CN110796054B - 证件验真方法及装置 - Google Patents
证件验真方法及装置 Download PDFInfo
- Publication number
- CN110796054B CN110796054B CN201911001939.9A CN201911001939A CN110796054B CN 110796054 B CN110796054 B CN 110796054B CN 201911001939 A CN201911001939 A CN 201911001939A CN 110796054 B CN110796054 B CN 110796054B
- Authority
- CN
- China
- Prior art keywords
- certificate
- image
- attribute information
- user attribute
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Finance (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供的证件验真方法及装置,其中,所述方法包括:接收证件的验真指令,并基于所述验真指令触发证件采集流程;基于在线采集方式采集所述证件的图像以执行所述证件采集流程;将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果;在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
Description
技术领域
本说明书实施例涉及证件验真技术领域,特别涉及一种证件验真方法。本说明书一个或者多个实施例同时涉及一种证件验真装置,一种计算设备,以及一种计算机可读存储介质。
背景技术
随着人们消费观念的提升,越来越多的人愿意接受提前消费,因此各个银行基于趋势推出了***业务,各种微贷平台也相继衍生,但是***以及微贷主要是针对个人贷款,一般第一次放贷的额度都不会很高,以防止借贷人没有能力偿还,这就极大的限制了借贷人的消费,在急需用钱的时候贷款额度的限制就会是很大的障碍。
目前,基于上述情况银行或者微贷平台针对一些可以进行资产证明的用户提供提额活动,在用户可以用自己的其他证件证明自己有偿还能力的情况下,为这些用户提供提额便利,但是一些银行尤其是微贷平台是不能与国家安全***进行关联的,这时就需要银行或微贷平台自身具备对用户上传证件的验真能力,以避免其自身经济利益损失的同时给用户带来好的体验,因此急需一种具有较高证件验真能力的方法。
发明内容
有鉴于此,本说明书施例提供了一种证件验真方法。本说明书一个或者多个实施例同时涉及一种证件验真装置,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面,提供了一种证件验真方法,包括:
接收证件的验真指令,并基于所述验真指令触发证件采集流程;
基于在线采集方式采集所述证件的图像以执行所述证件采集流程;
将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果;
在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
可选的,所述接收证件的验真指令,并基于所述验真指令触发证件采集流程之前,还包括:
基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户。
可选的,所述接收证件的验真指令,并基于所述验真指令触发证件采集流程包括:
接收所述用户发送的携带有与所述业务关联的证件类型的验真指令,并基于所述验真指令触发证件采集流程。
可选的,所述基于在线采集方式采集所述证件的图像以执行所述证件采集流程包括:
基于在线采集方式采集与所述业务关联的证件类型对应的所述证件的图像以执行所述证件采集流程。
可选的,所述基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户之前,还包括:
基于所述业务确定参与所述业务的参与条件,并将所述业务展示给满足所述参与条件的用户。
可选的,所述基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户包括:
基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给满足所述业务的参与条件的用户。
可选的,所述基于在线采集方式采集所述证件的图像以执行所述证件采集流程之后,还包括:
基于预设的图像识别算法识别所述证件的图像中的证件属性信息,并基于所述证件属性信息确定所述证件的证件类型。
可选的,所述基于在线采集方式采集所述证件的图像以执行所述证件采集流程之后,还包括:
将所述证件的图像输入预先训练的图像预测模型,得到所述图像预测模型输出的所述证件的图像的预测得分;
在预测得分大于等于预设得分阈值的情况下,确定所述证件的证件类型与所述验真指令中携带的与所述业务关联的证件类型一致。
可选的,所述图像预测模型的训练方法包括:
将目标证件类型的证件的图像作为正样本、非目标证件类型的证件的图像作为负样本,形成带标签的证件的图像样本集;
基于所述图像样本集对图像预测模型进行训练,得到所述图像预测模型,所述图像预测模型输出每个所述证件的图像样本的预测得分。
可选的,所述预设条件包括所述证件的图像为所述证件的原件,
相应的,所述在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息包括:
在所述分类结果满足所述证件的图像为所述证件的原件的情况下,基于预设光学字符识别方法识别出所述证件的图像中的用户属性信息。
可选的,所述图像分类模型的训练方法包括:
获取带标签的证件的图像样本集,其中,所述带标签的证件的图像样本包括采集的证件原件的图像样本、采集的证件复印件的图像样本、采集的证件电子屏幕的图像样本;
基于所述图像样本集对图像分类模型进行训练,得到所述图像分类模型,所述图像分类模型输出每个所述证件的图像样本对应的标签。
可选的,所述注册用户属性信息为所述用户基于所述业务在先注册的用户属性信息。
可选的,所述将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真包括:
将所述用户属性信息与所述用户基于所述业务在先注册的用户属性信息进行比较,以确定所述用户属性信息与所述在先注册的用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
可选的,所述将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真包括:
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
根据本说明书实施例的第二方面,提供了一种证件验真装置,包括:
验真指令接收模块,被配置为接收证件的验真指令,并基于所述验真指令触发证件采集流程;
