一种自助金融服务终端制造技术

本发明专利技术公开了一种自助金融服务终端，包括：票面识别模块，基于深度学习算法和图像处理技术对采集的票面信息进行识别；身份验证模块，对操作者面部要素的采集，并进行后台验证，并基于验证结果给定操作者名下所有账户；支付模块，根据确定的票面信息，并基于操作者择定的账户通过既定的验证模式进行支付操作；外部环境控制模块，根据采集操作者的面部要素，并对采集画面进行分析，对识别除其他人面部特征执行预警策略。该发明专利技术提供的自助金融服务终端，基于深度学习算法的票面识别系统，通过大量真实场景数据的训练和模型的优化，可实现高精度、高可靠的票面信息识别。高可靠的票面信息识别。高可靠的票面信息识别。

【技术实现步骤摘要】
一种自助金融服务终端


[0001]本专利技术涉及一种自助金融服务终端。

技术介绍

[0002]随着电子支付的广泛应用，自助服务终端正在快速发展，其中对票面识别技术的需求越来越大。而传统的ATM(自动柜员机)在支持现金转账、存现等多功能的同时，要求交易者需要在外部键盘键入许多操作、付款信息等，操作起来较为复杂。
[0003]公开(公告)号：CN209895451U，公开(公告)日：2020
‑
01
‑
03，公开的一种金融自助服务终端，包括柜体、第一柜门、第二柜门、锁具和挡件，柜体上设有连通的第一开口和第二开口，第一柜门通过第一枢接部与柜体枢接且具有将第一开口关闭的第一关闭位置及打开的第一打开位置，第二柜门通过第二枢接部与第二柜门枢接且具有将第二开口关闭的第二关闭位置及打开的第二打开位置，第一枢接部与第二枢接部垂直，锁具设置于第二柜门与柜体之间，挡件的第一端与第一柜门连接，当第二柜门位于第二关闭位置且第一柜门位于第一关闭位置时，锁具能够将第二柜门和柜体的位置锁定，第二柜门能阻止挡件运动以使第一柜门保持在第一关闭位置，从而一个锁具即可同时将两个柜门与柜体的位置锁定，可以有效降低成本。
[0004]公开(公告)号：CN107393229A，公开(公告)日：2017
‑
11
‑
24，公开的一种自助金融服务终端，包括客户终端和服务器终端；所述客户终端与人机交互端通过紧急离线装置连接，人机交互端还连接有安全管理装置，通过安全管理装置控制紧急离线装置的开关；所述客户终端和服务器终端之间通过通信模块完成通信连接。通过上述方式，本专利技术解决了传统金融终端大型化的问题，使得金客户在家中就可以通过专门设备完成金融相关操作，解决了在宽带网上进行金融活动的风险，同时安全管理装置的设置提高了该设备的安全性。
[0005]而如果通过自动识别用户提供的票据信息，身份验证以及支付订单等，实现快速、准确、安全的支付操作。

