征信值计算方法及装置制造方法及图纸

本公开是关于一种征信值计算方法及装置，其中，方法包括：获取用户的图片数据库中的图片；通过识别所述图片，从所述图片中获取用户的个人信息，其中，所述个人信息包括以下至少一种类型的信息：基础属性信息、生活状况信息和社交信息；根据所述个人信息和预设计算规则，计算所述用户的征信值。通过该技术方案，从图片数据库的图片中获取用户的个人信息，例如用户的基础属性信息、生活状况信息和社交信息等，从而根据这些个人信息计算用户的征信值。由于图片中蕴含着丰富的个人信息，因此，可以根据个人信息比较全面、准确的对用户的征信值进行分析。

【技术实现步骤摘要】

本公开涉及数据处理
，尤其涉及一种征信值计算方法及装置。
技术介绍
目前，互联网征信成为了互联网金融的基础性工作。互联网征信主要分析的是用户的日常行为数据。但是从日常行为数据中，可能并不能获取到有用的征信数据。
技术实现思路
本公开实施例提供一种征信值计算方法及装置，包括如下技术方案：第一方面，提供了一种征信值计算方法，包括：获取用户的图片数据库中的图片；通过识别所述图片，从所述图片中获取用户的个人信息，其中，所述个人信息包括以下至少一种类型的信息：基础属性信息、生活状况信息和社交信息；根据所述个人信息和预设计算规则，计算所述用户的征信值。在一个实施例中，所述通过识别所述图片，从所述图片中获取用户的个人信息，包括：确定欲获取的个人信息的目标类型；获取与所述目标类型对应的目标深度卷积神经网络模型；利用所述目标深度卷积神经网络模型对所述图片进行识别，得到识别结果；从所述识别结果中提取所述个人信息。在一个实施例中，征信值计算方法还包括：利用属于所述目标类型的样本图片集、深度卷积神经网络协议和深度卷积神经网络模型进行训练，得到目标深度卷积神经网络模型；将所述目标类型与所述目标深度卷积神经网络模型进行对应存储；其中，所述目标类型的样本图片集包括至少一个样本图片，每个样本图片中均包括属于所述目标类型的个人信息。在一个实施例中，所述基础属性信息包括以下至少一项：年龄、性别、人脸和婚姻状况；所述生活状况信息包括以下至少一项：用户的居所信息、用户的服饰信息、用户的随身物品信息和用户的交通工具信息；所述社交信息包括以下至少一项：用户的社交场所信息和与用户合影的其他用户的信息。在一个实施例中，征信值计算方法还包括：接收输入的设置命令；根据所述设置命令设置所述预设计算规则。在一个实施例中，所述根据所述个人信息和预设计算规则，计算所述用户的征信值，包括：根据所述个人信息和所述个人信息所属的类型对应的权重值的乘积，计算得到所述用户的征信值。第二方面，提供了一种征信值计算装置，包括：第一获取模块，用于获取用户的图片数据库中的图片；第二获取模块，用于通过识别所述第一获取模块获取的所述图片，从所述图片中获取用户的个人信息，其中，所述个人信息包括以下至少一种类型的信息：基础属性信息、生活状况信息和社交信息；计算模块，用于根据所述第二获取模块获取的所述个人信息和预设计算规则，计算所述用户的征信值。在一个实施例中，所述第二获取模块包括：确定子模块，用于确定欲获取的个人信息的目标类型；获取子模块，用于获取与所述确定子模块确定的所述目标类型对应的目标深度卷积神经网络模型；识别子模块，用于利用所述获取子模块获取的所述目标深度卷积神经网络模型对所述图片进行识别，得到识别结果；提取子模块，用于从所述识别子模块的识别结果中提取所述个人信息。在一个实施例中，征信值计算装置还包括：训练模块，用于利用属于所述目标类型的样本图片集、深度卷积神经网络协议和深度卷积神经网络模型进行训练，得到目标深度卷积神经网络模型；存储模块，用于将所述目标类型与所述训练模块得到的所述目标深度卷积神经网络模型进行对应存储；其中，所述目标类型的样本图片集包括至少一个样本图片，每个样本图片中均包括属于所述目标类型的个人信息。在一个实施例中，所述基础属性信息包括以下至少一项：年龄、性别、人脸和婚姻状况；所述生活状况信息包括以下至少一项：用户的居所信息、用户的服饰信息、用户的随身物品信息和用户的交通工具信息；所述社交信息包括以下至少一项：用户的社交场所信息和与用户合影的其他用户的信息。在一个实施例中，征信值计算装置还包括：接收模块，用于接收输入的设置命令；设置模块，用于根据所述接收模块接收的所述设置命令设置所述预设计算规则。在一个实施例中，所述计算模块包括：征信值计算子模块，用于根据所述个人信息和所述个人信息所属的类型对应的权重值的乘积，计算得到所述用户的征信值。第三方面，提供了一种征信值计算装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取用户的图片数据库中的图片；通过识别所述图片，从所述图片中获取用户的个人信息，其中，所述个人信息包括以下至少一种类型的信息：基础属性信息、生活状况信息和社交信息；根据所述个人信息和预设计算规则，计算所述用户的征信值。本公开的实施例提供的技术方案可以包括以下有益效果：上述技术方案，从图片数据库的图片中获取用户的个人信息，例如用户的基础属性信息、生活状况信息和社交信息等，从而根据这些个人信息计算用户的征信值。由于图片中蕴含着丰富的个人信息，因此，可以根据个人信息比较全面、准确的对用户的征信值进行分析。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的一种征信值计算方法的流程图。图2是根据一示例性实施例示出的征信值计算方法中步骤S102的流程图。图3是根据一示例性实施例示出的另一种征信值计算方法的流程图。图4是根据一示例性实施例示出的又一种征信值计算方法的流程图。图5是根据一示例性实施例示出的再一种征信值计算方法的流程图。图6是根据一示例性实施例示出的一种征信值计算装置的框图。图7是根据一示例性实施例示出的一种征信值计算装置中第二获取模块的框图。图8是根据一示例性实施例示出的另一种征信值计算装置的框图。图9是根据一示例性实施例示出的再一种征信值计算装置的框图。图10是根据一示例性实施例示出的一种征信值计算装置中计算模块的框图。图11是根据一示例性实施例示出的适用于征信值计算装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。本公开实施例提供了一种征信值计算方法，该方法可用于服务本文档来自技高网...

