CN117372040A - 运营商实名制数据智能稽核方法、装置、设备、介质及程序产品 - Google Patents
运营商实名制数据智能稽核方法、装置、设备、介质及程序产品 Download PDFInfo
- Publication number
- CN117372040A CN117372040A CN202311342860.9A CN202311342860A CN117372040A CN 117372040 A CN117372040 A CN 117372040A CN 202311342860 A CN202311342860 A CN 202311342860A CN 117372040 A CN117372040 A CN 117372040A
- Authority
- CN
- China
- Prior art keywords
- auditing
- result
- audit
- judged
- signature
- 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 57
- 238000012550 audit Methods 0.000 claims abstract description 80
- 238000001514 detection method Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 210000001508 eye Anatomy 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 238000009966 trimming Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 abstract description 8
- 230000004048 modification Effects 0.000 abstract description 8
- 238000012937 correction Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 230000007797 corrosion Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000000697 sensory organ Anatomy 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/182—Alternative dispute resolution
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Finance (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种运营商实名制数据智能稽核方法、装置、设备、介质及程序产品,稽核方法包括将稽核数据同步至稽核系统;地市分公司执行一级稽核,输出第一稽核结果,判定第一稽核结果是否符合第一通过条件;若判定第一稽核结果通过,则进入二级稽核阶段;若则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过;省公司执行二级稽核,输出第二稽核结果,抽查所述第二稽核结果并判定第二稽核结果是否符合第二通过条件;若判定结果通过,则结束稽核流程,否则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过。本方法在提高稽核效率、减轻稽核工作量的同时,实现了稽核的电子化和实时性。
Description
技术领域
本发明涉及稽核相关技术领域,尤其涉及一种运营商实名制数据智能稽核方法、装置、设备、介质及程序产品。
背景技术
由于缺少系统化、自动化的防诈、反诈专项能力和手段,各电信运营商需投入大量的人力、物力资源展开专项行动,如何有效提升反诈专项能力已成为亟需解决的重点问题之一。
自5G业务自开展以来,业务规模迅速扩大。在业务快速发展的关键时期,反诈工作的重要性凸显。近来,各地省通管局、公安部门对电信运营商实名制措施落实、反诈能力的建设工作进行了实地检查。检查中发现在5G业务受理过程中,存在客户证件信息采集不规范、客户签名不规范、关键业务受理单、客户签名等关键信息缺少稽核、出现电信涉诈问题无法追溯等各类问题,督促各地运营商尽快整改。
目前,现有的业务稽核主要依靠提取系统数据进行人工稽核,以人工分析、人工派单、二次稽核的方式来完成,存在如下问题:
1.订单合规性校验工作量巨大,无规范的的稽核数据作为依据,仅能通过相应BOSS系统数据、报表作为稽核依据。
2.营销策略的合规性校验较为困难,由于业务设计复杂、变化快、风险高,人工稽核需建立复杂的数据关系表
