基于微表情识别的贷款审核方法、装置、设备及介质与流程
本发明涉及人工智能领域，尤其涉及一种基于微表情识别的贷款审核方法、装置、设备及介质。
背景技术：
当前的贷款审核需要信审人与贷款人面对面交流，并由信审人对交流过程中用户的真诚度进行判断，其过程耗费人力成本高，且审核效率较低，且其真诚度判断主要依赖于信审人的经验及主观判断，信审结果受信审人的主观影响比较大，不够客观，使得基于该信审结果进行贷款审核时，导致放贷风险较大。例如，在面对面交流过程中，信审人可能因为注意力不集中或者对贷款人的面部表情了解不深等情况下，容易忽略贷款人细微的表情变化，这些表情变化会影响用户的真诚度判断，但信审人因各种原因而没有注意到这些表情变化，容易导致贷款审核结果不够准确。
技术实现要素：
本发明实施例提供一种基于微表情识别的贷款审核方法、装置、计算机设备及存储介质，以解决当前人工进行贷款审核时，存在的人力成本高、效率低且不够客观的问题。
一种基于微表情识别的贷款审核方法，包括：
获取贷款请求，所述贷款请求包括用户标识；
基于所述用户标识从大数据平台中，获取与所述用户标识相对应的用户社交信息；
基于所述用户社交信息，按照预设选取规则，从真心话题库中选取真心话题目；
采用tts播报所述真心话题目，同时启动摄像头对用户进行拍摄，获取监控视频流；
调用预先创建好的微表情识别模型对所述监控视频流进行检测，获取用户真诚度；
若所述用户真诚度大于预设真诚度阈值，则获取贷款审核通过的审核结果，并根据所述用户真诚度查找预设对照表，获取与所述用户真诚度相对应的贷款额度。
一种基于微表情识别的贷款审核装置，包括：
贷款请求获取模块，用于获取贷款请求，所述贷款请求包括用户标识；
用户社交信息获取模块，用于基于所述用户标识从大数据平台中，获取与所述用户标识相对应的用户社交信息；
真心话题目获取模块，用于基于所述用户社交信息，按照预设选取规则，从真心话题库中选取真心话题目；
监控视频流获取模块，用于采用tts播报所述真心话题目，同时启动摄像头对用户进行拍摄，获取监控视频流；
用户真诚度获取模块，用于调用预先创建好的微表情识别模型对所述监控视频流进行检测，获取用户真诚度；
贷款额度获取模块，用于若所述用户真诚度大于预设真诚度阈值，则获取贷款审核通过的审核结果，并根据所述用户真诚度查找预设对照表，获取与所述用户真诚度相对应的贷款额度。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于微表情识别的贷款审核方法的步骤。
一种非易失性存储介质，所述非易失性存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于微表情识别的贷款审核方法的步骤。
上述基于微表情识别的贷款审核方法、装置、计算机设备及存储介质中，通过获取贷款请求，以便基于贷款请求中的用户标识从大数据平台中快速获取与用户标识相对应的用户社交信息。基于用户社交信息，按照预设选取规则，以便从真心话题库中选取与用户社交信息相对应的真心话题目，以实现不同用户对应不同的真心话题目，提高贷款审核的可靠性。接着，采用tts播报真心话题目，同时启动摄像头对用户进行拍摄，以便实时获取监控视频流，并通过采用微表情识别模型对监控视频流中用户的微表情进行分析识别，以根据用户的微表情变化确定用户真诚度，实现智能获取用户真诚度，降低审核成本、提高审核效率并保证所获取的用户真诚度的客观性。最后，在用户真诚度大于预设真诚度阈值，则获取贷款审核通过的审核结果，并根据用户真诚度查找预设对照表，获取与用户真诚度相对应的贷款额度，以便用户可根据该贷款额度进行贷款，以使贷款额度与用户真诚度匹配，保证贷款额度的客观性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中基于微表情识别的贷款审核方法的一应用环境示意图；
