CN117172783B - 一种应收账款确认债权债务交叉核验系统 - Google Patents

Abstract

本申请提供一种应收账款确认债权债务交叉核验系统，包括：终端，用于获取应收账款的核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见，并将核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见发送给服务器，其中，每项应收账款的核验人包含债务核验人和债权核验人，每个终端仅对应一种核验人身份；服务器，用于基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证，身份验证成功后，将核验人的身份及核验意见与对应的应收账款建立关联关系，以及，针对每项应收账款，判断债务核验人的核验意见和债权核验人的核验意见是否均为通过，若是，完成对此项应收账款的交叉核验。

Description

一种应收账款确认债权债务交叉核验系统

技术领域

本申请涉及信息核验技术领域，具体而言，涉及一种应收账款确认债权债务交叉核验系统。

背景技术

应收账款是指企业在正常的经营过程中因销售商品、产品、提供劳务等业务，应向购买单位收取的款项，是伴随企业的销售行为发生而形成的一项债权。

对于应收账款的核实，现在仅通过核实合同的真实性已无法有效达到核验的目的，因此，如何核实应收账款成为了本领域的一个难题。而通过对应收账款的债权债务交叉核验，可以有效核验应收账款的真实性，此种方式需核实应收账款的核验人(债务核验人和债权核验人)的身份信息，作为对应收账款对应的债权债务进行有效核实的保障。现有的应收账款核验系统显然难以满足需求，无法实现对应收账款确认债权债务的交叉核验。

发明内容

本申请实施例的目的在于提供一种应收账款确认债权债务交叉核验系统，以实现对应收账款的债权债务交叉核验，有效核验应收账款的真实性。

为了实现上述目的，本申请的实施例通过如下方式实现：

第一方面，本申请实施例提供一种应收账款确认债权债务交叉核验系统，包括：终端，用于获取应收账款的核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见，并将核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见发送给服务器，其中，每项应收账款的核验人包含债务核验人和债权核验人，每个终端仅对应一种核验人身份；服务器，用于基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证，身份验证成功后，将核验人的身份及核验意见与对应的应收账款建立关联关系，以及，针对每项应收账款，判断债务核验人的核验意见和债权核验人的核验意见是否均为通过，若是，完成对此项应收账款的交叉核验。

结合第一方面，在第一方面的第一种可能的实现方式中，所述服务器，基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证的方式为：基于核验人的身份信息，确定出此核验人对应的证件照片和红外参照人脸图像；基于环境温度，调节红外参照人脸图像的人脸温度分布；对人脸视频和红外影像进行同步抽帧处理，得到人脸图像集和对应的红外图像集，其中，人脸图像集中的每一帧人脸图像，在红外图像集中具有与其同时刻的红外图像；基于所述人脸图像集、所述红外图像集、所述证件照片和所述红外参照人脸图像，验证所述核验人的身份。

结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述服务器，基于环境温度，调节红外参照人脸图像的人脸温度分布的方式为：基于环境温度与参照温度，以及，红外参照人脸图像中各区域与环境温度之间设定的相关系数，调节红外参照人脸图像的人脸温度分布。

结合第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，所述服务器，基于所述人脸图像集、所述红外图像集、所述证件照片和所述红外参照人脸图像，验证所述核验人的身份的方式为：将所述人脸图像集、所述红外图像集、所述证件照片和所述红外参照人脸图像输入至预设的证照比对模型中；得到证照比对模型输出的身份核验结果。

结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述证照比对模型包括输入单元、第一特征提取单元、第二特征提取单元、第三特征提取单元、第四特征提取单元、证照特征比对单元、红外特征比对单元、核验单元、输出单元，所述输入单元分别与所述第一特征提取单元、所述第二特征提取单元、所述第三特征提取单元、所述第四特征提取单元连接；所述第一特征提取单元和所述第二特征提取单元均与所述证照特征比对单元连接；所述第三特征提取单元和所述第四特征提取单元均与所述红外特征比对单元连接；所述证照特征比对单元和所述红外特征比对单元均与所述核验单元连接；所述核验单元与所述输出单元连接。

结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，将所述人脸图像集、所述红外图像集、所述证件照片和所述红外参照人脸图像输入至预设的证照比对模型后，所述输入单元进行如下处理：将所述证件照片进行预处理后，输入至所述第一特征提取单元；对所述人脸图像集中的每帧人脸图像进行预处理，并将预处理后的人脸图像逐帧输入至所述第二特征提取单元；将所述红外参照人脸图像进行预处理后，输入至所述第三特征提取单元；对所述红外图像集中的每帧红外图像进行预处理，并将预处理后的红外图像逐帧输入至所述第四特征提取单元。