图像采集模块,被配置为基于在线采集方式采集所述证件的图像以执行所述证件采集流程;
分类结果获取模块,被配置为将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果;
用户属性信息识别模块,被配置为在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;
证件验真模块,被配置为将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
可选的,所述装置,还包括:
证件类型确定模块,被配置为基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户。
可选的,所述验真指令接收模块,进一步被配置为:
接收所述用户发送的携带有与所述业务关联的证件类型的验真指令,并基于所述验真指令触发证件采集流程。
可选的,所述图像采集模块,进一步被配置为:
基于在线采集方式采集与所述业务关联的证件类型对应的所述证件的图像以执行所述证件采集流程。
可选的,所述装置,还包括:
用户筛选模块,被配置为基于所述业务确定参与所述业务的参与条件,并将所述业务展示给满足所述参与条件的用户。
可选的,所述证件类型确定模块,进一步被配置为:
基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给满足所述业务的参与条件的用户。
可选的,所述装置,还包括:
证件属性信息识别模块,被配置为基于预设的图像识别算法识别所述证件的图像中的证件属性信息,并基于所述证件属性信息确定所述证件的证件类型。
可选的,所述装置,还包括:
预测得分获得模块,被配置为将所述证件的图像输入预先训练的图像预测模型,得到所述图像预测模型输出的所述证件的图像的预测得分;
证件类型确定模块,被配置为在预测得分大于等于预设得分阈值的情况下,确定所述证件的证件类型与所述验真指令中携带的与所述业务关联的证件类型一致。
可选的,所述预测得分获得模块,进一步被配置为:
将目标证件类型的证件的图像作为正样本、非目标证件类型的证件的图像作为负样本,形成带标签的证件的图像样本集;
基于所述图像样本集对图像预测模型进行训练,得到所述图像预测模型,所述图像预测模型输出每个所述证件的图像样本的预测得分。
可选的,所述预设条件包括所述证件的图像为所述证件的原件,
相应的,所述用户属性信息识别模块,进一步被配置为:
在所述分类结果满足所述证件的图像为所述证件的原件的情况下,基于预设光学字符识别方法识别出所述证件的图像中的用户属性信息。
可选的,所述分类结果获取模块,进一步被配置为:
获取带标签的证件的图像样本集,其中,所述带标签的证件的图像样本包括采集的证件原件的图像样本、采集的证件复印件的图像样本、采集的证件电子屏幕的图像样本;
基于所述图像样本集对图像分类模型进行训练,得到所述图像分类模型,所述图像分类模型输出每个所述证件的图像样本对应的标签。
可选的,所述注册用户属性信息为所述用户基于所述业务在先注册的用户属性信息。
可选的,所述证件验真模块,进一步被配置为:
将所述用户属性信息与所述用户基于所述业务在先注册的用户属性信息进行比较,以确定所述用户属性信息与所述在先注册的用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
可选的,所述证件验真模块,进一步被配置为:
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
根据本说明书实施例的第三方面,提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
接收证件的验真指令,并基于所述验真指令触发证件采集流程;
基于在线采集方式采集所述证件的图像以执行所述证件采集流程;
将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果;
在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
根据本说明书实施例的第四方面,提供了一种计算机可读存储介质,其存储有计算机可执行指令,该指令被处理器执行时实现任意一项所述证件验真方法的步骤。
本说明书一个实施例实现了一种证件验真方法及装置,其中,所述方法包括:接收证件的验真指令,并基于所述验真指令触发证件采集流程;基于在线采集方式采集所述证件的图像以执行所述证件采集流程;将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果;在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真;
所述证件验真方法在接收证件的验真指令触发证件采集流程之后,主动在线采集证件图像以及对证件图像进行验证,提高证件的造假成本以及用户的证件验真体验,并且根据图像分类模型确认证件为原件的基础上,通过图像识别算法识别出证件中的用户属性信息与用户在先注册的属性信息进行交叉验证实现对证件的验真,以保证对证件验真的精准率。
附图说明
图1是本说明书一个实施例提供的一种证件验真方法的流程图;
图2是本说明书一个实施例提供的一种应用在用户在微贷平台A申请提额业务时对证件的验真场景的证件验真方法的流程图;
图3是本说明书一个实施例提供的一种证件验真装置的结构示意图;
图4是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本说明书内涵的情况下做类似推广,因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
首先,对本说明书一个或多个实施例涉及的名词术语进行解释。
履约能力:信用评估的重要维度,衡量用户是否有能力履约;例如:用户是否有足够的收入或资产来偿还债务等。
履约意愿:信用评估的重要维度,衡量用户是否有意愿履约;例如:用户欠钱后是否想还钱等。
信用自证:用户自己证明与自己信用相关的信息;例如:用户通过上传房产证证明自己有房,上传行驶证证明自己有车等。
增信:提升用户的信用评估水平;例如提高贷款额度等。
在本说明书中,提供了一种证件验真方法,本说明书同时涉及一种证件验真装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
参见图1,图1示出了根据本说明书一个实施例提供的一种证件验真方法的流程图,包括步骤102至步骤110。
步骤102:接收证件的验真指令,并基于所述验真指令触发证件采集流程。
其中,所述验真指令可以理解为验证证件是否为真的指令,所述验真指令可以为触摸指令、语音指令或其他可以实现触发对证件进行真假验证的证件采集流程的指令,在此不做任何限定。
本说明书一个或多个实施例中,所述接收证件的验真指令,并基于所述验真指令触发证件采集流程之前,还包括:
基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户。
