风险预测方法、装置、设备及存储介质制造方法及图纸

本申请实施例涉及一种风险预测方法、装置、设备及存储介质，旨在提高风险预测的准确度。其中，所述风险预测方法包括：获得用户的人脸图像；基于所述人脸图像预测所述用户的第一执行概率，所述第一执行概率表征所述用户执行目标行为的概率；提取所述人脸图像的视觉特征，并基于所述视觉特征预测所述用户的第二执行概率，所述第二执行概率表征所述用户执行所述目标行为的概率；根据所述第一执行概率和所述第二执行概率，获得所述用户执行所述目标行为的风险预测结果。本申请中，从全局人脸图像和视觉特征这两个角度对用户行为进行风险预测，有利于提高风险预测的准确度。

【技术实现步骤摘要】
风险预测方法、装置、设备及存储介质
本申请实施例涉及图像处理
，具体而言，涉及一种风险预测方法、装置、设备及存储介质。
技术介绍
近年来，随着互联网、大数据和云计算等技术的发展，以及线上、线下活动的日益丰富，考虑到大部分活动的各个参与方之间通常存在利益关系，因此在活动正式开展之前进行风险预测越来越成为一种为保障活动各方权益的重要技术手段。以金融行业为例，传统金融与互联网、移动互联网、大数据和云计算等技术的结合，互联网金融应运而生并得以发展。互联网金融是一个广义的概念，其包括但不限于：投资业务、借贷业务、电子支付业务、保险业务等。在线上或线下开展互联网金融业务期间，通常需要执行签约、身份验证等流程。为便于理解，以线上借贷业务为例。在线上借贷时，为了验证借贷者的身份，借贷平台要求借贷者上传身份证信息并拍摄人脸图像，在拍摄的人脸图像与身份证信息对应的身份证照片共同指向同一人的情况下，确定借贷者身份验证通过。此外，借贷平台还需要向用户提供预先拟定的约定事项，例如还款日期、借贷利息等约定事项，供借贷者进行签约。其中，互联网金融企业和平台在客户签约时，通常会尝试对客户是否能履行合同进行预测(或者对用户是否会违约的风险进行预测)，但是目前的风险预测方法的技术手段简单，或者所依赖的用户数据难以搜集，导致风险预测准确度偏低，对业务开展造成影响。
技术实现思路
本申请实施例提供一种风险预测方法、装置、设备及存储介质，旨在提高风险预测的准确度。本申请实施例第一方面提供一种风险预测方法，所述方法包括：获得用户的人脸图像；基于所述人脸图像预测所述用户的第一执行概率，所述第一执行概率表征所述用户执行目标行为的概率；提取所述人脸图像的视觉特征，并基于所述视觉特征预测所述用户的第二执行概率，所述第二执行概率表征所述用户执行所述目标行为的概率；根据所述第一执行概率和所述第二执行概率，获得所述用户执行所述目标行为的风险预测结果。本申请实施例第二方面提供一种风险预测装置，所述装置包括：人脸图像获得模块，用于获得用户的人脸图像；第一预测模块，用于基于所述人脸图像预测所述用户的第一执行概率，所述第一执行概率表征所述用户执行目标行为的概率；第二预测模块，用于提取所述人脸图像的视觉特征，并基于所述视觉特征预测所述用户的第二执行概率，所述第二执行概率表征所述用户执行所述目标行为的概率；综合预测模块，用于根据所述第一执行概率和所述第二执行概率，获得所述用户执行所述目标行为的风险预测结果。本申请实施例第三方面提供一种可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现如本申请实施例第一方面所述的风险预测方法中的步骤。本申请实施例第四方面提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现本申请第一方面所述的风险预测方法的步骤。本申请提供的风险预测方法基于图片数据对用户能否执行目标行为进行风险预测。具体地，一方面根据整个人脸图像，从全局人脸图像的角度预测用户的第一执行概率，即用户执行目标行为的第一概率。另一方面根据从人脸图像中提取的视觉特征，从视觉特征的角度预测用户的第二执行概率，即用户执行目标行为的第二概率。最后通过整合第一执行概率和第二执行概率，以获得用户执行目标行为的风险预测结果。本申请中，由于用户的人脸图像易于获取，为风险预测提供了充分的数据支持，因此有利于提高风险预测的准确度。并且本申请从全局人脸图像和视觉特征这两个角度对用户能否执行目标行为进行风险预测，实现了风险的多维度预测，因此也有利于提高风险预测的准确度。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本申请一实施例提出的风险预测方法的流程图；图2是本申请一实施例提出的风险预测方法的示意图；图3是本申请一实施例提出的第一预测模型的训练方式示意图；图4是本申请一实施例提出的第二预测模型的训练方式示意图；图5是本申请一实施例提出的预测结果整合模型的训练方式示意图；图6是本申请一实施例提出的风险预测装置的示意图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。随着线上、线下活动的日益丰富，考虑到大部分活动的各个参与方之间通常存在利益关系，因此在活动正式开展之前进行风险预测越来越成为一种为保障活动各方权益的重要技术手段。以互联网金融行业为例，互联网金融企业和平台在客户签约时，通常会尝试对客户是否能履行合同进行预测(或者对用户是否会违约的风险进行预测)，但是目前的风险预测方法的技术手段简单，或者所依赖的用户数据难以搜集，导致风险预测准确度偏低，对业务开展造成影响。有鉴于此，本申请通过一个或多个实施例提出风险预测方法、装置、设备及存储介质，旨在提高风险预测的准确度。参考图1，图1是本申请一实施例提出的风险预测方法的流程图。如图1所示，该方法包括以下步骤：步骤S11：获得用户的人脸图像。其中，用户的人脸图像是指包括用户人脸的图像。示例地，用户肩部以上图像、上半身图像、全身图像等均可视为用户的人脸图像。本申请在具体实现时，可以获取用户在约定执行目标行为期间所拍摄的人脸图像。以金融行业的签约过程为例，金融行业的签约过程即是一种约定执行目标行为的过程。其中，所述目标行为即是：在合同中承诺履行的行为，例如按期还款行为、抵押行为等等。示例地，在用户到店办理业务和签约期间，金融企业可借助门店的摄像装置拍摄用户的人脸图像，从而获得用户的人脸图像。或者示例地，在用户利用移动终端在线办理业务和签约期间，移动终端拍摄用户的人脸图像，并将拍摄的人脸图像发送给金融企业或金融平台，金融企业或金融平台即获得用户的人脸图像。本申请中，通过获取用户在约定执行目标行为期间所拍摄的人脸图像，由于该人脸图像是截止签约时刻，该用户的最新人脸图像。相比于历史人脸图像，该人脸图像具有更高的时效性，该人脸图像更能反映该用户的最新人物特征。因此利用在签约期间的拍摄的人脸图像进行风险预测(即下述步骤S12至步骤S14)，可以进一步提高预测准确度。需要说明的是，本申请在具体实现时，也可以获得用户在签约之前的历史人脸图像，然后基于该历史人脸图像进行风险预测(即下述步骤S12至步骤S14)。考虑到获得的人脸图像可能存在一些不规范的特点，例如图像中的人脸存在倾斜、图像中的人脸不是完全的正脸、图像存在黑本文档来自技高网...

