一种证件合规识别方法、装置、电子设备及存储介质与流程

1.本技术涉及图像处理领域，具体而言，涉及一种证件合规识别方法、装置、电子设备及存储介质。


背景技术：

2.随着互联网技术的迅猛发展，金融与互联网的融合是大势所趋。互联网金融对传统金融产品、服务等产生了深远的影响，提升了金融行业运行效率。在信贷场景中，要求客户持本人证件进行身份验证，由于缺乏人工审核，客户拍摄的证件可能会存在多种不合规的，但目前的识别方法是针对单一的不合规场景给出特定的识别结果，识别结果较为离散，难以根据识别结果进行风险决策。


技术实现要素：

3.本发明实施例的目的在于一种证件合规识别方法、装置、电子设备及存储介质，将多种不合规模式对应的得分进行整合，输出一个证件识别结果，识别结果用于表征证件是否合规，提高证件识别风险决策准确性和效率。
4.第一方面，本技术实施例提供了一种证件合规识别方法，包括：获得证件在多种证件不合规模式对应的得分，以及获得评价层次关系中当前层每个节点与下一层中与节点有关联关系的节点的层级判断矩阵；其中，层级判断矩阵用于表征下一层的节点相对于当前层的节点的重要性，评价层次关系为预先构建的多种证件不合规模式与证件识别结果之间的关系模型，且评价层次关系包括多个层级；根据层级判断矩阵，获得每一层级判断矩阵对应的相对权重；根据每一层级判断矩阵对应的相对权重，以及证件在多种证件不合规模式对应的得分，获得证件识别结果，识别结果用于表征证件是否合规。
5.在上述的实现过程中，获得证件不合规模式对应的得分以及层次判断矩阵，根据层次判断矩阵获得每一层次判断矩阵对应的相对权重，根据每一层次判断矩阵对应的相对权重以及每一证件不合规模式对应的得分获得证件识别结果，识别结果用于表征证件是否合规。将每一不合规模式对应的得分进行整合，输出最终的识别结果，以实现根据识别结果快速并准确地进行风险决策。
6.可选地，在本技术实施例中，在获得层级判断矩阵之前，方法还包括：根据多种证件不合规模式以及预设的评价指标，生成评价层次关系，评价层次关系包括目标层、准则层和指标层。
7.在上述的实现过程中，将多种不合规场景整合，通过改进的层次分析法将零散的风险原因进行聚合，生成评价层次关系，评价层次关系依次包括目标层、准则层和指标层。
8.可选地，在本技术实施例中，层级判断矩阵包括准则层判断矩阵和指标层判断矩阵，目标层包括目标节点，准则层包括准则节点，指标层包括指标节点，获得层级判断矩阵，包括：根据与目标节点具有关联关系的准则节点，生成准则层判断矩阵；根据与准则节点具有关联关系的指标节点，生成指标层判断矩阵。
9.在上述的实现过程中，根据评价层次关系中，目标层的下一层为准则层，准则层的下一层为指标层，根据当前层每个节点与下一层中与所述节点有关联关系的节点，别分生成准则层判断矩阵和指标层判断矩阵。判断矩阵描述了当下层的下一层节点之间的相对重要性或优越性。
10.可选地，在本技术实施例中，目标节点包括证件识别结果，准则节点包括与证件识别结果具有关联的不合规等级；根据与目标节点具有关联关系的准则节点生成准则层判断矩阵，包括：根据与证件识别结果具有关联的不合规等级，以及预设标度，获得准测层判断矩阵；其中，准测层判断矩阵表征与证件识别结果具有关联的不合规等级之间的相对重要程度。
11.在上述的实现过程中，根据与证件识别结果具有关联的不合规等级，以及预设标度，获得准测层判断矩阵，判断矩阵的预设标度将节点之间的重要性进行量化，更准确的表征每一不合规等级对于证件识别结果的重要性。
12.可选地，在本技术实施例中，指标节点包括与不合规等级具有关联的证件不合规模式，根据与准则节点具有关联关系的指标节点生成指标层判断矩阵，包括：根据与每一不合规等级具有关联的证件不合规模式，以及预设标度，生成每一不合规等级对应的指标层判断矩阵；其中，指标层判断矩阵表征与每一不合规等级具有关联的证件不合规模式之间的相对重要程度。
13.在上述的实现过程中，构建指标层判断矩阵，指标层判断矩阵表征与每一不合规等级具有关联的证件不合规模式之间的相对重要程度，更准确的表征每一不合规等级中的证件不合规模式的重要程度。
14.可选地，在本技术实施例中，根据层级判断矩阵，获得每一层级判断矩阵对应的相对权重，包括：通过权重算法，根据层级判断矩阵中的元素，获得每一层级判断矩阵对应的相对权重；其中，每一层级判断矩阵对应的相对权重包括准则层判断矩阵权重和指标层判断矩阵权重。
15.在上述的实现过程中，通过权重算法，根据层级判断矩阵中的元素，计算下一层的节点相对于所述当前层的节点的重要性次序的权重值，获得每一层级判断矩阵对应的相对权重，实现根据权重对下一层节点的重要性进行排序。
16.可选地，在本技术实施例中，根据每一层级判断矩阵对应的相对权重，以及证件在多种证件不合规模式对应的得分，获得证件识别结果，包括：通过风险分析结果公式，根据每一层级判断矩阵对应的相对权重以及证件在多种证件不合规模式对应的得分，获得证件识别结果；其中，风险分析结果公式包括：