结合第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，在所述输入单元将相应的图像输入至对应的特征提取单元后，所述第一特征提取单元，用于对预处理后的证件照片进行特征提取，得到证件人脸特征，并输出至所述证照特征比对单元；所述第二特征提取单元，用于对预处理后的每帧人脸图像进行特征提取，得到每帧人脸图像对应的核验人脸特征，并输出至所述证照特征比对单元；所述第三特征提取单元，用于对预处理后的红外参照人脸图像进行特征提取，得到红外参照人脸特征，并输出至所述红外特征比对单元；所述第四特征提取单元，用于对预处理后的每帧红外图像进行特征提取，得到红外人脸特征，并输出至所述红外特征比对单元。

结合第一方面的第六种可能的实现方式，在第一方面的第七种可能的实现方式中，证件人脸特征和核验人脸特征均为n维向量，所述证照特征比对单元，具体用于：将证件人脸特征和每帧人脸图像对应的核验人脸特征展平为一维向量；分别将每个核验人脸特征的一维向量与证件人脸特征的一维向量进行相似度计算，得到每帧人脸图像对应的人脸相似度，并将每帧人脸图像对应的人脸相似度输出至所述核验单元。

结合第一方面的第七种可能的实现方式，在第一方面的第八种可能的实现方式中，红外参照人脸特征和每帧红外图像对应的红外人脸特征均为人脸彩色直方图，所述红外特征比对单元，具体用于：将红外参照人脸特征对应的人脸彩色直方图和每个红外人脸特征对应的人脸彩色直方图分别进行交叉熵计算，得到每帧红外图像对应的人脸置信度，并将每帧红外图像对应的人脸置信度输出至所述核验单元。

结合第一方面的第八种可能的实现方式，在第一方面的第九种可能的实现方式中，所述核验单元，收到每帧人脸图像对应的人脸相似度和每帧红外图像对应的人脸置信度后，进行如下处理：针对每帧人脸图像和对应的红外图像，基于对应的人脸相似度和对应的人脸置信度，确定每帧人脸图像对应的核验人身份验证结果；基于每帧人脸图像对应的核验人身份验证结果，确定出所述核验人的身份验证结果并输出至所述输出单元。

有益效果：

1.通过终端获取应收账款的核验人(债务核验人和债权核验人)的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见，并将核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见发送给服务器，而服务器则基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证，身份验证成功后，将核验人的身份及核验意见与对应的应收账款建立关联关系，以及，针对每项应收账款，判断债务核验人的核验意见和债权核验人的核验意见是否均为通过，若是，完成对此项应收账款的交叉核验。由此，即可针对每项应收账款，利用债务核验人(应收账款中客户订单的订货方所对应的核验人)和债权核验人(应收账款中客户订单的发货方所对应的核验人)，进行债权债务的交叉核验，利用双方绑定的核验人信息(包含核验人提前绑定的身份信息、证件照片、红外参照人脸图像等)，以及核验人使用的终端采集的核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见等信息，对核验人的身份进行验证，通过核验意见核验应收账款，从而能够实现对应收账款的债权债务交叉核验，有效核验应收账款的真实性。并且，还可以结合订单信息、出库记录、收货凭证等此应收账款对应的相关交易数据，便于后续为三方(例如银行，在为企业提供贷款时，可作为验证应收账款真实性的材料，避免单纯使用合同进行验证所带来的局限性。因为现在中小银行的应收账款抵押贷款，在核实应收账款时仅核实合同的真实性，无法达到核查的目地，而实际中利用假公章或是虑构合同的方式套取贷款的事情实常发生，给贷款的银行带来的巨大风险)提供有效的应收账款核验凭证，保证核验的应收账款的真实性。

2.在身份核验过程中，采用人脸图像与红外图像结合的验证方式，可大大提高验证的准确性，保证核验人的真实性(规避提前录制视频、拍摄照片或其他层面的伪验证方案)，且整体的验证过程，高效而精准。在核验过程中，考虑环境温度，利用环境温度调节红外参照人脸图像的人脸温度分布(基于环境温度与参照温度，以及，红外参照人脸图像中各区域与环境温度之间设定的相关系数，调节红外参照人脸图像的人脸温度分布)；对人脸视频和红外影像进行同步抽帧处理，得到人脸图像集和对应的红外图像集，基于人脸图像集、红外图像集、证件照片和红外参照人脸图像，验证核验人的身份，可以进一步提升核验的准确性。