3.稽核工作相对滞后,人工稽核效率较低,导致稽核工作相对滞后,不能及时高效的稽核差错,存在数据不合规,业务关键流程不方便追溯。
4.稽核错单等问题的闭环管理,无法自动完成复查,需大量人力进行二次稽核,导致无法有效管控。
发明内容
发明目的:提出运营商实名制数据智能稽核方法、装置、设备、介质及程序产品,以解决现有技术存在的上述问题。
第一方面,提出一种运营商实名制数据智能稽核方法,包括:
将预定的稽核数据同步至稽核系统;
一级稽核阶段:地市分公司执行一级稽核,输出第一稽核结果,判定所述第一稽核结果是否符合第一通过条件;若判定所述第一稽核结果通过,则进入二级稽核阶段;若判定所述第一稽核结果不通过,则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过;
二级稽核阶段:省公司执行二级稽核,输出第二稽核结果,抽查所述第二稽核结果并判定当前所述第二稽核结果是否符合第二通过条件;若判定所述第二稽核结果通过,则结束稽核流程,否则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过。
在第一方面进一步的实施例中,在所述一级稽核阶段和二级稽核阶段,执行配套签名识别、人像照片检测、身份证照片检测、人脸一致性校验,确保订单的合规性。
在第一方面进一步的实施例中,所述配套签名识别的过程包括:
图像预处理:对签名图像进行去噪、二值化操作;
特征提取:提取签名的形态、速度、压力特征;
特征匹配:将提取出的特征与已知签名模板进行比对,计算相似度得分;
决策分类:根据相似度得分来判断签名是否属于某个人。
在第一方面进一步的实施例中,所述人像照片检测包括:对人像照片的人脸合规性进行检测,检测采集人像照片的合规性,根据是否闭眼、是否侧脸、是否有脸部遮挡维度进行检测;
对于多次识别不通过的场景支撑人工审核通过,同时将系统识别状态、人工审核状态记录稽核系统,自检时显示人像状态。
在第一方面进一步的实施例中,所述人像照片检测的过程包括:
数据预处理:对输入的图像或视频进行预处理,预处理至少包括尺寸调整、色彩空间转换;
特征提取:使用卷积神经网络对图像进行特征提取,以获取图像中的人物信息;
候选框生成:根据特征图中的信息,生成多个候选框,即可能包含人物的矩形区域;
候选框筛选:通过非极大值抑制算法,对多个候选框进行筛选,保留最优的几个候选框;
检测分类:使用支持向量机分类器,对每个候选框进行分类,判断是否包含人物;
边界框回归:对分类为人物的边界框进行微调,以定位人物的位置;
后处理:执行去除重叠框、阈值过滤。
在第一方面进一步的实施例中,所述身份证照片检测的过程包括:对身份证照片进行检测,检测身份证正反面拍照类型是否一致、身份证姓名与经办人姓名是否一致、检测证件是否在有效期内,如果不一致事前拦截并提示。
在第一方面进一步的实施例中,所述人脸一致性校验的过程包括:识别身份证人像面客户照片,同时根据拍摄的人像照片与身份证识别获取的照片进行一致性校验,并在稽核系统对状态进行记录。
第二方面,提出一种智能稽核装置,包括:
稽核系统;所述稽核系统内建有由预定的稽核数据组成的数据库;
一级稽核单元;所述一级稽核单元用于驱动地市分公司执行一级稽核,输出第一稽核结果,判定所述第一稽核结果是否符合第一通过条件;若判定所述第一稽核结果通过,则进入二级稽核阶段;若判定所述第一稽核结果不通过,则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过;
二级稽核单元;所述二级稽核单元用于驱动省公司执行二级稽核,输出第二稽核结果,抽查所述第二稽核结果并判定当前所述第二稽核结果是否符合第二通过条件;若判定所述第二稽核结果通过,则结束稽核流程,否则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过。
第三方面,提出一种电子设备,所述设备包括:处理器以及存储有计算机程序指令的存储器;所述处理器执行所述计算机程序指令时实现如第一方面所述的运营商实名制数据智能稽核方法。
第四方面,提出一种计算机可读存储介质,所述存储介质中存储有至少一个可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如第一方面所述的运营商实名制数据智能稽核方法。
第五方面,提出一种计算机程序产品,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如第一方面所述的运营商实名制数据智能稽核方法。
相对于现有技术,本申请具有明显的技术优点:
1.受理规范化,文档完整性检测,内容正确性检测