[0017][0018]
其中，w
(1)
为证件识别结果，为准测层判断矩阵权重，为指标层判断矩阵权重，v
ij
为证件在每一证件不合规模式对应的得分。
[0019]
在上述的实现过程中，通过风险分析结果公式，计算评价层次关系中每一层对于证件识别结果的总权重，总权重即为识别结果，以实现根据识别结果快速并准确地进行风
险决策。
[0020]
第二方面，本技术实施例还提供了一种证件合规识别装置，包括：获得模块，用于获得证件在多种证件不合规模式对应的得分，以及获得评价层次关系中当前层每个节点与下一层中与节点有关联关系的节点的层级判断矩阵；其中，层级判断矩阵用于表征下一层的节点相对于当前层的节点的重要性，评价层次关系为预先构建的多种证件不合规模式与证件识别结果之间的关系模型，且评价层次关系包括多个层级；权重计算模块，用于根据层级判断矩阵，获得每一层级判断矩阵对应的相对权重；结果模块，用于根据每一层级判断矩阵对应的相对权重，以及证件在多种证件不合规模式对应的得分，获得证件识别结果，识别结果用于表征证件是否合规。
[0021]
第三方面，本技术实施例还提供了一种电子设备，包括：处理器和存储器，存储器存储有处理器可执行的机器可读指令，机器可读指令被处理器执行时执行如上面描述的方法。
[0022]
第四方面，本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上面描述的方法。
[0023]
采用本技术提供证件合规识别方法、装置、电子设备及存储介质，获得证件不合规模式对应的得分以及层次判断矩阵，根据层次判断矩阵获得每一层次判断矩阵对应的相对权重，根据每一层次判断矩阵对应的相对权重以及每一证件不合规模式对应的得分获得证件识别结果，识别结果用于表征证件是否合规。判断矩阵的预设标度将节点之间的重要性进行量化，更准确的表征每一不合规等级对于证件识别结果的重要性。将每一不合规模式对应的得分进行整合，输出最终的识别结果，以实现根据识别结果快速并准确地进行风险决策。
附图说明
[0024]
为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0025]
图1为本技术实施例提供的一种证件合规识别方法的流程示意图；
[0026]
图2为本技术实施例提供的评价层次关系的结构示意图；
[0027]
图3为本技术实施例提供的证件识别系统欢迎页面示意图；
[0028]
图4为本技术实施例提供的证件识别系统产品列表页面示意图；
[0029]
图5为本技术实施例提供的证件识别系统操作页面示意图；
[0030]
图6为本技术实施例提供的证件识别系统验证页面示意图；
[0031]
图7示出的本技术实施例提供的证件识别系统分析结果页面示意图；
[0032]
图8为本技术实施例提供的证件合规识别装置的结构示意图；
[0033]
图9为本技术实施例提供的电子设备的结构示意图。
具体实施方式
[0034]
下面将结合附图对本技术技术方案的实施例进行详细的描述。以下实施例仅用于
更加清楚地说明本技术的技术方案，因此只作为示例，而不能以此来限制本技术的保护范围。
[0035]
除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
[0036]
在本技术实施例的描述中，技术术语“第一”、“第二”等仅用于区别不同对象，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本技术实施例的描述中，“多个”的含义是两个及以上，除非另有明确具体的限定。
[0037]
在一些需要证件识别的场景中，由于缺乏人工审核，客户拍摄的证件会存在如出现屏幕翻拍、复印件、彩印件、水印、断裂等等多种不合规的风险，现有的证件合规识别方法可以针对每一种不合规模式进行检测，并输出结果，因此可以获取到证件在多个不合规模式中对应的得分，但是这些不合规模式的类型较多，且每一种不合规模式的风险程度不同，例如，某一种不合规模式即使不合规得分很低，但是这一项不合规模式风险很高，另一种不合规模式的不合规得分较高，这一项不合规模式风险较低，对于决策人员来说，面对离散的结果，难以进行快速决策，以判断证件是否合规。因此，本技术实施例提供一种证件合规识别方法，将每一不合规模式对应的得分进行整合，输出最终的识别结果，解决上述难以通过离散的结果判断身份证是否合规的问题。
[0038]
请参见图1示出的本技术实施例提供的一种证件合规识别方法的流程示意图。
[0039]
步骤s110：获得证件在多种证件不合规模式对应的得分，以及获得评价层次关系中当前层每个节点与下一层中与节点有关联关系的节点的层级判断矩阵；其中，层级判断矩阵用于表征下一层的节点相对于当前层的节点的重要性，评价层次关系为预先构建的多种证件不合规模式与证件识别结果之间的关系模型，且评价层次关系包括多个层级。