其中,所述业务包括但不限于针对某微贷平台的提额业务等,为了便于理解,本说明书实施例中,均以所述业务为提额业务为例进行说明;而在所述业务为提额业务的情况下,与所述业务关联的证件类型包括但不限于身份证、房产证、护照、驾驶证、毕业证以及工作证等类型。
实际应用中,若所述业务为提额业务,那么为了提高自身在其微贷平台的贷款额度,是需要信用自证,以向该微贷平台证明自己的履约能力,实现在该微贷平台的增信;而针对业务的不同,与业务关联的证件类型也不相同,例如业务为针对某微贷平台的提额请求的情况下,与该业务关联的证件类型可以为房产证、社保证等可以证明自己资产的证件类型;而业务为针对某信用平台增加自己的信用分的情况下,与该业务关联的证件类型可以为身份证、毕业证、工作证、护照等可以证明自己信用的证件类型。
而在基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户的情况下,所述接收证件的验真指令,并基于所述验真指令触发证件采集流程包括:
接收所述用户发送的携带有与所述业务关联的证件类型的验真指令,并基于所述验真指令触发证件采集流程。
具体的,接收所述用户发送的携带有与所述业务关联的证件类型的验真指令可以理解为每次接收所述用户发送的携带有与所述业务关联的一个证件类型的验真指令。
实际应用中,所述证件验真方法应用于实际场景中,例如是用户针对某微贷平台的提额场景中,但不仅限于该场景,只要是需要对证件进行验真的场景中均可以采用本说明书的证件验真方法。
所述证件验真方法在具体实施时是基于一个业务应用场景,为了便于理解本说明书均以将该证件验真方法应用于用户针对微贷平台进行提额请求场景为例进行说明。
首先针对一个业务场景,在业务场景确定之后,要基于该业务场景确定与所述业务关联的证件类型,并将与所述业务关联的证件类型即实现该业务需要的证件类型展示给用户,然后接收用户发送的携带有与所述业务关联的证件类型的验真指令,并基于所述验真指令触发证件采集流程。
举例说明,业务为用户针对微贷平台A的提额业务,首先将与提额业务关联的证件类型为房产证以及行驶证展示给用户,然后接收用户发送的验真指令,并基于所述验真指令触发针对房产证的证件采集流程,其中,所述验真指令中携带有用户根据自己的实际情况(例如仅有房产证)确定的与提额业务关联的房产证类型;此外,若用户同时拥有房产证和行驶证,则在接收所述用户发送的携带有与提额业务关联的房产证类型之后,还可以接收所述用户发送的携带有与提额业务关联的行驶证类型的验真指令,以基于所述验真指令触发针对行驶证的证件采集流程。
本说明书实施例中,预先将与业务相关的证件类型展示给用户,使得用户在预先得知参与该业务需求的证件类型的情况下,可以结合自己的实际情况针对该业务发出验真指令,提高用户体验。
本说明书一个或多个实施例中,所述基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户之前,还包括:
基于所述业务确定参与所述业务的参与条件,并将所述业务展示给满足所述参与条件的用户。
其中,参与条件可以理解为允许用户参与业务的条件。
实际应用中,若将每个业务都展示给所有的用户,对不满足参与该业务的用户来说是为其增加了阅读浏览负担,并且若将该业务展示高风险用户势必会该业务的安全性带来一定的影响,因此为了提升用户体验以及从降低风险的角度考虑,每个业务均会设置参与条件以限制可参与的用户。
仍以业务为针对微贷平台A的提额业务为例,基于所述业务确定参与所述业务的参与条件从两个维度进行设置,其中,第一个维度为:过滤高风险人群,第二个维度为:过滤非目标人群,基于上述两个维度,所述业务的参与条件可以包括:具有较高信用违约概率的用户不得参与以及非目标人群不得参与。
实际应用中,具有较高信用违约概率的用户可以认为是风险用户,这些用户具有非常高的造假动机和概率,很有可能会伪造假的证件进行提额;而非目标用户主要是没有指定证件的人群,即已知该人群没有需要上传的证件,例如学生可能没有房产证等。
本说明书一个或多个实施例中,所述基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户包括:
基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给满足所述业务的参与条件的用户。
具体的,在基于业务确定参与所述业务的参与条件之后,所述业务只有满足所述参与条件的用户可以看到,而基于业务确定与所述业务关联的证件类型也仅仅展示给满足所述参与条件的用户。
具体实施时,基于所述业务确定参与所述业务的参与条件之后,将所述业务仅仅展示给满足所述参与条件的用户,不仅仅可以降低业务平台的风险,还可以降低业务对不满足参与条件的用户的打扰,提升用户体验。
步骤104:基于在线采集方式采集所述证件的图像以执行所述证件采集流程。
其中,在线采集方式可以通俗的理解为现场采集,不允许读取本地文件,例如只允许现场拍摄所述证件的图像,禁止读取本地相册中预存的所述证件的图像。
所述证件采集流程可以理解为启动的进行证件采集的流程;实际应用中,接收证件的验真指令后,基于所述验真指令触发证件采集流程,然后以在线采集方式在线采集需要进行验真的证件的图像。
本说明书一个或多个实施例中,所述基于在线采集方式采集所述证件的图像以执行所述证件采集流程包括:
基于在线采集方式采集与所述业务关联的证件类型对应的所述证件的图像以执行所述证件采集流程。
具体的,在接收所述用户发送的携带有与所述业务关联的证件类型的验真指令,并基于所述验真指令触发证件采集流程之后,基于在线采集方式采集与所述业务关联的证件类型对应的所述证件的图像以执行所述证件采集流程。
仍以业务为针对微贷平台A的提额业务为例,在接收所述用户发送的携带有与所述提额业务关联的证件类型(例如房产证类型)的验真指令,并基于所述验真指令触发证件采集流程之后,基于在线采集方式采集与所述业务关联的证件类型对应的所述证件的图像以执行所述证件采集流程;即基于在线采集方式采集与房产证类型对应的房产证的图像以执行所述证件采集流程。
本说明书实施例中,通过在线采集方式采集用户想要验真的证件类型对应的证件的图像,以保证采集的需要验真的证件为原件,避免用户通过作图(例如通过PS(AdobePhotoshop,简称“PS”)制作一个假的证件)等对需要验真的证件进行造假;从另一个方面考虑即使拍摄的证件的原件为假的,也需要用户线下花时间和高成本造假,极大的提高了证件的造假成本,以此来保障该证件的真实率。
本说明书一个或多个实施例中,所述基于在线采集方式采集所述证件的图像以执行所述证件采集流程之后,还包括:
基于预设的图像识别算法识别所述证件的图像中的证件属性信息,并基于所述证件属性信息确定所述证件的证件类型。
其中,预设的图像识别算法包括但不限于OCR(Optical Character Recognition,光学字符识别)识别;所述证件属性信息包括但不限于证件的名称;以证件为身份证为例,所述证件的证件属性信息为身份证的名称“居民身份证”;以证件为房产证为例,所述证件的证件属性信息为房产证的名称“不动产权证书”等。