图2是本发明一实施例中基于微表情识别的贷款审核方法的一流程图；
图3是图2中步骤s50的一具体流程图；
图4是图3中步骤s53的一具体流程图；
图5是本发明一实施例中基于微表情识别的贷款审核方法的一流程图；
图6是本发明一实施例中基于微表情识别的贷款审核方法的一流程图；
图7是本发明一实施例中基于微表情识别的贷款审核装置的一原理框图；
图8是本发明一实施例中计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例提供的基于微表情识别的贷款审核方法可应用在贷款平台中，用于智能审核贷款人是否有贷款资格，无需人工审核，提高贷款审核效率，降低审核成本，并保障贷款审核的客观性。该基于微表情识别的贷款审核方法可应用在如图1的应用环境中，其中，计算机设备通过网络与服务器进行通信。计算机设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器来实现。
在一实施例中，如图2所示，提供一种基于微表情识别的贷款审核方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
s10：获取贷款请求，贷款请求包括用户标识。
其中，贷款请求是用于触发贷款平台对贷款人进行信用审核的请求。用户标识是用于识别用户的唯一标识，如手机号码。具体地，客户可在贷款平台中点击“贷款申请”按钮，以使服务器获取贷款请求，并进入“真心话测试模式”进行贷款审核。
s20：基于用户标识从大数据平台中，获取与用户标识相对应的用户社交信息。
其中，用户社交信息是指根据用户标识从大数据平台中获取的与用户标识相对应的社交信息。该用户社交信息包括但不限于用户个人信息(如身份证号码、年龄或性别等)、资产信息、负债信息、理财购买情况以及贷款情况等。
本实施例中，大数据平台包括但不限于采用hadoop大数据平台，该hadoop大数据平台用于采集用户社交信息。hadoop大数据平台可使用户在不了解分布式底层细节的情况下，开发分布式程序，并进行高速运算和存储，以提高用户社交信息的采集效率。其中，hadoop是指一种分布式系统基础架构，hadoop实现了一个分布式文件系统(hadoopdistributedfilesystem，以下简称hdfs)。hdfs有高容错性的特点，并设计用来部署在低廉的硬件上，且可提供高吞吐量来访问应用程序的数据，适合有着超大数据集的应用程序，使得采用hadoop大数据平台采集用户社交信息具有采集效率高的优点。
s30：基于用户社交信息，按照预设选取规则，从真心话题库中选取真心话题目。
其中，真心话题目是根据用户社交信息从真心话题库中选取的用于测评用户是否有贷款资格的题目。真心话题库是预先基于金融领域话题库构建的话题库。预设选取规则是预先设置的从真心话题库中选取真心话题目的规则。
具体地，不同用户的用户社交信息不同，按照预设选取规则从真心话题库中选取真心话题目也不相同。例如：若用户资产总额达到预设资产阈值(即资产额度较大)时，则可从真心话题库中随机选取与资产相关的真心话题目，如“请回答目前资产是多少”或者“请回答目前个人收入是多少”。其中，预设资产阈值是预先根据经验值设定的阈值，在此不限定。若用户社交信息中存在负债信息，则可从真心话题库中随机选取与负债相关的真心话题目，如“请回答目前负债是多少”。若用户社交信息中的理财购买情况为已购买理财产品，则可从真心话题库中随机选取与理财相关的真心话题目，如“请回答购买理财金额是多少”。若用户社交信息中的贷款情况为存在历史贷款，则可从真心话题库中随机选取与贷款相关的真心话题目，如“请回答目前贷款数额是多少”或者“请说明贷款用途”。本实施例中，基于不同的用户社交信息，按照预设选取规则选取与用户社交信息对应的真心话题目，以提高贷款审核的可靠性，进而提高后续贷款审核的准确性。