[0040]
在具体的实施过程中，获得证件在多种证件不合规模式下对应的得分，证件不合规模式包括屏幕翻拍证件、截图证件、复印件证件、证件灰度图、证件彩印件、证件扫描件、证件黑白边框、证件拍摄设备水印、证件异常水印、证件贴纸、证件火烧污渍、证件缺角、证件断裂、证件遮挡、证件反光、证件模糊、证件边框不完整以及电子证件。证件在多种证件不合规模式对应的得分，可以通过将证件输入每一证件不合规模式对应的模型中获得，不合规模式对应的得分越高，表征证件该项不合规风险越高或概率越大；不合规模式对应的得分越低，表征证件该项不合规风险越低或概率越小。证件可以为居民身份证、出生证或护照等，本技术实施例对此不做限定。
[0041]
获得评价层次关系中当前层每个节点与下一层中与节点有关联关系的节点的层级判断矩阵，例如，当前层包括第一节点，前层的下一层包括第二节点和第三节点，且当前层的第一节点与下一层中第二节点和第三节点有关联，则根据第二节点和第三节点生成层级判断矩阵。层级判断矩阵用于表征下一层的节点相对于当前层的节点的重要性，评价层次关系为预先构建的多种证件不合规模式与证件识别结果之间的关系模型，具体例如，将多种证件不合规模式根据不合规风险等级，利用层次分析法进行聚合，生成评价层次关系。
[0042]
步骤s120：根据层级判断矩阵，获得每一层级判断矩阵对应的相对权重。
[0043]
在具体的实施过程中，通过权重算法，根据层级判断矩阵中的元素，获得每一层级判断矩阵对应的相对权重，权重值表征下一层的每一节点相对于所述当前层的节点的重要
性次序。接步骤s110中示例，根据第二节点和第三节点生成层级判断矩阵，计算层级判断矩阵对应的相对权重，该相对权重即表征下一层中第二节点和第三节点相对于当前层中的第一节点的重要性次序。
[0044]
步骤s130：根据每一层级判断矩阵对应的相对权重，以及证件在多种证件不合规模式对应的得分，获得证件识别结果，识别结果用于表征证件是否合规。
[0045]
在具体的实施过程中，将每一层级判断矩阵对应的相对权重，以及证件在多种证件不合规模式对应的得分，代入风险分析结果模型，获得证件识别结果，识别结果用于表征证件是否合规，例如，证件识别结果可以包括证件不合规得分，也可以为证件不合规的概率值等。
[0046]
在上述的实现过程中，将每一不合规模式对应的得分进行整合，输出最终的识别结果，以实现根据识别结果快速并准确地进行风险决策。
[0047]
可选的，在本技术实施例中，在获得层级判断矩阵之前，方法还包括：根据多种证件不合规模式以及预设的评价指标，生成评价层次关系，评价层次关系包括目标层、准则层和指标层。
[0048]
上述步骤的实施方式例如：为了将证件在多种证件不合规模式对应的得分更好的整合评估，根据多种证件不合规模式以及预设的评价指标，生成评价层次关系，评价层次关系包括目标层、准则层和指标层。具体例如，通过改进后的层次分析法(aph)，根据评价指标，将多种证件不合规模式聚合为不同的不合规等级，构建评价层次关系结构模型。层次分析法是一种系统化的、层次化的多目标综合评价方法。例如，将多种不合规等级分别划分为不合规高风险、不合规中风险和不合规低风险，可以理解的，也可以将多种不合规等级分别划分为不合规高风险和不合规低风险；或划分为四个风险等级等更多个等级。评价层次关系包括目标层、准则层和指标层。其中目标层为最上层，目标层为中间次，指标层为最下层。
[0049]
评价指标即为每一证件不合规模式所属于的不合规等级的评价指标，评价指标可以是由决策者根据识别场景，基于调查或文献或行业经验进行确定。
[0050]
请参见图2示出的本技术实施例提供的评价层次关系的结构示意图；
[0051]
在一个优选实施例中，评价层次关系包括目标层、准则层和指标层，其中，目标层包括用户不合规得分；准则层包括不合规低风险、不合规中风险以及不合规低风险；指标层中，与不合规低风险关联的证件不合规模式包括：截图证件、证件黑白边框、证件拍摄设备水印、证件反光、证件模糊以及证件边框不完整；与不合规中风险关联的证件不合规模式包括：屏幕翻拍证件、复印件证件、证件灰度图、证件彩印件、证件扫描件以及证件遮挡；与不合规高风险关联的证件不合规模式包括：证件异常水印、证件贴纸、证件火烧污渍、证件缺角、证件断裂以及电子证件。
[0052]
可以理解的，可以将评价层次关系中的结构可以根据需求进行修改，例如，自定义准则层不合规等级，或将不需要的不合规证件不合规类型删除等。
[0053]
在上述的实现过程中，将多种不合规场景整合，通过改进的层次分析法将零散的风险原因进行聚合，生成评价层次关系，评价层次关系依次包括目标层、准则层和指标层。
[0054]
可选地，在本技术实施例中，层级判断矩阵包括准则层判断矩阵和指标层判断矩阵，目标层包括目标节点，准则层包括准则节点，指标层包括指标节点，获得层级判断矩阵，包括：根据与目标节点具有关联关系的准则节点，生成准则层判断矩阵；根据与准则节点具
