TWM582163U - Face recognition financial planning system - Google Patents
Face recognition financial planning system Download PDFInfo
- Publication number
- TWM582163U TWM582163U TW108205081U TW108205081U TWM582163U TW M582163 U TWM582163 U TW M582163U TW 108205081 U TW108205081 U TW 108205081U TW 108205081 U TW108205081 U TW 108205081U TW M582163 U TWM582163 U TW M582163U
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- financial
- age
- face recognition
- facial image
- Prior art date
Links
Landscapes
- Image Analysis (AREA)
Abstract
本創作一種人臉辨識金融理財規劃系統，包括透過一路由器進行訊號聯結的一影像輸入端、一伺服器主機以及一顯示設備，使該影像輸入端透過路由器傳送一臉部影像至該伺服器主機。該伺服器主機包含訊號聯結的一人臉特徵資料集、一人臉辨識模組及一理財分析模組，該人臉特徵資料集透過程式建立年齡、性別與情緒規則，使人臉辨識模組分析一臉部影像並產生包含年齡、性別及情緒的一匯出資料，使理財分析模組根據該年齡、性別及情緒資料進行一投資金額計算演算、一投資人類型評估演算以及一投資組合計算演算以產生一理財規劃結果。
Description
本創作涉及金融理財規劃設備的技術領域，尤其涉及一種金融理財規劃系統，能經由人臉辨識即可快速提供理財規劃結果，以做為理財投資參考。
隨著資訊科技突飛猛進，人們對於即時且方便的資訊取得與通訊需求更是呈現爆炸性的成長，而對於金融理財方面的資訊的需求也有越來越提昇的趨勢。
目前，在金融機構內的理財顧問，大都依靠該金融機構內的電腦主機及內部的資訊伺服器的資訊管理系統來進行客戶管理，並據以向客戶提供理財服務產品；對於個人理財顧問來說，一般亦係利用個人電腦的資訊庫或試算表程式來進行理財建議服務。
如中華民國公告第M564785號之「理財建議伺服器」專利案、申請第105115441號之「理財保險試算工具系統、方法及其電腦程式產品」專利案、申請第106100122號之「智慧型理財管理系統」專利案、申請第093123834號之「理財規劃服務系統及其方法」專利案。
然而，由於這些電腦及伺服器的資訊管理系統、資訊庫或試
算表程式等都是封閉式系統，理財顧問只依靠封閉的系統提供的固定運作模式來進行金融理財建議的服務，所提供的建議內容難免侷限。
而投資人的財務行為(Behaviral Finance)才是真正影響投資人是否獲利的關鍵因素，根據國外研究顯示透過視覺資料來向投資人展示更能有效幫助其正確的財務行為。
本創作之主要目的，在針對金融理財方面的分析與建議提供另一種不同的操作系統，讓使用者經由人臉辨識即可快速提供理財規劃結果，以做為理財投資參考。
為了達成上述之目的與功效，本創作人臉辨識金融理財規劃系統，包括透過一路由器進行訊號聯結的一影像輸入端、一伺服器主機以及一顯示設備：該影像輸入端透過路由器傳送一臉部影像至該伺服器主機。
該伺服器主機包含訊號聯結的一人臉特徵資料集、一人臉辨識模組及一理財分析模組，該人臉特徵資料集透過程式建立年齡、性別與情緒規則，且該人臉辨識模組透過該臉部影像取得一臉部影像輪廓輸入、臉部影像特徵輸入的資料時，使人臉辨識模組分析該臉部影像並產生一匯出資料，且該匯出資料包含一年齡資料、一性別資料及一情緒資料，該理財分析模組根據該年齡資料、性別資料及情緒資料進行一投資金額計算演算、一投資人類型評估演算以及一投資組合計算演算以產生一理財規劃結果，該理財規劃結果包含該投資金額計算演算產生的一投資金額、該投資人類型評估演算所產的一投資人類型，以及該投資組合計算演算所產生的
一投資組合圖式。
該顯示設備顯示該理財規劃結果提供參考。
根據上述針對本創作之描述下，本創作進一步的技術特徵在於，該投資金額計算演算係依取得臉部影像的年齡資料，利用利用政府統計各年齡層收入分佈數據，依建議投資比例計算出該投資金額。