具体实施时,若接收证件的验真指令,该验真指令中没有携带需要采集的证件的证件类型,那么基于所述验真指令触发证件采集流程,基于在线采集方式采集用户需要验真的证件的图像之后,基于预设的图像识别算法识别所述证件的图像中的证件属性信息,并基于所述证件属性信息确定所述证件的证件类型,例如通过预设的图像识别算法识别出采集的证件的图像的证件属性信息为“不动产权证书”,那么基于该证件属性信息“不动产权证书”可以确定所述证件的证件类型为房产证类型。
本说明书实施例中,在验真指令中没有携带证件类型的情况下,可以通过预设图像识别算法基于识别出的证件属性信息确定该证件的证件类型,为后续基于证件的证件类型确定出该证件是否符合真实的证件类型模板做基础,使得可以基于该证件的证件类型可以快速的确定出该证件是否符合真实的证件类型模板,实现对该证件的第一次验真。
本说明书一个或多个实施例中,所述基于在线采集方式采集所述证件的图像以执行所述证件采集流程之后,还包括:
将所述证件的图像输入预先训练的图像预测模型,得到所述图像预测模型输出的所述证件的图像的预测得分;
在预测得分大于等于预设得分阈值的情况下,确定所述证件的证件类型与所述验真指令中携带的与所述业务关联的证件类型一致。
其中,所述预设得分阈值根据实际需要进行设置,在此不做任何限定,例如预设得分阈值可以设置为8,即在预测得分大于等于8的情况下,可以确定所述证件的证件类型与所述验真指令中携带的与所述业务关联的证件类型一致,例如所述验真指令中携带的与所述业务关联的证件类型为护照类型,而采集到的所述证件的证件类型也为护照类型。
实际应用中,在预测得分小于预设得分阈值的情况下,有两种理解,例如可以设置预测得分小于等于3的情况下,确定所述证件的证件类型与所述验真指令中携带的与所述业务关联的证件类型不一致,那么在预测得分大于3小于8的情况下,是无法确定所述证件的证件类型与所述验真指令中携带的与所述业务关联的证件类型是否一致的,此时就需要采用其他的方式对该证件进行验真,例如采用人工线下或线上核查等。
具体的,所述图像预测模型的训练方法包括:
将目标证件类型的证件的图像作为正样本、非目标证件类型的证件的图像作为负样本,形成带标签的证件的图像样本集;
基于所述图像样本集对图像预测模型进行训练,得到所述图像预测模型,所述图像预测模型输出每个所述证件的图像样本的预测得分。
具体实施时,以身份证、行驶证为目标证件为例,目标证件类型的证件则为身份证类型的身份证的图像以及行驶证类型的行驶证的图像;而非目标证件类型的证件则是除身份证类型、行驶证类型之外的其他证件类型的图像。
实际应用中,证件的图像的样本均是采用证件的图像中除去用户个性化内容(例如姓名、地址、联系方式等)之外的信息作为样本,例如证件的格式、背景以及信息项的排列方式等;而将证件的图像输入预先训练的图像预测模型进行预测时候,该图像预测模型也是基于该证件的图像的除去用户个性化内容之外的信息进行预测给出预测得分的。
本说明书实施例中,通过预先训练的图像预测模型获得证件的图像的预测得分,以该预测得分确定所述证件的证件类型与所述验真指令中携带的与所述业务关联的证件类型是否一致,来实现对所述证件进行第一次验真,以提高该证件验真的精确率。
步骤106:将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果。
其中,所述图像分类模型的训练方法包括:
获取带标签的证件的图像样本集,其中,所述带标签的证件的图像样本包括采集的证件原件的图像样本、采集的证件复印件的图像样本、采集的证件电子屏幕的图像样本;
基于所述图像样本集对图像分类模型进行训练,得到所述图像分类模型,所述图像分类模型输出每个所述证件的图像样本对应的标签。
其中,证件原件的图像样本可以理解为证件为原件的证件的图像样本、证件复印件的图像样本可以理解为证件为复印件的证件的图像样本、证件电子屏幕的图像样本可以理解为证件为手机屏幕、电脑屏幕、平板电脑屏幕、LED电子屏幕等的图像样本。
具体的,采集的证件的图像样本不同,为其设置的标签也不同,例如采集的证件的图像样本为采集的证件原件的图像样本,此时采集的证件原件的图像样本的标签可以设置为类别1;采集的证件的图像样本为采集的证件复印件的图像样本,此时采集的证件复印件的图像样本的标签可以设置为类别2;采集的证件的图像样本为采集的证件电子屏幕的图像样本,此时采集的证件电子屏幕的图像样本的标签可以设置为类别3,然后以采集的带标签的证件原件的图像样本、证件复印件的图像样本、证件电子屏幕的图像样本构成带标签的证件的图像样本集,以实现对图像分类模型的训练。
实际应用中,获取到的证件的图像样本可能还有其他类型,例如采集的模糊证件的图像样本,将其对应的标签设置为类别4等,具体的根据实际应用进行证件的图像样本的获取,以实现对图像分类模型的训练,使得该图像分类模型可以输出想要达到的结果;通俗的说可以根据获取的带标签的证件的图像样本集将图像分类模型训练为图像的2分类模型、3分类模型或者4分类模型等等。
以上述训练好的图像分类模型为例,将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果,即为所述证件的图像为原件、复印件或电子屏幕截图等。
此外,本说明书实施例中的图像预测模型和图像分类模型包括但不限于CNN深度学习模型,在此不做任何限定。
本说明书实施例中,通过预先训练的图像分类模型获得所述证件的图像的分类,以确定所述证件的图像是否为原件,来实现对所述证件的第二次验真,进一步提高了该证件验真的精确率。
步骤108:在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息。
其中,所述预设条件包括证件的图像为原件;所述预设图像识别方法包括但不限于OCR(Optical Character Recognition,光学字符识别)识别;所述证件的图像中的用户属性信息包括但不限于所述证件中能够标识用户身份的的信息;以所述证件为房产证为例,所述证件的用户属性信息可以包括房产证中的房屋所有权人的姓名、房屋地址等,以所述证件为身份证为例,所述证件的用户属性信息可以包括身份证中姓名、性别、出生年月日以及地址等,以所述证件为行驶证为例,所述证件的用户属性信息可以包括行驶证中所有人姓名、住址等。
具体的,在所述分类结果满足预设条件的情况下,即所述分类结果确定所述证件的图像为原件的情况。
本说明书一个或多个实施例中,所述预设条件包括所述证件的图像为所述证件的原件,
相应的,所述在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息包括:
在所述分类结果满足所述证件的图像为所述证件的原件的情况下,基于预设光学字符识别方法识别出所述证件的图像中的用户属性信息。
具体的,若分类结果为证件为原件,则所述分类结果满足证件为原件的预设条件,此时可以基于OCR识别算法识别出该证件的图像中的用户属性信息,例如用户姓名以及用户地址等。
本说明书实施例中,若证件为复印件或者电子屏幕截图,该证件就很有可能为造假的证件,存在安全风险,因此只有在所述证件为原件的情况下,才会基于OCR识别算法识别出该证件的图像中的用户属性信息,以进行后续流程,以增加其证件验真的准确率,避免在证件为复印件或者电子屏幕截图的情况下,还继续后续验真流程,造成资源浪费。
