本技术涉及人工智能,特别是涉及一种业务处理方法、装置和计算机设备。
背景技术:
1、随着社会的不断发展,银行信贷业务也逐渐发展壮大。如今,银行信贷业务可以为我国企业和个人的发展提供更好的服务,可供企业或个人用于扩大生产规模、提供生产效率从而收获更加丰厚的利润。
2、目前,业界的信贷系统通常是需要信贷管理部门人员在系统中进行授信采集,进行分析从而为客户进行评级授信的申请和审批。虽然当前信贷授信业务办理过程包括一系列严格的审批步骤,但仅能以客户提供的资料为依据,缺少对办理贷款业务时客户的现场信息的有效利用,因此,导致现有银行系统中信贷授信业务处理灵活性较低。
技术实现思路
1、基于此,有必要针对上述技术问题,提供一种应用灵活度高的业务处理方法、装置和计算机设备。
2、第一方面,本技术提供了一种业务处理方法。所述方法包括:
3、获取目标客户在办理信贷业务时的待测人脸图像信息;
4、基于预设检测策略,对所述待测人脸图像信息进行人脸轮廓检测,得到所述待测人脸图像信息对应的目标轮廓图像信息;所述目标轮廓图像信息包含包括目标部位的重点图像区块信息和不包括所述目标部位的非重点图像区块信息;
5、将所述目标轮廓图像信息输入至预设卷积神经网络模型,获得目标图像特征信息;
6、基于预设微表情识别模型和所述目标图像特征信息,确定所述目标情绪类别;
7、基于所述目标情绪类别对应的业务处理策略,执行信贷授信业务处理。
8、在其中一个实施例中,所述基于预设检测策略,对所述待测人脸图像信息进行人脸轮廓检测,确定所述待测人脸图像信息对应的目标轮廓图像信息,包括:
9、基于预设轮廓检测策略,确定所述待测人脸图像对应的待测轮廓图像信息;
10、根据预设区块划分原则,对所述待测轮廓图像信息进行区块划分,得到多个子图像区块信息;
11、对各个所述子图像区块信息进行图像信息检测,确定所述重点图像区块信息和所述非重点图像区块信息。
12、在其中一个实施例中,当所述待测人脸图像信息为待测视频信息时,所述基于预设轮廓检测策略,确定所述待测人脸图像对应的待测轮廓图像信息,包括:
13、基于所述预设轮廓检测策略,对所述待测视频信息中每个视频帧对应的人脸图像信息进行人脸轮廓检测,得到每个所述视频帧对应的子轮廓图像信息;
14、基于预设对齐方式和所述子轮廓图像信息,确定所述待测轮廓图像信息。
15、在其中一个实施例中,所述预设对齐方式为三点对齐方式。
16、在其中一个实施例中,所述将所述目标轮廓图像信息输入至预设卷积神经网络模型,获得目标图像特征信息,包括:
17、依次将所述重点图像区块信息和所述非重点图像区块信息,输入至所述预设卷积神经网络模型,得到所述重点图像区块信息对应的所述第一特征信息和所述非重点图像区块信息对应的所述第二特征信息;
18、基于所述第一特征信息及其对应的第一比例系数、所述第二特征信息及其对应的第二比例系数,确定所述目标图像特征信息。
19、在其中一个实施例中,所述基于所述目标情绪类别对应的业务处理策略,执行信贷授信业务处理,包括:
20、根据预设情绪与审核风险的对应关系,确定所述目标情绪类别对应的目标风险程度信息;
21、基于预设风险程度与审核要求的对应关系,根据所述目标风险程度信息对应的目标审核要求,对信贷授信业务进行处理。
22、第二方面,本技术还提供了一种业务处理装置。所述装置包括:
23、获取模块,用于获取目标客户在办理信贷业务时的待测人脸图像信息;
24、检测模块,用于基于预设检测策略,对所述待测人脸图像信息进行人脸轮廓检测,得到所述待测人脸图像信息对应的目标轮廓图像信息;所述目标轮廓图像信息包含包括目标部位的重点图像区块信息和不包括所述目标部位的非重点图像区块信息;
25、特征提取模块,用于将所述目标轮廓图像信息输入至预设卷积神经网络模型,获得目标图像特征信息;
26、情绪识别模块,用于基于预设微表情识别模型和所述目标图像特征信息,确定所述目标情绪类别;
27、业务处理模块,用于基于所述目标情绪类别对应的业务处理策略,执行信贷授信业务处理。
28、在其中一个实施例中,所述检测模块,具体用于:
29、基于预设轮廓检测策略,确定所述待测人脸图像对应的待测轮廓图像信息;
30、根据预设区块划分原则,对所述待测轮廓图像信息进行区块划分,得到多个子图像区块信息;
31、对各个所述子图像区块信息进行图像信息检测,确定所述重点图像区块信息和所述非重点图像区块信息。
32、在其中一个实施例中,当所述待测人脸图像信息为待测视频信息时,所述检测模块具体用于:
33、基于所述预设轮廓检测策略,对所述待测视频信息中每个视频帧对应的人脸图像信息进行人脸轮廓检测,得到每个所述视频帧对应的子轮廓图像信息;
34、基于预设对齐方式和所述子轮廓图像信息,确定所述待测轮廓图像信息。
35、在其中一个实施例中,所述预设对齐方式为三点对齐方式。
36、在其中一个实施例中,所述特征提取模块,具体用于:
37、依次将所述重点图像区块信息和所述非重点图像区块信息,输入至所述预设卷积神经网络模型,得到所述重点图像区块信息对应的所述第一特征信息和所述非重点图像区块信息对应的所述第二特征信息;
38、基于所述第一特征信息及其对应的第一比例系数、所述第二特征信息及其对应的第二比例系数,确定所述目标图像特征信息。
39、在其中一个实施例中,所业务处理模块,具体用于:
40、根据预设情绪与审核风险的对应关系,确定所述目标情绪类别对应的目标风险程度信息;
41、基于预设风险程度与审核要求的对应关系,根据所述目标风险程度信息对应的目标审核要求,对信贷授信业务进行处理。
42、第三方面,本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的步骤。
43、第四方面,本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面所述的步骤。
44、第五方面,本技术还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面所述的步骤。
45、上述业务处理方法、装置和计算机设备中,通过对目标用户办理信贷业务时的待测人脸图像信息进行人脸轮廓检测,将得到的包含重点图像区块信息和非重点图像区块信息的目标轮廓图像信息进行特征提取,进而基于特征提取得到的目标图像特征信息进行目标客户情绪识别,最终,基于识别出的目标情绪类别对应的业务处理策略进行业务处理。通过上述方法,可以有效进行目标客户进行业务办理时的情绪识别,并可根据目标客户对应的情绪类别进行业务处理,提高了业务处理的灵活性与适用性。