一种基于AI人脸识别的反欺诈方法及系统技术方案

本发明专利技术提供了一种基于AI人脸识别的反欺诈方法及系统，所述方法包括：获取第一信息和第二信息；根据视频信息，分析所述目标对象脸部是否有遮挡物，根据分析结果判定所述目标对象的第一欺诈危险评分；根据视频信息，形成所述目标对象物的活动轨迹图，根据活动轨迹图，得到第二欺诈危险评分；将敲门音频进行梅尔频率倒谱计算，基于梅尔频率倒谱，得到第三欺诈危险评分，并基于各欺诈危险评分得到最终评分；根据最终评分确定最终危险等级，并将各欺诈危险评分和所述最终危险等级发送至用户，用于帮助用户降低被欺诈的风险。通过本发明专利技术中的这种多角度分析、监测的方法，可以提高得出的危险等级的准确性，进而最大化的提示用户，以降低被欺诈的风险。降低被欺诈的风险。降低被欺诈的风险。

【技术实现步骤摘要】
一种基于AI人脸识别的反欺诈方法及系统


[0001]本专利技术涉及反欺诈
，具体而言，涉及一种基于AI人脸识别的反欺诈方法及系统。

技术介绍

[0002]目前，在住宅楼里面，常有陌生人敲门搭讪，实施诈骗的行为发生；而在开门前，只能通过猫眼对陌生人进行查看，或连猫眼都没有，此种情况下，便无法判断此陌生人是否具有欺诈危险，进而也无法特意的提高警惕，此种情况可能会增加受骗的风险。

