一种基于图像识别的网贷欺诈识别方法及系统

本申请涉及数据分析的领域，尤其是涉及一种基于图像识别的网贷欺诈识别方法及系统。

网贷是网络贷款的简称，由于网贷具有无需线下交易、方便快捷、门槛较低等特点，所以网贷便于解决人们短期资金短缺的问题；使得网贷的推广变得极为迅速，许多人都有过网贷的借贷经历。

也正是由于网贷门槛较低，借贷条件较为宽松；部分人在借网贷时便带有欺诈的想法，并没有还钱的打算；现有的自动识别网贷欺诈方式通常是对网贷客户自己填写的资料进行分析，仅基于文字的分析，防欺诈的效果并不是很好。

为了降低网贷被欺诈的风险，本申请提供一种基于图像识别的网贷欺诈识别方法及系统。

第一方面，本申请提供的一种基于图像识别的网贷欺诈识别方法，采用如下的技术方案：

一种基于图像识别的网贷欺诈识别方法，包括：

实时获取网贷客户的图像信息。

基于网贷客户的图像信息，对所述图像信息进行解析以获取网贷客户身上的物品图像特征，得到网贷客户的穿着物品信息。

基于网贷客户的穿着物品信息，评估网贷客户的贷款上限额度。

实时获取网贷客户的申请额度，将网贷客户的申请额度与网贷客户的贷款上限额度进行对比，基于对比结果，得到网贷风险程度信息。

通过采用上述技术方案，得到网贷客户的许可后，获取网贷客户的图像信息；对获得的网贷客户的图像信息进行分析，抓取网贷客户身上的物品的图像特征，且对物品的图像特征进行解析，得到网贷客户的穿着物品信息；基于网贷客户的穿着物品信息，计算出网贷客户的还款能力，进而得到网贷客户的贷款上限额度；再获取网贷客户所申请的额度，若是网贷客户的申请额度超出评估的还款能力，则判定网贷客户存在欺诈行为；若是网贷客户的申请额度未超出评估的还款能力，则依据网贷客户的申请额度的数值进行网贷风险评级；减少网贷客户不还钱的情况发生，达到了降低网贷被欺诈的风险的效果。

可选的，所述基于网贷客户的图像信息，对所述图像信息进行解析以获取网贷客户身上的物品图像特征，得到网贷客户的穿着物品信息的步骤，包括：

基于网贷客户的图像信息，得到网贷客户的身体轮廓信息。

基于网贷客户的身体轮廓信息，将网贷客户的身体轮廓分为若干个区域。

实时获取各个区域的物品图像特征，得到网贷客户的穿着物品信息。

通过采用上述技术方案，在获取网贷客户的图像信息后，依据图像信息，得到网贷客户的身体轮廓；将身体轮廓分为若干个区域，包括手部、手腕、躯干、脚部、腿部等区域；依据各个区域的分类，抓取该区域的物品图像特征，比如在躯干区域抓取衣服的图像特征，在手腕部抓取手表的图像特征等；综合各个区域的图像特征，得到网贷客户的穿着物品信息。

可选的，所述基于网贷客户的身体轮廓信息，将网贷客户的身体轮廓分为若干个区域的步骤，包括：

读取人体的身体轮廓信息，将人体的身体轮廓信息与网贷客户的身体轮廓信息进行比对；

基于比对结果，将网贷客户的身体轮廓依据身体部位划分为若干个区域。

通过采用上述技术方案，由于人的身形都大致相同，所以预设人体的身体轮廓信息作为模板；当需要将网贷客户的身体轮廓依据身体部位划分为若干个区域时，提取人体的身体轮廓信息，将其与实时获取的网贷客户的身体轮廓信息进行比对；减少了抓取网贷客户的身体轮廓特定特征进行区域划分的步骤，达到了提高区域划分效率的效果。

可选的，所述基于网贷客户的穿着物品信息，评估网贷客户的贷款上限额度的步骤，包括：

基于网贷客户的穿着物品信息，评估网贷客户的穿着物品的价值；

基于网贷客户的穿着物品的价值，评估网贷客户的贷款上限额度。

通过采用上述技术方案，确认网贷客户的穿着物品信息后，将其与网上购物APP、二手交易市场等的物品进行信息匹配，基于匹配结果评估网贷客户的穿着物品的价值；再根据网贷客户的穿着物品的价值判断网贷用户的消费能力，基于网贷客户的消费能力推断网贷用户的还款能力，进而得到网贷用户的贷款上限额度。

