基于人脸的授信方法、系统及智能终端的制作方法
【专利摘要】本发明公开了一种基于人脸的授信方法、系统及智能终端，该授信方法包括以下步骤：获取第一人脸图像；处理所述第一人脸图像以获取人脸图像数据；根据所述人脸图像数据和预先存储的人脸图像数据与信誉评分之间的映射规则，获取与所述人脸图像数据对应的目标信誉评分。本发明提供的授信方法，处理第一人脸图像获取人脸图像数据，根据预存的人脸图像数据与信誉评分之间的映射规则获取信誉评分，如此使得信誉评分的获取较为迅速，且效率较高。
【专利说明】
基于人脸的授信方法、系统及智能终端
技术领域
[0001]本发明涉及通信领域，具体涉及一种基于人脸的授信方法、系统及智能终端。
【背景技术】
[0002]在金融行业中，对用户进行信用评估是授信时不可缺少、也是较为关键的环节之一，用户的信誉评分关系到其能否得到金融机构的授信或者得到的授信的额度大小。
[0003]现有技术中，金融机构通过收集、调查以及评估用户信用的相关资料以获得信用评估结果，相关资料包括身份证、房产证等证件资料，银行流水、电商流水等交易记录，以及信用机构出具的信用记录等信息，然后通过专业的风控人员依据风控规则和经验对上述资料进行研判，最终得到对用户的信用评估结果。
[0004]现有技术的不足之处在于，信用评估的周期漫长且效率低下。
【发明内容】
[0005]本发明的目的是提供一种基于人脸的授信方法、系统及智能终端，以解决现有技术中信用评估的周期漫长且效率低下的不足之处。
[0006]为了实现上述目的，本发明提供如下技术方案:
[0007]—种基于人脸的授信方法，包括以下步骤:
[0008]获取第一人脸图像；
[0009]处理所述第一人脸图像以获取人脸图像数据；
[0010]根据所述人脸图像数据和预先存储的人脸图像数据与信誉评分之间的映射规则，获取与所述人脸图像数据对应的目标信誉评分。
[0011]上述的授信方法，所述处理所述第一人脸图像以获取人脸图像数据的步骤中:
[0012]根据Eigenface算法或Fisherface算法处理所述第一人脸图像以获取第一图像数据。
[0013]上述的授信方法，所述映射规则为:
[0014]所述人脸图像数据和所述信誉评分一一对应，所述信誉评分为所述人脸图像数据所显示的用户在征信系统中的信誉评分。
[0015]上述的授信方法，所述获取与所述人脸图像数据对应的目标信誉评分的步骤中:
[0016]计算所述人脸图像数据与预先存储的各人脸图像数据的近似度；
[0017]其中近似度最高的人脸图像数据对应的所述信誉评分为目标信誉评分。
[0018]上述的授信方法，所述映射规则还包括:
[0019]以信誉评分的数值大小排序预设至少两段信誉区域，各所述信誉区域内至少具有一个人脸图像数据及其对应的一个信誉评分，各所述信誉区域均具有一区域信誉评分；
[0020]所述获取与所述人脸图像数据对应的目标信誉评分的步骤中:
[0021]计算所述人脸图像数据与预先存储的各所述信誉区域的所有人脸图像数据的近似度；
[0022]其中近似度最高的所述信誉区域对应的所述区域信誉评分为目标信誉评分。
[0023]上述的授信方法，所述信誉区域有两段。
[0024]上述的授信方法，所述区域信誉评分为该信誉区域内所有信誉评分的算术平均数。
[0025]一种基于人脸的授信系统，包括:
[0026]图像获取模块，其用于获取第一人脸图像；
[0027]图像处理模块，其用于处理所述第一人脸图像以获取人脸图像数据；
[0028]数据处理模块，其用于根据所述人脸图像数据和预先存储的人脸图像数据与信誉评分之间的映射规则，获取与所述人脸图像数据对应的目标信誉评分。
[0029]上述的授信系统，所述数据处理模块还用于:
[0030]计算所述人脸图像数据与预先存储的各人脸图像数据的近似度；
[0031]其中近似度最高的人脸图像数据对应的所述信誉评分为目标信誉评分。
[0032]—种智能终端，所述智能终端上安装有上述的授信系统。
[0033]在上述技术方案中，本发明提供的授信方法，处理第一人脸图像获取人脸图像数据，根据预存的人脸图像数据与信誉评分之间的映射规则获取信誉评分，如此使得信誉评分的获取较为迅速，且效率较高。
[0034]同时，上述方法中，无需专业的风控人员，人员投入少，自动化程度高。
[0035]由于上述授信方法具有上述技术效果，实现该授信方法的授信系统也应具有相应的技术效果。
[0036]由于上述授信系统具有上述技术效果，包含该授信系统的智能终端也应具有相应的技术效果。
【附图说明】