【技术保护点】
一种征信值计算方法，其特征在于，包括：获取用户的图片数据库中的图片；通过识别所述图片，从所述图片中获取用户的个人信息，其中，所述个人信息包括以下至少一种类型的信息：基础属性信息、生活状况信息和社交信息；根据所述个人信息和预设计算规则，计算所述用户的征信值。

【技术特征摘要】
1.一种征信值计算方法，其特征在于，包括：
获取用户的图片数据库中的图片；
通过识别所述图片，从所述图片中获取用户的个人信息，其中，所述个
人信息包括以下至少一种类型的信息：基础属性信息、生活状况信息和社交
信息；
根据所述个人信息和预设计算规则，计算所述用户的征信值。
2.根据权利要求1所述的方法，其特征在于，所述通过识别所述图片，
从所述图片中获取用户的个人信息，包括：
确定欲获取的个人信息的目标类型；
获取与所述目标类型对应的目标深度卷积神经网络模型；
利用所述目标深度卷积神经网络模型对所述图片进行识别，得到识别结
果；
从所述识别结果中提取所述个人信息。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
利用属于所述目标类型的样本图片集、深度卷积神经网络协议和深度卷
积神经网络模型进行训练，得到目标深度卷积神经网络模型；
将所述目标类型与所述目标深度卷积神经网络模型进行对应存储；
其中，所述目标类型的样本图片集包括至少一个样本图片，每个样本图
片中均包括属于所述目标类型的个人信息。
4.根据权利要求1所述的方法，其特征在于，
所述基础属性信息包括以下至少一项：年龄、性别、人脸和婚姻状况；
所述生活状况信息包括以下至少一项：用户的居所信息、用户的服饰信
息、用户的随身物品信息和用户的交通工具信息；
所述社交信息包括以下至少一项：用户的社交场所信息和与用户合影的

\t其他用户的信息。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
接收输入的设置命令；
根据所述设置命令设置所述预设计算规则。
6.根据权利要求1所述的方法，其特征在于，所述根据所述个人信息和
预设计算规则，计算所述用户的征信值，包括：
根据所述个人信息和所述个人信息所属的类型对应的权重值的乘积，计
算得到所述用户的征信值。
7.一种征信值计算装置，其特征在于，包括：
第一获取模块，用于获取用户的图片数据库中的图片；
第二获取模块，用于通过识别所述第一获取模块获取的所述图片，从所
述图片中获取用户的个人信息，其中，所述个人信息包括以下至少一种类型
的信息：基础属性信息、生活状况信息和社交信息；
计算模块，用于根据所述第二获...

【专利技术属性】
技术研发人员：张向阳，陈帅，刘铁俊，
申请(专利权)人：小米科技有限责任公司，
类型：发明
国别省市：北京;11