【技术保护点】
1.一种风险预测方法，其特征在于，所述方法包括：/n获得用户的人脸图像；/n基于所述人脸图像预测所述用户的第一执行概率，所述第一执行概率表征所述用户执行目标行为的概率；/n提取所述人脸图像的视觉特征，并基于所述视觉特征预测所述用户的第二执行概率，所述第二执行概率表征所述用户执行所述目标行为的概率；/n根据所述第一执行概率和所述第二执行概率，获得所述用户执行所述目标行为的风险预测结果。/n

【技术特征摘要】
1.一种风险预测方法，其特征在于，所述方法包括：
获得用户的人脸图像；
基于所述人脸图像预测所述用户的第一执行概率，所述第一执行概率表征所述用户执行目标行为的概率；
提取所述人脸图像的视觉特征，并基于所述视觉特征预测所述用户的第二执行概率，所述第二执行概率表征所述用户执行所述目标行为的概率；
根据所述第一执行概率和所述第二执行概率，获得所述用户执行所述目标行为的风险预测结果。


2.根据权利要求1所述的方法，其特征在于，所述根据所述第一执行概率和所述第二执行概率，获得所述用户执行所述目标行为的风险预测结果的步骤，包括：
根据所述第一执行概率、所述第二执行概率以及两者各自的预设权重，确定所述用户执行所述目标行为的风险预测结果。


3.根据权利要求1所述的方法，其特征在于，所述根据所述第一执行概率和所述第二执行概率，获得所述用户执行所述目标行为的风险预测结果的步骤，包括：
将所述第一执行概率和所述第二执行概率输入预测结果整合模型，以预测所述用户执行所述目标行为的风险预测结果；
其中，所述预测结果整合模型是以样本用户的第一执行概率和第二执行概率以及样本用户的执行标签为训练数据，对第三预设模型进行训练后得到的模型，所述样本用户的第一执行概率是：基于样本用户的样本人脸图像而预测的样本用户执行所述目标行为的概率，所述样本用户的第二执行概率是：基于样本用户的样本人脸图像中的视觉特征而预测的样本用户执行所述目标行为的概率，所述样本用户的执行标签表征：样本用户是否执行了所述目标行为。


4.根据权利要求3所述的方法，其特征在于，所述基于所述人脸图像预测所述用户的第一执行概率的步骤，包括：
将所述人脸图像输入第一预测模型，以预测所述用户的第一执行概率；
其中，所述第一预测模型是以样本用户的样本人脸图像以及样本用户的执行标签为训练数据，对第一预设模型进行训练后得到的模型。


5.根据权利要求4所述的方法，其特征在于，所述第一预测模型是通过以下步骤得到的：
获得样本用户在约定执行所述目标行为时拍摄的历史人脸图像，并将该历史人脸图像作为样本人脸图像；
获得预先为所述样本人脸图像标记的执行标签，所述执行标签表征所述样本人脸图像对应的样本用户实际是否执行了所述目标行为；
基于携带执行标签的样本人脸图像，对第一预设模型进行训练；
将经过多次训练的第一预设模型确定为所述第一预测模型。


6.根据权利要求3所述的方法，其特征在于，所述基于所述视觉特征预测所述用户的第二执行概率的步骤，包括：
将所述视觉特征输入第二预测模型，以预测所述用户的第二执行概率；
其中，所述第二预测模型是以样本用户的样本人脸图像中的视觉特征以及样本用户的执行标签为训练数据，对第二预设模型进行训练后得到的模型。


7.根据权...

【专利技术属性】
技术研发人员：赵荔，高源，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京;11