稽核管理系统以全省为中心,面向各个业务系统、各个业务受理场景、各个业务受理环节、各类业务受理类型而提供的统一的、集中的稽核管理平台。将原先分散的人工稽核异常问题、风险点等数据统一集中到系统中,及时准确地全量提供稽核工单,并提供稽核问题的整改入口,使得业务稽核工作从“人防”进入到“人防+技防”相结合的新阶。
2.减少业务产生的纠纷
营业员与客户沟通的时候,难免发生沟通不到位,导致产生业务上的分歧和纠纷,孰对孰错责任难以论证,对事情经过的取证至关重要。
3.提升服务品质
运营商企业服务品质关乎利润增长与可持续发展,现在已经不能完全只靠产品取胜于市场,取悦于客户,如今的客户对运营商的服务态度和服务品质如同产品质量一样关心,优质贴心的服务早已是产品的一部分,不容忽视。
附图说明
图1是本发明实施例中稽核流程示意图。
图2是本发明稽核流程中签名识别的流程图。
图3是签名识别的算法效果示意图。
图4是本发明稽核流程中人脸配准的效果示意图。
图5是本发明稽核流程中身份证照片检测的效果示意图。
具体实施方式
在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员而言显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
智能稽核系统是主要针对江苏广电业务数据进行稽核管理的统一管理系统。它通过对各系统平台之间的数据一致性和业务合规性进行自动校验,并对异常数据进行闭环派单整改,确保业务数据的准确性、完整性和一致性。主要实现功能稽核查询、稽核整改、一级稽核、二级稽核、稽核统计、稽核抽样、稽核规则配置等功能,配套签名识别、人像照片检测、身份证照片检测、人脸一致性校验等AI能力实现自动化稽核,确保订单的合规性。稽核流程图如图1所示。
以下为相关AI能力介绍
1、签名识别能力,如图2和图3所示。
为解决电子签名随意签字、字迹过度潦草、代签冒签的现象,提供正楷签字框的手段,实现客户100%规范签字,并融合签名识别技术通过计算机视觉技术和机器学习算法对签名图像进行分析、提取特征,然后与已知签名模板进行比对,从而判断该签名是否属于某个人。支持柜面端及H5端签名识别,同时将签名识别的方式(系统识别、人工审核)记录稽核系统,自检时显示签名状态,同时支持签名状态查询统计功能。
2、人像照片检测:
通过后台AI能力对人像照片的人脸合规性进行检测,检测采集人像照片的合规性,根据是否闭眼、是否侧脸、是否有脸部遮挡等维度进行检测。对于多次识别不通过的场景支撑人工审核通过,同时将状态(系统识别、人工审核)记录稽核系统,自检时显示人像状态,同时支持人像状态查询统计功能。
人像照片检测技术通常包含以下几个步骤:
1)数据预处理:对输入的图像或视频进行预处理,如尺寸调整、色彩空间转换等。
2)特征提取:使用卷积神经网络(CNN)等深度学习模型对图像进行特征提取,以获取图像中的人物信息。
3)候选框生成:根据特征图中的信息,生成多个候选框,即可能包含人物的矩形区域。
4)候选框筛选:通过非极大值抑制等算法,对多个候选框进行筛选,保留最优的几个候选框。
5)检测分类:使用支持向量机(SVM)等分类器,对每个候选框进行分类,判断是否包含人物。
6)边界框回归:对分类为人物的边界框进行微调,以更准确地定位人物的位置。
7)后处理:进行一些后处理,如去除重叠框、阈值过滤等
关键技术分析:
人脸配准(Face Alignment);所实现的目的是定位出人脸上五官关键点坐标。
人脸配准算法的输入是“一张人脸图像”和“人脸坐标框”,输出是五官关键点的坐标序列。五官关键点的数量是预先设定好的一个固定数值,常见的有5点、68点、90点等等。
本发明使用的人脸配准技术通过深度学习框架实现,见图4所示。都是基于人脸检测的坐标框,按某种事先设定规则将人脸区域抠取出来,缩放到固定尺寸,然后进行关键点位置的计算。
3、身份证照片检测:
通过后台AI能力对身份证照片进行检测,检测身份证正反面拍照类型是否一致、身份证姓名与经办人姓名是否一致、检测证件是否在有效期内等事项,如果不一致事前拦截并提示,见图5所示。
身份证照片检测技术是对身份证照片进行自动化分析、识别和判断的过程。其主要包括以下步骤:
1)图像预处理:对身份证照片进行图像预处理,如调整图像大小、去除噪声、增强边缘等。
2)区域分割:将身份证照片中的不同区域(如头像区、文字区)进行分割,以便后续的处理和识别。
3)特征提取:从身份证照片中提取出各个区域的特征,使用深度学习中的卷积神经网络(CNN)进行提取和训练。
4)信息识别:利用OCR技术对身份证照片中的文字信息进行识别,包括姓名、性别、民族、出生年月、住址、公民身份号码等,并进行校验和修正。
5)质量评估:对身份证照片的质量进行评估,如图像模糊、光线不足等情况,以提高后续处理的准确性。
6)识别结果处理:将处理后的结果输出到用户界面或其他应用程序中,以供用户或系统进行进一步使用。
关键技术分析:
