的情况下,会触发信审请求,并且用户端会将该信审请求上传至远程信审服务器。远程信审服务器在接收到该信审请求的情况下,会根据该信审请求,生成信审请求对应的随机隐私序列。
具体地,首先确定信审请求的请求值。需要说明的是,由于信审会存档保存,因此每一个信审请求都会在记录表中,其记录顺序即为信审请求的触发次序,该信审触发次序即为本申请实施例中的请求值。还需要说明的是,本申请实施例是通过该请求值来生成后续的随机隐私序列,由于该请求值的固定性,因此,生成的随机隐私序列其实也是经过一定计算后的固定值,通过这样的随机隐私序列对待验证公积金图像与信贷申请视频进行压缩感知编码,更有利于精确恢复采样压缩的编码区域。
进一步地,基于请求值,确定待应用线性同余递推公式参数值,以获得信审请求对应的待应用线性同余递推公式。
需要说明的是,线性同余公式的一般公式如下:
其中,为递归后项,/>为递归前项,a、b为参数值,M为模数,/>为随机隐私序列,/>,/>且/>,/>为预设初始值,n为待生成随机隐私序列长度。
在本申请的一个实施例中,为确保待验证公积金图像与信贷申请视频的加密行,本申请不固定参数值a、b,将请求值作为参数值a、b的变化值。模数与初始值/>可根据需求设置。
进一步地,基于预设的随机隐私序列长度,通过待应用线性同余递推公式计算信审请求对应的随机隐私序列。
在本申请的一个实施例中,远程信审服务器在生成随机隐私序列后,将该随机隐私序列发送到用户端。
步骤102、通过用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于随机隐私序列对隐私信息区域进行编码。
在本申请的一个实施例中,在用户端触发信审请求的情况下,用户端还会通过用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域。
具体地,基于预设的内容类型识别模型,确定待验证公积金图像与信贷申请视频的各帧图像中的图像内容区域与字段内容区域;通过人像识别算法对图像内容区域进行人像识别,以确定图像内容区域的图像内容是否为人像,并在确定图像内容区域为人像的情况下,确定图像内容区域为隐私信息区域;对字段内容区域进行内容提取,以获得字段内容,并对字段内容进行字段分类,以确定字段内容包含的若干个字段;其中,字段的类型包括以下任意一项或多项:文字字段、数字字段,符号字段;对字段进行语义内容类型识别,以确定字段的语义内容类型是否为隐私信息类型,并在确定字段的语义内容类型为隐私信息类型的情况下,确定字段在字段内容区域中的位置为隐私信息区域。
在本申请的一个实施例中,在确定待验证公积金图像与信贷申请视频中的隐私信息区域之后,基于随机隐私序列对隐私信息区域进行编码。
具体地,通过预设的混沌元胞自动机,对随机隐私序列进行处理,以获得初始观测矩阵。需要说明的是,本申请为准确判断待验证公积金图像是否来源于信贷申请视频,因此考虑到重建原始信号时,性能的优化问题,选择混沌元胞自动机生成初始观测矩阵,其在图像质量上比其他随机矩阵具有更多的优势,且加密和解密时间更短。
进一步地,由于一般的观测矩阵会有负值存在,在编码过程中这些负值可能会发生像素对像素的抵消,从而造成特征丢失,影响图像的重建,因此本申请在生成初始观测矩阵之后,还会通过预设的非负化函数,对初始观测矩阵进行非负化处理,以获得待应用观测矩阵。
在本申请的一个实施例中,非负化函数,由以下公式表示:
其中,为初始观测矩阵,/>为待应用观测矩阵。
进一步地,基于待应用观测矩阵,对隐私信息区域进行采样压缩,以实现对隐私信息区域的编码。
步骤103、接收用户端上传的编码后的待验证公积金图像与编码后的信贷申请视频,并在编码后的信贷申请视频中提取第一数量个帧图像,以及确定第一数量个帧图像中的关键帧图像。
在本申请的一个实施例中,在用户端对待验证公积金图像与信贷申请视频中的隐私信息区域进行编码之后,将编码后的待验证公积金图像与编码后的信贷申请视频上传至远程信审服务器,远程信审服务器在接收到编码后的待验证公积金图像与编码后的信贷申请视频之后,首先会对编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像进行灰度化处理,以方便后续的相似度判断。
具体地,确定编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像中各像素点在RGB模型中的第一色度值;基于第一色度值,确定各像素点在Lab模型中对应的第二色度值,并基于第二色度值,通过预设的亮度补偿函数,确定编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像中各像素点的灰度值;基于灰度值,将编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像转换为灰度关键帧图像。
需要说明的是,本申请的亮度补偿函数,由以下公式表示:
