异常行为确定方法、装置、电子设备、存储介质及程序产品与流程
本申请涉及人工智能,具体涉及一种异常行为确定方法、装置、电子设备、存储介质及程序产品。
背景技术:
1、当前金融自助服务设备已普遍搭载生物特征识别技术以实现身份核验功能,当检测到用户触发业务操作时,设备会自动采集用户的面部图像,从中提取对应的生物特征后与预存的注册信息进行比对,仅在核验通过的情形下允许用户开展后续业务办理。
2、然后,相关技术核验逻辑仅围绕实际操作对象这一单一维度开展判定,在身份核验通过后便默认后续操作均为合规的正常业务操作,无法区分常规的正常业务操作与潜在的异常行为操作。
技术实现思路
1、鉴于上述问题,本申请的实施例提供了一种异常行为确定方法、装置、电子设备、存储介质及程序产品。
2、根据本申请的第一方面,提供了一种异常行为确定方法,应用于金融自助服务设备,包括:获取目标对象的面部图像,面部图像是金融自助服务设备响应于目标对象触发的当前业务操作所采集的图像;对面部图像进行特征提取,得到目标对象的生物特征;基于目标对象在金融自助服务设备预存的注册信息,对生物特征进行核验,得到目标对象的核验结果,核验结果表征目标对象是否通过核验;在核验结果表征目标对象通过核验的情况下,获取预设的历史时间段内目标对象的历史业务操作,基于历史业务操作与当前业务操作,确定目标对象的异常行为等级。
3、根据本申请的实施例,对面部图像进行特征提取,得到目标对象的生物特征,包括:将面部图像输入至训练好的面部识别模型,面部识别模型依次包括特征提取模块、特征融合模块和分类模块;通过特征提取模块对面部图像进行特征提取,得到面部图像的多个局部特征图;通过特征融合模块对多个局部特征图进行特征融合,得到融合特征图;通过分类模块对融合特征图进行分类,得到目标对象的用于表征表情的生物特征,用于表征表情的生物特征包括:眼部特征、鼻部特征、嘴部特征和面部外观轮廓特征。
4、根据本申请的实施例,特征提取模块包括:卷积模块、第一通道注意力层、最大池化层和随机失活层;通过特征提取模块对面部图像进行特征提取,得到面部图像的多个局部特征图,包括:通过卷积模块对面部图像进行卷积处理,得到卷积特征图;通过第一通道注意力层对卷积特征图的不同通道赋予不同的权重,得到加权特征图;通过最大池化层对加权特征图进行下采样,得到下采样后的特征图;通过随机失活层对下采样后的特征图进行随机失活,得到面部图像的多个局部特征图。
5、根据本申请的实施例,卷积模块包括卷积层、批归一化层和激活函数层;通过卷积模块对面部图像进行卷积处理,得到卷积特征图,包括:通过卷积层对面部图像进行卷积处理,得到初始特征图;通过批归一化层对初始特征图进行归一化处理,得到归一化特征图;通过激活函数层对归一化特征图进行非线性变换,得到卷积特征图。
6、根据本申请的实施例,特征融合模块包括多个并联的空洞卷积分支,每个空洞卷积分支包括不同扩张率的空洞卷积层、第二通道注意力层和最大池化层;通过特征融合模块对多个局部特征图进行特征融合,得到融合特征图,包括:通过不同扩张率的空洞卷积层对多个局部特征图进行卷积处理,得到对应不同扩张率的不同感受野下的上下文特征图;通过第二通道注意力层对上下文特征图进行通道权重调整,得到加权后的特征图;通过最大池化层对加权后的特征图进行下采样,得到下采样后的特征图;将每个空洞卷积分支输出的下采样后的特征图进行拼接融合,得到融合特征图。
7、根据本申请的实施例,面部识别模型通过以下方式训练:获取包括面部图像样本及样本标识的样本数据集;对样本数据集中的面部图像样本进行数据增强处理,得到数据增强后的样本数据集,数据增强处理包括旋转、平移及翻转中的至少一种;将数据增强后的样本数据集输入至预先构建的面部识别模型进行前向传播,得到预测识别结果;确定预测识别结果与对应的样本标识之间的损失值;采用余弦退火衰减策略对面部识别模型的学习率进行动态调整;按照调整后的学习率,基于损失值对面部识别模型的模型参数进行更新,得到训练好的面部识别模型。