3.设计证照比对模型，包括输入单元、第一特征提取单元、第二特征提取单元、第三特征提取单元、第四特征提取单元、证照特征比对单元、红外特征比对单元、核验单元、输出单元。第一特征提取单元对预处理后的证件照片进行特征提取，得到证件人脸特征，并输出至证照特征比对单元；第二特征提取单元，用于对预处理后的每帧人脸图像进行特征提取，得到每帧人脸图像对应的核验人脸特征，并输出至证照特征比对单元；第三特征提取单元，用于对预处理后的红外参照人脸图像进行特征提取，得到红外参照人脸特征，并输出至红外特征比对单元；第四特征提取单元，用于对预处理后的每帧红外图像进行特征提取，得到红外人脸特征，并输出至红外特征比对单元。证件人脸特征和核验人脸特征均为n维向量，证照特征比对单元将证件人脸特征和每帧人脸图像对应的核验人脸特征展平为一维向量；分别将每个核验人脸特征的一维向量与证件人脸特征的一维向量进行相似度计算，得到每帧人脸图像对应的人脸相似度，并将每帧人脸图像对应的人脸相似度输出至核验单元。红外参照人脸特征和每帧红外图像对应的红外人脸特征均为人脸彩色直方图，红外特征比对单元将红外参照人脸特征对应的人脸彩色直方图和每个红外人脸特征对应的人脸彩色直方图分别进行交叉熵计算，得到每帧红外图像对应的人脸置信度，并将每帧红外图像对应的人脸置信度输出至核验单元。核验单元针对每帧人脸图像和对应的红外图像，基于对应的人脸相似度和对应的人脸置信度，确定每帧人脸图像对应的核验人身份验证结果；基于每帧人脸图像对应的核验人身份验证结果，确定出核验人的身份验证结果并输出至输出单元。可以保证核验人身份验证的准确性，且证照比对模型的体量不大，每帧图像的特征提取可以在20ms-30ms完成，整体的验证过程可以在两秒钟内完成，高效且精准。

为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例提供的一种应收账款确认债权债务交叉核验系统的示意图。

图2为预设的证照比对模型的示意图。

图标：10-应收账款确认债权债务交叉核验系统；11-服务器；12-终端；20-证照比对模型；21-输入单元；22-第一特征提取单元；23-第二特征提取单元；24-第三特征提取单元；25-第四特征提取单元；26-证照特征比对单元；27-红外特征比对单元；28-核验单元；29-输出单元。

具体实施方式

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描述。

图1为本申请实施例提供的一种应收账款确认债权债务交叉核验系统10的示意图。在本实施例中，应收账款确认债权债务交叉核验系统10可以包括服务器11和多个终端12，每个终端12与服务器11通信，且每个终端12仅对应一种核验人身份。针对每个核验人，服务器11会在建立核验人身份档案时，提前收集核验人的身份信息、证件照片、红外参照人脸图像等，绑定到此核验人的身份档案，后续的每次核验的记录也会关联到此核验人的身份档案中，作为依据，便于后续查证。

在需要对应收账款确认时，需要进行债权债务交叉核，此时，应收账款确认债权债务交叉核验系统10的对应终端12，可以获取应收账款的核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见，并将核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见发送给服务器11。此处，每项应收账款的核验人包含债务核验人和债权核验人，每个终端12仅对应一种核验人身份。

而服务器11，则可以基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证。

示例性的，服务器11基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证的方式为：

服务器11可以基于核验人的身份信息，确定出此核验人对应的证件照片和红外参照人脸图像。例如，以核验人的身份信息确定出核验人对应的身份档案，从身份档案中确定出此核验人对应的证件照片和红外参照人脸图像，此处的红外参照人脸图像，关联有对应的环境温度(即参照温度)，以确定此红外参照人脸图像在相应环境温度下的人脸温度分布。