进一步地，在获取到真心话题目之后，服务器会将真心话题目按照队列形式存储，以按照预设时间间隔从队列中快速获取真心话题目，以便采用tts播报进行播报。通过采用队列形式存储真心话题目，可实现逐一获取真心话题目，且在队列中的真心话题目被播报后会被删除，以防止循环播报的情况。其中，预设时间间隔是预先设定的采用tts播报每一真心话题题目的时间间隔，如30s。
s40：采用tts播报真心话题目，同时启动摄像头对用户进行拍摄，获取监控视频流。
其中，tts是texttospeech的缩写，即“从文本到语音”，是人机对话的一部分，让机器能够说话。tts技术对文本文件进行实时转换，转换时间之短可以秒计算。在其特有智能语音控制器作用下，文本输出的语音音律流畅，使得听者在听取信息时感觉自然，毫无机器语音输出的冷漠与生涩感。tts语音合成技术具有英文接口，自动识别中英文，支持中英文混读。所有声音采用真人普通话为标准发音，实现了120-150个汉字/分钟的快速语音合成，朗读速度达3-4个汉字/秒，使用户可以听到清晰悦耳的音质和连贯流畅的语调。
具体地，真心话题目是以文本文件的形式存储，通过采用tts技术对文本文件进行实时转换并播报，实现真心话题目的非透明化，不易泄露。在采用tts播报真心话题目的同时，启动摄像头对用户进行拍摄，以便实时获取监控视频流。
s50：调用预先创建好的微表情识别模型对监控视频流进行检测，获取用户真诚度。
其中，微表情识别模型是预先训练好的用于分析用户(贷款人)真诚度的模型。本实施例，服务器采用微表情识别模型对监控视频流中用户的微表情进行分析识别，可根据用户细微的表情变化智能分析出用户的情绪，获取用户真诚度，节省人力分析的成本，提高分析效率和且能实时分析用户的微表情，有效解决目前人工审核由于注意力不集中忽略掉贷款人的微表情变化导致贷款审核结果的准确性不高的问题。
s60：若用户真诚度大于预设真诚度阈值，则获取贷款审核通过的审核结果，并根据用户真诚度查找预设对照表，获取与用户真诚度相对应的贷款额度。
其中，预设真诚度阈值是指预先设定的用于判断用户真诚度是否满足标准的阈值。具体地，服务器在用户真诚度大于预设真诚度阈值时，可认定用户在回复真心话题目过程中的回复较真诚，有极大可能为说真话，从而获取贷款审核通过的审核结果，以保证审核结果的客观性，无需依赖审核人的主观判断，提高审核结果的获取效率，并降低审核成本。
相应地，服务器在获取贷款审核通过的审核结果时，说明依据用户真诚度判断用户为可贷款的用户，则此时，需根据用户真诚度查找预设对照表，获取与用户真诚度相对应的贷款额度，以便提示用户足够真诚，可可根据贷款额度进行贷款，以使最终确定的贷款额度与其用户真诚度挂钩，保证贷款额度的客观性。可理解地，该贷款额度与用户真诚度相关，即用户真诚度越高，贷款额度越大。该预设对照表是预先根据经验设置的包括用户真诚度和与用户真诚度对应的贷款额度。若贷款额度超过贷款阈值，则还需进行人工审核，进一步提高贷款审核的可靠性和准确性。贷款阈值是预先设置的用于判定是否需要人工审核的阈值。
本实施例中，通过获取贷款请求，以便基于贷款请求中的用户标识从大数据平台中快速获取与用户标识相对应的用户社交信息。基于用户社交信息，按照预设选取规则，以便从真心话题库中选取与用户社交信息相对应的真心话题目，以实现不同用户对应不同真心话题目，提高贷款审核的可靠性。接着，采用tts播报真心话题目，同时启动摄像头对用户进行拍摄，以便实时获取监控视频流，并通过采用微表情识别模型对监控视频流中用户的微表情进行分析识别，以根据用户的微表情变化确定用户真诚度，实现智能获取用户真诚度，降低审核成本、提高审核效率并保证所获取的用户真诚度的客观性。最后，对用户真诚度进行判断，若用户真诚度大于预设真诚度阈值，则获取贷款审核通过的审核结果，并根据用户真诚度查找预设对照表，获取与用户真诚度相对应的贷款额度，以便用户可根据该贷款额度进行贷款。