有关联关系的指标节点，生成指标层判断矩阵。
[0055]
上述步骤的实施方式例如：层级判断矩阵包括准则层判断矩阵和指标层判断矩阵，准则层判断矩阵根据与目标层中每一节点相关联的准则层的准则节点生成；准则层级判断矩阵用于表征准则层的准则节点相对于目标层的重要性。指标层判断矩阵根据与准则层中每一节点相关联的指标层的指标节点生成；指标层判断矩阵用于表征准则层的准则节点相对于指标层中对应节点的重要。
[0056]
在上述的实现过程中，根据评价层次关系中，目标层的下一层为准则层，准则层的下一层为指标层，根据当前层每个节点与下一层中与所述节点有关联关系的节点，别分生成准则层判断矩阵和指标层判断矩阵。判断矩阵描述了当下层的下一层节点之间的相对重要性或优越性。
[0057]
可选地，在本技术实施例中，目标节点包括证件识别结果，准则节点包括与证件识别结果具有关联的不合规等级；根据与目标节点具有关联关系的准则节点生成准则层判断矩阵，包括：根据与证件识别结果具有关联的不合规等级，以及预设标度，获得准测层判断矩阵；其中，准测层判断矩阵表征与证件识别结果具有关联的不合规等级之间的相对重要程度。
[0058]
上述步骤的实施方式例如：与证件识别结果具有关联的不合规等级，以及预设标度，获得准测层判断矩阵，其中，预设标度用于量化节点之间的重要性或优劣先后。在一个优选实施例中，标度的定义如表1所示：
[0059]
标度含义1两个元素相比，重要性相同3两元素相比，前者比后者稍微重要或有优势5两元素相比，前者比后者比较重要或有优势7两元素相比，前者比后者十分重要或有优势9两元素相比，前者比后者绝对重要或有优势2,4,6,8为上述标度之间的中间值
[0060]
表1标度的定义
[0061]
标度为1，则代表两个元素相比；重要性相同，标度为3，则代表两元素相比，前者比后者稍微重要或有优势；标度为5，则代表两元素相比，前者比后者比较重要或有优势；标度为7，则代表两元素相比，前者比后者十分重要或有优势；标度为9，则代表两元素相比，前者比后者绝对重要或有优势。标度为2，4，6，8，则代表两元素相比，重要程度介于上述标度定义之间。需要说明的是，若要描述后者与前者比较，则可以用倒数标识标度。例如1/3描述的是，后者比前者稍微重要。标度的是可以是基于调查或文献来确定，也可以是由专家讨论决定，也可以由行业经验确定。
[0062]
与证件识别结果具有关联的不合规等级包括：不合规低风险、不合规中风险以及不合规高风险。根据上述标度，不合规低风险相对于不合规低风险，重要性相同，标度为1；不合规中风险相对于不合规低风险，前者比后者略微重要或有优势，标度为2；不合规高风险相对于不合规高风险，前者比后者比较重要或有优势，标度为5；不合规高风险相对于不合规中风险，前者比后者略微重要或有优势，标度为2。
[0063]
则准测层判断矩阵如表2所示：
[0064]
风险程度不合规低风险不合规中风险不合规高风险不合规低风险125不合规中风险1/212不合规高风险1/51/21
[0065]
表2准测层判断矩阵
[0066]
需要说明的是，层级判断矩阵是斜对角线对称元素互为倒数的，在斜对角线上，元素和自身比较的标度恒为1。判断矩阵是一个正互反矩阵。
[0067]
在上述的实现过程中，根据与证件识别结果具有关联的不合规等级，以及预设标度，获得准测层判断矩阵，判断矩阵的预设标度将节点之间的重要性进行量化，更准确的表征每一不合规等级对于证件识别结果的重要性。
[0068]
可选地，在本技术实施例中，指标节点包括与不合规等级具有关联的证件不合规模式，根据与准则节点具有关联关系的指标节点生成指标层判断矩阵，包括：根据与每一不合规等级具有关联的证件不合规模式，以及预设标度，生成每一不合规等级对应的指标层判断矩阵；其中，指标层判断矩阵表征与每一不合规等级具有关联的证件不合规模式之间的相对重要程度。
[0069]
上述步骤的实施方式例如：指标节点包括与不合规等级具有关联的证件不合规模式，根据与准则节点具有关联关系的指标节点生成指标层判断矩阵，同样的，需要构建准则层所有节点到指标层节点的层级判断矩阵。根据与每一不合规等级具有关联的证件不合规模式，以及预设标度，生成每一不合规等级对应的指标层判断矩阵。具体例如，与不合规低风险具有关联的证件不合规模式包括：截图证件、证件黑白边框、证件拍摄设备水印、证件反光、证件模糊以及证件边框不完整。则根据上述证件不合规模式建立不合规低风险对应的指标层判断矩阵。不合规低风险对应的指标层判断矩阵，表征与不合规低风险具有关联的证件不合规模式之间的相对重要程度。
[0070]
在上述的实现过程中，构建指标层判断矩阵，指标层判断矩阵表征与每一不合规等级具有关联的证件不合规模式之间的相对重要程度，更准确的表征每一不合规等级中的证件不合规模式的重要程度。
[0071]