Tesseract框架:是根据我们提供的字库对图片上的文字进行识别,然后转化为文本的形式输出。身份证识别是把身份证号、性别、民族、出生年月、姓名等多个区块进行截取分别提供给Tesseract框架进行识别。
图像处理技术
图像处理技术是使用OpenCV库对图像进行灰度化,二值化,腐蚀,轮廓检测等。
1)灰度化处理:图片灰度化处理就是将指定图片每个像素点的RGB三个分量通过一定的算法计算出该像素点的灰度值,使图像只含亮度而不含色彩信息。
2)二值化:二值化处理就是将经过灰度化处理的图片转换为只包含黑色和白色两种颜色的图像,他们之间没有其他灰度的变化。在二值图中用255便是白色,0表示黑色。
3)腐蚀:图片的腐蚀就是将得到的二值图中的黑色块进行放大。即连接图片中相邻黑色像素点的元素。通过腐蚀可以把身份证上的身份证号码连接在一起形成一个矩形区域。
4)轮廓检测:图片经过腐蚀操作后相邻点会连接在一起形成一个大的区域,这个时候通过轮廊检测就可以把每个大的区域找出来,这样就可以定位到身份证上面号码的区域。
4、人脸一致性校验:
通过后台AI能力识别身份证人像面客户照片,同时根据拍摄的人像照片与身份证识别获取的照片进行一致性校验,并在稽核系统对状态进行记录。
人脸一致性校验技术是比对两张或多张人脸图像的相似度并判断是否是同一个人的技术。其主要包括以下步骤:
1)采集数据:使用摄像头等设备采集人脸图像,并将其转换为数字信号。
2)预处理:对采集到的图像进行预处理,如裁剪、对齐、去噪等操作,以提高后续处理的准确性。
3)特征提取:从预处理后的图像中提取出特征向量,使用深度学习中的卷积神经网络(CNN)进行训练和提取。
4)相似度比对:将不同图像提取的特征向量进行相似度比对,使用欧氏距离、余弦相似度等方法来度量相似度。
5)判断是否为同一人:通过设置阈值,将相似度与该阈值进行比较,若相似度大于阈值则判定为同一人,反之则认为不是同一个人。
6)模型优化:针对实际应用场景和数据集的特点,对模型进行不断优化,提高准确率。
关键技术分析:
人脸比对(Face Compare):算法实现的目的是衡量两个人脸之间相似度。
人脸比对算法的输入是两个人脸特征人脸特征由前面的人脸提特征算法获得,输出是两个特征之间的相似度。
人脸验证(Face Verification):是判定两个人脸图是否为同一人的算法。
它的输入是两个人脸特征,通过人脸比对获得两个人脸特征的相似度,通过与预设的阈值比较来验证这两个人脸特征是否属于同一人。
智能稽核系统改变了传统的稽核方式,实现了订单业务的自动稽核,无法自动稽核的订单,采取辅助稽核的方式,根据不同的业务类型集中汇总到二级稽核菜单页面,由稽核人员进行人工稽核。减少稽核人员从海量业务订单中查找的工作。从而提高稽核效率,减轻订单稽核压力,使稽核人员从繁重的稽核任务中真正的解放出来。
本系统于2023年3月初正式使用,至今已平稳使用2月左右,使用情况良好,在提高稽核效率,减轻稽核工作量的同时,实现了稽核的电子化,实时性,全面性;防止了漏检、错检等问题;对订单的错误局部进行针对性稽核整改起到了重要作用。
在下文的实施例中,展示一些应用本发明所公开的稽核方法,所实现的示例。
稽核总表
·展示当前所有已稽核、未稽核的无纸化订单,并对表单进行导出。
·菜单权限:省级管理员、一级管理员、二级管理员
·数据源:1、BOSS系统推送无纸化订单且已完成订单;2、开户、补录业务
场景数据;
·查询条件:受理时间、稽核时间、组织机构、受理工号、业务号码、工单来
源、稽核状态、AI稽核状态、签字审核、人像照审核、待自查;
说明:
工单来源:指的是受理渠道,是营业厅柜面受理,还是移动端受理。下拉菜单可选择营业厅BOSS或移动BOSS
AI稽核状态:指的是通过后台AI能力稽核的状态。下拉菜单可选择通过、不通过、无
稽核状态:指的是人工稽核的状态。下拉菜单可选择:未稽核、一级稽核通过、一级稽核未通过、二级稽核通过、二级稽核未通过、省级稽核通过、省级稽核未通过、已整改
签字审核:指的是签名识别的状态。下拉菜单可选择:系统识别、人工审核
人像照审核:指的是签名识别的状态。下拉菜单可选择:系统识别、人工审核
·列表字段:工单号、工单名称、部门名称、受理工号、受理时间、业务号码、稽核状态、AI稽核状态、稽核未通过原因、一级稽核人、二级稽核人、省级稽核人、签字审核、人像照审核;
·数据展示:无需分权分域、展示全量数据。
详情页:可查看到稽核历史记录、AI稽核历史记录。
营业员自查
·按营业员登录的账号展示此菜单页面,营业员必须先自查自己所受理的工单,并自查通过。若在自查过程中发现问题可直接进行整改,完成后自查通过。数据内容仅可查看到登录账号所受理的工单。
·数据源:登录账号所受理的工单;
·菜单权限:营业员
·查询条件:受理时间、受理工号、业务号码、稽核状态、AI稽核状态、工单来源、签字审核、人像照审核