8、根据本申请的实施例,历史业务操作包括多个历史子操作;基于历史业务操作与当前业务操作,确定目标对象的异常行为等级,包括:识别多个历史子操作和当前业务操作的操作类型;按照操作类型对多个历史子操作进行分类,确定每个操作类型在历史时间段内的历史操作次数,生成包含操作类型及其对应历史操作次数的操作数据库;基于当前业务操作的操作类型查询操作数据库,得到当前业务操作对应的历史操作次数;基于历史操作次数,确定目标对象的异常行为等级。
9、根据本申请的实施例,基于历史操作次数,确定目标对象的异常行为等级,包括:基于当前业务操作的操作类型,查询目标对象关联的周期频率统计表,得到操作类型对应的平均操作频率,周期频率统计表包括目标对象在统计周期内每个操作类型的平均操作频率;确定历史操作次数对应的历史操作频率,基于历史操作频率与平均操作频率的差值确定目标对象的异常行为等级,其中,差值与异常行为等级呈正相关。
10、根据本申请的实施例,在对面部图像进行特征提取之前,方法还包括:对面部图像进行面部区域识别,得到面部图像的面部区域图像;将面部区域图像转换为灰度图像,并对灰度图像进行直方图均衡化;按照预设尺寸对均衡化后的灰度图像进行裁剪,对裁剪后的面部图像进行特征提取。
11、根据本申请的第二方面,提供了一种异常行为确定装置,包括:获取模块,用于获取目标对象的面部图像,面部图像是金融自助服务设备响应于目标对象触发的当前业务操作所采集的图像;提取模块,用于对面部图像进行特征提取,得到目标对象的生物特征;核验模块,用于基于目标对象在金融自助服务设备预存的注册信息,对生物特征进行核验,得到目标对象的核验结果,核验结果表征目标对象是否通过核验;确定模块,用于在核验结果表征目标对象通过核验的情况下,获取预设的历史时间段内目标对象的历史业务操作,基于历史业务操作与当前业务操作,确定目标对象的异常行为等级。
12、根据本申请的第三方面,提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个计算机程序,其中,上述一个或多个处理器执行上述一个或多个计算机程序以实现上述方法的步骤。
13、根据本申请的第四方面,还提供了一种计算机可读存储介质,其上存储有计算机程序或指令,上述计算机程序或指令被处理器执行时实现上述方法的步骤。
14、根据本申请的第五方面,还提供了一种计算机程序产品,包括计算机程序或指令,上述计算机程序或指令被处理器执行时实现上述方法的步骤。
1.一种异常行为确定方法,其特征在于,应用于金融自助服务设备,所述方法包括:
2.根据权利要求1所述的异常行为确定方法,其特征在于,对所述面部图像进行特征提取,得到所述目标对象的生物特征,包括:
3.根据权利要求2所述的异常行为确定方法,其特征在于,所述特征提取模块包括:卷积模块、第一通道注意力层、最大池化层和随机失活层;
4.根据权利要求3所述的异常行为确定方法,其特征在于,所述卷积模块包括卷积层、批归一化层和激活函数层;
5.根据权利要求2所述的异常行为确定方法,其特征在于,所述特征融合模块包括多个并联的空洞卷积分支,每个所述空洞卷积分支包括不同扩张率的空洞卷积层、第二通道注意力层和最大池化层;
6.根据权利要求2所述的异常行为确定方法,其特征在于,所述面部识别模型通过以下方式训练:
7.根据权利要求1所述的异常行为确定方法,其特征在于,所述历史业务操作包括多个历史子操作;所述基于所述历史业务操作与所述当前业务操作,确定所述目标对象的异常行为等级,包括:
8.根据权利要求7所述的异常行为确定方法,其特征在于,基于所述历史操作次数,确定所述目标对象的异常行为等级,包括:
9.根据权利要求1所述的异常行为确定方法,其特征在于,在对所述面部图像进行特征提取之前,所述方法还包括:
10.一种异常行为确定装置,其特征在于,所述装置包括:
11.一种电子设备,包括:
12.一种计算机可读存储介质,其上存储有计算机程序或指令,其特征在于,所述计算机程序或指令被处理器执行时实现根据权利要求1~9中任一项所述方法的步骤。
13.一种计算机程序产品,包括计算机程序或指令,其特征在于,所述计算机程序或指令被处理器执行时实现根据权利要求1~9中任一项所述方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com