根據上述針對本創作之描述下，本創作進一步的技術特徵在於，，該投資人類型評估演算係依取得臉部影像的年齡資料、性別資料及情緒資料後，評估風險等級可能為30~100之間，每5為單位，依投資可承受風險值，以歸類該臉部影像所屬之投資人類型可能屬於謹慎保守型、意見追隨者型、累積財富積極型與個人主義大師型其中之一。
根據上述針對本創作之描述下，本創作進一步的技術特徵在於，該投資組合計算演算依取得該臉部影像年齡的年齡資料後，利用風險等級配置投資組合，依效率前緣(Effecient Frontier)計算出一投資內容組合比例，並產生該投資組合圖式。
根據上述針對本創作之描述下，本創作進一步的技術特徵在於，該理財分析模組進一步進行一退休規劃演算，係取得該臉部影像的年齡資料、性別資料及情緒資料後，政府統計每人每月消費支出數據，計算出退休後總花費，依蒙地卡羅(Monte Carlo)方法模擬1萬次市場投資情況，推算出一投資金額，於退休時得到足夠的資產，以滿足退休後的花費。
根據上述針對本創作之描述下，本創作進一步的技術特徵在於，該理財分析模組進一步進行一保險計算演算，係取得該臉部影像的年齡資料、性別資料後，依不同性別、在不同年齡層所屬不同人生階
段的需求數據，針對壽險、意外險、產險、醫療險與重大疾病險規劃保障內容，依保險費用比例計算出建議投保金額，並分配於規劃的保險中。
根據上述針對本創作之描述下，本創作進一步的技術特徵在於，該理財分析模組進一步進行一貸款計算演算，係取得該臉部影像的年齡資料後，利用利用政府統計各年齡層收入分佈數據，依預估財力計算出可貸款金額。
根據上述針對本創作之描述下，本創作進一步的技術特徵在於，該影像輸入端傳送的臉部影像為透過一網路攝影機所擷取自一規劃對像的人臉。
根據上述針對本創作之描述下，本創作進一步的技術特徵在於，該影像輸入端傳送的該臉部影像為取自安裝有應用程式的手機/電腦所上傳的照片。
(10)‧‧‧影像輸入端
(11)‧‧‧臉部影像
(20)‧‧‧伺服器主機
(21)‧‧‧人臉特徵資料集
(22)‧‧‧人臉辨識模組
(221)‧‧‧臉部影像輪廓輸入
(222)‧‧‧臉部影像特徵輸入
(23)‧‧‧理財分析模組
(231)‧‧‧投資金額計算演算
(2311)‧‧‧投資金額
(232)‧‧‧投資人類型評估演算
(2321)‧‧‧投資人類型
(233)‧‧‧投資組合計算演算
(2331)‧‧‧投資組合圖式
(234)‧‧‧退休規劃演算
(235)‧‧‧保險計算演算
(236)‧‧‧貸款計算演算
(30)‧‧‧顯示設備
(40)‧‧‧路由器
(50)‧‧‧規劃對像
(A)‧‧‧深度學習模型
(B)‧‧‧深度學習規則
(C)‧‧‧且該匯出資料
(C1)‧‧‧年齡資料
(C2)‧‧‧性別資料
(C3)‧‧‧情緒資料
(D)‧‧‧理財規劃結果
(E)‧‧‧判斷精準度
第一圖為本創作之設備方塊示意圖。
第二圖為本創作的深度學習測試階段示意圖。
第三圖為本創作的深度學習執行階段示意圖。
第四圖為本創作理財分析模組的理財分析運算示意圖。
第五圖為本創作之理財規劃結果平面示意圖。
第六圖為本創作使用狀態示意圖。
本創作為達成上述的目的與功效，以及所採用之技術手段與
構造，茲搭配圖示就本創作的實施例加以詳細說明其特徵與功效。
請參閱第一至六圖所示本創作一種人臉辨識金融理財規劃系統：包括透過一路由器(40)進行訊號聯結的一影像輸入端(10)、一伺服器主機(20)以及一顯示設備(30)：該影像輸入端(10)透過路由器(40)傳送一臉部影像(11)至該伺服器主機(20)。
該伺服器主機(20)包含訊號聯結的一人臉特徵資料集(21)、一人臉辨識模組(22)及一理財分析模組(23)，該人臉特徵資料集(21)透過程式建立年齡、性別與情緒規則，且該人臉辨識模組(22)透過該臉部影像(11)取得一臉部影像輪廓輸入(221)、臉部影像特徵輸入(222)的資料時，使人臉辨識模組(22)分析該臉部影像(11)並產生一匯出資料(C)，且該匯出資料(C)包含一年齡資料(C1)、一性別資料(C2)及一情緒資料(C3)，該理財分析模組(23)根據該年齡資料(C1)、性別資料(C2)及情緒資料(C3)進行一投資金額計算演算(231)、一投資人類型評估演算(232)以及一投資組合計算演算(233)以產生一理財規劃結果(D)，該理財規劃結果(D)包含該投資金額計算演算(231)產生的一投資金額(2311)、該投資人類型評估演算(232)所產的一投資人類型(2321)，以及該投資組合計算演算(233)所產生的一投資組合圖式(2331)。
該顯示設備(30)顯示該理財規劃結果(D)提供該參考。
前述為本創作主實施例之主要技術特徵，其對應本案申請專利範圍第一項的內容，得以詳知本創作之目的與實施型態，而其餘附屬申請專利範圍所述的技術特徵是為對申請專利範圍第一