[0037]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发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0038]图1为本发明实施例提供的授信方法的方法流程图；
[0039]图2为本发明实施例提供的授信系统的结构框图。
[0040]附图标记说明:
[0041]1、图像获取模块;2、图像处理模块;3、数据处理模块。
【具体实施方式】
[0042]为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
[0043]如图1所示，本发明实施例提供的一种基于人脸的授信方法，包括以下步骤:
[0044]101、获取第一人脸图像；
[0045]具体的，第一人脸图像为待评估用户的脸部图像，其可以直接通过图像获取设备(摄像头)拍摄以获取，也可以通过相应的端口接收预先存储的人脸图像，如用户预先存储于智能设备内的脸部图像。无论通过何种方式，最终能够获取到待评估用户的脸部图像即可。
[0046]102、处理第一人脸图像以获取人脸图像数据；
[0047]具体的，通过人脸识别算法处理步骤101中获取的第一人脸图像，处理结果即为人脸图像数据，人脸识别算法可以是或者参考Eigenf ace算法或Fisherf ace算法，Eigenf ace算法又称特征脸算法，其发表自1987年，是第一种可行的人脸识算法;Fisherface算法由Ronald Fisher发明的，是人脸辨识中的经典算法。
[0048]人脸识别算法的种类众多且应用领域广泛，本领域技术人员应当了解的是，本实施例中可参考现有技术中各类的人脸识别算法，也可以为本方法单独设计人脸识别算法。
[0049]103、根据人脸图像数据和预先存储的人脸图像数据与信誉评分之间的映射规则，获取与人脸图像数据对应的目标信誉评分。
[0050]具体的，本方法具有一预先存储的人脸图像数据与信誉评分之间的映射规则，映射规则中的人脸图像数据与步骤102中的人脸图像数据应为同一类型、同一格式的数据，SP两者所使用的人脸识别算法相同，如步骤102中的人脸图像数据由Eigenface算法处理获取，那么映射规则中的所有人脸图像数据也是通过Eigenf ace算法处理获取的。将步骤102中的人脸图像数据与映射规则进行比对，从而获取到该人脸图像数据对应的目标信誉评分。
[0051]本实施例中，映射规则为预先设置，其规则可以根据实际需求进行设定，作为一优选的实施方式，映射规则为:人脸图像数据和信誉评分一一对应，信誉评分为人脸图像数据所显示的用户在征信系统中的信誉评分。即事先获取金融活动中部分对比用户的人脸图像数据和信誉评分作为样本，征信系统可以是官方的信用系统，如央行的征信系统，各商业银行的信用系统，征信系统也可以是其它金融机构的信用评级系统，如支付宝的芝麻信用等等。如此即获取了一实际金融活动中对比用户的人脸图像数据与信誉评分的一一对应样本。本步骤中，计算待评估用户的人脸图像数据与预先存储的各人脸图像数据的近似度，其中近似度最高的人脸图像数据对应的信誉评分为目标信誉评分，这里近似度可以是人脸图像数据的单独比对，如进行减法操作或者数值项的一一对比操作，最终结果最小的即为近似度最高。即待评估用户享有映射规则中与其脸部图像最为近似的对比用户的信誉评分。
[0052]本实施例中，更进一步的，映射规则还包括:以信誉评分的数值大小排序预设至少两段信誉区域，各信誉区域内至少具有一个人脸图像数据及其对应的一个信誉评分，各信誉区域均具有一区域信誉评分。作为一优选的实施例，信誉区域有两段，即将所有获取的实际金融活动中的对比用户的按照信誉评分从高到低排列，分值高的位于一信誉区域，分值低的位于另一信誉区域，两个信誉区域分别具有一区域信誉评分，相应的，获取目标信誉评分时，计算人脸图像数据与预先存储的各信誉区域的所有人脸图像数据的近似度;其中近似度最高的信誉区域对应的区域信誉评分为目标信誉评分，即待评估用户享有映射规则中与其脸部图像最为近似的信誉区域的区域信誉评分。计算信誉区域的所有人脸图像数据的近似度，先计算待评估用户的人脸图像数据与该信誉区域内所有人脸图像数据的近似度，然后对比所有信誉区域的近似度的数值，最终结果最小的即为近似度最高。本实施例中，优选的，区域信誉评分为该信誉区域内所有信誉评分的算术平均数。
[0053]本实施例中，本领域技术人员应当了解的是，区域信誉评分还可以通过其它方法获取，仅需保证信誉评分高的信誉区域的区域信誉评分大于信誉评分低的信誉区域的区域信誉评分即可。