技术实现思路

[0003]本专利技术的目的在于提供一种基于AI人脸识别的反欺诈方法及系统，以改善上述问题。
[0004]为了实现上述目的，本申请实施例提供了如下技术方案：
[0005]一方面，本申请实施例提供了一种基于AI人脸识别的反欺诈方法，所述方法包括：
[0006]获取第一信息和第二信息，所述第一信息包括在预设时间段内门外的视频信息，所述视频信息中包括至少一个待监控的目标对象，所述目标对象为人，所述第二信息包括在所述预设时间段内所述目标对象敲门时产生的敲门音频；
[0007]根据所述视频信息，分析所述目标对象脸部是否有遮挡物，得到分析结果，根据所述分析结果判定所述目标对象的第一欺诈危险评分；根据所述视频信息，形成所述目标对象物的活动轨迹图，根据所述活动轨迹图，得到第二欺诈危险评分；
[0008]将所述敲门音频进行梅尔频率倒谱计算，基于所述梅尔频率倒谱，得到第三欺诈危险评分，并基于所述第一欺诈危险评分、所述第二欺诈危险评分和所述第三欺诈危险评分得到最终评分；
[0009]根据所述最终评分确定最终危险等级，并将各欺诈危险评分和所述最终危险等级发送至用户，用于帮助用户降低被欺诈的风险。
[0010]第二方面，本申请实施例提供了一种基于AI人脸识别的反欺诈系统，所述装置包括获取模块、分析模块、计算模块和发送模块。
[0011]获取模块，用于获取第一信息和第二信息，所述第一信息包括在预设时间段内门外的视频信息，所述视频信息中包括至少一个待监控的目标对象，所述目标对象为人，所述第二信息包括在所述预设时间段内所述目标对象敲门时产生的敲门音频；
[0012]分析模块，用于根据所述视频信息，分析所述目标对象脸部是否有遮挡物，得到分析结果，根据所述分析结果判定所述目标对象的第一欺诈危险评分；根据所述视频信息，形成所述目标对象物的活动轨迹图，根据所述活动轨迹图，得到第二欺诈危险评分；
[0013]计算模块，用于将所述敲门音频进行梅尔频率倒谱计算，基于所述梅尔频率倒谱，得到第三欺诈危险评分，并基于所述第一欺诈危险评分、所述第二欺诈危险评分和所述第三欺诈危险评分得到最终评分；
[0014]发送模块，用于根据所述最终评分确定最终危险等级，并将各欺诈危险评分和所述最终危险等级发送至用户，用于帮助用户降低被欺诈的风险。
[0015]第三方面，本申请实施例提供了基于AI人脸识别的反欺诈设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述基于AI人脸识别的反欺诈方法的步骤。
[0016]第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于AI人脸识别的反欺诈方法的步骤。
[0017]本专利技术的有益效果为：
[0018]本专利技术将为了将目标对象的相关信息进行充分的应用，在原始数据采集阶段，采集了视频信息和音频信息，并且根据脸部遮挡情况采用不同分析方法，得出针对脸部的欺诈危险评分；除了从脸部进行危险分析之外，还将目标对象的活动轨迹进行了分析，得出了针对活动轨迹的欺诈危险评分，最后，还从敲门音频这个角度进行了分析，得出了针对敲门声的欺诈危险评分；最后基于各自不同的权重，计算得到最终危险等级；相较于只通过脸部进行危险等级评分，通过本专利技术中的这种多角度分析、监测的方法，可以提高得出的危险等级的准确性，进而最大化的提示用户，以降低被欺诈的风险。
[0019]本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0021]图1是本专利技术实施例中所述的基于AI人脸识别的反欺诈方法流程示意图；
[0022]图2是本专利技术实施例中所述的基于AI人脸识别的反欺诈系统结构示意图；
[0023]图3是本专利技术实施例中所述的基于AI人脸识别的反欺诈设备结构示意图。
具体实施方式
[0024]为使本专利技术实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0025]应注意到：相似的标号或字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的
描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0026]实施例1
[0027]如图1所示，本实施例提供了一种基于AI人脸识别的反欺诈方法，该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
[0028]步骤S1、获取第一信息和第二信息，所述第一信息包括在预设时间段内门外的视频信息，所述视频信息中包括至少一个待监控的目标对象，所述目标对象为人，所述第二信息包括在所述预设时间段内所述目标对象敲门时产生的敲门音频；
[0029]在本步骤中，视频信息可以为安装在门上的视频采集装置所采集，敲门音频也可以为安装在门上的音频采集装置所采集；在本实施例中，考虑到每个人在实施诈骗时，心理和生理在一定程度上可能与正常活动时有区别，因此本实施例进行了视频信息和音频信息的采集；通过此种方式可以提高目标对象相关信息的利用率，相较于只利用脸部特征进行反诈骗分析，本实施例采用几个维度的数据，更能够反映目标对象的危险程度，进而得到更准确的反诈骗信息；
[0030]步骤S2、根据所述视频信息，分析所述目标对象脸部是否有遮挡物，得到分析结果，根据所述分析结果判定所述目标对象的第一欺诈危险评分；根据所述视频信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AI人脸识别的反欺诈方法，其特征在于，包括：获取第一信息和第二信息，所述第一信息包括在预设时间段内门外的视频信息，所述视频信息中包括至少一个待监控的目标对象，所述目标对象为人，所述第二信息包括在所述预设时间段内所述目标对象敲门时产生的敲门音频；根据所述视频信息，分析所述目标对象脸部是否有遮挡物，得到分析结果，根据所述分析结果判定所述目标对象的第一欺诈危险评分；根据所述视频信息，形成所述目标对象物的活动轨迹图，根据所述活动轨迹图，得到第二欺诈危险评分；将所述敲门音频进行梅尔频率倒谱计算，基于所述梅尔频率倒谱，得到第三欺诈危险评分，并基于所述第一欺诈危险评分、所述第二欺诈危险评分和所述第三欺诈危险评分得到最终评分；根据所述最终评分确定最终危险等级，并将各欺诈危险评分和所述最终危险等级发送至用户，用于帮助用户降低被欺诈的风险。2.根据权利要求1所述的基于AI人脸识别的反欺诈方法，其特征在于，根据所述视频信息，分析所述目标对象脸部是否有遮挡物，得到分析结果，根据所述分析结果判定所述目标对象的第一欺诈危险评分，包括：根据所述视频信息，提取目标对象的人脸信息，判断脸部是否有遮挡物，若没有则将所述人脸信息与预设人脸信息数据库进行对比分析，得出所述第一欺诈危险评分；若有则获取所述目标对象在所述预设时间段内的眨眼次数和提取在所述预设时间段内所述目标对象的眼部视频；按照预设时间长度对所述眼部视频进行划分，划分成若干视频段，计算每一视频段对应的眼睛闭合时间比例，并基于所述目标对象在所述预设时间段内的眨眼次数，计算出所述目标对象在每个所述视频段下的眨眼次数；基于所述眨眼次数、所述眼睛闭合时间比例得到第一欺诈危险评分。3.根据权利要求2所述的基于AI人脸识别的反欺诈方法，其特征在于，基于所述眨眼次数、所述眼睛闭合时间比例得到第一欺诈危险评分，包括：获取历史样本，每个所述历史样本包括每个历史目标对象对应的历史眨眼次数和历史眼睛闭合时间比例，对每个历史样本进行危险等级标注；基于CART算法和标注后的历史样本，得到CART决策树，并对其进行随机剪枝处理且确定其常量，得到处理后的CART决策树，基于所述处理后的CART决策树和基尼指数计算方法，得到最优子决策树，基于所述最优子决策树得到第一危险等级判定模型；基于所述第一危险等级判定模型和所述眨眼次数、所述眼睛闭合时间比例，得到所述第一欺诈危险评分。4.根据权利要求3所述的基于AI人脸识别的反欺诈方法，其特征在于，基于所述第一危险等级判定模型和所述眨眼次数、所述眼睛闭合时间比例，得到所述第一欺诈危险评分，包括：将每一个所述视频段对应的眨眼次数和眼睛闭合时间比例进行组合，形成数据组，将每一个数据组输入所述第一危险等级判定模型中，得到第一危险等级结果，将全部的第一危险等级结果对应的评分进行集合，形成评分集合；基于密度的离群点算法剔除所述评分集合中的异常数据，再利用基于距离类的聚类算
法，将评分集合中的所有的数值进行聚类处理，得到聚类类别集合，并计算所述聚类类别集合中每个点到中心点的欧式距离，得到每个聚类类别对应的最大欧式距离，将全部的所述最大欧式距离进行平均值计算，将得到的平均值作为第一欺诈危险评分。5.一种基于AI人脸识别的反欺诈系统，其特征在于，包括：获取模块，用于获取第一信息和第二信息，所述第一信息包括在预设时间段内门外的视频信息，所述视频...

【专利技术属性】
技术研发人员：陈宗昊，王冰清，
申请(专利权)人：南京鸿威互动科技有限公司，
类型：发明
国别省市：