然后，服务器11可以基于环境温度，调节红外参照人脸图像的人脸温度分布：基于环境温度与参照温度，以及，红外参照人脸图像中各区域与环境温度之间设定的相关系数，调节红外参照人脸图像的人脸温度分布。红外参照人脸图像中，主要分为几个区域：额部区域、眼部区域、鼻部区域、口部区域、颊部区域、下巴区域。每个区域与环境温度之间的关系差异较大，额部区域受环境温度影响相对较小(且温度相对恒定)，鼻部区域、颊部区域和下巴区域受环境温度影响较大，而口部区域和眼部区域同样受环境温度影响较小，但口部区域受其他因素影响较大(例如刚进食与体温差异大的食物，如冰水、雪糕、热食等)。因此，基于这类关系，可以为不同区域赋予不同的权重(额部区域权重相对更大、眼部区域、颊部区域、下巴区域、鼻部区域、次之，口部区域最小，此权重用于在相似度计算时产生影响)，同时，可以根据大量的样本，为每个区域与环境温度之间的关系赋予相应的相关系数，而额部区域、颊部区域、眼部区域和口部区域没有太特殊的情况，此处需要单独说明的是，下巴区域和鼻部区域，鼻部区域越靠近鼻尖，受环境温度影响越大(特别是环境温度低时，越明显，因此有将鼻部区域受环境温度影响的方式以鼻尖为中心，向鼻部区域的其他位置扩散，离鼻尖越远，受环境温度影响逐渐减小)，而下巴区域与此类似，以下巴底部为中心，向下巴区域的其他位置扩散，离下巴底部越远，受环境温度影响逐渐减小。

基于此种方式，可以以终端12上传的环境温度，结合参照温度，调节红外参照人脸图像的人脸温度分布，得到适于当前验证的红外参照人脸图像。

之后，服务器11可以对人脸视频和红外影像进行同步抽帧处理，得到人脸图像集和对应的红外图像集，其中，人脸图像集中的每一帧人脸图像，在红外图像集中具有与其同时刻的红外图像。以每秒30帧的人脸视频为例，可以采取隔二抽一，或者，隔4抽一的策略，进行抽帧，假设视频采集了5秒钟，那么，采取隔二抽一的方式抽帧，得到50帧人脸图像，作为人脸图像集。同样的，对红外影像进行同步抽帧处理(即，采取与人脸视频同样的抽帧策略，且保持抽取的每帧红外图像与抽取的每帧人脸图像具有对应的相同时间点，即，一帧人脸图像具有与之时间点相同的一帧红外图像)，得到红外图像集。

然后，服务器11可以利用人脸图像集、红外图像集、证件照片和红外参照人脸图像，验证核验人的身份。

示例性的，服务器11可以将人脸图像集、红外图像集、证件照片和红外参照人脸图像输入至预设的证照比对模型20中，得到证照比对模型20输出的身份核验结果。

请参阅图2，图2为证照比对模型20的示意图。在本实施例中，证照比对模型20可以包括输入单元21、第一特征提取单元22、第二特征提取单元23、第三特征提取单元24、第四特征提取单元25、证照特征比对单元26、红外特征比对单元27、核验单元28、输出单元29。输入单元21分别与第一特征提取单元22、第二特征提取单元23、第三特征提取单元24、第四特征提取单元25连接；第一特征提取单元22和第二特征提取单元23均与证照特征比对单元26连接；第三特征提取单元24和第四特征提取单元25均与红外特征比对单元27连接；证照特征比对单元26和红外特征比对单元27均与核验单元28连接；核验单元28与输出单元29连接。

示例性的，将人脸图像集、红外图像集、证件照片和红外参照人脸图像输入至预设的证照比对模型20后，输入单元21可以进行如下处理：

将证件照片进行预处理后，输入至第一特征提取单元22。此处的预处理主要包含灰度化、滤波去噪、人脸对正、图像裁剪(统一图像大小，例如256×256)等，这些都是进行特征提取前的常规处理，此处不做赘述。以及，对人脸图像集中的每帧人脸图像进行同样的预处理，并将预处理后的人脸图像逐帧输入至第二特征提取单元23。

以及，将红外参照人脸图像进行预处理后，输入第三特征提取单元24。此处，不同于对证件照片和人脸图像集中每帧人脸图像的预处理，此处的预处理包含滤波去噪、人脸对正、直方图均衡化、图像裁剪(统一图像大小)，不含灰度化。当然，在其他一些可能的实现方式中也可以进行灰度化，以灰度直方图取代彩色直方图进行特征相似度计算，但本方案以彩色直方图为例进行介绍，此处的预处理则不含灰度化。以及，对红外图像集中的每帧红外图像进行与红外参照人脸图像同样的预处理，并将预处理后的红外图像逐帧输入至第四特征提取单元25。