[0054]本实施例中，本领域技术人员可以了解的是，三个、四个以及更多个信誉区域的操作方法在上述两个信誉区域的基础上作相应扩展即可。
[0055]本实施例中，本领域技术人员可以了解的是，映射规则除上述规则外，还可以是其它各种可以在人脸图像数据与信誉评分之间产生对应关系的规则。
[0056]本发明实施例提供的授信方法，处理第一人脸图像获取人脸图像数据，根据预存的人脸图像数据与信誉评分之间的映射规则获取信誉评分，如此使得信誉评分的获取较为迅速，且效率较高。
[0057]同时，上述方法中，无需专业的风控人员，人员投入少，自动化程度高。
[0058]如图2所示，本发明实施例还提供一种基于人脸的授信系统，包括:
[0059]图像获取模块1，其用于获取第一人脸图像；图像处理模块2，其用于处理第一人脸图像以获取人脸图像数据；以及数据处理模块3，其用于根据人脸图像数据和预先存储的人脸图像数据与信誉评分之间的映射规则，获取与人脸图像数据对应的目标信誉评分。
[0060]具体的，图像获取模块I可以是摄像头，也可以是一个图像接收端口，图像处理模块2为一人脸算法处理单元，数据处理模块3可以为各类智能终端的处理器。数据处理模块3还用于:计算人脸图像数据与预先存储的各人脸图像数据的近似度;其中近似度最高的人脸图像数据对应的信誉评分为目标信誉评分。
[0061]由于上述授信方法具有上述技术效果，实现该授信方法的授信系统也应具有相应的技术效果。
[0062]本发明实施例还提供一种智能终端，智能终端上安装有上述的授信系统。智能终端可以是现有的各类终端，如手机、计算机等等。也可以单独设置一能够完成上述方法的硬件系统作为本实施例的智能终端。
[0063]由于上述授信系统具有上述技术效果，包含该授信系统的智能终端也应具有相应的技术效果。
[0064]以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。
【主权项】
1.一种基于人脸的授信方法，其特征在于，包括以下步骤: 获取第一人脸图像； 处理所述第一人脸图像以获取人脸图像数据； 根据所述人脸图像数据和预先存储的人脸图像数据与信誉评分之间的映射规则，获取与所述人脸图像数据对应的目标信誉评分。2.根据权利要求1所述的授信方法，其特征在于，所述处理所述第一人脸图像以获取人脸图像数据的步骤中: 根据Eigenf ace算法或Fisherf ace算法处理所述第一人脸图像以获取第一图像数据。3.根据权利要求1所述的授信方法，其特征在于，所述映射规则为: 所述人脸图像数据和所述信誉评分一一对应，所述信誉评分为所述人脸图像数据所显示的用户在征信系统中的信誉评分。4.根据权利要求3所述的授信方法，其特征在于，所述获取与所述人脸图像数据对应的目标信誉评分的步骤中: 计算所述人脸图像数据与预先存储的各人脸图像数据的近似度； 其中近似度最高的人脸图像数据对应的所述信誉评分为目标信誉评分。5.根据权利要求4所述的授信方法，其特征在于，所述映射规则还包括: 以信誉评分的数值大小排序预设至少两段信誉区域，各所述信誉区域内至少具有一个人脸图像数据及其对应的一个信誉评分，各所述信誉区域均具有一区域信誉评分； 所述获取与所述人脸图像数据对应的目标信誉评分的步骤中: 计算所述人脸图像数据与预先存储的各所述信誉区域的所有人脸图像数据的近似度； 其中近似度最高的所述信誉区域对应的所述区域信誉评分为目标信誉评分。6.根据权利要求5所述的授信方法，其特征在于，所述信誉区域有两段。7.根据权利要求5所述的授信方法，其特征在于，所述区域信誉评分为该信誉区域内所有信誉评分的算术平均数。8.一种基于人脸的授信系统，其特征在于，包括: 图像获取模块，其用于获取第一人脸图像； 图像处理模块，其用于处理所述第一人脸图像以获取人脸图像数据； 数据处理模块，其用于根据所述人脸图像数据和预先存储的人脸图像数据与信誉评分之间的映射规则，获取与所述人脸图像数据对应的目标信誉评分。9.根据权利要求8所述的授信系统，其特征在于，所述数据处理模块还用于: 计算所述人脸图像数据与预先存储的各人脸图像数据的近似度； 其中近似度最高的人脸图像数据对应的所述信誉评分为目标信誉评分。10.—种智能终端，其特征在于，所述智能终端上安装有权利要求8-9任一项所述的授信系统。
【文档编号】G06Q40/02GK106096534SQ201610399147
【公开日】2016年11月9日
【申请日】2016年6月7日
【发明人】马顺, 周震
【申请人】北京刷脸科技有限公司