在一实施例中，如图3所示，步骤s50中，即调用预先创建好的微表情识别模型对监控视频流进行检测，获取用户真诚度，具体包括如下步骤：
s51：按照预设关键字对监控视频流进行提取，获取与每一预设关键字对应的目标视频流，目标视频流包括至少一个视频帧图像。
其中，预设关键字是预先设定的用于对监控视频流进行提取的关键字。该预设关键字包括但不限于个人收入、负债、姓名、理财、年龄、性别、偿还意愿以及历史贷款等。
具体地，在贷款平台中还设置有语音检测模块，当检测到tts开始播报真心话题目包括预设关键字时，则将tts开始播报的时间作为提取目标视频流的开始时间。由于tts的播报按照预设时间间隔进行播报，因此，将提取目标视频流的开始时间加上预设时间间隔，即可获取提取目标视频流的结束时间，基于开始时间和结束时间提取与每一预设关键字对应的目标视频流。例如，若预设时间间隔为30s，提取目标视频流的开始时间(即tts开始播报的时间)为15:30:00，则提取目标视频流的结束时间为15:30:30，将15:30:00至15:30:30之间的监控视频流作为目标视频流，以获取与预设关键字对应的目标视频流。该目标视频流中包括至少一个视频帧图像。视频帧图像是目标视频流中每一帧视频帧对应的图像。
s52：对至少一个视频帧图像进行人脸检测，获取待识别人脸图像。
具体地，将视频帧图像输入到人脸检测模型中，检测每一视频帧图像中是否包含人脸，进而提取包含有人脸的帧图像，即待识别人脸图像。其中，视频帧图像中，需有人脸存在，人脸在屏幕中的大小最小需要达到80*80像素，获取到人脸后，将其归一化到256*256像素，统一视频帧图像的像素，以进行后续的识别。
具体地，对至少一个视频帧图像进行人脸检测的步骤如下：采用python工具读取目标视频流，可获取至少一个视频帧图像；采用预先训练好的人脸检测模型检测每一视频帧图像是否有人脸存在，若有人脸存在，则将该视频帧图像作为待识别人脸图像。其中，人脸检测模型可采用但不限于基于cascadecnn网络进行训练所得到的模型。cascadecnn(人脸检测)是对经典的violajones方法的深度卷积网络实现，是一种检测速度较快的人脸检测方法。violajones是一种人脸检测框架。本案中，采用cascadecnn方法对标注好人脸位置的图片(即待训练图片)进行训练，以获取人脸检测模型，提高了人脸检测模型的识别效率。
s53：将至少一个待识别人脸图像输入到微表情识别模型中进行检测，获取与目标视频流对应的目标识别概率值。
其中，目标识别概率值是用于反映用户真诚度的概率值。具体地，每一目标视频流中包括至少一个待识别人脸图像，将每一待识别人脸图像输入到微表情识别模型中进行检测，可获取每一待识别人脸图像对应的面部情绪的情绪识别概率值。情绪识别概率值是用于反映属于某种面部情绪的概率值。最后，对情绪识别概率值进行汇总，以获取与目标视频流对应的目标识别概率值。本实施例中，面部情绪包括但不限于乐观豁达、喜笑颜开、含情脉脉、兴高采烈、和谐安详、惬意安详、信赖不疑、悔不当初、厌恶不喜、疑惑不解、嗤之以鼻、怒火中烧、恨意丛生、大吃一惊、面露尬色、假意微笑和感激不尽等。
s54：采用第一加权计算公式对目标识别概率值进行计算，获取用户真诚度；其中，第一加权计算公式包括
其中，第一加权计算公式是用于计算用户真诚度的计算公式。具体地，采用第一加权计算公式对目标识别概率值进行计算，获取用户真诚度，计算过程简单，可有效提高贷款审核效率。第一加权计算公式包括
本实施例中，预设关键字对应的权重是由话术针对不同问题设置的。例如，对于年龄、性别和姓名等基础类的预设关键字，设置的权重会相对较低，而对于贷款用途、个人收入和偿还意愿等敏感类的预设关键字设置的权重会相对较高。
