The invention discloses a wind control model training method, a risk identification method, a device, a device and a medium. The training method of the wind control model includes: labeling the original video data to obtain positive and negative samples; dividing the positive and negative samples into frames and face detection to obtain the training face images; grouping the training face images according to the preset number to obtain at least a set of target training data; and target training data including links. The target training data are divided into training sets and test sets according to the preset proportion; each group of target training data in the training set is input into the convolution neural network long-short-term recurrent neural network model for training to obtain the original wind control model; and each group of targets in the test set is used for training. The training data is used to test the original wind control model and obtain the target wind control model. The wind control model training method has the advantages of high training efficiency and high recognition accuracy.
【技术实现步骤摘要】
风控模型训练方法、风险识别方法、装置、设备及介质
本专利技术涉及风险识别领域,尤其涉及一种风控模型训练方法、风险识别方法装置、设备及介质。
技术介绍
在金融行业,每一笔贷款资金的发放均需进行风险控制(以下简称风控),以确定能否给贷款人发放贷款。传统的风控过程,主要采用信审人与贷款人进行面对面交流的方式进行,但是在面对面的交流过程中,信审人可能因为注意力不集中或者对人的面部表情了解不深,忽略贷款人面部的一些细微的表情变化,这些细微的表情变化可能反映贷款人交流时的心理活动(如说谎)。部分金融机构逐步采用风控模型识别贷款人是否说谎,以辅助进行贷款风控。当前的风控模型需要使用一系列的微表情识别模型抓取人脸的面部特征,进而基于这些细微的表情变化反映贷款人在贷款时的心理活动,以达到风控的目的,但在训练这些微表情识别模型时采用通用的神经网络,使得模型的准确率不高且识别效率低。
技术实现思路
本专利技术实施例提供一种风控模型训练方法、装置、设备及介质,以解决当前风险识别模型需要采用一系列微表情识别模型进行识别,导致识别效率低的问题。本专利技术实施例提供一种风险识别方法,以解决当前风险识别模型采用通用的神经网络模型进行训练,使得模型识别准确率不高的问题。第一方面,本专利技术实施例提供一种风控模型训练方法,包括:对原始视频数据进行标注,获取正负样本;对所述正负样本进行分帧和人脸检测,获取训练人脸图片;对所述训练人脸图片按照预设数量进行分组,获取至少一组目标训练数据;所述目标训练数据包括连续N帧的所述训练人脸图片;对所述目标训练数据按照预设比例进行划分,获取训练集和测试集;将所述训 ...
【技术保护点】
1.一种风控模型训练方法,其特征在于,包括:对原始视频数据进行标注,获取正负样本;对所述正负样本进行分帧和人脸检测,获取训练人脸图片;对所述训练人脸图片按照预设数量进行分组,获取至少一组目标训练数据;所述目标训练数据包括连续N帧的所述训练人脸图片;对所述目标训练数据按照预设比例进行划分,获取训练集和测试集;将所述训练集中每一组所述目标训练数据输入到卷积神经网络‑长短时递归神经网络模型中进行训练,获取原始风控模型;采用所述测试集中每一组所述目标训练数据对所述原始风控模型进行测试,获取目标风控模型。
【技术特征摘要】
1.一种风控模型训练方法,其特征在于,包括:对原始视频数据进行标注,获取正负样本;对所述正负样本进行分帧和人脸检测,获取训练人脸图片;对所述训练人脸图片按照预设数量进行分组,获取至少一组目标训练数据;所述目标训练数据包括连续N帧的所述训练人脸图片;对所述目标训练数据按照预设比例进行划分,获取训练集和测试集;将所述训练集中每一组所述目标训练数据输入到卷积神经网络-长短时递归神经网络模型中进行训练,获取原始风控模型;采用所述测试集中每一组所述目标训练数据对所述原始风控模型进行测试,获取目标风控模型。2.如权利要求1所述的风控模型训练方法,其特征在于,所述对所述正负样本进行分帧和人脸检测,获取训练人脸图片,包括:对所述正负样本进行分帧,获取视频图像;采用人脸检测模型对所述视频图像进行人脸检测,获取所述训练人脸图片。3.如权利要求1所述的风控模型训练方法,其特征在于,所述将所述训练集中每一组所述目标训练数据输入到卷积神经网络-长短时递归神经网络模型中进行训练,获取原始风控模型,包括:初始化卷积神经网络-长短时递归神经网络模型的模型参数;采用卷积神经网络对所述训练集中的目标训练数据进行特征提取,获取人脸特征;将所述人脸特征输入到长短时递归神经网络模型中进行训练,获取所述原始风控模型。4.如权利要求3所述的风控模型训练方法,其特征在于,将所述人脸特征输入到长短时递归神经网络模型中进行训练,获取所述原始风控模型,包括:采用前向传播算法对所述人脸特征进行训练,获取第一状态参数;采用后向传播算法对所述第一状态参数进行误差计算,获取原始风控模型。5.一种风险识别方法,其特征在于,包括:获取待识别视频数据;采用人脸检测模型对所述待识别视频数据进行人脸检测,获取待识别人脸图片;对所述待识别人脸图片进行分组,获取至少一组目标人脸图片;采用权利要求1-4任一项所述风控模型训练方法获取的目标风控模型对至少一组所述目标人脸图片进行识别,获取每一组所述目标人脸图片对应的风险识别概率;基于所述风险识别概率,获取风险识结果。6.如权利要求5所述的风险识别方法,其特征在于,所述基于所述风险识别概率,获取风险识结果,包括:采用加权运...
【专利技术属性】
技术研发人员:马潜,
申请(专利权)人:平安科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。