項內容的詳述或附加技術特徵，而非用以限制申請專利範圍第一項的界定範圍，應知本案申請專利範圍第一項不必要一定包含其餘附屬申請專利範圍所述的技術特徵。
於下進一步細述本創作的各元件之特徵，在上述第一至六圖中，該投資金額計算演算(231)係依取得臉部影像(11)的年齡資料(C1)，利用政府統計各年齡層收入分佈數據(如透過網路取得行政院主計處按年齡分收入統計數據進行比對)，依建議投資比例計算出該投資金額(2311)。其次，該投資人類型評估演算(232)係依取得臉部影像(11)的年齡資料(C1)、性別資料(C2)及情緒資料(C3)後，評估風險等級可能為30~100之間，每5為單位，依投資可承受風險值，以歸類該臉部影像(11)所屬之投資人類型(2321)可能屬於謹慎保守型、意見追隨者型、累積財富積極型與個人主義大師型其中之一。再者，該投資組合計算演算(233)依取得該臉部影像(11)年齡的年齡資料(C1)後，利用風險等級配置最適的投資組合，依效率前緣(Effecient Frontier)計算出最佳的一投資內容組合比例，並產生該投資組合圖式(2331)。
如第一、六圖所示，該影像輸入端(10)傳送的臉部影像(11)為透過一網路攝影機所擷取自一規劃對像(50)的人臉。
在第二圖的深度學習模型(A)之操作中，將網路攝影機設置於往來人員眾多的大廳或場所中，用以擷取經過網路攝影機前的人員臉部影像(11)進行學習，配合問卷取得對應臉部影像(11)的該人員年齡、性別資料，由於該人臉特徵資料集(21)透過程式建立年齡、性別與情緒規則，例如縐紋多寡與深度與年齡大小關係、頭髮長度、形狀特徵與性別關係，及嘴
角上揚幅度與情緒的關係，使人臉辨識模組(22)得以藉由一臉部影像輪廓輸入(221)、一臉部影像特徵輸入(222)的資料與人臉特徵資料集(21)的比對進行深度學習模型(A)的操作，透過核對於由問卷取得對應臉部影像(11)的人員年齡、性別資料所進行一判斷精準度(E)的測試操作中，學習該人臉特徵資料集(21)的規則，於測試不準確時沿圖中箭頭所示重新進行正確學習，能據以累積判斷準確的經驗值而建立一深度學習規則(B)。
接著於第三圖的深度學習執行階段中，於該網路攝影機擷取一臉部影像(11)，並使人臉辨識模組(22)透過該臉部影像(11)接收一臉部影像輪廓輸入(221)、臉部影像特徵輸入(222)的資料時，使人臉辨識模組(22)藉由建立的該深度學習規則(B)分析該臉部影像(11)的臉部影像輪廓輸入(221)、臉部影像特徵輸入(222)資料，得以產生包含一年齡資料(C1)、一性別資料(C2)及一情緒資料(C3)的一匯出資料(C)；進而如第四圖所示，該匯出資料(C)提供理財分析模組(23)進行該投資金額計算演算(231)時以產生一投資金額(2311)、進行投資人類型評估演算(232)時以產的一投資人類型(2321)，以及進行該投資組合計算演算(233)時以產生的一投資組合圖式(2331)，如第五、六圖所示。
而且，本創作該該理財分析模組(23)進一步進行一退休規劃演算(234)，係取得該臉部影像(11)的年齡資料(C1)、性別資料(C2)及情緒資料(C3)後，利用政府統計每人每月消費支出數據(如透過網路取得行政院主計處平均每人每月消費支出統計數據進行比對)，計算出退休後總花費，依蒙地卡羅(Monte Carlo)方法模擬1萬次市場投資情況，推算出最佳的投資金額，於退休時得到足夠的資產，以滿足退休後的花費。再者，該理財分析
模組(23)進一步進行一保險計算演算(235)，係取得該臉部影像(11)的年齡資料(C1)、性別資料(C2)後，依不同性別、在不同年齡層所屬不同人生階段的需求數據，針對壽險、意外險、產險、醫療險與重大疾病險規劃保障內容；如市面壽險業者所使用的人生階段投保方法，以年齡劃分不同的四個階段包含第一為小孩時期(15歲以下)、第二為青少年時期(15~25歲)、第三為壯年時期(25~50歲)、第四為老年時期(50歲以上)。依最適的保險費用比例計算出建議投保金額，並分配於規劃的保險中。另外，該理財分析模組(23)進一步進行一貸款計算演算(236)，係取得該臉部影像(11)的年齡資料(C1)後，利用政府統計各年齡層收入分佈數據(如透過網路取得行政院主計處按年齡分收入統計數據進行比對)，依預估財力計算出可貸款金額。
最後，該影像輸入端(10)傳送的該臉部影像(11)為取自安裝有應用程式的手機/電腦所上傳的照片，使一般民眾也可透過上傳照片傳送至伺服器主機(20)，經由人臉辨識模組(22)辨識出年齡、性別及情緒心情，計算產出該理財規劃結果(D)，提供他們參考。
