一种基于多模态的黑色产业团伙识别方法技术

本发明专利技术公开了一种基于多模态的黑色产业团伙识别方法，包括以下步骤：S1：使用数据采集模块，获取用户在人脸验证时的图像作为待检测图片，同时获取用户的相关业务结构化信息；S2：使用图片预处理模块，对待检测图片进行缩放操作把图像变成(3*224*224)的矩阵，而后再其进行归一化操作，输出预处理后的图像。本发明专利技术利用非结构化的图像数据和结构化的业务数据相结合，更加有效的精准地识别在首次人脸认证中存在的同一场景进行认证的黑色产业团伙，实现精准打击黑色产业，降低金融机构的借贷资损；能准确的表征人脸验证图像的背景信息；通过这种方案识别出来的黑色产业团伙，从视觉很直观的发现，他们都是在同一个场景进行人脸认证的，增强了模型的可解释性。增强了模型的可解释性。增强了模型的可解释性。

【技术实现步骤摘要】
一种基于多模态的黑色产业团伙识别方法


[0001]本专利技术涉及电子信息
，特别涉及一种基于多模态的黑色产业团伙识别方法。

技术介绍

[0002]数字信贷中如何侦测黑色产业欺诈团伙是一个非常重要的问题。目前的信贷反欺诈技术主要依靠结构化的业务数据例如年龄、性别、居住地、手机号、历史借贷等，构建反欺诈模型。然而这种方案需要大量的个人数据与历史数据，当黑色产业欺诈团伙在首次认证时，模型很难将其检测出。通常黑色产业欺诈团伙在线下号召聚集人员，或者诱导、利用群众进行贷款。这些人要么是十分了解借贷规则的黑色产业人员，要么就是完全不了解甚至没有还款能力的高危人群。当这些用户初次认证时，现有的基于单维度的结构化业务数据的模型很难将其检测出。然而金融机构在获取用户信息时，一般也要求用户上传一些实时非结构化数据，例如活体检测视频或图片。而由于这些作案是线下作案，甚至通常是在同一个镜头或是场景前拍摄，通过结合业务信息与图像信息，就能发现相同背景的用户群体，实现对这类人群的精准识别。
[0003]发现相同背景的欺诈用户的难点在于：一、如何将图片中的人体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多模态的黑色产业团伙识别方法，其特征在于，包括以下步骤：S1：使用数据采集模块，获取用户在人脸验证时的图像作为待检测图片，同时获取用户的相关业务结构化信息；S2：使用图片预处理模块，对待检测图片进行缩放操作把图像变成(3*224*224)的矩阵，而后再其进行归一化操作，输出预处理后的图像；S3：使用图片前景信息去除模块，通过一个人体分割网络将输入图像区分出前景(人体)和背景区域，并且会输出一个前景区域掩码，把掩码缩放为28*28分辨率大小的掩码网格；S4：使用图片背景信息提取模块，将图像输入特征提取网络，输出图像特征，并以S3输出的掩码网格进行线下映射；S5：使用相似度检索模块，针对不匹配的特征降维并使用循环分层密度聚类找出相似群组，得到初步的检索结果；S6：使用输出模块，利用业务特征判断群组是否存在一定的频繁度，将有高频繁度的群组输出为最终的输出结果。2.根据权利要求1所述的一种基于多模态的黑色产业团伙识别方法，其特征在于，步骤S1中包含以下：S1.1：使用数据采集模块，获取用户在人脸验证时的图像，通过获取用户的客户身份证号、手机号归属地、用户单位归属地等结构化数据作为输入的业务属性特征。3.根据权利要求1所述的一种基于多模态的黑色产业团伙识别方法，其特征在于，步骤S2中包含以下：S2.1：将步骤S1.1中得到的输入图像进行缩放变换，而后得到统一的224*224分辨率大小的图像；S2.2：将步骤S2.1中得到的图像进行归一化操作，将所有像素值归一化到0
‑
1之间，得到归一化后的图像。4.根据权利要求1所述的一种基于多模态的黑色产业团伙识别方法，其特征在于，步骤S3中包含以下：S3.1：将步骤S2.2得到的图像输入到人体分割网络的特征提取模块中，得到对应的特征图；S3.2：将步骤S3.1得到的特征图输入到RPN网络进行人体与背景的区分，得到人体边框；S3.3：将步骤S3.2得到人体边框对应的特征图输入到mask分支网络中，得到前景中人体区域的像素级分割图，然后将该图缩放成28*28分辨率的掩码图。5.根据...

【专利技术属性】
技术研发人员：徐华建，徐建军，黄心泓，袁顺杰，施炎，汤敏伟，李真，
申请(专利权)人：天翼电子商务有限公司，
类型：发明
国别省市：