在输入单元21将相应的图像输入至对应的特征提取单元后，即，将预处理后的证件照片输入至第一特征提取单元22，将预处理后的每帧人脸图像逐帧输入至第二特征提取单元23，将预处理后的红外参照人脸图像输入第三特征提取单元24，将预处理后的每帧红外图像逐帧输入至第四特征提取单元25后，对应的特征提取单元分别进行如下处理：

第一特征提取单元22可以对预处理后的证件照片进行特征提取，得到证件人脸特征，并输出至所述证照特征比对单元26。此处，第一特征提取单元22可以选用VGGFace、LightCNN或DeepFace，实现对证件照片进行特征提取，本实施例以选用DeepFace提取证件人脸特征为例，进行说明，此处不作限定。由此可以利用第一特征提取单元22提取到证件照片的证件人脸特征(是一个n维向量，例如128维或256维的特征向量，本实施例以128维为例)，并将证件人脸特征输出至证照特征比对单元26。

而第二特征提取单元23，用于对预处理后的每帧人脸图像进行特征提取，得到每帧人脸图像对应的核验人脸特征，并输出至证照特征比对单元26。为了提高特征提取的效率，第二特征提取单元23可以设计为多通道并行的方式，即，第二特征提取单元23可以包含5个通道，每个通道同一时刻可以对一帧输入的人脸图像进行特征提取，因此，人脸图像集中的50帧人脸图像，可以按照次序依次输入至第二特征提取单元23的每个通道中，每次输入一帧，需要完成10轮输入，即可实现对人脸图像集中的50帧人脸图像的特征提取。而第二特征提取单元23的每个通道可以选用VGGFace、LightCNN或DeepFace，本实施例以DeepFace提取核验人脸特征为例。由此即可在200ms-300ms提取完人脸图像集中所有人脸图像的核验人脸特征(一个n维向量，例如128维或256维的特征向量，本实施例以128维为例)，并输出至证照特征比对单元26。

而证照特征比对单元26在接收到证件人脸特征和核验人脸特征后，可以将证件人脸特征和每帧人脸图像对应的核验人脸特征展平为一维向量，然后分别将每个核验人脸特征的一维向量与证件人脸特征的一维向量进行相似度计算，得到每帧人脸图像对应的人脸相似度，并将每帧人脸图像对应的人脸相似度输出至所述核验单元28。

示例性的，此处的人脸相似度计算方式采用以下公式：

其中，S_x表示第x帧人脸图像对应的人脸相似度，A_i表示展平的证件人脸特征A中的第i个元素，表示展平的第x帧人脸图像对应的核验人脸特征B^x中的第i个元素，n为展平的证件人脸特征和核验人脸特征的元素总量，即证件人脸特征和核验人脸特征的维度。

由此可以计算出每帧人脸图像对应的人脸相似度(即每帧人脸图像与证件照片的人脸相似度)，然后将每帧人脸图像对应的人脸相似度输出至核验单元28。

与此同时，第三特征提取单元24可以对预处理后的红外参照人脸图像进行特征提取，得到红外参照人脸特征，并输出至红外特征比对单元27。此处，第三特征提取单元24可以提取红外参照人脸图像的色彩特征，得到红外参照人脸图像中各区域(额部区域、眼部区域、鼻部区域、口部区域、颊部区域、下巴区域)的彩色直方图，然后将彩色直方图发送给红外特征比对单元27。

而第四特征提取单元25，用于对预处理后的每帧红外图像进行特征提取，得到每帧红外图像对应的红外人脸特征，并输出至证照特征比对单元26。同样的，为了提高特征提取的效率，第四特征提取单元25可以设计为多通道并行的方式，例如，第四特征提取单元25可以包含5个通道，每个通道同一时刻可以对一帧输入的红外图像进行特征提取，因此，红外图像集中的50帧红外图像，可以按照次序依次输入至第四特征提取单元25的每个通道中，每次输入一帧，需要完成10轮输入，即可实现对红外图像集中的50帧红外图像的特征提取。得到每帧红外图像中各区域(额部区域、眼部区域、鼻部区域、口部区域、颊部区域、下巴区域)的彩色直方图，然后将彩色直方图发送给红外特征比对单元27。

而红外特征比对单元27在接收到红外参照人脸特征和红外人脸特征后，可以将红外参照人脸特征和每帧红外图像对应的红外人脸特征，将红外参照人脸特征对应的人脸彩色直方图和每个红外人脸特征对应的人脸彩色直方图分别进行交叉熵计算，得到每帧红外图像对应的人脸置信度，并将每帧红外图像对应的人脸置信度输出至核验单元28。