由上所述者僅為用以解釋本創作之較佳實施例，並非企圖據以對本創作做任何形式上之限制，是以，凡有在相同之創作精神下所做有關本創作之任何修飾或變更者，為其他可據以實施之型態且具有相同效果者，皆仍應包括在本創作意圖保護之範疇內。
Claims (9)
- 一種人臉辨識金融理財規劃系統，包括透過一路由器進行訊號聯結的一影像輸入端、一伺服器主機以及一顯示設備：該影像輸入端透過路由器傳送一臉部影像至該伺服器主機；該伺服器主機包含訊號聯結的一人臉特徵資料集、一人臉辨識模組及一理財分析模組，該人臉特徵資料集透過程式建立年齡、性別與情緒規則，且該人臉辨識模組透過該臉部影像取得一臉部影像輪廓輸入、臉部影像特徵輸入的資料時，使人臉辨識模組分析該臉部影像並產生一匯出資料，且該匯出資料包含一年齡資料、一性別資料及一情緒資料，該理財分析模組根據該年齡資料、性別資料及情緒資料進行一投資金額計算演算、一投資人類型評估演算以及一投資組合計算演算以產生一理財規劃結果，該理財規劃結果包含該投資金額計算演算產生的一投資金額、該投資人類型評估演算所產的一投資人類型，以及該投資組合計算演算所產生的一投資組合圖式；該顯示設備顯示該理財規劃結果提供參考。
- 如請求項1所述之人臉辨識金融理財規劃系統，其中該投資金額計算演算係依取得臉部影像的年齡資料，利用利用政府統計各年齡層收入分佈數據，依建議投資比例計算出該投資金額。
- 如請求項1所述之人臉辨識金融理財規劃系統，其中該投資人類型評估演算係依取得臉部影像的年齡資料、性別資料及情緒資料後，評估風險等級可能為30~100之間，每5為單位，依投資可承受風險值，以歸類該臉部影像所屬之投資人類型可能屬於謹慎保守型、意見追隨者型、累積財富積極型與個人主義大師型其中之一。
- 如請求項1所述之人臉辨識金融理財規劃系統，其中該投資組合 計算演算依取得該臉部影像年齡的年齡資料後，利用風險等級配置投資組合，依效率前緣(Effecient Frontier)計算出一投資內容組合比例，並產生該投資組合圖式。
- 如請求項1所述之人臉辨識金融理財規劃系統，其中該理財分析模組進一步進行一退休規劃演算，係取得該臉部影像的年齡資料、性別資料及情緒資料後，政府統計每人每月消費支出數據，計算出退休後總花費，依蒙地卡羅(Monte Carlo)方法模擬1萬次市場投資情況，推算出一投資金額，於退休時得到足夠的資產，以滿足退休後的花費。
- 如請求項1所述之人臉辨識金融理財規劃系統，其中該理財分析模組進一步進行一保險計算演算，係取得該臉部影像的年齡資料、性別資料後，依不同性別、在不同年齡層所屬不同人生階段的需求數據，針對壽險、意外險、產險、醫療險與重大疾病險規劃保障內容，依保險費用比例計算出建議投保金額，並分配於規劃的保險中。
- 如請求項1所述之人臉辨識金融理財規劃系統，其中該理財分析模組進一步進行一貸款計算演算，係取得該臉部影像的年齡資料後，利用利用政府統計各年齡層收入分佈數據，依預估財力計算出可貸款金額。
- 如請求項1至7中任一項所述之人臉辨識金融理財規劃系統，其中，該影像輸入端傳送的臉部影像為透過一網路攝影機所擷取自一規劃對像的人臉。
- 如請求項1至7中任一項所述之人臉辨識金融理財規劃系統，其中，該影像輸入端傳送的該臉部影像為取自安裝有應用程式的手機/電腦所上傳的照片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108205081U TWM582163U (zh) | 2019-04-24 | 2019-04-24 | Face recognition financial planning system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108205081U TWM582163U (zh) | 2019-04-24 | 2019-04-24 | Face recognition financial planning system |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TWM582163U true TWM582163U (zh) | 2019-08-11 |
Family
ID=68317653
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108205081U TWM582163U (zh) | 2019-04-24 | 2019-04-24 | Face recognition financial planning system |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWM582163U (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI726470B (zh) * | 2019-11-01 | 2021-05-01 | 華南商業銀行股份有限公司 | 影像辨識系統 |