可选地，在本技术实施例中，根据层级判断矩阵，获得每一层级判断矩阵对应的相对权重，包括：通过权重算法，根据层级判断矩阵中的元素，获得每一层级判断矩阵对应的相对权重；其中，每一层级判断矩阵对应的相对权重包括准则层判断矩阵权重和指标层判断矩阵权重。
[0072]
上述步骤的实施方式例如：通过权重算法，根据层级判断矩阵中的元素，获得每一层级判断矩阵对应的相对权重；准则层判断矩阵对应的相对权重为准则层判断矩阵权重，以及指标层判断矩阵对应的权重为指标层判断矩阵权重。其中，所述权重算法包括：算数平均权重算法、几何平均权重算法以及特征值权重算法。
[0073]
通过算数平均权重算法，获得层级判断矩阵对应的相对权重具体例如：将层级判断矩阵根据列进行归一化，将归一化的列中的元素相加(按行求和)，将相加后得到的向量中的每个元素除以n即可得到权重向量，n为层级判断矩阵中元素的个数。以表达式进行解释，假设层级判断矩阵为：
[0074][0075]
算数平均权重算法的公式为：
[0076][0077]
其中，α
ij
为层级判断矩阵中，第i行第j列元素，n为层级判断矩阵中元素的个数。
[0078]
通过几何平均权重算法，获得层级判断矩阵对应的相对权重具体例如：将层级判断矩阵的元素按照行相乘得到一个新的列向量，将新的向量的每个分量开n次方，对该列向量进行归一化即可得到权重向量。以表达式进行解释，假设判断矩阵为：
[0079][0080]
几何平均权重算法的公式为：
[0081][0082]
其中，α
ij
为层级判断矩阵中，第i行第j列元素，n为层级判断矩阵中元素的个数。
[0083]
通过特征值权重算法，获得层级判断矩阵对应的相对权重具体例如：一致矩阵有一个特征值为n，其余特征值均为0。特征值为n时，对应的特征向量刚好为：
[0084][0085]
其中，α
11-α
1n
为层级判断矩阵的元素。
[0086]
在上述的实现过程中，通过权重算法，根据层级判断矩阵中的元素，计算下一层的节点相对于所述当前层的节点的重要性次序的权重值，获得每一层级判断矩阵对应的相对权重，实现根据权重对下一层节点的重要性进行排序。
[0087]
可选地，在本技术实施例中，根据每一层级判断矩阵对应的相对权重，以及证件在多种证件不合规模式对应的得分，获得证件识别结果，包括：通过风险分析结果公式，根据每一层级判断矩阵对应的相对权重以及证件在多种证件不合规模式对应的得分，获得证件识别结果；其中，风险分析结果公式包括：
[0088][0089]
其中，w
(1)
为证件识别结果，为准测层判断矩阵对应的权重，为指标层判断矩阵对应的权重，v
ij
为证件在每一证件不合规模式对应的得分。
[0090]
上述步骤的实施方式例如：将准测层判断矩阵权重、指标层判断矩阵权重以及证件在每一证件不合规模式对应的得代入公式，进行加权平均计算，获得证件识别结果，识别
结果用于表征证件是否合规，证件识别结果可以是证件不合规得分。
[0091]
在上述的实现过程中，通过风险分析结果公式，计算评价层次关系中每一层对于证件识别结果的总权重，总权重即为识别结果，以实现根据识别结果快速并准确地进行风险决策。
[0092]
可选地，在本技术实施例中，在获得证件在多种证件不合规模式对应的得分之前，方法还包括：采集每一证件不合规模式对应的数据集；将每一证件不合规模式对应的数据集，分别输入每一证件不合规模式对应的神经网络模型进行训练，获得每一不合规模式对应的识别模型；将证件输入每一证件不合规模式对应的识别模型，分别获得证件在每一证件不合规模式对应的得分；其中，证件不合规模式包括：屏幕翻拍证件、截图证件、复印件证件、证件灰度图、证件彩印件、证件扫描件、证件黑白边框、证件拍摄设备水印、证件异常水印、证件贴纸、证件火烧污渍、证件缺角、证件断裂、证件遮挡、证件反光、证件模糊、证件边框不完整以及电子证件。
[0093]
上述步骤的实施方式例如：不同相机水印的类型、位置、颜色、大小都是不一样的，有些场景的业务客户会在身份证上加上“身份证照片仅在此业务可用”的水印字样。而身份证彩印件的识别是此任务最难的部分，这是由于部分手机相机会对图片自动美颜，这可能会模糊翻拍出现的摩尔纹。并且随着屏幕技术的发展与高分辨率、视网膜屏幕的普及，拍摄的身份证彩印件与真实身份证肉眼看起来完全一样。且对身份证复印件而言，难度在于如何区分身份证复印件与灰度图。对不同非原件的类型进行分析并总结规律，对身份证信息进行识别分类。
[0094]
本技术实施例对18种证件不合规模式进行归纳总结：
[0095]
屏幕翻拍：拍摄手机、电脑、平板电脑等设备屏幕上的身份证。
[0096]
截图证件：截图的身份证，出现明显的手机设备标识，如手机相册、箭头、手机符号等。
[0097]
复印件证件：拍摄复印的身份证纸张或裁剪过的身份证复印件纸张。
[0098]
证件灰度图：对拍摄的身份证照片进行二值化处理，与复印件的差别为复印件被拍摄时由于光线变化会出现色彩波动，而灰度图为二值化黑白图。
