欺诈识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供一种欺诈识别方法、装置、电子设备及存储介质。所述欺诈识别方法能够当接收到欺诈识别指令时，获取至少一个待检测视频，从而结合多个问题进行判断，进一步提取所述每个待检测视频的目标视频序列，以去除冗余信息，将每个目标视频序列分别输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率，基于分位数原理，将每个欺诈概率组合成一个目标向量，进一步将所述目标向量输入到预先训练的分类器中，确定目标概率，并确定所述目标人物是否有欺诈风险，从而实现欺诈行为的自动化判断，且由于数据的多样化，因此判断更为准确，可信度更高，给用户带来更好的体验。

Fraud identification methods, devices, electronic devices and storage media

【技术实现步骤摘要】
欺诈识别方法、装置、电子设备及存储介质
本专利技术涉及智能决策
，尤其涉及一种欺诈识别方法、装置、电子设备及存储介质。
技术介绍
现有技术方案中，在判断一个客户是否有欺诈风险时，通常只是结合客户的面部表情所展现的情绪来识别，且仅针对一个问题进行判断，由于判断依据较为单一，因此判断结果的可靠性较低。因此，用户无法以上述判断结果直接作为客户是否有欺诈行为的结论，给用户造成不便，不利于用户的体验。
技术实现思路
鉴于以上内容，有必要提供一种欺诈识别方法、装置、电子设备及存储介质，本专利技术能够结合多个问题进行判断，并确定所述目标人物是否有欺诈风险，从而实现欺诈行为的自动化判断，且由于数据的多样化，因此判断更为准确，可信度更高，给用户带来更好的体验。一种欺诈识别方法，所述方法包括：当接收到欺诈识别指令时，获取至少一个待检测视频；提取所述至少一个待检测视频中，每个待检测视频的目标视频序列；将每个目标视频序列分别输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率；基于分位数原理，将每个欺诈概率组合成一个目标向量；将所述目标向量输入到预先训练的分类器中，确定目标概率；根据所述目标概率，确定所述目标人物是否有欺诈风险。根据本专利技术优选实施例，所述至少一个待检测视频包括以下一种或者多种组合：银行业务面审过程中，每个问题的应答视频；及/或保险业务面审过程中，每个问题的应答视频。根据本专利技术优选实施例，所述提取所述至少一个待检测视频中，每个待检测视频的目标视频序列包括：采用K均值聚类算法提取所述至少一个待检测视频中，每个待检测视频的目标视频序列。根据本专利技术优选实施例，在将每个所述目标视频序列分别输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率前，所述方法还包括：获取样本视频序列；采用人脸识别算法，提取所述样本视频序列中每个人物的面部动作、眼球角度；采用支持向量回归算法训练每个人物的面部动作，得到每个人物的第一向量；采用神经网络算法训练所述所有人物的眼球角度，得到每个人物的第二向量；截取所述所有人物的头部转动角度，得到每个人物的第三向量；合并每个人物的第一向量、第二向量及第三向量，得到每个人物的样本向量；从配置数据库中，确定每个人物的逾期数据，以制定每个人物的逾期标签；将每个人物的样本向量及逾期标签作为样本数据，采用梯度提升算法训练所述预测模型。根据本专利技术优选实施例，所述根据所述目标概率，确定所述目标人物是否有欺诈风险包括：当所述目标概率大于或者等于预设阈值时，确定所述目标人物有欺诈风险；或者当所述目标概率小于所述预设阈值时，确定所述目标人物没有欺诈风险。根据本专利技术优选实施例，当确定所述目标人物有欺诈风险时，所述方法还包括：保存所述目标人物对应的视频；从保存的视频中截取所述目标人物的图像；结合截取的图像，发送提示信息至指定终端设备。根据本专利技术优选实施例，当确定所述目标人物有欺诈风险时，所述方法还包括：从所述配置数据库中，获取所述目标人物的所有记录信息；将所述所有记录信息发送至所述指定终端设备。一种欺诈识别装置，所述装置包括：获取单元，用于当接收到欺诈识别指令时，获取至少一个待检测视频；提取单元，用于提取所述至少一个待检测视频中，每个待检测视频的目标视频序列；确定单元，用于将每个目标视频序列分别输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率；组合单元，用于基于分位数原理，将每个欺诈概率组合成一个目标向量；所述确定单元，还用于将所述目标向量输入到预先训练的分类器中，确定目标概率；所述确定单元，还用于根据所述目标概率，确定所述目标人物是否有欺诈风险。根据本专利技术优选实施例，所述至少一个待检测视频包括以下一种或者多种的组合：银行业务面审过程中，每个问题的应答视频；及/或保险业务面审过程中，每个问题的应答视频。根据本专利技术优选实施例，所述提取单元提取所述至少一个待检测视频中，每个待检测视频的目标视频序列包括：采用K均值聚类算法提取所述至少一个待检测视频中，每个待检测视频的目标视频序列。根据本专利技术优选实施例，所述获取单元还用于在将每个所述目标视频序列分别输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率前，获取样本视频序列；所述提取单元，还用于采用人脸识别算法，提取所述样本视频序列中每个人物的面部动作、眼球角度；所述装置还包括：训练单元，用于采用支持向量回归算法训练每个人物的面部动作，得到每个人物的第一向量；所述训练单元，还用于采用神经网络算法训练所述所有人物的眼球角度，得到每个人物的第二向量；截取单元，用于截取所述所有人物的头部转动角度，得到每个人物的第三向量；合并单元，用于合并每个人物所述的第一向量、第二向量及第三向量，得到每个人物的样本向量；制定单元，用于从配置数据库中，确定每个人物的逾期数据，以制定每个人物的逾期标签；所述训练单元，还用于将每个人物的所述样本向量及所述逾期标签作为样本数据，采用梯度提升算法训练所述预测模型。根据本专利技术优选实施例，所述确定单元根据所述目标概率，确定所述目标人物是否有欺诈风险包括：当所述目标概率大于或者等于预设阈值时，确定所述目标人物有欺诈风险；或者当所述目标概率小于所述预设阈值时，确定所述目标人物没有欺诈风险。根据本专利技术优选实施例，当确定所述目标人物有欺诈风险时，所述装置还包括：保存单元，用于保存所述目标人物对应的视频；所述截取单元，还用于从保存的视频中截取所述目标人物的图像；发送单元，用于结合截取的图像，发送提示信息至指定终端设备。根据本专利技术优选实施例，所述获取单元，还用于当确定所述目标人物有欺诈风险时，从所述配置数据库中，获取所述目标人物的所有记录信息；所述发送单元，还用于将所述所有记录信息发送至所述指定终端设备。一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现所述欺诈识别方法。一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现所述欺诈识别方法。由以上技术方案可以看出，本专利技术能够当接收到欺诈识别指令时，获取至少一个待检测视频，从而结合多个问题进行判断，进一步提取所述至少一个待检测视频中，每个待检测视频的目标视频序列，以去除冗余信息，避免多余的信息给所述电子设备的运行造成负担，将每个目标视频序列分别输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率，基于分位数原理，将每个欺诈概率组合成一个目标向量，进一步将所述目标向量输入到预先训练的分类器中，确定目标概率，并根据所述目标概率，确定所述目标人物是否有欺诈风险，从而实现欺诈行为的自动化判断，且由于数据的多样化，因此判断更为准确，可信度更高，给用户带来更好的体验。附图说明图1是本专利技术欺诈识别方法的较佳实施例的流程图。图2是本专利技术欺诈识别装置的较佳实施例的功能模块图。图3是本专利技术实现欺诈识别方法的较佳实施例的电子设备的结构示意图。主要元件符号说明电子设备1存储器12处理器13欺诈识别装置11获取单元110提取单元111确定单元112组合单元113训练单元114截取单元115合并单元116制定单元117保存单元118发送单元119具体实施本文档来自技高网...