| TWI748908B (zh) * | 2019-11-01 | 2021-12-01 | 華南商業銀行股份有限公司 | 基於五官特徵點的影像辨識系統 |
| CN113919447A (zh) * | 2021-12-10 | 2022-01-11 | 浙江中科华知科技股份有限公司 | 基于DNA分子加密和LightGBM算法的数字资产交易管理方法及系统 |
| TWI765632B (zh) * | 2019-11-01 | 2022-05-21 | 華南商業銀行股份有限公司 | 基於邊緣偵測的影像辨識系統 |
| TWI765633B (zh) * | 2019-11-01 | 2022-05-21 | 華南商業銀行股份有限公司 | 基於人臉幾何模型的影像辨識系統 |
-
2019
- 2019-04-24 TW TW108205081U patent/TWM582163U/zh not_active IP Right Cessation
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI726470B (zh) * | 2019-11-01 | 2021-05-01 | 華南商業銀行股份有限公司 | 影像辨識系統 |
| TWI748908B (zh) * | 2019-11-01 | 2021-12-01 | 華南商業銀行股份有限公司 | 基於五官特徵點的影像辨識系統 |
| TWI765632B (zh) * | 2019-11-01 | 2022-05-21 | 華南商業銀行股份有限公司 | 基於邊緣偵測的影像辨識系統 |
| TWI765633B (zh) * | 2019-11-01 | 2022-05-21 | 華南商業銀行股份有限公司 | 基於人臉幾何模型的影像辨識系統 |
| CN113919447A (zh) * | 2021-12-10 | 2022-01-11 | 浙江中科华知科技股份有限公司 | 基于DNA分子加密和LightGBM算法的数字资产交易管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jones et al. | Tax haven networks and the role of the Big 4 accountancy firms | |
| Schubert et al. | Employer concentration and outside options | |
| Hsieh et al. | Seeing is believing? Executives' facial trustworthiness, auditor tenure, and audit fees | |
| TWM582163U (zh) | Face recognition financial planning system | |
| Duan et al. | Entrepreneurs' facial trustworthiness, gender, and crowdfunding success | |
| Li et al. | A Bayesian analysis of return dynamics with Lévy jumps | |
| Kumar et al. | What's in a name? Mutual fund flows when managers have foreign-sounding names | |
| Barseghyan et al. | Entry costs, industry structure, and cross-country income and TFP differences | |
| Lueg et al. | Does transition to IFRS substantially affect key financial ratios in shareholder-oriented common law regimes? Evidence from the UK | |