可选的，所述实时获取网贷客户的申请额度，将网贷客户的申请额度与网贷客户的贷款上限额度进行对比，基于对比结果，得到网贷风险程度信息的步骤，包括：

将网贷客户的申请额度的数值与网贷客户的贷款上限额度的数值相除，得到对比结果；

读取网贷风险程度的划分方式，基于对比结果和网贷风险程度的划分方式，得到网贷风险程度信息。

通过采用上述技术方案，提前预设网贷风险程度的划分方式，在得到网贷客户的申请额度的数值和网贷客户的贷款上限额度的数值后，计算出网贷客户的申请额度的数值与网贷客户的贷款上限额度的数值的比值；结合比值和网贷风险程度的划分方式，得出网贷风险程度信息。

可选的，所述读取网贷风险程度的划分方式，基于对比结果和网贷风险程度的划分方式，得到网贷风险程度信息的步骤，包括：

设置若干个比例阈值，每个比例阈值对应一个风险等级，得到网贷风险程度的划分方式；

将对比结果与比例阈值进行对比，得到对比结果的风险等级，进而得到网贷风险程度信息。

通过采用上述技术方案，设置若干个比例阈值，使得网贷的风险程度直接体现在数据上，令网贷的风险程度更为直观，便于得到对比结果的风险等级。

第二方面，本申请提供一种基于图像识别的网贷欺诈识别装置，采用如下技术方案：

一种基于图像识别的网贷欺诈识别装置，包括：

图像获取模块：用于实时获取网贷客户的图像信息；

物品识别模块：用于实时获取网贷客户身上的物品图像特征；

信息获取模块：用于实时获取网贷客户的申请额度。

对比模块：用于将网贷客户的申请额度与网贷客户的贷款上限额度进行对比。

第三方面，本申请提供一种计算机设备，采用如下技术方案：

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如上述方案任一项所述的基于图像识别的网贷欺诈识别方法的步骤。

第四方面，本申请提供一种计算机可读存储介质，采用如下技术方案：

一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被基于图像识别的网贷欺诈识别装置执行时实现如上述方案任一项所述的基于图像识别的网贷欺诈识别方法的步骤。

第五方面，本申请提供一种基于图像识别的网贷欺诈识别系统，采用如下技术方案：

一种基于图像识别的网贷欺诈识别系统，其特征在于，包括：

图像获取装置：用于实时获取网贷客户的图像信息；

信息获取装置：用于实时获取网贷客户的申请额度；

以及如上述方案所述的计算机设备，所述图像获取装置、信息获取装置均与所述计算机设备连接。

综上所述，本申请包括以下至少一种有益技术效果：

1、评估网贷客户的还款能力评估出网贷客户的还款能力，并获取网贷客户的申请额度；若是网贷客户的申请额度超出评估的还款能力，则判定网贷客户存在欺诈行为；若是网贷客户的申请额度未超出评估的还款能力，则依据网贷客户的申请额度的数值进行网贷风险评级；减少网贷客户不还钱的情况发生，达到了降低网贷被欺诈的风险的效果；

2、将身体轮廓分为若干个区域，包括手部、手腕、躯干、脚部、腿部等区域；依据各个区域的分类，抓取该区域的物品图像特征，比如在躯干区域抓取衣服的图像特征，在手腕部抓取手表的图像特征等；综合各个区域的图像特征，得到网贷客户的穿着物品信息；

3、当需要将网贷客户的身体轮廓依据身体部位划分为若干个区域时，提取人体的身体轮廓信息，将其与实时获取的网贷客户的身体轮廓信息进行比对；减少了抓取网贷客户的身体轮廓特定特征进行区域划分的步骤，达到了提高区域划分效率的效果。

