一种基于AI的实名制业务实时稽核系统技术方案

本发明专利技术公开一种基于AI的实名制业务实时稽核系统，包括前端和后端，所述前端由身份证识别模块、人证比对模块以及签名检测模块组成；所述身份证识别模块对身份证有效性进行检测，并提取身份证信息；所述人证比对模块对身份证照片和客户现场照片进行匹配；所述签名检测模块对客户签名的有效性进行判断；各模块将检测信息和提取的数据输入后端，后端根据接收的信息和数据建立客户数据模型。本系统将业务办理和业务稽核同步进行，事后稽核的步骤直接省略，提高了业务稽核的效率。

A Real-time Audit System for Real-name Business Based on AI

【技术实现步骤摘要】
一种基于AI的实名制业务实时稽核系统
本专利技术涉及一种实名认证系统，具体是一种基于AI的实名制业务实时稽核系统。
技术介绍
传统的实名制业务稽核主要通过人工在业务办理完结后对业务办理人提供的材料进行逐一比对核查。而这种模式有着一些必然存在的问题：一、事后稽核不能在业务办理的第一时间发现业务风险，形成风险隐患；二、错误数据的形成并难以及时纠正；三、人工参与稽核，稽核成本高，稽核效率低下。随着人工智能技术的发展，通过引入人工智能技术的实名制业务稽核系统运营而生。该系统综合应用各类型的人工智能图像识别技术和深度机器学习技术，通过训练学习建立各种人工智能模型，有效识别判断业务实名认证过程中采集的客户现场人像、证件图片、客户签名、业务单据手续的一致性、真实性和合规性。从而替代原有的后台事后人工稽核机制，在提升业务稽核效率的同时保证了信息安全。另外，系统能改变业务稽核风险发现滞后的传统局面，把事后稽核变成事中稽核，在办理业务中即可第一时间发现风险点，实时制止和现场纠正风险业务，以及保证数据的准确性。
技术实现思路
专利技术目的：本专利技术目的在于针对现有技术的不足，提供一种基于AI的实名制业务实时稽核系统，提升实名制业务稽核的效率，实现业务办理和实名稽核的同步进行。技术方案：本专利技术所述基于AI的实名制业务实时稽核系统，包括前端和后端，所述前端由身份证识别模块、人证比对模块以及签名检测模块组成；所述身份证识别模块对身份证有效性进行检测，并提取身份证信息；所述人证比对模块对身份证照片和客户现场照片进行匹配；所述签名检测模块对客户签名的有效性进行判断；各模块将检测信息和提取的数据输入后端，后端根据接收的信息和数据建立客户数据模型。本专利技术进一步优选地技术方案为，所述身份证识别模块包括身份证检测模型和身份证信息提取模型；所述身份证检测模型提取身份证图片的国徽，与模版的国徽进行模版匹配获得匹配率，并根据匹配率来判断身份证有效性；所述身份证信息提取模型对身份证图片的内容进行OCR识别获取身份证上有效信息，对身份证图片上的文字进行检测和识别。优选地，所述身份证检测模型判断身份证有效性的具体步骤为：(1)提取国徽：输入身份证图片，然后对图片作一个颜色空间变换成HSV空间，提前该空间下的红色像素所在区域；(2)国徽匹配：通过提取得到的国徽图片与模版国徽图片进行模版匹配，获取相似度来进行国徽图案识别，相似度公式为其中，I为输入源图像，T为模板图像，R为结果矩阵；在输入源图像中滑动框，寻找各个位置与模板图像的相似度，并将结果保存在结果矩阵中，矩阵的每一个点的亮度表示与模板的匹配程度，然后可以通过定位矩阵中的最大值或最小值，当最大值或最小值大于或小于设定阈值时即匹配成功。