其中,为第i个像素点的灰度值,/>为第i个像素点在Lab模型中的亮度值,/>为第i个像素点在Lab模型中的第一通道值,/>为第一通道值对应的第一补偿系数,/>为第i个像素点在Lab模型中的第二通道值,/>为第二通道值对应的第二补偿系数。
需要说明的是,亮度补偿函数中的第一补偿系数与第二补偿系数/>是通过预设的补偿系数模型得到的,因此,在基于第二色度值,通过预设的亮度补偿函数,确定编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像中各像素点的灰度值之前,需要通过补偿系数模型确定各像素点对应的第一补偿系数与第二补偿系数。其中,补偿系数确定模型是由若干个样本图片训练后得到的收敛的模型。
在本申请的一个实施例中,在对编码后的待验证公积金图像与编码后的信贷申请视频的各帧图像进行灰度化处理之后,在编码后的信贷申请视频中提取第一数量个帧图像,以及确定第一数量个帧图像中的关键帧图像。
具体地,确定相邻操作时间间隔,并设置相邻操作时间间隔为帧图像抽取时间间隔。可以理解的是,相邻操作时间间隔,即在进行信贷申请流程时,用户操作的最短时间间隔。
进一步地,基于帧图像抽取时间间隔,对编码后的信贷申请视频进行帧图像抽取,以获得第一数量个帧图像。
进一步地,通过亲和力传播算法对第一数量个帧图像进行初始聚类,以获得第二数量个初始关键帧图像;其中,第二数量小于第一数量;通过SCC聚类算法对第二数量个初始关键帧图像进行二层聚类,以获得确定的关键帧图像。
需要说明的是,由于本申请在对编码后的信贷申请视频进行帧图像抽取时,无法确定用户共经历了多少个操作界面,从而不能确定聚类的个数,一般的聚类算法在聚类前需要确定好聚类个数才能将数据分类,亲和力传播算法在提取关键帧的过程中无需设置相关参数,因此本申请通过亲和力传播算法对第一数量个帧图像进行初始聚类。又因为亲和力传播算法聚类效果的局限性,避免有重复帧图像,采用二层聚类提取关键帧。本申请实时例第二层通过SCC聚类算法对第二数量个初始关键帧图像进行二层聚类,以获得确定的关键帧图像。
步骤104、基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度,并在相似度大于预设阈值的情况下,确定待验证公积金图像来源于信贷申请视频。
在本申请的一个实施例中,在确定第一数量个帧图像中的关键帧图像之后,基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度。
具体地,对照隐私信息区域在关键帧图像与编码后的待验证公积金图像中的位置;在确定隐私信息区域在关键帧图像与编码后的待验证公积金图像中位置相同的情况下,确定关键帧图像与编码后的待验证公积金图像中非隐私信息区域各像素点对应的灰度值,并确定关键帧图像与编码后的待验证公积金图像中非隐私信息区域对应像素点的灰度值差值的绝对值小于预设差值的第一像素点对数。
进一步地,基于随机隐私序列及编码对应的压缩感知恢复程序,确定关键帧图像与编码后的待验证公积金图像中隐私信息区域各像素点对应的原始灰度值,并确定关键帧图像与编码后的待验证公积金图像中隐私信息区域对应像素点的灰度值差值的绝对值小于预设差值的第二像素点对数;基于第一像素点对数与第二像素点对数,确定关键帧图像与编码后的待验证公积金图像的相似度。
可以理解的是,虽然是通过随机隐私序列对图像进行编码的,但编码涉及的参数值都是确定值,通过编码逆过程程序,即压缩感知恢复程序,即可确定出隐私信息区域各像素点对应的原始色度值,也就可以确定出其对应的灰度值。
还可以理解的是,第一像素点对数与第二像素点对数的和越小,说明相似度越高,由于公积金图像应该就是关键帧图像中的一个,除了由于截图因素造成的无法避免的色值误差,因此,预设阈值应当足够小或者为零。
以上为本申请提出的方法实施例。基于同样的发明构思,本申请实施例还提供了一种基于视频图像检测技术的信审设备,其结构如图2所示。
图2为本申请实施例提供的一种基于视频图像检测技术的信审设备内部结构示意图。如图2所示,设备包括:
至少一个处理器201;
以及,与至少一个处理器通信连接的存储器202;
其中,存储器202存储有可被至少一个处理器执行的指令,指令被至少一个处理器201执行,以使至少一个处理器201能够:
在接收到用户端触发的信审请求的情况下,生成信审请求对应的随机隐私序列,并将随机隐私序列发送到用户端;
通过用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于随机隐私序列对隐私信息区域进行编码;
接收用户端上传的编码后的待验证公积金图像与编码后的信贷申请视频,并在编码后的信贷申请视频中提取第一数量个帧图像,以及确定第一数量个帧图像中的关键帧图像;
基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度,并在相似度大于预设阈值的情况下,确定待验证公积金图像来源于信贷申请视频。