图1是本申请实施例中基于图像识别的网贷欺诈识别方法的流程示意图。

图2是图1中步骤S2的具体流程示意图。

图3是图2中步骤S22的具体流程示意图。

图4是图1中步骤S3的具体流程示意图。

图5是图1中步骤S1的具体流程示意图。

图6是图5中步骤S42的具体流程示意图。

图7是本申请实施例中基于图像识别的网贷欺诈识别装置的结构框图。

图8是本申请实施例中计算机设备的结构框图。

图9是本申请实施例中基于图像识别的网贷欺诈识别系统的结构框图。

附图标记说明：

1、图像获取模块；2、物品识别模块；3、信息获取模块；4、对比模块；5、图像获取装置；6、信息获取装置。

以下结合附图1-9对本申请作进一步详细说明。

本申请实施例公开一种基于图像识别的网贷欺诈识别方法，参照图1，包括以下步骤：

S1:实时获取网贷客户的图像信息。

在本实施例中，在获取网贷客户的许可信息后，利用网贷客户手中的设备，获得网贷客户的图像信息。在获得网贷客户的图像信息后，输出至图像识别的网贷欺诈识别装置。

例如：在网贷客户手中的设备为手机时，在网贷客户的手机中弹出许可申请弹窗；当网贷客户点击许可申请弹窗中的确认选项后，视为网贷客户对申请表示许可，则网贷客户的许可信息被获取。

获取网贷客户的许可信息后，网贷客户利用手机相册上传或者手机实时拍照的方式，将网贷客户的图像信息输出至图像识别的网贷欺诈识别装置。

S2:基于网贷客户的图像信息，对所述图像信息进行解析以获取网贷客户身上的物品图像特征，得到网贷客户的穿着物品信息。

对网贷客户的图像信息进行解析，抓取网贷客户身上的物品图像特征；并将抓取的特征与实际的物品进行比对，进而得到物品的价格、品牌等信息。将所有的信息综合，形成网贷客户的穿着物品信息。

具体地，对网贷客户的图像信息进行图像锐化处理，图像锐化处理可突出图像中物品的轮廓；将图像中物品的轮廓进行一一抓取，并沿着物品的轮廓进行裁剪处理，裁剪得到图像中物品单独的图像，进而得到若干个物品的图像信息。

例如：当网贷客户的图像信息中包括上衣和裤子这两件物品时，经过抓取处理和裁剪处理后得到上衣的图像和裤子的图像。

将上衣的图像与电商平台（例如淘宝、京东等）中的上衣进行比对，若是电商平台的上衣与上衣的图像的匹配度超出70%，也就是超出提前设定的阈值时，则提取电商平台的上衣的价格、品牌等数据，作为网贷客户的穿着的上衣信息。

以相同的方法得到网贷客户的穿着的裤子的信息，结合网贷客户的穿着的上衣和裤子的信息，得到网贷客户的穿着物品信息。

具体地，参照图2，步骤S2包括以下子步骤：

S21:基于网贷客户的图像信息，得到网贷客户的身体轮廓信息。

对网贷客户的图像进行图像锐化处理，将网贷客户的外形轮廓抓取，并沿着网贷客户的外形轮廓执行裁剪指令，进而得到网贷客户的身体轮廓信息。

S22:基于网贷客户的身体轮廓信息，将网贷客户的身体轮廓分为若干个区域。

具体地，参照图3，步骤S22包括以下子步骤：

S221:读取人体的身体轮廓信息，将人体的身体轮廓信息与网贷客户的身体轮廓信息进行比对。

由于每个人的身形比例大致相同，则预设一个模板，作为人体的身体轮廓信息，将模板依据身体的各个部位划分为若干个区域。

例如：模板分区时，将模板划分为头部、颈部、躯干部、手臂部、手腕部、腿部、脚部等区域。

S222:基于比对结果，将网贷客户的身体轮廓依据身体部位划分为若干个区域。

将人体的身体轮廓与网贷客户的身体轮廓进行比对，且网贷客户的身体轮廓依据人体的身体轮廓的分区方式进行分区。

一个区域的轮廓与网贷客户的身体轮廓的某个部分匹配程度超出提前设置的阈值时，这部分轮廓被识别为该区域。

例如：假设阈值为80%，网贷客户的身体轮廓的某个部分与手部区域的轮廓的匹配度超出80%时，该部分被识别为网贷客户的手部区域。

S23:实时获取各个区域的物品图像特征，得到网贷客户的穿着物品信息。

基于人们的穿着习惯，由于对应的身体区域穿着的物品的种类大致相同；将网贷客户的身体轮廓分为若干个区域，便于识别网贷客户的穿着物品信息。

例如：人们的手腕部通常穿戴的物品为手表、手链等物品，则在进行手腕区域的物品识别工作时，优先将手腕区域的物品轮廓与手表、手链等物品进行对比，便于尽快识别出对应的物品，提高了物品识别的效率。