本实施例中，先按照预设关键字对监控视频流进行提取，获取与每一预设关键字对应的目标视频流，以便对目标视频流中的至少一个视频帧图像进行人脸检测，获取待识别人脸图像，以排除不包含人脸图像的干扰。然后，将至少一个待识别人脸图像输入到微表情识别模型中进行检测，微表情识别模型根据目标视频流中用户的情绪变化进行分析，从而获取与目标视频流对应的目标识别概率值；再采用第一加权计算公式对每一目标视频流对应的目标识别概率值进行计算，获取用户真诚度，方便后续基于用户真诚度，获取相应的贷款审核结果，无需人工进行审核，提高贷款审核效率并保证贷款审核的客观性，且有效减少人力成本。
在一实施例中，如图4所示，步骤s53中，即将至少一个待识别人脸图像输入到微表情识别模型中进行检测，获取与目标视频流对应的目标识别概率值，具体包括如下步骤：
s531：将至少一个待识别人脸图像输入到微表情识别模型中进行检测，获取与待识别人脸图像对应的情绪识别概率值，情绪识别概率值对应一正面情绪或负面情绪。
其中，正面情绪是指待识别人脸图像中呈现出的积极的情绪，如喜笑颜开或者兴高采烈。负面情绪是指待识别人脸图像中呈现出的消极的情绪，如怒火中烧或者面露尬色。
具体地，将至少一个待识别人脸图像输入到微表情识别模型中进行检测，获取至少一个与待识别人脸图像对应的不同面部情绪的候选识别概率值，该候选识别概率值是指微表情识别模型对待识别人脸图像进行识别所得到的识别概率值。然后，选取候选识别概率值中最大的一个作为情绪识别概率值。例如，将至少一个待识别人脸图像输入到微表情识别模型中进行检测，获取与待识别人脸图像对应的不同面部情绪的候选识别概率值如下：80％对应乐观豁达情绪(正面情绪)，70％对应喜笑颜开情绪(正面情绪)，10％对应怒火中烧情绪等。候选识别概率值中选取最大的一个作为情绪识别概率值，即80％且对应正面情绪。
s532：统计正面情绪对应的情绪识别概率值的正面情绪数量，或者统计负面情绪对应的负面情绪数量。
其中，正面情绪数量是指待识别人脸图像中呈现出正面情绪的数量。负面情绪数量是指待识别人脸图像中呈现出消极情绪的数量。本实施例中，可通过统计正面情绪对应的情绪识别概率值的正面情绪数量，也可统计负面情绪对应的负面情绪数量，为后续获取正面情绪比值或者负面情绪比值提供技术支持。例如，100张待识别人脸图像中，30张为喜笑颜开(正面情绪)的情绪识别概率值为85％，25张为兴高采烈(正面情绪)的情绪识别概率值为90％，10张为怒火中烧(负面情绪)的情绪识别概率值为88％，25张为面露尬色(负面情绪)的情绪识别概率值为93％，则其对应的正面情绪数量为55张，负面情绪数量为35张。
s533：基于正面情绪数量或者负面情绪数量，与待识别人脸图像对应的图像总数量，获取正面情绪比值或者负面情绪比值。
其中，正面情绪比值是指正面情绪数量与图像总数量的比值。负面情绪比值是是指负面情绪数量与图像总数量的比值。图像总数量是指待识别人脸图像的总数量。具体地，将正面情绪数量除以待识别人脸图像对应的图像总数量，获取正面情绪比值；或者将负面情绪数量除以待识别人脸图像对应的图像总数量，获取负面情绪比值。
s534：基于正面情绪比值或者负面情绪比值，获取与目标视频流对应的目标识别概率值。
具体地，可直接将正面情绪比值作为与目标视频流对应的目标识别概率值，或者将1-(负面情绪比值)作为与目标视频流对应的目标识别概率值。可理解地，该目标识别概率值具体为0-1之间的实数，用于反映用户真诚度，也即可用于反映用户是否有说谎。