[0099]
证件彩印件：拍摄彩印的身份证纸张或裁剪过的身份证彩印件纸张。
[0100]
证件扫描件：将身份证扫描得到身份证扫描图，与彩印件的差别为彩印件被拍摄时由于光线变化会出现色彩波动，而扫描图为采集到的一次身份证色彩图。
[0101]
证件黑白边框：由于人为编辑导致身份证照片出现黑色或白色的边框，如使用编辑软件将身份证图像进行旋转或矫正时会出现。
[0102]
证件拍摄设备水印：由于设备或相机设置，拍摄身份证照片时出现时间、地址、设备品牌、相机品牌等水印。
[0103]
证件异常水印：给身份证加上警告性水印如“仅xx使用”、“xx无效”、“xx认证”等，或人为的加上马赛克等非正常水印。
[0104]
证件贴纸：将白纸或其他贴纸贴在身份证上，贴纸上写着警告性话语或侮辱性词汇等。
[0105]
证件火烧污渍：身份证被火烧过出现火烧痕迹或出现不明污渍等。
[0106]
证件缺角：身份证某个角缺失，多数出现于废弃的身份证。
[0107]
证件断裂：身份证中间断裂或部分出现裂痕，多数出现于废弃的身份证。
[0108]
证件遮挡：使用工具或肢体将身份证故意遮挡等。
[0109]
证件反光：拍摄时由于光线角度影像，使身份证关键信息被光斑遮挡等。
[0110]
证件模糊：由于距离较远、手机老旧、拍摄抖动等原因，造成拍摄的身份证高度模糊，难以辨认。
[0111]
证件边框不完整：拍摄身份证时距离较近或故意裁剪使身份证边框不完整等。
[0112]
电子证件：使用技术手段在软件或工具种生成的电子证件。
[0113]
针对不同场景的多种证件不合规模式，采集每一证件不合规模式对应的数据集。然而，不合规的身份证数据十分难以获取，本技术实施例通过，针对不同的证件不合规模式，采用不同不合规身份证数据集的制作方法，增加线下采集数据的样本量与采集图像的样本丰富度。
[0114]
制作每一证件不合规模式对应的数据集具体例如：针对证件复印件、证件彩印件、证件扫描件等几种类型，通过例如复印机、打印机等机器设备，制作出所需的身份证纸张件，拍摄后即可得到身份证复印件、彩印件或扫描件的图片。再将身份证纸张裁剪成不同大小的纸张，拍摄后即可得到裁剪后的身份证复印件、彩印件或扫描件。
[0115]
通过开源的工具线上直接生成不合规的身份证，如电子证件数据集就是使用技术手段直接生成多种格式的电子证件。而身份证灰度图可以通过对身份证照片进行二值化处理，就可以得到灰度图数据集。
[0116]
针对屏幕翻拍证件、证件贴纸、证件遮挡这类不损坏身份证本身的数据集，可以使用工具对身份证照片进行操作，例如：屏幕翻拍可以通过拍摄不同品牌的手机、电脑以及平板电脑等设备屏幕上的身份证照片，对身份证照片进行二次操作，获得屏幕翻拍证件。而贴纸证件数据集即将白色纸张撕成不规则形状，写上包含但不限于如“仅供xx使用”等文字，将撕好的贴纸放在身份证件的任意部位，拍摄不同方向大小的贴纸身份证。同样的，被遮挡身份证数据集也是使用工具对身份证关键信息进行遮挡后再进行拍摄。
[0117]
针对证件黑白边框、证件异常水印、证件火烧、证件缺角、证件断裂、证件边框不完整，这几类易损坏身份证或需要使用技术手段人为编辑身份证的类型，需要使用线上工具或技术手段对身份证进行处理。例如：对于火烧、断裂、黑白边框、异常水印几类，使用图像处理工具，在身份证照片上增加虚拟火烧图、不规则线条(模拟证件断裂)、黑白或其他颜色的单边或多边、异常文字或图案；异常文字例如“仅供xx使用”，异常图案包括马赛克。而对于证件缺角、证件边框不完整这两类证件不合规模式，也使用图像处理工具对身份证照片进行裁剪与切割，其中，图像处理工具pillow或opencv。
[0118]
针对证件拍摄设备水印、证件截图、证件反光、证件模糊这几类证件不合规模式，采用线上工具和线下工具结合的方式，以便保证数据的丰富多样性。例如，拍摄设备水印线上通过使用图像处理工具将时间、地点、设备水印叠加到身份证照片上，线下可通过调整拍摄设备的设置，例如给手机加上需要的水印来制作数据集。截图、反光、模糊同样通过线上工具和线下工具结合的方式制作多种多样的数据。
[0119]
将采用上述方法制作好的每一证件不合规模式的数据集进行数据预处理，数据预处理方式包括在线增强、离线增强以及在线增强和离线增强相结合的方式。其中，在线增强方式为训练前对数据集进行处理，得到多倍的数据集；离线方式为在训练时对数据集进行
处理，不改变数据的数量。预处理方式包括几何变换、像素变化以及算法方式变换；几何变换包括翻转、旋转、裁剪、缩放、平移和抖动等；像素变化包括高斯噪声、进行高斯模糊、调整hsv(hue，saturation，value，hsv颜色模型)对比度、调节亮度、饱和度、直方图均衡化和调整白平衡等；算法方式变换包括cutout算法、random erasing算法和mixup算法等。
[0120]
通过对数据集进行预处理，提升模型鲁棒性，降低模型对图像的敏感度，增加训练数据，提高模型泛化能力，避免样本不均衡。