具体的，针对红外参照人脸特征和每帧红外图像对应的红外人脸特征，采用以下方式进行相似度计算：

首先，将红外参照人脸特征中每个区域对应的彩色直方图与第x帧红外图像对应的红外人脸特征中每个区域对应的彩色直方图建立对应关系，然后对每个区域对应的红外参照人脸特征的彩色直方图与第x帧红外图像对应的红外人脸特征的彩色直方图进行归一化，得到概率分布P^z(y)和之后，采用以下公式计算区域交叉熵：

其中，表示第x帧红外图像对应的区域z的区域交叉熵，P^z(y)表示红外参照人脸特征中区域z的概率分布，/>表示第x帧红外图像对应的红外人脸特征中区域z的概率分布。

然后，采用以下公式计算第x帧红外图像对应的人脸置信度：

其中，C_x表示第x帧红外图像对应的人脸置信度，rz表示区域z对应的权重，表示第x帧红外图像对应的区域z的区域交叉熵。

由此，即可得到每帧红外图像对应的人脸置信度，然后将人脸置信度输出至核验单元28。

核验单元28在收到每帧人脸图像对应的人脸相似度和每帧红外图像对应的人脸置信度后，进行如下处理：针对每帧人脸图像和对应的红外图像，基于对应的人脸相似度和对应的人脸置信度，确定每帧人脸图像对应的核验人身份验证结果，然后基于每帧人脸图像对应的核验人身份验证结果，确定出核验人的身份验证结果并输出至输出单元29。

在本实施例中，针对每帧人脸图像和对应的红外图像：

核验单元28可以判断第x帧红外图像对应的人脸置信度C_x是否达到阈值，若未达到阈值，确定第x帧人脸图像的身份核验失败；若达到阈值，采用以下公式计算核验指数ρ_x：

然后，判断第x帧人脸图像的核验指数ρ_x是否大于等于设定指数，若大于等于设定指数，确定第x帧人脸图像的身份核验成功；若小于设定指数，确定第x帧人脸图像的身份核验失败。最终根据人脸图像集中每帧人脸图像的身份核验情况，例如身份核验成功的比例是否达到80％，最终确定出核验人的身份验证结果，输出至输出单元29。

而输出单元29则可以输出核验人的身份验证结果，由此实现对核验人的身份验证。

身份验证成功后，服务器11可以将核验人的身份及核验意见(通过或不通过)与对应的应收账款建立关联关系。

由此，服务器11可以针对每项应收账款，判断债务核验人的核验意见和债权核验人的核验意见是否均为通过，若是，完成对此项应收账款的交叉核验。

综上所述，本申请实施例提供一种应收账款确认债权债务交叉核验系统10：

通过终端12获取应收账款的核验人(债务核验人和债权核验人)的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见，并将核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见发送给服务器11，而服务器11则基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证，身份验证成功后，将核验人的身份及核验意见与对应的应收账款建立关联关系，以及，针对每项应收账款，判断债务核验人的核验意见和债权核验人的核验意见是否均为通过，若是，完成对此项应收账款的交叉核验。由此，即可针对每项应收账款，利用债务核验人(应收账款中客户订单的订货方所对应的核验人)和债权核验人(应收账款中客户订单的发货方所对应的核验人)，进行债权债务的交叉核验，利用双方绑定的核验人信息(包含核验人提前绑定的身份信息、证件照片、红外参照人脸图像等)，以及核验人使用的终端12采集的核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见等信息，对核验人的身份进行验证，通过核验意见核验应收账款，从而能够实现对应收账款的债权债务交叉核验，有效核验应收账款的真实性。并且，还可以结合订单信息、出库记录、收货凭证等此应收账款对应的相关交易数据，便于后续为三方(例如银行，在为企业提供贷款时，可作为验证应收账款真实性的材料，避免单纯使用合同进行验证所带来的局限性。因为现在中小银行的应收账款抵押贷款，在核实应收账款时仅核实合同的真实性，无法达到核查的目地，而实际中利用假公章或是虑构合同的方式套取贷款的事情实常发生，给贷款的银行带来的巨大风险)提供有效的应收账款核验凭证，保证核验的应收账款的真实性。