本实施例中，先将至少一个待识别人脸图像输入到微表情识别模型中进行检测，获取与待识别人脸图像对应的情绪识别概率值，以便根据情绪识别概率值对应的正面情绪或负面情绪进行统计，以获取正面情绪数量或负面情绪数量，以便将正面情绪数量或者负面情绪数量，与待识别人脸图像对应的图像总数量进行相除运算，获取正面情绪比值或者负面情绪比值。最后，基于正面情绪比值或者负面情绪比值，获取与目标视频流对应的目标识别概率值，以通过目标识别概率值反映用户真诚度也即反映用户是否有说谎。
在一实施例中，贷款请求还包括待验证身份图像；如图5所示，步骤s20之后，该基于微表情识别的贷款审核方法还包括如下步骤：
s211：对用户社交信息按照验证关键字进行提取，获取待验证身份信息。
其中，验证关键字是用于对用户社交信息进行提取的关键字，该预设关键词包括身份证号码。待验证身份信息是指需要进行验证的身份信息，即身份证号码。具体地，通过验证关键字对用户社交信息中与验证关键字对应的字段进行提取，以获取待验证身份信息，即身份证号码。其中，待验证身份图像是通过摄像头抓拍到的用户脸部图像。
s212：获取第三方身份验证平台基于待验证身份信息和待验证身份图像进行验证所获取的身份验证审核结果。
其中，第三方身份验证平台是用于对用户身份进行验证的平台。具体地，服务器将待验证身份信息和待验证身份图像一并发送给第三方身份验证平台。第三方身份验证平台先基于待验证身份信息查找到与待验证身份信息对应的真实身份图像。再采用人脸检测算法对真实身份图像与待验证身份图像进行对比，获取人脸相似度；若人脸相似度大于预设相似度阈值，则得到验证通过的身份验证审核结果；若人脸相似度不大于预设相似度阈值，则得到验证不通过的身份验证审核结果。最后，将身份验证审核结果反馈给服务器，以使服务器获取身份验证审核结果。
s213：若身份验证审核结果为验证通过，则执行基于用户社交信息，按照预设选取规则，从真心话题库中选取真心话题目的步骤。
具体地，若身份验证审核结果为验证通过，则执行基于用户社交信息，按照预设选取规则，从真心话题库中选取真心话题目的步骤。若身份验证审核结果为验证不通过，则认为用户提供的身份信息有虚假，直接获取贷款审核不通过的审核结果。本实施例中，通过基于待验证身份信息和待验证身份图像进行身份验证，以达到初步审核的目的，提高贷款审核效率。
本实施例中，通过对用户社交信息按照验证关键字进行提取，获取待验证身份信息，以便获取第三方身份验证平台反馈的身份验证审核结果，若身份验证审核结果为验证通过，则执行基于用户社交信息，按照预设选取规则，从真心话题库中选取真心话题目的步骤，否则直接获取贷款审核不通过的审核结果，基于待验证身份信息和待验证身份图像进行身份验证，以达到初步审核的目的，提高贷款审核效率。
在一实施例中，如图6所示，步骤s40之后，该基于微表情识别的贷款审核方法还包括如下步骤：
s61：若用户真诚度小于预设真诚度阈值，且用户真诚度在预设误差审核范围内，则获取监控视频流对应的用户语音信息。
其中，预设误差审核范围是预先设置的用于对用户真诚度小于预设真诚度阈值的用户进行筛选范围。可理解地，若用户真诚度在预设误差审核范围内，则需进一步审核，以避免智能审核时可能出现纰漏导致误判的问题。
s62：调用预先创建的语音识别模型对用户语音信息进行识别，获取识别文本。
其中，监控视频流对应一用户语音信息。该用户语音信息是指监控视频流中用户根据真心话题目进行回复的语音信息。识别文本是采用语音识别模型对用户语音信息进行转换所得到的文本。可理解地，该识别文本包括用户应答信息。
具体地，语音识别模型包括预先训练好的声学模型和语言模型。其中，声学模型是用来获取目标语音特征对应的音素序列。音素是由语音中最小的单位，可理解为汉字里面的拼音。例如：汉语音节ā(啊)只有一个音素，ài(爱)有两个音素，dāi(呆)有三个音素等。声学模型的训练方法包括但不限于采用gmm-hmm(混合高斯模型)进行训练。语言模型是用于将音素序列转换为自然语言文本的模型。具体地，服务器将用户语音信息输入到预先训练好的声学模型中进行识别，获取目标语音特征对应的音素序列，然后将获取的音素序列输入到预先训练好的语言模型中进行转换，获取对应的识别文本。