优选地，所述身份证信息提取模型对身份证图片上的文字进行检测和识别的具体步骤为：(1)采用CTPN框架进行文本检测：a、使用VGG16作为基础网络提取特征，得到conv5_3的特征作为特征图，大小是W×H×C；b、在特征图上做滑窗，窗口大小是3×3，每个窗口得到一个长度为3×3×C的特征向量，该特征向量用来预测和10个候选框之间的偏移距离，即每一个窗口中心预测出10个文本建议区；c、将上一步得到的特征输入到一个双向的LSTM中，得到长度为W×256的输出，然后接一个512的全连接层，准备输出，输出层部分主要有三个输出，2k个垂直坐标，2k个分数，k个修正值；d、输出得到密集预测的文本建议区，再使用标准的非极大值抑制算法来滤除多余的块；e、最后使用基于图的文本行构造算法，得到若干文本段合并成的文本行；(2)采用CRNN框架进行文本识别：CRNN框架的网络架构包括卷积层、循环层和转录层三部分，积层自动从每个输入图像中提取特征序列，在卷积网络之上，构建了一个循环网络作为循环层，用于对卷积层输出的特征序列的每一帧进行预测，最后转录层将循环层的每帧预测转化为标签序列，识别图像中的类序列对象。优选地，所述人证比对模块对身份证照片和客户现场照片进行匹配的具体步骤为：(1)人脸检测：对于身份证照片和客户现场照片，采用MTCNN算法进行搜索，以确定其中是否含有人脸，如果是则返回脸部的位置、大小和姿态；(2)人脸表征：采用FaceNet算法对人脸进行特征建模，通过卷积神经网络将人脸映射到欧式空间的特征向量上，计算不同图片人脸特征的距离，通过相同个体的人脸的距离，总是小于不同个体的人脸这一先验知识训练网络，然后将人脸按批次输入到深度神经网络中，将网络输出的向量进行归一化并计算L2范数，建立起128维向量空间，最后计算三重损失函数，建立起人脸特征库；(3)人脸匹配：采用欧式距离计算对身份证照片和客户现场照片上人脸特征距离，两个人脸特征的距离小于距离阈值时，人脸验证通过。优选地，所述签名检测模块通过建立基于深度学习的二分类模型，对输入的签名图片进行分类，分为有效签名或者无效签名，模型采用基于反向残差结构的MobileNetV2作为基础模型，通过收集和使用有效签名集和无效签名集对MobileNetV2模型进行训练获得最终的模型，然后将客户签名图像输入到训练完成的模型中，获得该图片是签名的置信度，通过对置信度与阈值的比较结果判断签名有效性。本专利技术基于AI的实名制业务实时稽核系统主要由三个模块组成：身份证识别模块、人证比对模块以及签名检测模块。身份证识别模块主要通过图像处理和OCR技术来对身份证有效性进行检测和身份证信息提取；人证比对模块主要通过人脸识别技术对身份证照片和现场照片进行匹配；签名检测模块主要通过深度学习技术来对客户签名的有效性进行判断。该系统的业务流程可以理解为客户办理业务时，通过采集身份证图片和客户现场照片输入到系统对客户身份信息进行核实并提取有用信息作为客户数据进行保存，最后客户进行签名对业务内容确认时，系统对客户的签名进行检测，从而完成业务办理。业务的办理和稽核都实时进行，从而改变了业务稽核风险发现滞后的传统局面，把事后稽核变成事中稽核，在办理业务中即可第一时间发现风险点，实时制止和现场纠正风险业务。另外，三个模块分工合作实现全程无死角稽核。系统通过前后端不断反馈纠正数据，优化了数据质量，实现客户模型等的优化成长，适应新业务规范要求。有益效果：区别于传统人工实名制业务稽核，本系统具有以下几个优点：(1)效率高，通过AI来对客户身份进行验证，大大提高了业务办理和业务稽核的效率，在传统的业务稽核系统里，业务办理与业务稽核是分开进行，本系统将业务办理和业务稽核同步进行，事后稽核的步骤直接省略，这大大提高了业务稽核的效率。(2)成本低，传统人工稽核的操作往往需要大量的业务员进行稽核，人力成本高而且效果差，本系统能取代业务员高质量完成稽核，节省了大量的人力成本。(3)风险低，传统稽核为事后稽核，本系统将事后稽核变成事中稽核，在办理业务中即可第一时间发现风险点，实时制止和现场纠正风险业务，以及保证数据的准确性。具体实施方式下面对本专利技术技术方案进行详细说明，但是本专利技术的保护范围不局限于所述实施例。实施例：一种基于AI的实名制业务实时稽核系统，包括前端和后端，所述前端由身份证识别模块、人证比对模块以及签名检测模块组成；所述身份证识别模块对身份证有效性进行检测，并提取身份证信息；所述人证比对模块对身份证本文档来自技高网...