步骤110:将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
具体的,所述将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真包括:
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
其中,预设相似度阈值可以根据具体应用场景进行设定,在此不做任何限制,例如预设相似度阈值可以设置为90%或100%等。
以预设相似度阈值为100%为例,在所述用户属性信息与所述注册用户属性信息的相似度为100%的情况下,可以确定该用户属性信息对应的所述证件验真成功,即该证件为真的。
本说明书实施例提供的所述证件验真方法通过对参与业务的用户的控制、采集的证件流程的把控、图像检测以及数据交叉验真等技术手段,有效验证采集用户的证件的真假,控制风险。
具体的,所述注册用户属性信息为所述用户基于所述业务在先注册的用户属性信息。
而在所述注册用户属性信息为所述用户基于所述业务在先注册的用户属性信息的情况下,
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真包括:
将所述用户属性信息与所述用户基于所述业务在先注册的用户属性信息进行比较,以确定所述用户属性信息与所述在先注册的用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
仍以业务为微贷平台A的提额业务为例,注册用户属性信息则可以理解为用户在微贷平台A在线实名认证的姓名、电话、身份证号、家庭住址等。
具体实施时,将所述用户属性信息与所述用户基于所述业务在先注册的用户属性信息进行比较,以确定所述用户属性信息与所述在先注册的用户属性信息的相似度,即为将通过OCR识别算法识别出的证件的图像中的用户属性信息(姓名、身份证号等)与该用户在微贷平台A在先实名认证的注册用户属性信息(姓名、电话、身份证号、家庭住址等)进行比较,以确定两者的相似度;此时若预设相似度阈值为90%,那么将两者进行交叉比较之后得到的相似度为95%的情况下,就可以确定与所述用户属性信息对应的证件为真,后续就可以基于该证件针对提额业务进行提额。
本说明书实施例提供的所述证件验真方法,首先通过在线采集方式杜绝读取本地相册的证件的图像以及通过预先训练的模型识别通过拍摄采集到的证件的图像是否为原件的方式可以有效的对通过PS等做出的证件的图像进行拦截,以保证通过在线采集方式拍摄的以及识别后的证件的图像为原件;然后再通过图像识别算法对证件的图像的信息进行识别后与用户的历史信息进行交叉核验的方式,对证件的进行验真;
所述证件验真方法通过在线采集等证件的图像采集方式、图像预测模型预测以及图像分类模型分类等证件的图像是否为原件的检测方法、以及将通过图像识别方法识别出的证件的图像中的用户属性信息与用户历史属性信息交叉验真的一整套证件验证策略实现对证件进行验真,以确保证件的验真精确率,提高造假成本,并且对于证件一直处于主动采集、验真过程,节省了用户操作步骤,极大的提升了用户体验。
下述结合附图2,以本说明书提供的证件验真方法应用在用户在微贷平台A申请提额业务时对证件的验真场景为例,对所述证件验真方法进行进一步说明,具体步骤包括步骤202至步骤212。
步骤202:用户筛选。
具体的,基于提额业务的参与条件,将该提额业务展示给非高风险以及高响应的用户,即过滤高风险用户以及低响应用户,以降低证件虚假风险以及避免对低响应用户造成打扰。其中,对于高风险用户的解释可以参见上述实施例,而低响应用户则可以理解为上述实施例中的非目标用户。
步骤204:证件的图像采集。
具体的,首先接收所述用户发送的携带有与所述提额业务关联的证件类型的验真指令,并基于所述验真指令触发证件采集流程,然后以在线采集方式采集与所述提额业务关联的证件类型的证件的图像。
以证件为行驶证为例,在接收携带有采集行驶证的验真指令后,会触发在线采集装置,例如照相机等,在线采集装置会基于拍摄页面可以提示拍摄角度的拍摄框对行驶证的图像进行采集,在线采集装置的拍摄页面会一直提示拍摄角度以及行驶证的边界,避免采集的行驶证不完整,对后续的验真造成影响;并且采用在线采集装置可以实现对行驶证的现场实时采集,避免读取本地相册中的行驶证的图像,以提升采集到的行驶证的图像为行驶证的原件的图像的可能性。
步骤206:证件类型检测。
仍以证件为行驶证为例,证件类型检测即是将采集的行驶证的图像输入预先训练的图像预测模型,得到所述图像预测模型输出的该行驶证的图像的预测得分,在预测得分大于等于预设得分阈值的情况下,确定采集的行驶证的证件类型与验真指令中携带的与所述业务关联的证件类型一致。即确定采集到的证件是验真指令中规定的证件。例如若验真指令中携带的与提额业务关联的证件类型为行驶证类型,而采集到的证件的类型为身份证类型,则是不符合要求的,在证件类型不符合要求的情况下,就没有办法进行后续对证件验真,因此需要进行证件类型的检测。
步骤208:证件原件检测。
仍以证件为行驶证为例,证件原件检测即是将通过证件类型检测的行驶证的图像输入预先训练的图像分类模型中,以确定该行驶证的图像是采集的行驶证原件的图像。因为实际应用中,在线采集的证件的图像也可能是用户复印的或者是采集的电子屏幕的证件的图像。
步骤210:证件信息提取。
仍以证件为行驶证为例,证件信息提取即是通过OCR识别算法识别出该行驶证的图像中的用户属性信息,即所有人的姓名、住址等。
步骤212:大数据交叉验真。
仍以证件为行驶证为例,大数据交叉验真即是将通过OCR识别算法识别出该行驶证的图像中的用户属性信息与用户在微贷平台A中在先实名注册的属性信息,即姓名、身份证号、地址等,进行交叉比对,在比对之后确定两者的相似度百分之百相似或者百分之九十相似的情况下,确定该行驶证为该用户的真的行驶证。
本说明书实施例中,首先通过在线采集证件的原件,从功能上禁止读取手机本地上预先存储的证件的图像,然后通过图像分类模型保证采集的证件为业务需求的证件,通过图像预测模型再次保证采集的证件为证件的原件,最后将通过OCR识别技术识别出的证件的图像中的用户属性信息与用户在先注册的属性信息进行交叉核验,通过上述方法综合判断用户上传证件的真假,以保证证件验真的精确率,从而可以达到基于采集的真的证件完成在微贷平台A的提额的目的。
与上述方法实施例相对应,本说明书还提供了证件验真装置实施例,图3示出了本说明书一个实施例提供的一种证件验真装置的结构示意图。如图3所示,该装置包括:
验真指令接收模块302,被配置为接收证件的验真指令,并基于所述验真指令触发证件采集流程;
图像采集模块304,被配置为基于在线采集方式采集所述证件的图像以执行所述证件采集流程;
分类结果获取模块306,被配置为将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果;
用户属性信息识别模块308,被配置为在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;