·列表字段:工单号、工单名称、部门名称、受理工号、受理时间、业务号码、稽核状态、AI稽核状态、稽核未通过原因、签字审核、人像照审核
·数据展示:
分权分域:根据当前工号所管理区域内容展示相应数据;
·详情页:
1、补拍功能:根据对应的拍照类型,补拍相应的照片。
2、补录功能:对录像不合规的情况,支持补录,重新录制开户视频。
3、签名整改功能:对于签字不合规的情况,支持签名整改。
说明:签名整改是指在稽核页面可直接进行签名补签操作。为保证客户信息一致性,点击签名整改后,会通过JS调用客户端读证功能,需读取客户身份证信息,并将身份证信息与经办人信息进行比对,比对通过后,可进行签名整改操作。签名整改后的签名会覆盖原先的签名,展示在详情页中。
4、自查通过:营业员自查完成后,点击自查通过,工单流转至一级稽核
5、自查内容列表:设置需要营业员自查的内容列表,营业员可根据选项进行自查,并对自查项进行标记。
说明:自查项可进行配置,常规的选项为:受理单填写是否完整,受理单是否盖章,签字是否与证件一致,协议是否完整。
稽核整改
·按营业员登录的账号展示此菜单页面,此页面展示需营业员进行整改的工单,即稽核未通过的工单,营业员可在详情页进行稽核整改。
·数据源:营业厅管理员所分配的需稽核整改的工单;
·菜单权限:营业员
·查询条件:受理时间、受理工号、业务号码、稽核状态、AI稽核状态、工单来源、签字审核、人像照审核
·列表字段:工单号、工单名称、部门名称、受理工号、受理时间、业务号码、稽核状态、AI稽核状态、稽核未通过原因、签字审核、人像照审核
·数据展示:
分权分域:根据当前工号所管理区域内容展示相应数据;
·详情页:
1、补拍功能:根据对应的拍照类型,补拍相应的照片。
2、补录功能:对录像不合规的情况,支持补录,重新录制开户视频。
3、签名整改功能:对于签字不合规的情况,支持补签。
说明:签名整改是指在稽核页面可直接进行签名补签操作。为保证客户信息一致性,点击签名整改后,会通过JS调用客户端读证功能,需读取客户身份证信息,并将身份证信息与经办人信息进行比对,比对通过后,可进行签名整改操作。签名整改后的签名会覆盖原先的签名,展示在详情页中。
整改完成:营业员整改完成后,点击整改完成,工单流转至一级稽核。
稽核未通过工单分配
·此菜单是营业厅管理员用来分配稽核未通过工单所使用的,营业厅管理员可对自己厅内稽核未通过的工单进行分配整改,可分配给原始营业员整改,也可分配给指定营业员整改;
·菜单权限:营业厅管理员;
·数据源:对应营业厅未通过稽核的订单数据;
·查询条件:受理时间、受理工号、业务号码、稽核状态、AI稽核状态、工单来源、;
·列表字段:工单号、工单名称、部门名称、受理工号、受理时间、业务号码、稽核状态、AI稽核状态、稽核未通过原因、签字审核、人像照审核;
·数据展示:
分权分域:根据当前工号所管理区域内容展示相应数据(如:当前工号为玄武区管理员,仅展示玄武区数据);
分配功能:将工单分配给原始营业员或指定营业员。
一级稽核
·展示当前登陆工号待稽核订单的状态信息
·菜单权限:一级稽核(区县)管理员
·数据源:稽核列表中待一级稽核的工单数据;
·查询条件:受理时间、组织机构、受理工号、业务号码、稽核状态、AI稽核状态、工单来源、签字审核、人像照审核;
·列表字段:工单号、工单名称、业务号码、部门名称、受理工号、受理时间、稽核状态、AI稽核状态、签字审核、人像照审核;
·数据展示:
分权分域:根据当前工号所管理区域内容展示相应数据(如:当前工号为玄武区管理员,仅展示玄武区数据);
操作功能:操作订单稽核通过/不通过;
稽核不通过则将此订单打回至对应营业员所在营业厅,由营业厅管理员分配工单给到营业员进行稽核整改。
二级稽核
·展示当前登陆工号待稽核订单的状态信息
·菜单权限:二级稽核(地市)管理员
·数据源:稽核列表中待二级稽核的工单数据;
·查询条件:受理时间、组织机构、受理工号、业务号码、稽核状态、AI稽核状态、工单来源、签字审核、人像照审核;
·列表字段:工单号、工单名称、业务号码、部门名称、受理工号、受理时间、稽核状态、AI稽核状态、签字审核、人像照审核;
·数据展示:
分权分域:根据当前工号所管理区域内容展示相应数据(如:当前工号为南京管理员,仅展示南京市数据);
操作功能:操作订单稽核通过/不通过;
稽核不通过则将此订单打回至对应营业员所在营业厅,由营业厅管理员分配工单给到营业员进行稽核整改。
省级稽核
·展示当前登陆工号待稽核订单的状态信息
·菜单权限:省公司稽核管理员
·数据源:稽核列表中待省级稽核的工单数据;
·查询条件:受理时间、组织机构、受理工号、业务号码、稽核状态、AI稽核状态、工单来源、签字审核、人像照审核;
·列表字段:工单号、工单名称、业务号码、部门名称、受理工号、受理时间、稽核状态、AI稽核状态、签字审核、人像照审核;
·数据展示:
分权分域:根据当前工号所管理区域内容展示相应数据(省级管理员可看到全省所有工单);
