一种基于图像场景识别的反欺诈方法与系统和装置与流程

1.本发明涉及图像识别反欺诈领域，特别涉及为一种基于图像场景识别的反欺诈方法与系统和装置。


背景技术：

2.随着信息技术飞速发展，软件数据已经融入到日常生活中，为人们带来了极大的便利。然而，数据孤岛、数据虚假和信息泄露这些情况也随之而来，为了不让用户的利益受损，必须要完善软件数据体系，反欺诈就是风控体系的一部分。
3.现有的反欺诈风控平台包括信息提取、信息展示和信息验证三部分。信息提取一般都是由语音信号提取技术、光学字符识别技术、爬虫及语义分析构成，信息展示则是根据提取到的信息将其可视化，信息验证方面主要使用的是逻辑判断。但是，现有的反欺诈风控平台的数据来源并不可靠，有被篡改的风险，而且获取数据的途径单一，无法保证数据的传输和计算过程中的安全，当数据量过大的时候，使用逻辑判断计算量大，影响效率。
4.鉴于此，本发明提出一种基于图像场景识别的反欺诈方法与系统及其协同装置，运用客户自身授权上传的个人人脸图像信息，进行分析剖解，进而通过模型算法得出客户的风险评估程度。
5.

技术实现要素：

6.本发明旨在解决反欺诈的可靠性问题，提供一种基于图像场景识别的反欺诈方法与系统和装置。
7.本发明提供一种基于图像场景识别的反欺诈方法，包括：客户首次通过wifi和/或其他无线连接方式与该系统连接时，系统以弹窗形式提示客户自我授权以将个人人脸图像信息上传至系统内，系统收录图像信息；系统将图像收录后，基于图像模型信息分析照片中的成分，将图像中的人物要素和背景要素分离，着重识别其图像中的背景要素，并将背景要素以及各图像信息传输到服务器中；系统通过检测图像模型信息和背景要素后，输入图像信息的对应数据并扫描该图像在系统数据库中的分类，将此次上传的照片信息与以往的信息一一对比，从而结合系统中有关该客户的相关信息；系统运用自身设有的模型算法，通过对应的公式计算，即判断出该客户的风险评估几率，所述风险评估几率分为低、中和高三种等级程度。
8.进一步地，系统通过检测图像模型信息和背景要素后，输入图像信息的对应数据并扫描该图像在系统数据库中的分类，将此次上传的照片信息与以往的信息一一对比，从而结合系统中有关该客户的相关信息步骤中，系统扫描数据库图像信息包括图像的拍摄地址、拍摄时间、照片名称、照片风格和上传者的任一项或多项。
9.进一步地，系统设置有卷积神经模型算法，以用于对图像识别系统进行训练。
10.进一步地，系统通过模型算法提供该客户风险评估的步骤包括：系统扫描图像并结合以往客户图像的有关信息；系统运用模型准识对比算法以计算出客户风险评估；系统根据计算的结果进行判断，若得出的客户风险评估为中高程度，则视该客户为欺诈群体，若得出的客户风险评估为低程度，则为非欺诈群体。
11.进一步地，系统运用的模型准识对比算法为：，其中为全部图像信息的向量值，为单个图像信息的向量值；本发明还提供了一种基于图像场景识别的反欺诈系统，包括：输入部用于该输入部被配置为输入由客户提供的已授权的图像信息与用户标识信息和/或拒绝未授权的图像信息；获取部用于该获取部被配置为将输入至系统内的图像信息进行对应的检测扫描，以从图像信息中获取客户更多具体信息；通知部用于该通知部被配置为对扫描完成的客户图像信息进行反馈并计算其风险评估几率的等级为何等程度。
12.进一步地，输入部包括：检视模块：对客户上传的图像信息进行筛选排除；录入模块：对筛选排除后的可录入图像信息录入至系统中。
13.进一步地，获取部包括：扫描模块：对筛选排除后的可录入客户图像信息进行扫描分析；统合模块：搜寻对应的客户以往图像信息纪录与同步扫描分析的图像信息做比对，以结合过往与当下的客户图像信息做总结；进一步地，通知部包括：运算模块：将总结出的有关该客户的信息代入模型算法以得出客户的风险评估结果；评估模块：将客户风险评估程度分为低、中和高三种等级；本发明还提供一种基于图像场景识别的反欺诈装置，包括：输入单元，用于输入由客户提供的已授权的图像信息与用户标识信息和/或拒绝未授权的图像信息获取单元，用于将输入至系统内的图像信息进行对应的检测扫描，以从图像信息中获取客户更多具体信息；通知单元，用于对扫描完成的客户图像信息进行反馈并计算其风险评估几率的等级为何等程度。
14.本发明提供了一种基于图像场景识别的反欺诈方法与系统和装置，具有以下有益效果：1、本发明运用了卷积神经网络模型算法以加强系统对图像识别的能力。
15.2、本发明运用了模型算法计算推算客户风险评估的概率，有效降低了系统需要承
担的风险。
16.附图说明
