基于SSR-Net的多场景风险评级模型在个人贷款上的应用方法、装置及存储介质制造方法及图纸

本发明专利技术提供一种基于SSR‑Net的多场景风险评级模型在个人贷款上的应用方法，包括以下步骤：获取用户的自拍照图像；对于用户的自拍照图像进行识别处理，得到用户的面部图像、衣着图像和自拍照背景图像，并进行标准化处理；分别对用户的面部图像、衣着图像和自拍照背景图像进行人工风险分值的标定；将标准化处理后的用户的面部图像、衣着图像和自拍照背景图像作为输入，训练基于SSR‑Net的多场景风险评级模型；基于SSR‑Net的多场景风险评级模型训练完成后，对于获取的用户自拍照图像，输入该模型得到用户的风险分值。本发明专利技术能够为大数据风控提供一个新的数据维度来源。

【技术实现步骤摘要】
基于SSR-Net的多场景风险评级模型在个人贷款上的应用方法、装置及存储介质
本专利技术涉及一种个人贷款风险评分的预测方法，尤其是一种基于SSR-Net的多场景风险评级模型在个人贷款上的应用方法。
技术介绍
线上贷款往往通过大数据的方式，在线获取贷款申请人的多维度信息对客户违约风险进行预测和判断，而此类信息多来自于如客人个人征信、多头借贷、电商及互联网行为数据、黑灰名单等。而传统线下通过有经验的审批人员进行面审来对客户风险进行识别的维度在大数据风控中往往是缺失的。
技术实现思路
为了解决面对小微企业主和低收入人群的贷款申请人收入信息难采集，难认定，缺少合格的抵质押品，信用记录缺失或不足等情况，本专利技术提出一种基于SSR-Net的多场景风险评级模型在个人贷款上的应用方法和装置，可以通过用户的自拍照来预测用户的贷款风险。本专利技术的第一方面，提供一种基于SSR-Net的多场景风险评级模型在个人贷款上的应用方法，包括以下步骤：步骤S10，获取用户的自拍照图像；步骤S20，对于用户的自拍照图像进行识本文档来自技高网...

【技术保护点】
1.一种基于SSR-Net的多场景风险评级模型在个人贷款上的应用方法，其特征在于，包括以下步骤：/n步骤S10，获取用户的自拍照图像；/n步骤S20，对于用户的自拍照图像进行识别处理，得到用户的面部图像、衣着图像和自拍照背景图像，并进行标准化处理；/n步骤S30，分别对用户的面部图像、衣着图像和自拍照背景图像进行人工风险分值的标定；/n步骤S40，将标准化处理后的用户的面部图像、衣着图像和自拍照背景图像作为输入，训练基于SSR-Net的多场景风险评级模型；/n步骤S50，基于SSR-Net的多场景风险评级模型训练完成后，对于获取的用户自拍照图像，输入该模型得到用户的风险分值。/n

【技术特征摘要】
1.一种基于SSR-Net的多场景风险评级模型在个人贷款上的应用方法，其特征在于，包括以下步骤：
步骤S10，获取用户的自拍照图像；
步骤S20，对于用户的自拍照图像进行识别处理，得到用户的面部图像、衣着图像和自拍照背景图像，并进行标准化处理；
步骤S30，分别对用户的面部图像、衣着图像和自拍照背景图像进行人工风险分值的标定；
步骤S40，将标准化处理后的用户的面部图像、衣着图像和自拍照背景图像作为输入，训练基于SSR-Net的多场景风险评级模型；
步骤S50，基于SSR-Net的多场景风险评级模型训练完成后，对于获取的用户自拍照图像，输入该模型得到用户的风险分值。


2.如权利要求1所述的基于SSR-Net的多场景风险评级模型在个人贷款上的应用方法，其特征在于，
步骤S20具体包括：
通过人脸检测算法获取用户自拍照的最大人脸框bbox(xmin，ymin，xmax，ymax)和人脸关键点坐标；
裁剪最大人脸框区域的人脸，得到用户面部图像；
以Trianglebackground＝[(0,0),(0,ymax),(xmin,ymax),(xmin,ymin),(xmax,ymin),(xmax,ymax),(W′,ymax),(W′,0)]为坐标点进行前景的多边形黑色填充，得到自拍照背景图像；
以Trianglefront＝[(0,ymax),(xmin,ymax),(xmin,ymin),(xmax,ymin),(xmax,ymax),(W′,ymax),(W′,H′),(0,H′)]为坐标点进行背景的多边形黑色填充，并跟据人脸关键点坐标的最大外接矩形做人脸关键点区域的黑色遮挡，得到用户的衣着图像；
W′和H′为自拍照图像的宽度和高度；
分别将用户的面部图像、衣着图像和自拍照背景图像统一为相同的尺寸。

【专利技术属性】
技术研发人员：杨赛，顾全林，
申请(专利权)人：无锡锡商银行股份有限公司，顾全林，
类型：发明
国别省市：江苏;32