[0121]
将每一证件不合规模式对应的数据集，分别输入每一证件不合规模式对应的神经网络模型进行训练，获得每一不合规模式对应的识别模型。具体例如，在模型准备阶段，依据深度学习方法，构造轻量级神经网络模型。在神经网络中使用dropblock的正则化方法，使模型对不同的特征具备强大的兼容能力。dropblock是一种结构形式的dropout，对卷积网络的正则化有效。在dropblock中，一个block中的features(特征)，即feature map(特征图)中的一个相邻区域，被放在一起drop(丢弃)掉，dropblock在卷积网络的正则化中有更好的性能。
[0122]
在通过数据集训练模型时，对不同的证件不合规模式模型进行是自适应处理，即根据不同任务需求对模型进行更细致化的调整。在训练水印对应的识别模型时，根据证件水印识别易出错的场景，如光照、拍摄场景带文字等，做细致增强处理，保证模型在不同场景下的鲁棒性，对水印照片进行多角度选装，保证模型对水印位置的泛化能力；根据异常黑白边识别易出错的场景，如强光照、拍摄场景过暗等，做细致增强处理与样本配平，保证模型在不同场景下的鲁棒性。在训练时，使用周期为5的余弦退火算法，并且将末周期的权重进行平均，确定最后的权重，扩大了模型的表示范围，有效增强模型的表达能力。此外，使用亮度增强或亮度减弱等方式，模拟拍摄场景的光照变化；通过裁剪证件图像、降低图像质量等，模拟图像拍摄时拍摄设备的变化；在复印彩印识别时，同时考虑了复印彩印易出错的场景，如颜色变化，光照过暗等，对证件复印彩印扩充样本，并且增加细致且多样的颜色变化的数据增强。
[0123]
将得到的模型应用于测试集与无标签数据集，根据无标签数据集的预测结果，对模型进行进一步训练，通过反馈结果对模型进行调节，调节模型的弱项，补齐短板，增强模型的性能。以及通过弱监督的在线学习，对模型进行修正，不断补齐模型短板，获取超强性能的模型。
[0124]
请参见图3示出的本技术实施例提供的证件识别系统欢迎页面示意图。
[0125]
证件识别系统用于进行证件不合规识别，如图3所示，通过证件识别系统的欢迎页面，获取用户登录信息，例如，若在微信环境，则可以通过自动免登录获取用户微信信息，也可以通过其他方式获取用户登录信息。
[0126]
请参见图4示出的本技术实施例提供的证件识别系统产品列表页面示意图。
[0127]
产品列表页面用于选择进入的产品场景，如图4所示，产品场景包括标准版身份证识别、标准版活体照识别以及中信身份证识别。其中，标准版身份证识别包括标准身份证正面以及标准身份证反面的识别。
[0128]
请参见图5示出的本技术实施例提供的证件识别系统操作页面示意图。
[0129]
选择需要进入的产品场景之后，即可进入产品场景对应的操作页面，页面中会包含选择的产品名称以及产品介绍，再根据页面内容指示进行操作。图5为标准版身份证识别
的操作页面。
[0130]
请参见图6示出的本技术实施例提供的证件识别系统验证页面示意图；以及请参见图7示出的本技术实施例提供的证件识别系统分析结果页面示意图。
[0131]
按照操作页面进行对应的操作之后，即可进入验证页面，如图6所示，为标准版身份证识别的验证页面，通过此页面可以选择重拍和验证。
[0132]
进行验证之后，进入分析结果页面，分析结果页面会对产品场景的分析识别结果进行展示，如图7所示，图7为标准版身份证识别的分析结果，分析识别结果包括风险信息集合、身份证基本信息、身份证文字信息、身份证欺诈风险以及身份证不合规风险，其中风险信息集合包括该证件的不合规模式以及概率。例如身份证被编辑概率为86.87％、屏幕翻拍概率98.46％。
[0133]
证件识别系统提供license(软件许可证)安全管控、高可用保证、计费及输出账单等平台级通用功能，提供企业级业务能力保障。模型代理模块提供流程化、可视化、业务监控、二次加工输入/输出能力，实现快速输出、配业务的目的服务能力。采用商业级的安全保障，集成商业硬锁代码加密解决方案，使license管控、与被代理服务交互逻辑的绝对安全。证件识别系统提供计时和计次两种许可模式，并在两种license基础上提供按次、梯度按次、按月、按年等多种计费模式，方便业务选购。此外，证件识别系统提供容器化部署，避免物理硬件上的差异，弹性扩容，提供服务并发能力，提升至图像类别判断能力，达到秒级响应级别。
[0134]
请参见图8示出的本技术实施例提供的证件合规识别装置的结构示意图；本技术实施例提供了一种证件合规识别装置200，包括：
[0135]
获得模块210，用于获得证件在多种证件不合规模式对应的得分，以及获得评价层次关系中当前层每个节点与下一层中与节点有关联关系的节点的层级判断矩阵；其中，层级判断矩阵用于表征下一层的节点相对于当前层的节点的重要性，评价层次关系为预先构建的多种证件不合规模式与证件识别结果之间的关系模型，且评价层次关系包括多个层级；