17.图1为本发明一种基于图像场景识别的反欺诈方法一个实施例的整体流程图；图2为本发明一种基于图像场景识别的反欺诈系统一个实施例的整体流程图；图3为本发明一种基于图像场景识别的反欺诈装置一个实施例的整体流程图；本发明为目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
18.具体实施方式
19.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
20.下面将结合本发明的实施例中的附图，对本发明的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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。
21.参考附图1，为本发明一实施例中的一种基于图像场景识别的反欺诈方法的，包括：客户首次通过wifi和/或其他无线连接方式与该系统连接时，系统以弹窗形式提示客户自我授权以将个人人脸图像信息上传至系统内，系统收录图像信息；系统将图像收录后，基于图像模型信息分析照片中的成分，将图像中的人物要素和背景要素分离，着重识别其图像中的背景要素，并将背景要素以及各图像信息传输到服务器中；系统通过检测图像模型信息和背景要素后，输入图像信息的对应数据并扫描该图像在系统数据库中的分类，将此次上传的照片信息与以往的信息一一对比，从而结合系统中有关该客户的相关信息；系统运用自身设有的模型算法，通过对应的公式计算，即判断出该客户的风险评估几率，风险评估几率分为低、中和高三种等级程度。
22.在具体实施例中：客户通过wifi和/或其他无线连接方式与该系统连接，并将个人人脸图像信息上传至该系统中；系统收录客户图像信息后，自动分析其图像信息成分，将人物要素与背景要素分离，而后着重识别其背景要素，同时将图像信息传输至系统扫描服务器中；扫描服务器对图像信息进行扫描的同时从服务器中搜寻该图像在系统数据库中的分类，并将该图像信息与类似的图像信息或是以往的图像信息一一比对，最后结合系统分辨出有关该客户的相关信息；系统运用自身设有的模型算法，通过对应的公式计算，推算出客户的风险评估程度为何等程度，该风险评估程度分为低、中和高三种等级程度。
23.在一个实施例中：系统通过检测图像模型信息和背景要素后，输入图像信息的对应数据并扫描该图像在系统数据库中的分类，将此次上传的照片信息与以往的信息一一对比，从而结合系统中有关该客户的相关信息步骤中，系统扫描数据库图像信息包括图像的拍摄地址、拍摄时间、照片名称、照片风格和上传者的任一项或多项。
24.在本实施例中：系统扫描数据库图像信息与该客户图像信息相比对作用于可以更好的将客户的图像信息有效分类。
25.在具体实施例中：一种基于图像场景识别的反欺诈方法，系统将客户的图像相关信息记录，并从自身的数据库扫描搜寻与客户的图像类似的信息，以更清晰明了的了解客户的图像信息。
26.在一个实施例中：系统设置有卷积神经模型算法，以用于对图像识别系统进行训练。
27.在本实施例中：卷积神经模型算法作用于加强系统的图像识别能力。
28.在具体实施例中：一种基于图像场景识别的反欺诈方法，系统自身设有的卷积神经模型提供算法，从图像的最粗化识别逐渐推进至细化。
29.在一个实施例中：系统通过模型算法提供该客户风险评估的步骤包括：系统扫描图像并结合以往客户图像的有关信息；系统运用模型准识对比算法以计算出客户风险评估；系统根据计算的结果进行判断，若得出的客户风险评估程度为中高程度，则视该客户为欺诈群体，若得出的客户风险评估程度为低程度，则为非欺诈群体。
30.在本实施例中：模型算法评估客户风险程度作用于通过模型准识对比算法可推算出更精确的客户风险评估程度；在具体实施例中：一种基于图像场景识别的反欺诈方法，系统通过卷积神经模型运用准识对比算法推算出客户的风险评估程度为何等程度，继而判断客户是否为欺诈群体；若得出的客户风险评估程度为中高程度，则视该客户为欺诈群体，若得出的客户风险评估程度为低程度，则为非欺诈群体。
31.在一个实施例中：系统运用的模型准识对比算法为：，其中为全部图像信息的向量值，为单个图像信息的向量值；在本实施例中：卷积神经网络运用的模型准识对比算法作用于可推算出更精确的客户风险评估程度为何等程度；在具体实施例中：一种基于图像场景识别的反欺诈方法，系统通过卷积神经模型运用准识对比算法推算出客户的风险评估程度为何等程度，继而判断客户是否为欺诈群体；若得出的客户风险评估程度为中高程度，则视该客户为欺诈群体，若得出的客户风险评估程度为低程度，则为非欺诈群体。