技术实现思路

[0006]本专利技术的目的是提供一种自助金融服务终端，用于解决上述问题。
[0007]为了实现上述目的，本专利技术提供如下技术方案：一种自助金融服务终端，包括：
[0008]票面识别模块，基于深度学习算法和图像处理技术对采集的票面信息进行识别；
[0009]身份验证模块，对操作者面部要素的采集，并进行后台验证，并基于验证结果给定所述操作者名下所有账户；
[0010]支付模块，根据确定的所述票面信息，并基于操作者择定的账户通过既定的验证模式进行支付操作；
[0011]外部环境控制模块，根据采集所述操作者的面部要素，并对采集画面进行分析，对识别除其他人面部特征执行预警策略。
[0012]作为优选的，还包括校验模块，用于分析用户数据、审核交易记录，并进行账户入
账操作。
[0013]作为优选的，所述校验模块，由CPU和GPU集合组合计算框架，并基于机器学习算法对自动分类用户数据和分析用户行为。
[0014]作为优选的，所述票面识别模块采用卷积神经网络模型，能够自动学习图像特征，对票据图像进行处理，从而实现票面信息的自动识别。
[0015]作为优选的，所述身份验证模块包括：
[0016]人脸识别单元，包括：
[0017]数据获取，获取银行客户信息系统中包含大量人脸图像的训练集；
[0018]数据预处理，对采集人脸图像裁剪成同样与所述训练集存储图像的大小和位置相同，并移除背景和噪声；
[0019]网络构建和训练，采用现有的网络结构作为基础架构，并为每个人脸图像分配唯一的标签，监督网络进行分类任务，即将人脸图像转换为特征向量；
[0020]特征提取，完成网络的训练后，需要使用已训练好的CNN来提取人脸的特征向量，输入一个新的人脸图像，会经过网络的卷积和全连接层，得到一个包含128个特征分量的向量；
[0021]计算人脸相似度，将两个人脸的特征向量点积操作并归一化，即可计算它们的相似度，相似度高于一个阈值，则认为这两个人脸是同一个人，且相似度取值在0到1之间；
[0022]身份证识单元，利用多光谱识别出身份证的细节信息，并运用OCR技术进行文字识别，并将信息与银行客户信息系统进行核对，生成反馈数据；
[0023]基于上述所述人脸识别单元和所述身份证识单元验证数据反馈，且反馈结果一致时，则判定当前所述操作者身份确认。
[0024]作为优选的，所述票面识别模块对所述票面信息的处理，包括以下步骤：
[0025]S01、将识别的票面信息的彩色图片转为灰度图像；
[0026]S02、根据票据上需要识别的信息区域，对图像进行切割，将需要识别的部分提取出来；
[0027]S03、按预定参数对图像进行增强处理，增强处理包括亮度、对比度、清晰度和锐度。
[0028]S04、利用卷积神经网络深度学习算法，在该提取的图像区域中运行神经网络模型来识别出需要的信息；
[0029]S05、对识别出的信息进行后处理，主要包括字符分割、字符识别和字符串识别，其中：
[0030]字符分割指将字符串中的一个个字符分离出来；
[0031]字符识别指对每一个字符进行识别；
[0032]字符串识别指对识别出的字符组成的字符串进行识别。
[0033]作为优选的，所述票面信息包括存款单据、票据以及银行承兑汇票。
[0034]作为优选的，所述外部环境控制模块，包括：
[0035]预警单元，基于所述身份验证模块中的采集的画面，并对画面中除明显面部以外的面部进行反馈；
[0036]提示单元，根据所述反馈，进行红屏提示；
[0037]语言警报单元，根据所述反馈，进行语音提示。
[0038]在上述技术方案中，本专利技术提供的一种自助金融服务终端，具备以下有益效果：基于深度学习算法的票面识别系统，通过大量真实场景数据的训练和模型的优化，可实现高精度、高可靠的票面信息识别；并且提供基于生物识别技术和身份证号码识别技术的身份验证系统，可快速认证支付者真实身份，防止支付风险；再者通过运用双重加密算法确保支付系统交易的安全可靠性，并采用环境控制系统等措施，维护整个服务终端的稳定性和安全性。
附图说明
[0039]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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专利技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0040]图1为本专利技术实施例提供的模块结构示意图；
[0041]图2为本专利技术实施例提供的身份验证模块的结构示意图；
[0042]图3为本专利技术实施例提供的票面识别模块的流程结构示意图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自助金融服务终端，其特征在于，包括：票面识别模块，基于深度学习算法和图像处理技术对采集的票面信息进行识别；身份验证模块，对操作者面部要素的采集，并进行后台验证，并基于验证结果给定所述操作者名下所有账户；支付模块，根据确定的所述票面信息，并基于操作者择定的账户通过既定的验证模式进行支付操作；外部环境控制模块，根据采集所述操作者的面部要素，并对采集画面进行分析，对识别除其他人面部特征执行预警策略。2.根据权利要求1所述的一种自助金融服务终端，其特征在于，还包括校验模块，用于分析用户数据、审核交易记录，并进行账户入账操作。3.根据权利要求1所述的一种自助金融服务终端，其特征在于，所述校验模块，由CPU和GPU集合组合计算框架，并基于机器学习算法对自动分类用户数据和分析用户行为。4.根据权利要求1所述的一种自助金融服务终端，其特征在于，所述票面识别模块采用卷积神经网络模型，能够自动学习图像特征，对票据图像进行处理，从而实现票面信息的自动识别。5.根据权利要求1所述的一种自助金融服务终端，其特征在于，所述身份验证模块包括：人脸识别单元，包括：数据获取，获取银行客户信息系统中包含大量人脸图像的训练集；数据预处理，对采集人脸图像裁剪成同样与所述训练集存储图像的大小和位置相同，并移除背景和噪声；网络构建和训练，采用现有的网络结构作为基础架构，并为每个人脸图像分配唯一的标签，监督网络进行分类任务，即将人脸图像转换为特征向量；特征提取，完成网络的训练后，需要使用已训练好的CNN来提取人脸的特征向量，输入一个新的人脸图像，会经过网络的卷积和全连接层，得到一个包含128个特征分量的向量；计算人脸相似度，将两个人脸的特征向量点积操作并归一化，即可计算它们的相似度，相似度高于一个阈值，则认为这两个人脸是同一个人，且相似度取值在0到1之间；...

【专利技术属性】
技术研发人员：任思源，
申请(专利权)人：任思源，
类型：发明
国别省市：