[0136]
权重计算模块220，用于根据层级判断矩阵，获得每一层级判断矩阵对应的相对权重；
[0137]
结果模块230，用于根据每一层级判断矩阵对应的相对权重，以及证件在多种证件不合规模式对应的得分，获得证件识别结果，识别结果用于表征证件是否合规。
[0138]
可选地，在本技术实施例中，证件合规识别装置，还包括：生成评价层次关系模块，用于根据多种证件不合规模式以及预设的评价指标，生成评价层次关系，评价层次关系包括目标层、准则层和指标层。
[0139]
可选地，在本技术实施例中，证件合规识别装置，层级判断矩阵包括准则层判断矩阵和指标层判断矩阵，目标层包括目标节点，准则层包括准则节点，指标层包括指标节点，还包括：获得矩阵模块，用于根据与目标节点具有关联关系的准则节点，生成准则层判断矩阵；根据与准则节点具有关联关系的指标节点，生成指标层判断矩阵。
[0140]
可选地，在本技术实施例中，证件合规识别装置，目标节点包括证件识别结果，准则节点包括与证件识别结果具有关联的不合规等级；获得矩阵模块，具体用于根据与证件识别结果具有关联的不合规等级，以及预设标度，获得准测层判断矩阵；其中，准测层判断
矩阵表征与证件识别结果具有关联的不合规等级之间的相对重要程度。
[0141]
可选地，在本技术实施例中，证件合规识别装置，指标节点包括与不合规等级具有关联的证件不合规模式，获得矩阵模块，具体用于根据与每一不合规等级具有关联的证件不合规模式，以及预设标度，生成每一不合规等级对应的指标层判断矩阵；其中，指标层判断矩阵表征与每一不合规等级具有关联的证件不合规模式之间的相对重要程度。
[0142]
可选地，在本技术实施例中，证件合规识别装置，权重计算模块，具体用于通过权重算法，根据层级判断矩阵中的元素，获得每一层级判断矩阵对应的相对权重；其中，每一层级判断矩阵对应的相对权重包括准则层判断矩阵权重和指标层判断矩阵权重。
[0143]
可选地，在本技术实施例中，证件合规识别装置，结果模块，具体用于通过风险分析结果公式，根据每一层级判断矩阵对应的相对权重以及证件在多种证件不合规模式对应的得分，获得证件识别结果；其中，风险分析结果公式包括：
[0144][0145]
其中，w
(1)
为证件识别结果，为准测层判断矩阵权重，为指标层判断矩阵权重，v
ij
为证件在每一证件不合规模式对应的得分。
[0146]
应理解的是，该装置与上述的证件合规识别方法实施例对应，能够执行上述方法实施例涉及的各个步骤，该装置具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operating system，os)中的软件功能模块。
[0147]
请参见图9示出的本技术实施例提供的电子设备的结构示意图。本技术实施例提供的一种电子设备300，包括：处理器310和存储器320，存储器320存储有处理器310可执行的机器可读指令，机器可读指令被处理器310执行时执行如上的方法。
[0148]
本技术实施例还提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上的方法。
[0149]
其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(static random access memory,简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory,简称eeprom)，可擦除可编程只读存储器(erasable programmable read only memory,简称eprom)，可编程只读存储器(programmable red-only memory,简称prom)，只读存储器(read-only memory,简称rom)，磁存储器，快闪存储器，磁盘或光盘。
[0150]
本技术实施例所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术实施例的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有
时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0151]
另外，在本技术实施例各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0152]
以上的描述，仅为本技术实施例的可选实施方式，但本技术实施例的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术实施例揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术实施例的保护范围之内。