本申请的一些实施例提供的对应于图1的一种基于视频图像检测技术的信审的非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:
在接收到用户端触发的信审请求的情况下,生成信审请求对应的随机隐私序列,并将随机隐私序列发送到用户端;
通过用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于随机隐私序列对隐私信息区域进行编码;
接收用户端上传的编码后的待验证公积金图像与编码后的信贷申请视频,并在编码后的信贷申请视频中提取第一数量个帧图像,以及确定第一数量个帧图像中的关键帧图像;
基于随机隐私序列及预设的相似度判断规则,确定关键帧图像与编码后的待验证公积金图像的相似度,并在相似度大于预设阈值的情况下,确定待验证公积金图像来源于信贷申请视频。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于物联网设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的系统和介质与方法是一一对应的,因此,系统和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述系统和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、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。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于视频图像检测技术的信审方法,其特征在于,所述方法包括:
在接收到用户端触发的信审请求的情况下,生成所述信审请求对应的随机隐私序列,并将所述随机隐私序列发送到所述用户端;
通过所述用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于所述随机隐私序列对所述隐私信息区域进行编码;
接收用户端上传的编码后的所述待验证公积金图像与编码后的所述信贷申请视频,并在编码后的所述信贷申请视频中提取第一数量个帧图像,以及确定所述第一数量个帧图像中的关键帧图像;
基于所述随机隐私序列及预设的相似度判断规则,确定所述关键帧图像与编码后的所述待验证公积金图像的相似度,并在所述相似度大于预设阈值的情况下,确定所述待验证公积金图像来源于所述信贷申请视频。
2.根据权利要求1所述的一种基于视频图像检测技术的信审方法,其特征在于,生成随机隐私序列,具体包括:
确定所述信审请求的请求值;其中,所述请求值用于描述所述信审请求的触发次序;
基于所述请求值,确定待应用线性同余递推公式参数值,以获得所述信审请求对应的待应用线性同余递推公式;
基于预设的随机隐私序列长度,通过所述待应用线性同余递推公式计算所述信审请求对应的随机隐私序列。
3.根据权利要求1所述的一种基于视频图像检测技术的信审方法,其特征在于,通过所述用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,具体包括:
基于预设的内容类型识别模型,确定所述待验证公积金图像与所述信贷申请视频的各帧图像中的图像内容区域与字段内容区域;
通过人像识别算法对所述图像内容区域进行人像识别,以确定所述图像内容区域的图像内容是否为人像,并在确定所述图像内容区域为人像的情况下,确定所述图像内容区域为隐私信息区域;
对所述字段内容区域进行内容提取,以获得字段内容,并对所述字段内容进行字段分类,以确定所述字段内容包含的若干个字段;其中,所述字段的类型包括以下任意一项或多项:文字字段、数字字段,符号字段;
对所述字段进行语义内容类型识别,以确定所述字段的语义内容类型是否为隐私信息类型,并在确定所述字段的语义内容类型为隐私信息类型的情况下,确定所述字段在所述字段内容区域中的位置为隐私信息区域。
4.根据权利要求3所述的一种基于视频图像检测技术的信审方法,其特征在于,基于所述随机隐私序列对所述隐私信息区域进行编码,具体包括:
通过预设的混沌元胞自动机,对所述随机隐私序列进行处理,以获得初始观测矩阵;
通过预设的非负化函数,对所述初始观测矩阵进行非负化处理,以获得待应用观测矩阵;
基于所述待应用观测矩阵,对所述隐私信息区域进行采样压缩,以实现对所述隐私信息区域的编码。
5.根据权利要求4所述的一种基于视频图像检测技术的信审方法,其特征在于,在编码后的所述信贷申请视频中提取第一数量个帧图像之前,所述方法还包括:
对编码后的所述待验证公积金图像与编码后的所述信贷申请视频的各帧图像进行灰度化处理,具体包括:
确定编码后的所述待验证公积金图像与编码后的所述信贷申请视频的各帧图像中各像素点在RGB模型中的第一色度值;
基于所述第一色度值,确定各像素点在Lab模型中对应的第二色度值,并基于所述第二色度值,通过预设的亮度补偿函数,确定编码后的所述待验证公积金图像与编码后的所述信贷申请视频的各帧图像中各像素点的灰度值;