证件验真模块310,被配置为将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
可选的,所述装置,还包括:
证件类型确定模块,被配置为基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户。
可选的,所述验真指令接收模块302,进一步被配置为:
接收所述用户发送的携带有与所述业务关联的证件类型的验真指令,并基于所述验真指令触发证件采集流程。
可选的,所述图像采集模块304,进一步被配置为:
基于在线采集方式采集与所述业务关联的证件类型对应的所述证件的图像以执行所述证件采集流程。
可选的,所述装置,还包括:
用户筛选模块,被配置为基于所述业务确定参与所述业务的参与条件,并将所述业务展示给满足所述参与条件的用户。
可选的,所述证件类型确定模块,进一步被配置为:
基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给满足所述业务的参与条件的用户。
可选的,所述装置,还包括:
证件属性信息识别模块,被配置为基于预设的图像识别算法识别所述证件的图像中的证件属性信息,并基于所述证件属性信息确定所述证件的证件类型。
可选的,所述装置,还包括:
预测得分获得模块,被配置为将所述证件的图像输入预先训练的图像预测模型,得到所述图像预测模型输出的所述证件的图像的预测得分;
证件类型确定模块,被配置为在预测得分大于等于预设得分阈值的情况下,确定所述证件的证件类型与所述验真指令中携带的与所述业务关联的证件类型一致。
可选的,所述预测得分获得模块,进一步被配置为:
将目标证件类型的证件的图像作为正样本、非目标证件类型的证件的图像作为负样本,形成带标签的证件的图像样本集;
基于所述图像样本集对图像预测模型进行训练,得到所述图像预测模型,所述图像预测模型输出每个所述证件的图像样本的预测得分。
可选的,所述预设条件包括所述证件的图像为所述证件的原件,
相应的,所述用户属性信息识别模块308,进一步被配置为:
在所述分类结果满足所述证件的图像为所述证件的原件的情况下,基于预设光学字符识别方法识别出所述证件的图像中的用户属性信息。
可选的,所述分类结果获取模块306,进一步被配置为:
获取带标签的证件的图像样本集,其中,所述带标签的证件的图像样本包括采集的证件原件的图像样本、采集的证件复印件的图像样本、采集的证件电子屏幕的图像样本;
基于所述图像样本集对图像分类模型进行训练,得到所述图像分类模型,所述图像分类模型输出每个所述证件的图像样本对应的标签。
可选的,所述注册用户属性信息为所述用户基于所述业务在先注册的用户属性信息。
可选的,所述证件验真模块310,进一步被配置为:
将所述用户属性信息与所述用户基于所述业务在先注册的用户属性信息进行比较,以确定所述用户属性信息与所述在先注册的用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
可选的,所述证件验真模块310,进一步被配置为:
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
本说明书实施例提供的所述证件验真装置在接收证件的验真指令触发证件采集流程之后,主动在线采集证件图像以及对证件图像进行验证,提高证件的造假成本以及用户的证件验真体验,并且根据图像分类模型确认证件为原件的基础上,通过图像识别算法识别出证件中的用户属性信息与用户在先注册的属性信息进行交叉验证实现对证件的验真,以保证对证件验真的精准率。
上述为本实施例的一种证件验真装置的示意性方案。需要说明的是,该证件验真装置的技术方案与上述的证件验真方法的技术方案属于同一构思,证件验真装置的技术方案未详细描述的细节内容,均可以参见上述证件验真方法的技术方案的描述。
图4示出了根据本说明书一个实施例提供的一种计算设备400的结构框图。该计算设备400的部件包括但不限于存储器410和处理器420。处理器420与存储器410通过总线430相连接,数据库450用于保存数据。
计算设备400还包括接入设备440,接入设备440使得计算设备400能够经由一个或多个网络460通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备440可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备400的上述部件以及图4中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图4所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备400可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备400还可以是移动式或静止式的服务器。
其中,处理器420用于执行如下计算机可执行指令:
接收证件的验真指令,并基于所述验真指令触发证件采集流程;
基于在线采集方式采集所述证件的图像以执行所述证件采集流程;
将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果;
在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的证件验真方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述证件验真方法的技术方案的描述。
本说明书一实施例还提供一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现任意一项所述证件验真方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的证件验真方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述证件验真方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本说明书实施例并不受所描述的动作顺序的限制,因为依据本说明书实施例,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书实施例的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本说明书实施例的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (16)
1.一种证件验真方法,包括:
基于业务确定参与所述业务的参与条件,并将所述业务展示给满足所述参与条件的用户,其中,所述参与条件用于过滤风险用户和没有证件的用户;
接收证件的验真指令,并基于所述验真指令触发证件采集流程;
基于在线采集方式采集所述证件的图像以执行所述证件采集流程;
确定采集的证件的证件类型与验真指令中携带的与所述业务关联的证件类型是否一致,若是,将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果,其中,所述分类结果用于确定所述证件的图像是否是原件;