在身份核验过程中，采用人脸图像与红外图像结合的验证方式，可大大提高验证的准确性，保证核验人的真实性(规避提前录制视频、拍摄照片或其他层面的伪验证方案)，且整体的验证过程，高效而精准。在核验过程中，考虑环境温度，利用环境温度调节红外参照人脸图像的人脸温度分布(基于环境温度与参照温度，以及，红外参照人脸图像中各区域与环境温度之间设定的相关系数，调节红外参照人脸图像的人脸温度分布)；对人脸视频和红外影像进行同步抽帧处理，得到人脸图像集和对应的红外图像集，基于人脸图像集、红外图像集、证件照片和红外参照人脸图像，验证核验人的身份，可以进一步提升核验的准确性。

设计证照比对模型20，包括输入单元21、第一特征提取单元22、第二特征提取单元23、第三特征提取单元24、第四特征提取单元25、证照特征比对单元26、红外特征比对单元27、核验单元28、输出单元29。第一特征提取单元22对预处理后的证件照片进行特征提取，得到证件人脸特征，并输出至证照特征比对单元26；第二特征提取单元23，用于对预处理后的每帧人脸图像进行特征提取，得到每帧人脸图像对应的核验人脸特征，并输出至证照特征比对单元26；第三特征提取单元24，用于对预处理后的红外参照人脸图像进行特征提取，得到红外参照人脸特征，并输出至红外特征比对单元27；第四特征提取单元25，用于对预处理后的每帧红外图像进行特征提取，得到红外人脸特征，并输出至红外特征比对单元27。证件人脸特征和核验人脸特征均为n维向量，证照特征比对单元26将证件人脸特征和每帧人脸图像对应的核验人脸特征展平为一维向量；分别将每个核验人脸特征的一维向量与证件人脸特征的一维向量进行相似度计算，得到每帧人脸图像对应的人脸相似度，并将每帧人脸图像对应的人脸相似度输出至核验单元28。红外参照人脸特征和每帧红外图像对应的红外人脸特征均为人脸彩色直方图，红外特征比对单元27将红外参照人脸特征对应的人脸彩色直方图和每个红外人脸特征对应的人脸彩色直方图分别进行交叉熵计算，得到每帧红外图像对应的人脸置信度，并将每帧红外图像对应的人脸置信度输出至核验单元28。核验单元28针对每帧人脸图像和对应的红外图像，基于对应的人脸相似度和对应的人脸置信度，确定每帧人脸图像对应的核验人身份验证结果；基于每帧人脸图像对应的核验人身份验证结果，确定出核验人的身份验证结果并输出至输出单元29。可以保证核验人身份验证的准确性，且证照比对模型20的体量不大，每帧图像的特征提取可以在20ms-30ms完成，整体的验证过程可以在两秒钟内完成，高效且精准。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (2)

1.一种应收账款确认债权债务交叉核验系统，其特征在于，包括：

终端，用于获取应收账款的核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见，并将核验人的身份信息、人脸视频、红外影像、环境温度和应收账款的核验意见发送给服务器，其中，每项应收账款的核验人包含债务核验人和债权核验人，每个终端仅对应一种核验人身份；

服务器，用于基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证，身份验证成功后，将核验人的身份及核验意见与对应的应收账款建立关联关系，以及，针对每项应收账款，判断债务核验人的核验意见和债权核验人的核验意见是否均为通过，若是，完成对此项应收账款的交叉核验；

所述服务器，基于核验人的身份信息、人脸视频、红外影像、环境温度对核验人的身份进行验证的方式为：

基于核验人的身份信息，确定出此核验人对应的证件照片和红外参照人脸图像；基于环境温度，调节红外参照人脸图像的人脸温度分布；对人脸视频和红外影像进行同步抽帧处理，得到人脸图像集和对应的红外图像集，其中，人脸图像集中的每一帧人脸图像，在红外图像集中具有与其同时刻的红外图像；基于所述人脸图像集、所述红外图像集、所述证件照片和所述红外参照人脸图像，验证所述核验人的身份；

所述服务器，基于所述人脸图像集、所述红外图像集、所述证件照片和所述红外参照人脸图像，验证所述核验人的身份的方式为：

将所述人脸图像集、所述红外图像集、所述证件照片和所述红外参照人脸图像输入至预设的证照比对模型中；得到证照比对模型输出的身份核验结果；

所述证照比对模型包括输入单元、第一特征提取单元、第二特征提取单元、第三特征提取单元、第四特征提取单元、证照特征比对单元、红外特征比对单元、核验单元、输出单元，

所述输入单元分别与所述第一特征提取单元、所述第二特征提取单元、所述第三特征提取单元、所述第四特征提取单元连接；所述第一特征提取单元和所述第二特征提取单元均与所述证照特征比对单元连接；所述第三特征提取单元和所述第四特征提取单元均与所述红外特征比对单元连接；所述证照特征比对单元和所述红外特征比对单元均与所述核验单元连接；所述核验单元与所述输出单元连接；