操作功能:操作订单稽核通过/不通过;
稽核不通过则将此订单打回至对应营业员所在营业厅,由营业厅管理员分配工单给到营业员进行稽核整改。
如上所述,尽管参照特定的优选实施例已经表示和表述了本发明,但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下,可对其在形式上和细节上做出各种变化。
Claims (10)
1.一种运营商实名制数据智能稽核方法,其特征在于,包括:
将预定的稽核数据同步至稽核系统;
一级稽核阶段:地市分公司执行一级稽核,输出第一稽核结果,判定所述第一稽核结果是否符合第一通过条件;若判定所述第一稽核结果通过,则进入二级稽核阶段;若判定所述第一稽核结果不通过,则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过;
二级稽核阶段:省公司执行二级稽核,输出第二稽核结果,抽查所述第二稽核结果并判定当前所述第二稽核结果是否符合第二通过条件;若判定所述第二稽核结果通过,则结束稽核流程,否则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过。
2.根据权利要求1所述的运营商实名制数据智能稽核方法,其特征在于:在所述一级稽核阶段和二级稽核阶段,执行配套签名识别、人像照片检测、身份证照片检测、人脸一致性校验,确保订单的合规性。
3.根据权利要求2所述的运营商实名制数据智能稽核方法,其特征在于,所述配套签名识别的过程包括:
图像预处理:对签名图像进行去噪、二值化操作;
特征提取:提取签名的形态、速度、压力特征;
特征匹配:将提取出的特征与已知签名模板进行比对,计算相似度得分;
决策分类:根据相似度得分来判断签名是否属于某个人。
4.根据权利要求2所述的运营商实名制数据智能稽核方法,其特征在于,所述人像照片检测包括:对人像照片的人脸合规性进行检测,检测采集人像照片的合规性,根据是否闭眼、是否侧脸、是否有脸部遮挡维度进行检测;
对于多次识别不通过的场景支撑人工审核通过,同时将系统识别状态、人工审核状态记录稽核系统,自检时显示人像状态。
5.根据权利要求4所述的运营商实名制数据智能稽核方法,其特征在于,所述人像照片检测的过程包括:
数据预处理:对输入的图像或视频进行预处理,预处理至少包括尺寸调整、色彩空间转换;
特征提取:使用卷积神经网络对图像进行特征提取,以获取图像中的人物信息;
候选框生成:根据特征图中的信息,生成多个候选框,即可能包含人物的矩形区域;
候选框筛选:通过非极大值抑制算法,对多个候选框进行筛选,保留最优的几个候选框;
检测分类:使用支持向量机分类器,对每个候选框进行分类,判断是否包含人物;
边界框回归:对分类为人物的边界框进行微调,以定位人物的位置;
后处理:执行去除重叠框、阈值过滤。
6.根据权利要求2所述的运营商实名制数据智能稽核方法,其特征在于,所述身份证照片检测的过程包括:对身份证照片进行检测,检测身份证正反面拍照类型是否一致、身份证姓名与经办人姓名是否一致、检测证件是否在有效期内,如果不一致事前拦截并提示;
所述人脸一致性校验的过程包括:识别身份证人像面客户照片,同时根据拍摄的人像照片与身份证识别获取的照片进行一致性校验,并在稽核系统对状态进行记录。
7.一种智能稽核装置,其特征在于,包括:
稽核系统;所述稽核系统内建有由预定的稽核数据组成的数据库;
一级稽核单元;所述一级稽核单元用于驱动地市分公司执行一级稽核,输出第一稽核结果,判定所述第一稽核结果是否符合第一通过条件;若判定所述第一稽核结果通过,则进入二级稽核阶段;若判定所述第一稽核结果不通过,则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过;
二级稽核单元;所述二级稽核单元用于驱动省公司执行二级稽核,输出第二稽核结果,抽查所述第二稽核结果并判定当前所述第二稽核结果是否符合第二通过条件;若判定所述第二稽核结果通过,则结束稽核流程,否则分配给营业员整改,整改完成后再次流转至地市分公司执行一级稽核,直到判定通过。
8.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1至6中任意一项所述的运营商实名制数据智能稽核方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一个可执行指令,所述可执行指令在电子设备上运行时,使得电子设备执行如权利要求1至6中任一项所述的运营商实名制数据智能稽核方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1至6中任意一项所述的运营商实名制数据智能稽核方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311342860.9A CN117372040A (zh) | 2023-10-17 | 2023-10-17 | 运营商实名制数据智能稽核方法、装置、设备、介质及程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311342860.9A CN117372040A (zh) | 2023-10-17 | 2023-10-17 | 运营商实名制数据智能稽核方法、装置、设备、介质及程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117372040A true CN117372040A (zh) | 2024-01-09 |