s63：将识别文本与用户社交信息进行对比，获取应答准确率。
其中，应答准确率是指识别文本中用户应答信息准确的概率。该用户应答信息与真心话题目相对应。具体地，将识别文本中用户应答信息和用户社交信息进行一一比对，获取比对成功的真心话题目的数量为应答准确数量，将应答准确数量与真心话题目的题目总数量的比值作为应答准确率。
s64：采用第二加权计算公式对应答准确率和用户真诚度进行计算，获取综合评分；其中，第二加权计算公式包括
其中，第二加权计算公式是用于计算综合评分的计算公式。综合评分是指根据应答准确率和用户真诚度进行综合评价所得到的评分。具体地，采用第二加权计算公式对应答准确率和用户真诚度进行计算，获取综合评分，该综合评分综合考虑应答准确度和用户真诚度两个可用于判断用户是否说谎的影响因素，使得该综合评分具有客观性，不受人为因素干扰。其中，第二加权计算公式包括
s65：若综合评分在预设分值范围内，则获取贷款审核通过的审核结果。
其中，预设分值范围是预先设定的用于评价贷款审核是否通过的分值范围。具体地，若综合评分在预设分值范围内，则获取贷款审核通过的审核结果。需说明，若用户真诚度小于预设真诚度阈值且用户真诚度不在预设误差审核范围内，或者综合评分不在预设分值范围内，则获取贷款审核不通过的审核结果。
本实施例中，若用户真诚度小于预设真诚度阈值，且用户真诚度在预设误差审核范围内，则获取监控视频流对应的用户语音信息，以避免由于智能审核时可能出现纰漏而导致误判的问题。然后，调用预先创建的语音识别模型对用户语音信息进行识别，获取识别文本，以便将识别文本与用户社交信息进行对比，获取应答准确率。通过对应答准确率和用户真诚度进行综合评价，以获取贷款审核结果，提高贷款审核的容错性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种基于微表情识别的贷款审核装置，该基于微表情识别的贷款审核装置与上述实施例中基于微表情识别的贷款审核方法一一对应。如图7所示，该基于微表情识别的贷款审核装置包括贷款请求获取模块10、用户社交信息获取模块20、真心话题目获取模块30、监控视频流获取模块40、用户真诚度获取模块50和贷款额度获取模块60。各功能模块详细说明如下：
贷款请求获取模块10，用于获取贷款请求，贷款请求包括用户标识。
用户社交信息获取模块20，用于基于用户标识从大数据平台中，获取与用户标识相对应的用户社交信息。
真心话题目获取模块30，用于基于用户社交信息，按照预设选取规则，从真心话题库中选取真心话题目。
监控视频流获取模块40，用于采用tts播报真心话题目，同时启动摄像头对用户进行拍摄，获取监控视频流。
用户真诚度获取模块50，用于调用预先创建好的微表情识别模型对监控视频流进行检测，获取用户真诚度。
贷款额度获取模块60，用于若用户真诚度大于预设真诚度阈值，则获取贷款审核通过的审核结果，并根据用户真诚度查找预设对照表，获取与用户真诚度相对应的贷款额度。
具体地，用户真诚度获取模块50包括目标视频流获取单元51、待识别人脸图像获取单元52、目标识别概率值获取单元53和用户真诚度获取单元54。
目标视频流获取单元51，用于按照预设关键字对监控视频流进行提取，获取与每一预设关键字对应的目标视频流，目标视频流包括至少一个视频帧图像
待识别人脸图像获取单元52，用于对至少一个视频帧图像进行人脸检测，获取待识别人脸图像。
目标识别概率值获取单元53，用于将至少一个待识别人脸图像输入到微表情识别模型中进行检测，获取与目标视频流对应的目标识别概率值。
用户真诚度获取单元54，用于采用第一加权计算公式对目标识别概率值进行计算，获取用户真诚度；其中，第一加权计算公式包括