【技术保护点】
1.一种欺诈识别方法，其特征在于，所述方法包括：当接收到欺诈识别指令时，获取至少一个待检测视频；提取所述至少一个待检测视频中，每个待检测视频的目标视频序列；将每个目标视频序列输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率；基于分位数原理，将每个欺诈概率组合成一个目标向量；将所述目标向量输入到预先训练的分类器中，确定目标概率；根据所述目标概率，确定所述目标人物是否有欺诈风险。

【技术特征摘要】
1.一种欺诈识别方法，其特征在于，所述方法包括：当接收到欺诈识别指令时，获取至少一个待检测视频；提取所述至少一个待检测视频中，每个待检测视频的目标视频序列；将每个目标视频序列输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率；基于分位数原理，将每个欺诈概率组合成一个目标向量；将所述目标向量输入到预先训练的分类器中，确定目标概率；根据所述目标概率，确定所述目标人物是否有欺诈风险。2.如权利要求1所述的欺诈识别方法，其特征在于，所述至少一个待检测视频包括以下一种或者多种的组合：银行业务面审过程中，每个问题的应答视频；及/或保险业务面审过程中，每个问题的应答视频。3.如权利要求1所述的欺诈识别方法，其特征在于，所述提取所述至少一个待检测视频中，每个待检测视频的目标视频序列包括：采用K均值聚类算法提取所述至少一个待检测视频中，每个待检测视频的目标视频序列。4.如权利要求1所述的欺诈识别方法，其特征在于，在将每个目标视频序列分别输入到预先训练的预测模型中，确定目标人物在每个目标视频序列中的欺诈概率前，所述方法还包括：获取样本视频序列；采用人脸识别算法，提取所述样本视频序列中每个人物的面部动作、眼球角度；采用支持向量回归算法训练每个人物的面部动作，得到每个人物的第一向量；采用神经网络算法训练所述所有人物的眼球角度，得到每个人物的第二向量；截取所述所有人物的头部转动角度，得到每个人物的第三向量；合并每个人物的第一向量、第二向量及第三向量，得到每个人物的样本向量；从配置数据库中，确定每个人物的逾期数据，以制定每个人物的逾期标签；将每个人物的样本向量及逾期标签作为样本数据，采用梯度提升算法训练所述预测模型。5.如权利要求1所述的...

【专利技术属性】
技术研发人员：胡艺飞，徐国强，邱寒，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44