【技术实现步骤摘要】
面审欺诈辅助识别方法、装置、电子设备及存储介质
本申请涉及区块链技术，尤其涉及一种面审欺诈辅助识别方法、装置、电子设备及存储介质。
技术介绍
随着人工智能的发展，计算机视觉技术被广泛应用于各行各业，尤其是计算机视觉中的视频图像处理技术，在银行贷款业务的面审中有着相当重要的作用。面审是指贷款客户需要通过实时视频的方式和工作人员进行问题的答与问，在面审结束时，面审辅助系统将根据视频中客户的表现预测出客户是否有欺诈行为。现有的预测客户是否欺诈的辅助方法大体分为两类，一类是基于视频中客户情绪的预测，一类是利用视频关键帧信息进行预测。然而，前者在情绪的划分上过于粗泛，没有具体细分，导致不同具有欺诈行为的客户表现出的情绪无法用大类别的情绪进行划分，并且即使不是欺诈客户，在回答部分问题时也可能会出现负面的情绪，这样就会造成误判。后者仅从视频中提取有代表性的或变化大的固定数量的图片，输入模型进行预测，舍弃掉了视频中包含的大量信息，导致模型的准确性与可解释性都有所欠缺。由此可见，目前的面审欺诈辅助识别方法准确性都较低。专利技术...
【技术保护点】
1.一种面审欺诈辅助识别方法，其特征在于，所述方法包括：/n获取目标对象的面审视频，从所述面审视频中截取出所述目标对象回答面审问题的n个目标视频段；/n对n个所述目标视频段中的所述目标对象进行面部动作单元强度提取，得到所述目标对象的面部动作单元强度序列；/n获取所述面部动作单元强度序列的统计量；/n将所述面部动作单元强度序列的统计量输入预训练的两层长短期记忆网络堆叠的欺诈识别模型进行循环处理，得到所述目标对象的欺诈评分。/n
【技术特征摘要】
1.一种面审欺诈辅助识别方法，其特征在于，所述方法包括：
获取目标对象的面审视频，从所述面审视频中截取出所述目标对象回答面审问题的n个目标视频段；
对n个所述目标视频段中的所述目标对象进行面部动作单元强度提取，得到所述目标对象的面部动作单元强度序列；
获取所述面部动作单元强度序列的统计量；
将所述面部动作单元强度序列的统计量输入预训练的两层长短期记忆网络堆叠的欺诈识别模型进行循环处理，得到所述目标对象的欺诈评分。
2.根据权利要求1所述的方法，其特征在于，所述对n个所述目标视频段中的所述目标对象进行面部动作单元强度提取，得到所述目标对象的面部动作单元强度序列，包括：
针对n个所述目标视频段中的每个所述目标视频段，提取出每个所述目标视频段的每一帧图像中所述目标对象的预设数量个面部动作单元强度，得到每个所述目标视频段对应的面部动作单元强度子序列；
根据所述面部动作单元强度子序列得到所述面部动作单元强度序列。
3.根据权利要求2所述的方法，其特征在于，所述获取所述面部动作单元强度序列的统计量，包括：
计算所述每一帧图像中所述目标对象的预设数量个面部动作单元强度的第一统计量；
计算所述每一帧图像中所述目标对象的目标面部动作单元强度的第二统计量，所述预设数量个面部动作单元包括所述目标面部动作单元；
根据所述第一统计量和所述第二统计量得到所述面部动作单元强度子序列的统计量；
根据所述面部动作单元强度子序列的统计量得到所述面部动作单元强度序列的统计量。
4.根据权利要求2所述的方法，其特征在于，所述将所述面部动作单元强度序列的统计量输入预训练的两层长短期记忆网络堆叠的欺诈识别模型进行循环处理，得到所述目标对象的欺诈评分，包括：
将所述面部动作单元强度序列的统计量输入所述欺诈识别模型的第一层长短期记忆网络进行循环处理，得到n个输出结果；所述n个输出结果为n个所述面部动作单元强度子序列的统计量的运算结果；
将所述n个输出结果拼接为一个待处理序列；
将所述待处理序列输入所述欺诈识别模型的第二层长短期记忆网络进行循环处理，并将第二层长短期记忆网络最后一次循环输出的结果输入所述全连接层进行分类处理，得到所述目标对象的欺诈评分。
5.根据权利要求4所述的方法，其特征在于，所述将所述面部动作单元强度序列的统计量输入所述欺诈识别模型的第一层长短期记忆网络进行循环处理，得到n个输出结果，包括：
在所述欺诈识别模型的第一层长短期记忆网络中，当输入n个所述面部动作单元强度子序列中的第一个所述面部动作单元强度子序列的统计量时，执行第一次运算得到所述n个输出结果中的第一个输出结果；
当输入n个所述面部动作单...
【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
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。