基于所述灰度值,将编码后的所述待验证公积金图像与编码后的所述信贷申请视频的各帧图像转换为灰度关键帧图像。
6.根据权利要求5所述的一种基于视频图像检测技术的信审方法,其特征在于,在编码后的所述信贷申请视频中提取第一数量个帧图像,以及确定所述第一数量个帧图像中的关键帧图像,具体包括:
确定相邻操作时间间隔,并设置所述相邻操作时间间隔为帧图像抽取时间间隔;
基于所述帧图像抽取时间间隔,对编码后的所述信贷申请视频进行帧图像抽取,以获得第一数量个帧图像;
通过亲和力传播算法对所述第一数量个帧图像进行初始聚类,以获得第二数量个初始关键帧图像;其中,所述第二数量小于第一数量;
通过SCC聚类算法对所述第二数量个初始关键帧图像进行二层聚类,以获得确定的关键帧图像。
7.根据权利要求6所述的一种基于视频图像检测技术的信审方法,其特征在于,基于所述随机隐私序列及预设的相似度判断规则,确定所述关键帧图像与编码后的所述待验证公积金图像的相似度,具体包括:
对照隐私信息区域在所述关键帧图像与编码后的所述待验证公积金图像中的位置;
在确定隐私信息区域在所述关键帧图像与编码后的所述待验证公积金图像中位置相同的情况下,确定所述关键帧图像与编码后的所述待验证公积金图像中非隐私信息区域各像素点对应的灰度值,并确定所述关键帧图像与编码后的所述待验证公积金图像中非隐私信息区域对应像素点的灰度值差值的绝对值小于预设差值的第一像素点对数;
基于所述随机隐私序列及编码对应的压缩感知恢复程序,确定所述关键帧图像与编码后的所述待验证公积金图像中隐私信息区域各像素点对应的原始灰度值,并确定所述关键帧图像与编码后的所述待验证公积金图像中隐私信息区域对应像素点的灰度值差值的绝对值小于预设差值的第二像素点对数;
基于所述第一像素点对数与所述第二像素点对数,确定所述关键帧图像与编码后的所述待验证公积金图像的相似度。
8.根据权利要求4所述的一种基于视频图像检测技术的信审方法,其特征在于,所述非负化函数,由以下公式表示:
其中,为初始观测矩阵,/>为待应用观测矩阵。
9.一种基于视频图像检测技术的信审设备,其特征在于,所述设备包括:
至少一个处理器;
以及,与所述至少一个处理器通信连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
在接收到用户端触发的信审请求的情况下,生成所述信审请求对应的随机隐私序列,并将所述随机隐私序列发送到所述用户端;
通过所述用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于所述随机隐私序列对所述隐私信息区域进行编码;
接收用户端上传的编码后的所述待验证公积金图像与编码后的所述信贷申请视频,并在编码后的所述信贷申请视频中提取第一数量个帧图像,以及确定所述第一数量个帧图像中的关键帧图像;
基于所述随机隐私序列及预设的相似度判断规则,确定所述关键帧图像与编码后的所述待验证公积金图像的相似度,并在所述相似度大于预设阈值的情况下,确定所述待验证公积金图像来源于所述信贷申请视频。
10.一种基于视频图像检测技术的信审的非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为:
在接收到用户端触发的信审请求的情况下,生成所述信审请求对应的随机隐私序列,并将所述随机隐私序列发送到所述用户端;
通过所述用户端预置的隐私信息识别算法,确定待验证公积金图像与信贷申请视频中的隐私信息区域,并基于所述随机隐私序列对所述隐私信息区域进行编码;
接收用户端上传的编码后的所述待验证公积金图像与编码后的所述信贷申请视频,并在编码后的所述信贷申请视频中提取第一数量个帧图像,以及确定所述第一数量个帧图像中的关键帧图像;
基于所述随机隐私序列及预设的相似度判断规则,确定所述关键帧图像与编码后的所述待验证公积金图像的相似度,并在所述相似度大于预设阈值的情况下,确定所述待验证公积金图像来源于所述信贷申请视频。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310161296.4A CN116703556A (zh) | 2023-02-24 | 2023-02-24 | 一种基于视频图像检测技术的信审方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310161296.4A CN116703556A (zh) | 2023-02-24 | 2023-02-24 | 一种基于视频图像检测技术的信审方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116703556A true CN116703556A (zh) | 2023-09-05 |
Family