在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
2.根据权利要求1所述的证件验真方法,所述接收证件的验真指令,并基于所述验真指令触发证件采集流程之前,还包括:
基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户。
3.根据权利要求2所述的证件验真方法,所述接收证件的验真指令,并基于所述验真指令触发证件采集流程包括:
接收所述用户发送的携带有与所述业务关联的证件类型的验真指令,并基于所述验真指令触发证件采集流程。
4.根据权利要求3所述的证件验真方法,所述基于在线采集方式采集所述证件的图像以执行所述证件采集流程包括:
基于在线采集方式采集与所述业务关联的证件类型对应的所述证件的图像以执行所述证件采集流程。
5.根据权利要求2所述的证件验真方法,所述基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给用户包括:
基于业务确定与所述业务关联的证件类型,并将所述证件类型展示给满足所述业务的参与条件的用户。
6.根据权利要求1所述的证件验真方法,所述基于在线采集方式采集所述证件的图像以执行所述证件采集流程之后,还包括:
基于预设的图像识别算法识别所述证件的图像中的证件属性信息,并基于所述证件属性信息确定所述证件的证件类型。
7.根据权利要求4或6所述的证件验真方法,所述确定采集的证件的证件类型与验真指令中携带的与所述业务关联的证件类型是否一致,包括:
将所述证件的图像输入预先训练的图像预测模型,得到所述图像预测模型输出的所述证件的图像的预测得分;
在预测得分大于等于预设得分阈值的情况下,确定所述证件的证件类型与所述验真指令中携带的与业务关联的证件类型一致。
8.根据权利要求7所述的证件验真方法,所述图像预测模型的训练方法包括:
将目标证件类型的证件的图像作为正样本、非目标证件类型的证件的图像作为负样本,形成带标签的证件的图像样本集;
基于所述图像样本集对图像预测模型进行训练,得到所述图像预测模型,所述图像预测模型输出每个所述证件的图像样本的预测得分。
9.根据权利要求1所述的证件验真方法,所述预设条件包括所述证件的图像为所述证件的原件,
相应的,所述在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息包括:
在所述分类结果满足所述证件的图像为所述证件的原件的情况下,基于预设光学字符识别方法识别出所述证件的图像中的用户属性信息。
10.根据权利要求9所述的证件验真方法,所述图像分类模型的训练方法包括:
获取带标签的证件的图像样本集,其中,所述带标签的证件的图像样本包括采集的证件原件的图像样本、采集的证件复印件的图像样本、采集的证件电子屏幕的图像样本;
基于所述图像样本集对图像分类模型进行训练,得到所述图像分类模型,所述图像分类模型输出每个所述证件的图像样本对应的标签。
11.根据权利要求4所述的证件验真方法,所述注册用户属性信息为所述用户基于所述业务在先注册的用户属性信息。
12.根据权利要求11所述的证件验真方法,所述将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真包括:
将所述用户属性信息与所述用户基于所述业务在先注册的用户属性信息进行比较,以确定所述用户属性信息与所述在先注册的用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
13.根据权利要求1所述的证件验真方法,所述将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真包括:
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度;
在所述相似度大于等于预设相似度阈值的情况下,确定所述用户属性信息对应的所述证件验真成功。
14.一种证件验真装置,包括:
用户筛选模块,被配置为基于业务确定参与所述业务的参与条件,并将所述业务展示给满足所述参与条件的用户,其中,所述参与条件用于过滤风险用户和没有证件的用户;
验真指令接收模块,被配置为接收证件的验真指令,并基于所述验真指令触发证件采集流程;
图像采集模块,被配置为基于在线采集方式采集所述证件的图像以执行所述证件采集流程;
分类结果获取模块,被配置为确定采集的证件的证件类型与验真指令中携带的与所述业务关联的证件类型是否一致,若是,将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果,其中,所述分类结果用于确定所述证件的图像是否是原件;
用户属性信息识别模块,被配置为在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;
证件验真模块,被配置为将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
15.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
基于业务确定参与所述业务的参与条件,并将所述业务展示给满足所述参与条件的用户,其中,所述参与条件用于过滤风险用户和没有证件的用户;
接收证件的验真指令,并基于所述验真指令触发证件采集流程;
基于在线采集方式采集所述证件的图像以执行所述证件采集流程;
确定采集的证件的证件类型与验真指令中携带的与所述业务关联的证件类型是否一致,若是,将所述证件的图像输入预先训练的图像分类模型,得到所述图像分类模型输出的所述证件的图像的分类结果,其中,所述分类结果用于确定所述证件的图像是否是原件;
在所述分类结果满足预设条件的情况下,基于预设图像识别方法识别出所述证件的图像中的用户属性信息;
将所述用户属性信息与所述验真指令中携带的用户标识对应的注册用户属性信息进行比较,以确定所述用户属性信息与所述注册用户属性信息的相似度,并基于所述相似度对所述证件进行验真。
16.一种计算机可读存储介质,其存储有计算机指令,该指令被处理器执行时实现权利要求1至13任意一项所述证件验真方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911001939.9A CN110796054B (zh) | 2019-10-21 | 2019-10-21 | 证件验真方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911001939.9A CN110796054B (zh) | 2019-10-21 | 2019-10-21 | 证件验真方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796054A CN110796054A (zh) | 2020-02-14 |
CN110796054B true CN110796054B (zh) | 2023-04-28 |
Family