具体地，目标识别概率值获取单元53包括情绪识别概率值获取子单元531、情绪识别概率值统计子单元532、情绪比值获取子单元533和目标识别概率值获取子单元534。
情绪识别概率值获取子单元531，用于将至少一个待识别人脸图像输入到微表情识别模型中进行检测，获取与待识别人脸图像对应的情绪识别概率值，情绪识别概率值对应一正面情绪或负面情绪。
情绪识别概率值统计子单元532，用于统计正面情绪对应的情绪识别概率值的正面情绪数量，或者统计负面情绪对应的负面情绪数量。
情绪比值获取子单元533，用于基于正面情绪数量或者负面情绪数量，与待识别人脸图像对应的图像总数量，获取正面情绪比值或者负面情绪比值。
目标识别概率值获取子单元534，用于基于正面情绪比值或者负面情绪比值，获取与目标视频流对应的目标识别概率值。
具体地，贷款请求还包括待验证身份图像；该基于微表情识别的贷款审核装置还包括待验证身份信息获取单元、身份验证审核结果获取单元和第一身份验证审核结果处理单元。
待验证身份信息获取单元，用于对用户社交信息按照验证关键字进行提取，获取待验证身份信息。
身份验证审核结果获取单元，用于获取第三方身份验证平台基于待验证身份信息和待验证身份图像进行验证所获取的身份验证审核结果。
第一身份验证审核结果处理单元，用于若身份验证审核结果为验证通过，则执行基于用户社交信息，按照预设选取规则，从真心话题库中选取真心话题目的步骤。
具体地，该基于微表情识别的贷款审核装置还包括用户语音信息获取单元、识别文本获取子单元、应答准确率获取子单元、综合评分获取子单元和审核结果获取子单元。
用户语音信息获取单元，用于若用户真诚度小于预设真诚度阈值，且用户真诚度在预设误差审核范围内，则获取监控视频流对应的用户语音信息。
识别文本获取子单元，用于调用预先创建的语音识别模型对用户语音信息进行识别，获取识别文本。
应答准确率获取子单元，用于将识别文本与用户社交信息进行对比，获取应答准确率。
综合评分获取子单元，用于采用第二加权计算公式对应答准确率和用户真诚度进行计算，获取综合评分；其中，第二加权计算公式包括
审核结果获取子单元，用于若综合评分在预设分值范围内，则获取贷款审核通过的审核结果。
关于基于微表情识别的贷款审核装置的具体限定可以参见上文中对于基于微表情识别的贷款审核方法的限定，在此不再赘述。上述基于微表情识别的贷款审核装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储执行基于微表情识别的贷款审核方法过程中生成或获取的数据，如贷款额度。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于微表情识别的贷款审核方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中的基于微表情识别的贷款审核方法的步骤，例如图2所示的步骤s10-s60，或者图3至图6中所示的步骤。或者，处理器执行计算机程序时实现基于微表情识别的贷款审核装置这一实施例中的各模块/单元的功能，例如图7所示的各模块/单元的功能，为避免重复，这里不再赘述。
在一实施例中，提供一非易失性存储介质，该非易失性存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中用户帐号解锁方法的步骤，例如图2所示的步骤s10-s60，或者图3至图6中所示的步骤，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述基于微表情识别的贷款审核装置这一实施例中的各模块/单元的功能，例如图7所示的各模块/单元的功能，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！