【技术保护点】
1.一种基于AI的实名制业务实时稽核系统，其特征在于，包括前端和后端，所述前端由身份证识别模块、人证比对模块以及签名检测模块组成；所述身份证识别模块对身份证有效性进行检测，并提取身份证信息；所述人证比对模块对身份证照片和客户现场照片进行匹配；所述签名检测模块对客户签名的有效性进行判断；各模块将检测信息和提取的数据输入后端，后端根据接收的信息和数据建立客户数据模型。

【技术特征摘要】
1.一种基于AI的实名制业务实时稽核系统，其特征在于，包括前端和后端，所述前端由身份证识别模块、人证比对模块以及签名检测模块组成；所述身份证识别模块对身份证有效性进行检测，并提取身份证信息；所述人证比对模块对身份证照片和客户现场照片进行匹配；所述签名检测模块对客户签名的有效性进行判断；各模块将检测信息和提取的数据输入后端，后端根据接收的信息和数据建立客户数据模型。2.根据权利要求1所述的基于AI的实名制业务实时稽核系统，其特征在于，所述身份证识别模块包括身份证检测模型和身份证信息提取模型；所述身份证检测模型提取身份证图片的国徽，与模版的国徽进行模版匹配获得匹配率，并根据匹配率来判断身份证有效性；所述身份证信息提取模型对身份证图片的内容进行OCR识别获取身份证上有效信息，对身份证图片上的文字进行检测和识别。3.根据权利要求2所述的基于AI的实名制业务实时稽核系统，其特征在于，所述身份证检测模型判断身份证有效性的具体步骤为：(1)提取国徽：输入身份证图片，然后对图片作一个颜色空间变换成HSV空间，提前该空间下的红色像素所在区域；(2)国徽匹配：通过提取得到的国徽图片与模版国徽图片进行模版匹配，获取相似度来进行国徽图案识别，相似度公式为其中，I为输入源图像，T为模板图像，R为结果矩阵；在输入源图像中滑动框，寻找各个位置与模板图像的相似度，并将结果保存在结果矩阵中，矩阵的每一个点的亮度表示与模板的匹配程度，然后可以通过定位矩阵中的最大值或最小值，当最大值或最小值大于或小于设定阈值时即匹配成功。4.根据权利要求2所述的基于AI的实名制业务实时稽核系统，其特征在于，所述身份证信息提取模型对身份证图片上的文字进行检测和识别的具体步骤为：(1)采用CTPN框架进行文本检测：a、使用VGG16作为基础网络提取特征，得到conv5_3的特征作为特征图，大小是W×H×C；b、在特征图上做滑窗，窗口大小是3×3，每个窗口得到一个长度为3×3×C的特征向量，该特征向量用来预测和10个候选框之间的偏移距离，即每一个窗口中心预测出10个文本建议区；c、将上一步得到的特...

【专利技术属性】
技术研发人员：李百成，张翊，区冠文，
申请(专利权)人：浩鲸云计算科技股份有限公司，
类型：发明
国别省市：江苏,32