Family
ID=89395968
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311342860.9A Pending CN117372040A (zh) | 2023-10-17 | 2023-10-17 | 运营商实名制数据智能稽核方法、装置、设备、介质及程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117372040A (zh) |
-
2023
- 2023-10-17 CN CN202311342860.9A patent/CN117372040A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103975342B (zh) | 用于移动图像捕获和处理的系统和方法 | |
US9230382B2 (en) | Document image capturing and processing | |
CN105528604B (zh) | 一种基于ocr的票据自动识别与处理系统 | |
JP2021524630A (ja) | マルチ分解能登録を介したマルチサンプル全体スライド画像処理 | |
CN108090511B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN110399851B (zh) | 一种图像处理装置、方法、设备及可读存储介质 | |
Cruz et al. | Local binary patterns for document forgery detection | |
US20150016687A1 (en) | Method, system and computer storage medium for face detection | |
US20160188938A1 (en) | Image identification marker and method | |
CN105678612A (zh) | 移动端原始凭证电子化智能填单系统及方法 | |
JP2021516819A (ja) | Id認証方法および装置、電子機器並びに記憶媒体 | |
Yimyam et al. | The automated parking fee calculation using license plate recognition system | |
CN109255299A (zh) | 身份认证方法和装置、电子设备和存储介质 | |
CN101609500A (zh) | 出入境数字人像相片质量评估方法 | |
US10043071B1 (en) | Automated document classification | |
CN111445058B (zh) | 数据分析方法、装置、设备及计算机可读存储介质 | |
CN111784675A (zh) | 物品纹理信息处理的方法、装置、存储介质及电子设备 | |
CN108830175A (zh) | 虹膜图像局部增强方法、装置、设备及存储介质 | |
CN115186303B (zh) | 一种基于大数据云平台的金融签章安全管理方法及系统 | |
CN113590906A (zh) | 一种土地利用变更举证的核查系统 | |
CN110647824B (zh) | 基于计算机视觉技术的增值税发票版面提取方法 | |
Borghi et al. | Automated artifact retouching in morphed images with attention maps | |
CN110991434B (zh) | 自助终端证件识别方法及装置 | |
CN112200696A (zh) | 一种基于互联网的不动产便民服务系统 | |
CN116704579A (zh) | 一种基于图像处理的学生迎新照片分析系统及方法 |
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 |