在所述输入单元将相应的图像输入至对应的特征提取单元后，所述第一特征提取单元，用于对预处理后的证件照片进行特征提取，得到证件人脸特征，并输出至所述证照特征比对单元；所述第二特征提取单元，用于对预处理后的每帧人脸图像进行特征提取，得到每帧人脸图像对应的核验人脸特征，并输出至所述证照特征比对单元；所述第三特征提取单元，用于对预处理后的红外参照人脸图像进行特征提取，得到红外参照人脸特征，并输出至所述红外特征比对单元；所述第四特征提取单元，用于对预处理后的每帧红外图像进行特征提取，得到红外人脸特征，并输出至所述红外特征比对单元；

证件人脸特征和核验人脸特征均为n维向量，所述证照特征比对单元，具体用于：

将证件人脸特征和每帧人脸图像对应的核验人脸特征展平为一维向量；分别将每个核验人脸特征的一维向量与证件人脸特征的一维向量进行相似度计算，得到每帧人脸图像对应的人脸相似度，并将每帧人脸图像对应的人脸相似度输出至所述核验单元；

其中，人脸相似度计算方式采用以下公式：

其中，S_x表示第x帧人脸图像对应的人脸相似度，A_i表示展平的证件人脸特征A中的第i个元素，表示展平的第x帧人脸图像对应的核验人脸特征B^x中的第i个元素，n为展平的证件人脸特征和核验人脸特征的元素总量，即证件人脸特征和核验人脸特征的维度；

红外参照人脸特征和每帧红外图像对应的红外人脸特征均为人脸彩色直方图，所述红外特征比对单元，具体用于：

将红外参照人脸特征对应的人脸彩色直方图和每个红外人脸特征对应的人脸彩色直方图分别进行交叉熵计算，得到每帧红外图像对应的人脸置信度，并将每帧红外图像对应的人脸置信度输出至所述核验单元；

针对红外参照人脸特征和每帧红外图像对应的红外人脸特征，采用以下方式进行相似度计算：

首先，将红外参照人脸特征中每个区域对应的彩色直方图与第x帧红外图像对应的红外人脸特征中每个区域对应的彩色直方图建立对应关系，然后对每个区域对应的红外参照人脸特征的彩色直方图与第x帧红外图像对应的红外人脸特征的彩色直方图进行归一化，得到概率分布P^z(y)和之后，采用以下公式计算区域交叉熵：

其中，表示第x帧红外图像对应的区域z的区域交叉熵，P^z(y)表示红外参照人脸特征中区域z的概率分布，/>表示第x帧红外图像对应的红外人脸特征中区域z的概率分布；

采用以下公式计算第x帧红外图像对应的人脸置信度：

其中，C_x表示第x帧红外图像对应的人脸置信度，r^z表示区域z对应的权重，表示第x帧红外图像对应的区域z的区域交叉熵；

所述核验单元，收到每帧人脸图像对应的人脸相似度和每帧红外图像对应的人脸置信度后，进行如下处理：

针对每帧人脸图像和对应的红外图像，基于对应的人脸相似度和对应的人脸置信度，确定每帧人脸图像对应的核验人身份验证结果；基于每帧人脸图像对应的核验人身份验证结果，确定出所述核验人的身份验证结果并输出至所述输出单元；

针对每帧人脸图像和对应的红外图像：

所述核验单元，判断第x帧红外图像对应的人脸置信度C_x是否达到阈值，若未达到阈值，确定第x帧人脸图像的身份核验失败；若达到阈值，采用以下公式计算核验指数ρ_x：

判断第x帧人脸图像的核验指数ρ_x是否大于等于设定指数，若大于等于设定指数，确定第x帧人脸图像的身份核验成功；若小于设定指数，确定第x帧人脸图像的身份核验失败。

2.根据权利要求1所述的应收账款确认债权债务交叉核验系统，其特征在于，所述服务器，基于环境温度，调节红外参照人脸图像的人脸温度分布的方式为：

基于环境温度与参照温度，以及，红外参照人脸图像中各区域与环境温度之间设定的相关系数，调节红外参照人脸图像的人脸温度分布。