| Harris et al. | Private Training Providers in Australia: Their Characteristics and Training Activities. A National Vocational Education and Training Research and Evaluation Program Report. | |
| Lien et al. | Using institutional grammar to improve understanding of the form and function of payment for ecosystem services programs | |
| Tong | Financial communication in initial public offerings: risk estimate in the interplay of organizational trust, organizational reputation and media influences | |
| Stoyanov et al. | Concept mapping—An effective method for identifying diversity and congruity in cognitive style | |
| Mussa | Sustainability of higher education students’ loan scheme (HESLS) in Tanzania | |
| Ibrahim et al. | The Moderating Role of Financial Accessibility in Relationship between Resource Competence, Entrepreneurial Leadership, Good Governance and Performance of Micro Small Medium Enterprises in Batam, Indonesia | |
| Chen et al. | Does artificial intelligence promote common prosperity within enterprises?—Evidence from Chinese-listed companies in the service industry | |
| Puron-Cid et al. | Applying neural networks analysis to assess digital government evolution | |
| Mahalakshmi et al. | Do IPO certification mechanisms work? Empirical evidence from India | |
| Davidson et al. | Visualizing benefits: Evaluating healthcare information system using IS-impact model | |
| Knoeppel et al. | Education funding and student outcomes: A conceptual framework for measurement of the alignment of state education finance and academic accountability policies | |
| Liu | CEO big five personality and stock price crash risk | |
| Yin et al. | Trust and contracting with foreign banks: Evidence from China | |
| Harmenberg | The labor-market origins of cyclical skewness | |
| TW202036437A (zh) | 人臉辨識金融理財規劃系統 | |
| Šoltés et al. | Economic aspects of a health system Electronization |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4K | Annulment or lapse of a utility model due to non-payment of fees |