ID=87844036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310161296.4A Pending CN116703556A (zh) | 2023-02-24 | 2023-02-24 | 一种基于视频图像检测技术的信审方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703556A (zh) |
-
2023
- 2023-02-24 CN CN202310161296.4A patent/CN116703556A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102190483B1 (ko) | Ai 기반의 영상 압축 및 복원 시스템 | |
CN111178523B (zh) | 一种行为检测方法、装置、电子设备及存储介质 | |
AU2015274708B2 (en) | Rule-based video importance analysis | |
CN111476269B (zh) | 均衡样本集构建、翻拍图像识别方法、装置、设备及介质 | |
US10771807B1 (en) | System and method for compressing video using deep learning | |
US11849241B2 (en) | Dynamically configured processing of a region of interest dependent upon published video data selected by a runtime configuration file | |
CN110895811B (zh) | 一种图像篡改检测方法和装置 | |
Baracchi et al. | Facing image source attribution on iPhone X | |
CN112052702A (zh) | 一种识别二维码的方法和装置 | |
CN114005019A (zh) | 一种翻拍图像识别方法及其相关设备 | |
US20210099772A1 (en) | System and method for verification of video integrity based on blockchain | |
CN108230227B (zh) | 一种图像篡改的识别方法、装置及电子设备 | |
CN111369557B (zh) | 图像处理方法、装置、计算设备和存储介质 | |
US20240040108A1 (en) | Method and system for preprocessing optimization of streaming video data | |
CN116703556A (zh) | 一种基于视频图像检测技术的信审方法、设备及存储介质 | |
US11398091B1 (en) | Repairing missing frames in recorded video with machine learning | |
CN116051477A (zh) | 一种超高清视频文件的图像噪声检测方法及装置 | |
CN114095725B (zh) | 一种判断摄像头是否异常的方法和系统 | |
Rodríguez-Santos et al. | Identifying the Digital Camera from Natural Images Using Residual Noise and the Jensen–Shannon Divergence | |
CN112533024A (zh) | 一种人脸视频处理方法、装置及存储介质 | |
CN102694985B (zh) | 视频图像中信息叠加的方法、提取的方法、装置及系统 | |
CN110909798A (zh) | 一种多算法智能研判方法、系统及服务器 | |
US20230206634A1 (en) | Blockchain recordation and validation of video data | |
US10945051B1 (en) | System and method for intentionally distorting digital media to reduce the accuracy of generative machine learning algorithms | |
US11961273B2 (en) | Dynamically configured extraction, preprocessing, and publishing of a region of interest that is a subset of streaming video data |
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 |