32.参考附图2，为本发明一实施例中的一种基于图像场景识别的反欺诈装置，包括：输入部1用于为输入由客户提供的已授权的图像信息与用户标识信息和/或拒绝未授权的图像信息；获取部2用于为将输入至系统内的图像信息进行对应的检测扫描，以从图像信息中获取客户更多具体信息；通知部3用于对扫描完成的客户图像信息进行反馈并计算其风险评估程度的等级为何等程度。
33.在具体实施例中：客户通过wifi和/或其他无线连接方式与该系统连接，并将个人
人脸图像信息上传至该输入部1中；输入部1收录客户图像信息后，自动分析其图像信息成分，将人物要素与背景要素分离，而后着重识别其背景要素，同时将图像信息传输至系统扫描服务器中；获取部2对图像信息进行扫描的同时从服务器中搜寻该图像在系统数据库中的分类，并将该图像信息与类似的图像信息或是以往的图像信息一一比对，最后结合系统分辨出有关该客户的相关信息；通知部3运用自身设有的模型算法，通过对应的公式计算，推算出客户的风险评估程度为何等程度，该风险评估程度分为低、中和高三种等级程度。
34.在一个实施例中：输入部1包括，检视模块：对客户上传的图像信息进行筛选排除；录入模块：对筛选排除后的可录入图像信息录入至系统中。
35.在本实施例中：输入部1作用于输入由客户提供的已授权的图像信息与用户标识信息和/或拒绝未授权的图像信息。
36.在具体实施例中：一种基于图像场景识别的反欺诈装置，输入部1的检视模块对客户上传的图像信息进行筛选排除，而后录入模块将筛选排除后的可录入图像信息录入至系统中。
37.在一个实施例中：获取部2包括，扫描模块：对筛选排除后的可录入客户图像信息进行扫描分析；统合模块：搜寻对应的客户以往图像信息纪录与同步扫描分析的图像信息做比对，以结合过往与当下的客户图像信息做总结。
38.在本实施例中：获取部2作用于将输入至系统内的图像信息进行对应的检测扫描，以从图像信息中获取客户更多具体信息。
39.在具体实施例中：一种基于图像场景识别的反欺诈装置，扫描模块用于对筛选排除后的可录入客户图像信息进行扫描分析，统合模块用于搜寻对应的客户以往图像信息纪录与同步扫描分析的图像信息做比对，并结合过往与当下的客户图像信息做总结。
40.在一个实施例中：通知部3包括，运算模块：将总结出的有关该客户的信息代入模型算法以得出客户的风险评估程度；评估模块：将客户风险评估程度分为低、中和高三种等级；在本实施例中：通知部3作用于对扫描完成的客户图像信息进行反馈并计算其风险评估程度的等级为何等程度。
41.在具体实施例中：一种基于图像场景识别的反欺诈装置，运算模块用于将总结出的有关该客户的信息代入模型算法以得出客户的风险评估程度，评估模块用于将客户风险评估程度分为低、中和高三种等级。
42.本发明一实施例中的一种基于图像场景识别的反欺诈系统，包括：输入单元a，用于该输入部被配置为输入由客户提供的已授权的图像信息与用户标识信息和/或拒绝未授权的图像信息获取单元b，用于将输入至系统内的图像信息进行对应的检测扫描，以从图像信息中获取客户更多具体信息；通知单元c，用于对扫描完成的客户图像信息进行反馈并计算其风险评估程度的等级为何等程度。
43.在具体实施例中：客户通过wifi和/或其他无线连接方式与该系统连接，并将个人人脸图像信息上传至该输入部中；输入单元a收录客户图像信息后，自动分析其图像信息成分，将人物要素与背景要素分离，而后着重识别其背景要素，同时将图像信息传输至系统扫描服务器中；获取单元b对图像信息进行扫描的同时从服务器中搜寻该图像在系统数据库中的分类，并将该图像信息与类似的图像信息或是以往的图像信息一一比对，最后结合系统分辨出有关该客户的相关信息；通知单元c运用自身设有的模型算法，通过对应的公式计算，推算出客户的风险评估程度为何等程度，该风险评估程度分为低、中和高三种等级程度。
44.综上所述客户通过wifi和/或其他无线连接方式与该系统连接，并将个人人脸图像信息上传至该系统中；系统收录客户图像信息后，自动分析其图像信息成分，将人物要素与背景要素分离，而后着重识别其背景要素，同时将图像信息传输至系统扫描服务器中；扫描服务器对图像信息进行扫描的同时从服务器中搜寻该图像在系统数据库中的分类，并将该图像信息与类似的图像信息或是以往的图像信息一一比对，最后结合系统分辨出有关该客户的相关信息；系统运用自身设有的模型算法，通过对应的公式计算，推算出客户的风险评估程度为何等程度，该风险评估程度分为低、中和高三种等级程度。
45.1、本发明运用了卷积神经网络模型算法以加强系统对图像识别的能力。
46.2、本发明运用了模型算法计算推算客户风险评估的概率，有效降低了系统需要承担的风险。
47.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。