S3:基于网贷客户的穿着物品信息，评估网贷客户的贷款上限额度。

依据网贷客户的穿着物品，评估网贷客户的穿着物品的价值总和。由于网贷客户的穿着物品的价值总和可作为推断网贷客户还款能力的论据之一，所以将网贷客户的穿着物品的价值总和作为基础数据，评估网贷客户的贷款上限额度；减少了网贷客户无法还款的情况发生，进而降低了网贷客户进行网贷欺诈的风险。

具体地，参照图4，步骤S3包括以下子步骤：

S31:基于网贷客户的穿着物品信息，评估网贷客户的穿着物品的价值。

在识别出网贷客户的穿着物品后，确认网贷客户的穿着物品的价格总和，进而得到网贷客户的穿着物品的价值。

例如：经过识别，得到网贷客户的穿着物品包括上衣、裤子和鞋子；其中，上衣在电商平台的价格为100人民币，裤子在电商平台的价格为300人民币，鞋子在电商平台的价格为70人民币。则网贷客户的穿着物品价值为100+300+70=470人民币。

S32:基于网贷客户的穿着物品的价值，评估网贷客户的贷款上限额度。

将网贷客户的穿着物品的价值做为基础数据，输入预设的计算公式中，计算公式输出的结果则为网贷客户的贷款上限额度。

假设预设的计算公式为3×N=Y

其中，N为网贷客户的穿着物品的价值，Y为网贷客户的贷款上限额度。

假设其中一名网贷客户的穿着物品的价值为600人民币，则该网贷客户的贷款上限额度为3×600=1800人民币。

S4:实时获取网贷客户的申请额度，将网贷客户的申请额度与网贷客户的贷款上限额度进行对比，基于对比结果，得到网贷风险程度信息。

网贷客户将想要申请的金额数值输入设备，则网贷客户的申请额度被获取。将获取的网贷客户的申请额度与计算得出的网贷客户的贷款上限额度进行对比，若是网贷客户的申请额度超出评估的还款能力，则判定网贷客户存在欺诈行为。若是网贷客户的申请额度未超出评估的还款能力，则依据网贷客户的申请额度的数值进行网贷风险评级；减少网贷客户不还钱的情况发生，达到了降低网贷被欺诈的风险的效果。

具体地，参照图5，步骤S4包括以下子步骤：

S41:将网贷客户的申请额度的数值与网贷客户的贷款上限额度的数值相除，得到对比结果。

以网贷客户的申请额度的数值与网贷客户的贷款上限额度的数值作为对比的基础数据，对比结果有数据作为载体，令对比结果更为直观且便于分析。

例如：存在一个网贷客户的申请额度的数值为1000人民币，而该网贷客户的贷款上限额度的数值为2000人民币，则对比结果为：1000÷2000=0.5。

S42:读取网贷风险程度的划分方式，基于对比结果和网贷风险程度的划分方式，得到网贷风险程度信息。

预设网贷风险程度的划分方式，在得到对比结果后，将对比结果的数据作为基础数据导入网贷风险程度的划分方式；进而得到网贷风险程度的信息，便于识别网贷客户是否存在意图网贷欺诈的情况。

具体地，参照图6，步骤S42包括以下子步骤：

S421:设置若干个比例阈值，每个比例阈值对应一个风险等级，得到网贷风险程度的划分方式。

设置若干个比例阈值，起到了将网贷客户的情况进行进一步的划分的作用，便于区分不同的客户体。

当对比结果大于设定的最大比例阈值时，则认定网贷客户存在欺诈行为。

例如：设置3个比例阈值，分别是0.3、0.6和1.0，分别对应低风险、中风险和高风险。

当0≦对比结果＜0.3时，判定此时处于低风险程度。

当0.3≦对比结果＜0.6时，判定此时处于中风险程度。

当0.6≦对比结果＜1.0时，判定此时处于高风险程度。

当对比结果≥1.0时，判定网贷客户存在欺诈行为。

S422:将对比结果与比例阈值进行对比，得到对比结果的风险等级，进而得到网贷风险程度信息。

例如：假设网贷客户的对比结果为0.5，比例阈值分别是0.3、0.6和1.0，分别对应低风险、中风险和高风险。则对比结果的风险等级为中风险，网贷风险程度信息为中风险程度。

本申请实施例的实施原理为：得到网贷客户的许可后，获取网贷客户的图像信息。对获得的网贷客户的图像信息进行分析，抓取网贷客户身上的物品的图像特征；且对物品的图像特征进行分析，得到网贷客户的穿着物品信息。基于网贷客户的穿着物品信息，评估网贷客户的还款能力评估出网贷客户的还款能力，进而得到网贷客户的贷款上限额度。再获取网贷客户所申请的额度，若是网贷客户的申请额度超出评估的还款能力，则判定网贷客户存在欺诈行为。若是网贷客户的申请额度未超出评估的还款能力，则依据网贷客户的申请额度的数值进行网贷风险评级；减少网贷客户不还钱的情况发生，降低了网贷被欺诈的风险。

本申请实施例还公开了一种基于图像识别的网贷欺诈识别装置，参照图7，该基于图像识别的网贷欺诈识别装置与上述实施例中的基于图像识别的网贷欺诈识别方法一一对应。基于图像识别的网贷欺诈识别装置，包括图像获取模块1、物品识别模块2、信息获取模块3和对比模块4。

图像获取模块1：用于实时获取网贷客户的图像信息。

物品识别模块2：用于实时获取网贷客户身上的物品图像特征。

信息获取模块3：用于实时获取网贷客户的申请额度。

对比模块4：用于将网贷客户的申请额度与网贷客户的贷款上限额度进行对比。

图像获取模块1获取网贷客户的图像信息，物品识别模块2基于网贷客户的图像信息，获取网贷客户身上的物品图像特征。信息获取模块3实时获取网贷客户的申请额度，然后对比模块4将网贷客户的申请额度与网贷客户的贷款上限额度进行对比，进而得出网贷风险程度的信息。

关于基于图像识别的网贷欺诈识别装置的具体限定可以参见上文中对基于图像识别的网贷欺诈识别方法的限定，在此不再赘述。上述基于图像识别的网贷欺诈识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。

参照图8，本申请实施例公开的一种计算机设备，包括存储器、处理器和存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：

S1:实时获取网贷客户的图像信息。

S2:基于网贷客户的图像信息，对所述图像信息进行解析以获取网贷客户身上的物品图像特征，得到网贷客户的穿着物品信息。

S3:基于网贷客户的穿着物品信息，评估网贷客户的贷款上限额度。

S4:实时获取网贷客户的申请额度，将网贷客户的申请额度与网贷客户的贷款上限额度进行对比，基于对比结果，得到网贷风险程度信息。

处理器执行计算机程序时还能够执行上述任意实施例中关于基于图像识别的网贷欺诈识别方法的步骤。

其中,该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备控制器的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现基于图像识别的网贷欺诈识别方法。

本申请还公开一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被计算机设备执行时实现以下步骤：

S1:实时获取网贷客户的图像信息。

S2:基于网贷客户的图像信息，对所述图像信息进行解析以获取网贷客户身上的物品图像特征，得到网贷客户的穿着物品信息。

S3:基于网贷客户的穿着物品信息，评估网贷客户的贷款上限额度。

S4:实时获取网贷客户的申请额度，将网贷客户的申请额度与网贷客户的贷款上限额度进行对比，基于对比结果，得到网贷风险程度信息。

计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述所有基于图像识别的网贷欺诈识别方法的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和／或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM(PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM(EEPROM）或闪存；易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器；作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM）、动态RAM(DRAM）、同步DRAM(SDRAM）、双数据率SDRAM(DDRSDRAM）、增强型SDRAM(ESDRAM）、同步链路（Synchlink) DRAM (SLDRAM）、存储器总线（Rambus）直接RAM(RD RAM）、直接存储器总线动态RAM(DRDRAM）、以及存储器总线动态RAM(RDRAM）等。

参照图9，本申请还公开一种基于图像识别的网贷欺诈识别系统，其包括图像获取装置5、信息获取装置6和计算机设备。

图像获取装置5：用于实时获取网贷客户的图像信息。

信息获取装置6：用于实时获取网贷客户的申请额度。

以及如上述方案所述的计算机设备，图像获取装置5、信息获取装置6均与计算机设备连接。

具体地，图像获取装置5可选但不限于手机，信息获取装置6可选但不限于手机。

手机利用拍照功能获取网贷客户的图像信息后，将网贷客户的图像信息传输至计算机设备；网贷客户将申请的贷款额度信息输入手机，手机将网贷用户的申请额度输出至计算机设备。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上实施例仅用以说明本申请的技术方案，而非对其限制：尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换：而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。