ID=69440512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911001939.9A Active CN110796054B (zh) | 2019-10-21 | 2019-10-21 | 证件验真方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796054B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539406B (zh) * | 2020-04-21 | 2023-04-18 | 招商局金融科技有限公司 | 证件复印件信息识别方法、服务器及存储介质 |
CN113269187A (zh) | 2020-07-14 | 2021-08-17 | 支付宝实验室(新加坡)有限公司 | 用于检测照片身份证件中照片替换的方法、***和装置 |
CN112100424B (zh) * | 2020-08-28 | 2024-06-18 | 中保车服科技服务股份有限公司 | 证件图像分类采集方法、装置、设备和介质 |
CN112215699A (zh) * | 2020-10-12 | 2021-01-12 | 支付宝(杭州)信息技术有限公司 | 信用评估的方法以及装置 |
CN113222952B (zh) * | 2021-05-20 | 2022-05-24 | 蚂蚁胜信(上海)信息技术有限公司 | 翻拍图像的识别方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729847B (zh) * | 2017-10-20 | 2020-08-04 | 阿里巴巴集团控股有限公司 | 一种证件验证、身份验证方法和装置 |
CN108053545B (zh) * | 2017-12-29 | 2020-05-15 | 百度在线网络技术(北京)有限公司 | 证件验真方法和装置、服务器、存储介质 |
CN108428275A (zh) * | 2018-01-03 | 2018-08-21 | 平安科技(深圳)有限公司 | 基于人脸识别的排号方法、服务器及存储介质 |
CN109409349B (zh) * | 2018-02-02 | 2021-04-27 | 深圳壹账通智能科技有限公司 | 信贷证件鉴别方法、装置、终端及计算机可读存储介质 |
CN109409220A (zh) * | 2018-09-19 | 2019-03-01 | 平安科技(深圳)有限公司 | 基于人脸识别的业务引导方法、装置及存储介质 |
CN110110588A (zh) * | 2019-03-21 | 2019-08-09 | 平安普惠企业管理有限公司 | 基于人脸识别在线办理业务的方法、装置计算机设备 |
CN109934704A (zh) * | 2019-03-22 | 2019-06-25 | 深圳乐信软件技术有限公司 | 信息推荐方法、装置、设备和存储介质 |
CN110071915B (zh) * | 2019-04-10 | 2021-08-06 | 创新先进技术有限公司 | 一种身份核实产品推送方法、装置、设备及***架构 |
-
2019
- 2019-10-21 CN CN201911001939.9A patent/CN110796054B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110796054A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110796054B (zh) | 证件验真方法及装置 | |
US10839061B2 (en) | Method and apparatus for identity authentication | |
CN111709004B (zh) | 一种身份认证方法、装置、电子设备及可读存储介质 | |
US11539525B2 (en) | Systems and methods for secure tokenized credentials | |
JP6743188B2 (ja) | リモートの契約面談方法、電子装置及びコンピューター読取可能記憶媒体 | |
US20210089635A1 (en) | Biometric identity verification and protection software solution | |
CN112651841B (zh) | 线上业务办理方法、装置、服务器及计算机可读存储介质 | |
US12019721B2 (en) | Identification system enrollment and validation and/or authentication | |
CN111886842A (zh) | 使用基于阈值的匹配进行远程用户身份验证 | |
CN110991249A (zh) | 人脸检测方法、装置、电子设备及介质 | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN113656761A (zh) | 基于生物识别技术的业务处理方法、装置和计算机设备 | |
CN111241873A (zh) | 图像翻拍检测方法及其模型的训练方法、支付方法及装置 | |
Goode | Digital identity: solving the problem of trust | |
CN114090985A (zh) | 区块链中用户操作权限的设置方法、装置和电子设备 | |
CN111242769A (zh) | 身份验证方法、装置、设备及计算机可读存储介质 | |
US11430283B2 (en) | Methods and systems for delivering a document | |
CN112699811B (zh) | 活体检测方法、装置、设备、储存介质及程序产品 | |
CN113591603A (zh) | 证件的验证方法、装置、电子设备及存储介质 | |
WO2023192808A1 (en) | Authentication of age, gender, and other biometric data from live images of users | |
WO2023276073A1 (ja) | 学習モデル評価システム、学習モデル評価方法、及びプログラム | |
CN115690918A (zh) | 构建活体识别模型和活体识别的方法、装置、设备及介质 | |
CN110675170A (zh) | 基于信用的证件担保方法以及装置 | |
US20240112486A1 (en) | Fake Signature Detection | |
JP7176157B1 (ja) | 学習モデル作成システム、学習モデル作成方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |