数据验证方法、装置、计算机设备及存储介质

本发明涉及图像识别领域，尤其涉及一种数据验证方法、装置、计算机设备及存储介质。

目前，在特定数据验证场景下(如个人资料申请验证、银行申请贷款等)证件信息的填写大多是通过用户自己手动输入，然后通过人工审核证件信息的有效性和真实性。在证件信息填写较多或较复杂的情况下，手动填写信息易出错且填写效率低，当手动填写信息出错的情况下也会直接影响通过数据验证的准确率。另外，人工对证件信息进行审核，存在审核难度大、效率低的情况。

本发明实施例提供一种数据验证方法、装置、计算机设备及存储介质，以解决人工填写证件信息易出错且效率低和人工审核效率低的问题。

一种数据验证方法，包括：

获取客户端发送的数据验证请求，所述数据验证请求包括申请类型和所述申请类型对应的至少两个原始证件；

对所述原始证件进行预处理，获取证件图像；

若所述申请类型为一类申请类型，则采用边框检测算法和轮廓比对算法对至少两个所述证件图像进行处理，获取每一所述证件图像对应的目标轮廓图像；

将每一所述目标轮廓图像输入到预先配置好的人脸匹配接口中分别进行人脸匹配，获取每一所述目标轮廓图像对应的人脸匹配结果；

采用证件识别算法对每一所述证件图像进行信息识别，获取每一所述证件图像对应的有效证件信息；

通过关键词对所述有效证件信息进行筛选，获取目标证件信息，并对所有所述目标证件信息进行信息一致性验证，获取一致性验证结果；

若所有所述人脸匹配结果均为匹配成功，且所述一致性验证结果为验证通过，则获取验证通过的数据验证结果并发送给所述客户端。

一种数据验证装置，包括：

验证请求获取模块，用于获取客户端发送的数据验证请求，所述数据验证请求包括申请类型和所述申请类型对应的至少两个原始证件；

预处理模块，用于对所述原始证件进行预处理，获取证件图像；

轮廓图像查模块，用于若所述申请类型为一类申请类型，则采用边框检测算法和轮廓比对算法对至少两个所述证件图像进行处理，获取每一所述证件图像对应的目标轮廓图像；

人脸匹配模块，用于将每一所述目标轮廓图像输入到预先配置好的人脸匹配接口中分别进行人脸匹配，获取每一所述目标轮廓图像对应的人脸匹配结果；

第一证件图像识别模块，用于采用证件识别算法对每一所述证件图像进行信息识别，获取每一所述证件图像对应的有效证件信息；

信息筛选模块，用于通过关键词对所述有效证件信息进行筛选，获取目标证件信息，并对所有所述目标证件信息进行信息一致性验证，获取一致性验证结果；

第一验证结果获取模块，用于若所有所述人脸匹配结果均为匹配成功，且所述一致性验证结果为验证通过，则获取验证通过的数据验证结果并发送给所述客户端。

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上述数据验证方法。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述数据验证方法。

上述数据验证方法、装置、计算机设备及存储介质，通过对原始证件进行预处理，使得获取的证件图像清晰且为正面图像，提高后续数据验证的准确率。通过人脸识别技术确定用户上传的至少两张证件图像均存在人脸图像，以确定用户的申请类型为一类申请类型，执行一类申请类型对应的验证步骤。通过选择与申请类型对应的验证步骤对证件图像上的目标轮廓图像和目标证件信息进行验证，以完成对原始证件的真实性和有效性进行验证。通过上述步骤，无需人工参与，计算机即可自动完成对原始证件的验证，提高数据验证效率，且保证对原始证件进行数据验证的准确率。

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中数据验证方法的一应用环境示意图；

图2是本发明一实施例中数据验证方法的一流程图；

图3是本发明一实施例中数据验证方法的一流程图；

图4是图2中步骤S12的一具体流程图；

图5是图2中步骤S13的一具体流程图；

图6是图2中步骤S15的一具体流程图；

图7是本发明一实施例中数据验证装置的一示意图；

图8是本发明一实施例中计算机设备的一示意图。

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本申请提供的数据验证方法，可应用在如图1的应用环境中，其中，计算客户端通过网络与服务器进行通信。客户端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集来实现。

在一实施例中，如图2所示，提供一种数据验证方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：

S11：获取客户端发送的数据验证请求，数据验证请求包括申请类型和申请类型对应的至少两个原始证件。

其中，数据验证请求指对客户端发送的数据进行验证的请求。本实施例中的数据验证请求具体为验证用户申请贷款时在客户端上传相关数据的请求。具体地，用户在客户端选择需要的申请类型，并根据该申请类型上传对应的原始证件，然后通过客户端将原始证件发送给对应的服务器，以使服务器执行后续步骤。其中，申请类型指贷款申请类型，本实施例中的申请类型包括但不限于个人资料验证(如购买飞机票、火车票和高铁票、申请出国学习和跨境旅游)和银行申请贷款(信用贷款、汽车抵押贷款和房屋抵押贷款)。原始证件指根据申请类型确定的在有效期内的证件，如出国旅游需要身份证和护照；跨境旅游需要身份证和港澳通行证；汽车抵押贷款需要身份证和行驶证；房屋抵押贷款需要身份证和房产证等。

S12：对原始证件进行预处理，获取证件图像。

具体地，在获取原始证件后，服务器会对原始证件进行预处理，以获取证件图像。本实施例中的预处理具体包括两大步骤，分别为：1)对原始证件进行模糊检测，以确定上传的原始证件是否清晰，若清晰，则执行步骤2)；若不清晰，则提示用户重新上传原始证件。2)对清晰的原始证件进行矫正处理，以确定服务器获取的原始证件不是有倾斜角度的图像，是正面图像。本实施例中的矫正处理包括但不限于采用OpenCv中的perspectiveTransform()函数。其中，OpenCV是一个包含大量开源API(接口)的跨平台计算机视觉库，通过调用OpenCV中对应的接口以快速获取perspectiveTransform()函数，实现对原始证件的矫正处理。通过对原始证件进行模糊检测和矫正处理，以获取清晰且正面的证件图像，方便执行后续步骤。

S13：若申请类型为一类申请类型，则采用边框检测算法和轮廓比对算法对至少两个证件图像进行处理，获取每一证件图像对应的目标轮廓图像。

本实施例中的一类申请类型指用户申请贷款时需要上传至少两张包含人脸图像的原始证件对应的申请类型。其中，包含人脸图像的原始证件包括但不限于身份证和驾驶证。

具体地，服务器通过人脸识别技术判断用户上传的至少两张证件图像中是否存在人脸图像，以确定用户的申请类型。若至少两张证件图像中均存在人脸图像，则确定用户的申请类型为一类申请类型；若证件图像中仅有一张人脸图像或者不存在人脸图像，则确定用户的申请类型为二类申请类型。其中，二类申请类型指用户申请贷款时上传的原始证件中不包含人脸图像或者仅有一张包含人脸图像对应的申请类型。

在确定用户的申请类型为一类申请时，则采用边框检测算法对每一证件图像进行检测，获取每一证件图像中能形成轮廓的轮廓图像。本实施例中的边框检测算法可以采用opencv视觉库中的Canny边缘检测算法，Canny边缘检测算法是一种常见的轮廓查算法。其中，轮廓图像指证件图像中能形成闭合轮廓的图像。

由于证件图像中能形成轮廓的轮廓图像不止一个，如身份证上能形成轮廓的轮廓图像包括国徽和人脸图像。因此，在获取证件图像中的轮廓图像后，还需要采用轮廓比对算法对每一轮廓图像进行筛选，获取与每一证件图像对应的目标轮廓图像。本实施例中的轮廓比对算法指设置好标准轮廓的尺寸和形状，用于对轮廓图像进行比较筛选的方法。本实施例中的标准轮廓的尺寸和形状具体设定为身份证或者驾驶证上人脸图像的形状和尺寸。通过边框检测算法和轮廓比对算法对每一证件图像进行处理，以获取每一证件图像对应的目标轮廓图像，即证件图像上的人脸图像，以便于执行后续步骤对目标轮廓图像进行真实性验证。

S14：将每一目标轮廓图像输入到预先配置好的人脸匹配接口中分别进行人脸匹配，获取每一目标轮廓图像对应的人脸匹配结果。

其中，人脸匹配接口指对目标轮廓图像进行真实性验证的接口。通过该人脸匹配接口可将目标轮廓图像发送给人脸验证系统进行人脸真实性验证。

具体地，在获取每一证件图像对应的目标轮廓图像后，服务器会将每一目标轮廓图像输入到预先配置好的人脸匹配接口中分别进行人脸匹配，获取每一目标轮廓图像对应的人脸匹配结果。当目标轮廓图像与人脸匹配接口中的人脸图像相似度达到预设值，则该人脸图像对应的人脸匹配结果为匹配成功；当目标轮廓图像与人脸匹配接口中的人脸图像相似度没有达到预设值，则该人脸图像对应的人脸匹配结果为匹配不成功。

进一步地，为了保证人脸匹配结果的准确性，本实施例中的人脸验证系统在用户上传原始证件时，人脸验证系统会通过识别身份证对应的证件图像，获取身份证上的身份证号码，然后通过身份证号码获取该身份证号码存储在公安系统中的信息，以通过这种方式验证用户上传的原始证件中的人脸图像是否真实有效。

S15：采用证件识别算法对每一证件图像进行信息识别，获取每一证件图像对应的有效证件信息。

其中，证件识别算法指对证件图像进行信息识别的算法。本实施例中的证件识别算法可以采用OCR图像识别技术。有效证件信息指通过证件识别算法对证件图像进行识别得到的该证件图像上的文字信息。具体地，在获取证件图像后，服务器首先采用证件识别算法对每一证件图像进行信息识别，获取证件图像对应的文字信息，然后通过证件图像携带的证件类型获取对应的证件模板，基于证件模板上的证件信息标识，对待分类文本进行分类，以获取每一证件信息标识对应的目标证件信息。最后，对证件的有效期进行验证，以确保用户上传的原始证件均为在效期内，当确定用户的原始证件均在有效期内，则从该原始证件对应的证件图像中获取有效证件信息。证件模板指对证件图像上的文字信息进行分类的模板。为了提高证件模板分类的准确率，本实施例中每一证件类型对应一证件模板。该证件模板包括证件信息标识，本实施例中的证件标识指用于区分证件图像上的文字信息的标识。以身份证为例，身份证对应的证件标识为“姓名”、“性别”、“民族”、“出生”、“住址”和“有效期”。

S16：通过关键词对有效证件信息进行筛选，获取目标证件信息，并对所有目标证件信息进行信息一致性验证，获取一致性验证结果。

具体地，在获取每一证件图像对应的有效证件信息后，会通过关键词对有效证件信息进行筛选，获取目标证件信息。其中，目标证件信息指通过预先设置好的关键词对有效证件信息进行筛选后得到的信息。由于每一证件图像需要验证的信息不一致，因此，本实施例中每一证件图像对应的关键词设置也不一致，具体关键词设置根据实际需要确定。如身份证对应的目标证件信息为姓名、性别、住址、身份证号码和有效期；社会保障卡对应的目标证件信息为姓名、社会保障号码和有效期。

在获取目标证件信息后，服务器会对所有目标证件信息进行信息一致性验证，获取一致性验证结果。若获取的目标证件信息一致，则一致性验证结果为验证通过；若获取的目标证件信息不一致，则一致性验证结果为验证不通过。如获取的证件图像为身份证和社保卡对应的证件图像，则从身份证对应的证件图像中获取的目标证件信息为姓名和身份证号码，从社保卡对应的证件图像中获取的目标证件信息为姓名和社会保证号码，若二者的姓名一致，且身份证号码和社会保障号码一致，则表示目标证件信息一致，其对应的一致性验证结果为验证通过。通过对所有目标证件信息进行信息一致性验证，可以有效地验证用户上传的原始证件是否真实有效，以保障借贷双方的合法权益。

S17：若所有人脸匹配结果均为匹配成功，且一致性验证结果为验证通过，则获取验证通过的数据验证结果并发送给客户端。

具体地，在所有人脸匹配结果均为匹配成功，且一致性验证结果为验证通过，则表示用户上传的原始证件均为真实有效的，服务器会生成验证通过的数据验证结果，并将该验证通过的数据验证结果发送给客户端，以使用户及时获知数据验证通过的数据验证结果。

步骤S11-步骤S17，通过对原始证件进行预处理，使得获取的证件图像清晰且为正面图像，提高后续数据验证的准确率。通过人脸识别技术确定用户上传的至少两张证件图像均存在人脸图像，以确定用户的申请类型为一类申请类型，执行一类申请类型对应的验证步骤。通过选择与申请类型对应的验证步骤对证件图像上的目标轮廓图像和目标证件信息进行验证，以完成对原始证件的真实性和有效性进行验证。通过步骤S11-S17，无需人工参与，计算机即可自动完成对原始证件的验证，提高数据验证效率，且保证对原始证件进行数据验证的准确率。

在一实施例中，每一证件图像携带有对应的证件类型。由于部分原始证件(如房产证和行驶证)是不包含人脸图像的证件，即原始证件对应的申请类型不为一类申请类型，故不能使用上述步骤进行数据验证，获取数据验证结果。如图2所示，为了对不包含人脸图像的证件图像进行数据验证，获取验证结果，该数据验证方法还包括：

S21：若申请类型为二类申请类型，则采用证件识别算法对每一证件图像进行信息识别，获取每一证件图像对应的有效证件信息。

具体地，若服务器识别出用户上传的至少两张原始证件中有一张不包含人脸图像，则确定用户的申请类型为二类申请类型。采用证件识别算法对证件图像进行信息识别，获取证件图像对应的有效证件信息。具体执行过程如步骤S15所述，为避免重复，不再赘述。

S22：调用证件编号识别脚本对有效证件信息进行识别，获取证件编号。

本实施例中的证件编号识别脚本指开发人员使用正则表达式编写的用于识别证件编码的脚本。证件编号包括但不限于身份证号码、房产证编号、驾驶证证号、行驶证的档案编号和社会保障号码。具体地，在获取二类申请类型对应的有效证件信息后，服务器调用证件编号识别脚本，通过证件编号识别脚本中的正则表达式对有效证件信息进行识别，获取证件编号。

S23：将证件编号发送给与证件图像携带的证件类型相对应的证件信息查询接口，获取与证件编号关联的身份证号码。

由于证件图像包括不止一种证件类型，为了提高查询效率，本实施例中对每一种证件类型设置了一个对应的证件信息查询接口。其中，证件类型指证件图像对应的类型，包括但不限于身份证、房产证、驾驶证和行驶证。

具体地，在获取证件编号后，服务器根据该证件编号对应的证件类型选择对应的证件信息查询接口，并将证件编号通过证件信息查询接口发送给对应的证件信息系统(如全国身份证号码查询系统、房产管理局网站、驾驶证查询系统等)，证件信息系统通过该证件编号进行查询，以获取该证件编号关联的身份证号码，并将该身份证号码通过证件信息查询接口发送给服务器。

需要说明地是，当证件编号为身份证号码，即证件图像对应的证件类型为身份证时，为了验证该身份证号码是否为真实存在的身份证号码，服务器在获取身份证号码对应的证件编号后，也需要将身份证号码对应的证件编号通过对应的证件信息查询接口发送给全国身份证号码查询系统，获取该证件编号对应的身份证号码。若证件信息查询接口反馈的返回值是一个身份证号码，则该身份证号码为与该证件编号关联的身份证号码；若证件信息查询接口反馈的返回值不是一个身份证号码，则将返回值作为该证件编号关联的身份证号码。通过将证件编号发送给与证件类型对应的证件信息查询接口，可有效提高信息获取的效率，也保证了证件编号的真实性和安全性。

S24：若所有身份证号码为同一个身份证号码，则获取验证通过的数据验证结果并发送给客户端。

具体地，在获取不同证件编号关联的身份证号码后，服务器会对获取的所有的身份证号码进行一致性验证，若所有证件编号关联的身份证号码均为同一个身份证号码，则数据验证结果为验证通过，表示用户上传的原始证件为同一个人的，并且是真实有效的。在获取数据验证结果后，服务器将数据验证结果发送给客户端，以使用户通过客户端及时获知数据验证结果。

步骤S21-步骤S24，若申请类型为二类申请类型，则采用证件识别算法对证件图像进行信息识别，并调用证件标号识别脚本对获取的有效信息进行识别，获取证件图像的证件编号。然后将证件编号发送给与证件图像携带的证件类型相对应的证件信息查询接口，获取与证件编号关联的身份证号码，以确定证件编号的真实性。最后判断获取的所有身份证号码是否为同一个人的，以验证用户上传的原始证件的真实性。

在一实施例中，数据验证请求还包括意向金额，其中，意向金额指用户在客户端输入的贷款金额。如图3所示，在步骤S17或者S24，获取验证通过的数据验证结果之后，数据验证方法还包括：

S31：将意向金额和有效证件信息，通过审核接口发送给审核引擎。

其中，审核接口指用于将用户提交的意向金额和申请类型发送给审核引擎的接口。审核引擎指根据申请类型选择对应的贷款审核规则审核用户的意向金额是否满足要求的引擎，本实施例中的审核引擎可以采用drools规则引擎，使用drools规则引擎速度更快，效率更高。由于本实施例是通过审核引擎中存储的审核规则对用户申请的意向金额和有效证件信息进行审核，以确定用户的意向金额是否符合要求，因此，本实施例中审核引擎中设置了对不同的有效证件信息进行审核的审核规则。其中，审核规则指对用户上传的有效证件信息进行审核的规则。通过将审核规则存储在审核引擎中，既方便对审核规则的管理，亦可以提高对意向金额和有效证件信息进行审核的处理效率。

具体地，在数据验证结果为验证通过后，服务器会将数据验证请求携带的意向金额和有效证件信息通过审核接口发送给审核引擎。审核引擎在获取到意向金额和有效证件信息后，会首先根据有效证件信息，确定满足要求的用户可借贷的借贷金额。其中，借贷金额指根据审核引擎对有效证件信息的验证得到的用户可以借贷的金额。

S32：获取审核引擎基于意向金额和有效证件信息对应的审核规则进行评估后得到的金额评估结果，并将金额评估结果通过数据验证请求发送给客户端。

其中，金额评估结果指比较借贷金额和意向金额的大小，以确定是否同意按照意向金额进行借贷的结果。当借贷金额大于或者等于意向金额，则金额评估结果为评估通过；当借贷金额小于意向金额，则金额评估结果为评估不通过。

具体地，在审核引擎通过审核规则的审核得到金额评估结果后，会将金额评估结果通过审核结果返回给服务器，将金额评估结果通过数据验证请求发送给客户端，以使用户在客户端及时获知金额评估结果。

步骤S31-步骤S32，通过审核接口将意向金额和有效证件信息发送给审核引擎，以提高对意向金额和有效证件信息进行审核的处理效率。审核引擎在得到金额评估结果后，会将该金额评估结果发送给服务器，以使服务器将金额评估结果通过数据验证请求发送给客户端，方便用户及时获知金额评估结果。

在一实施例中，如图4所示，步骤S12，对原始证件进行预处理，获取证件图像，具体包括如下步骤：

S121：对原始证件进行灰度化处理，获取灰度图像。

由于原始证件中可能包含多种颜，为了有效减少后续对数据的处理量，以快速获取原始证件对应的证件图像，则需要对原始证件进行灰度化处理。其中，灰度化处理指是将彩的原始证件图像转化为灰度图像的处理。灰度图像是一种具有从黑到白间256级灰度域或等级的单图像。

具体地，在获取原始证件后，服务器通过灰度化处理算法对原始证件进行灰度化处理，获取灰度图像。其中，灰度化处理算法指对原始证件中的进行灰度化处理的算法。本实施例中的灰度化处理的算法包括但不限于采用最大值法、平均值法和加权平均值法。

S122：采用拉普拉斯算子对灰度图像进行卷积处理，获取卷积处理数据。

具体地，在获取灰度图像后，本实施例采用3x3的拉普拉斯算子对灰度图像进行卷积处理，获取卷积处理数据。

S123：采用标准差计算函数对卷积处理数据进行计算，获取卷积处理数据对应的标准差，并通过对标准差进行处理，获取标准差对应的方差。

具体地，在获取卷积处理数据后，服务器采用标准差计算函数std2()函数对卷积处理数据进行计算，获取卷积处理数据对应的标准差，并通过对标准差进行处理，获取标准差对应的方差。

S124：将方差与模糊阈值进行比较，若方差大于或等于模糊阈值，则通过矫正函数对原始证件进行矫正处理，获取证件图像。

其中，模糊阈值指预先设定好的用于判断方差是否满足要求的值。具体地，在获取方差后，将方差与模糊阈值进行比较，若方差大于或等于模糊阈值，则表示用户上传的原始证件是清晰的，可以执行通过矫正函数对原始证件进行矫正处理的步骤，以获取获取证件图像；若方差小于模糊阈值，则表示用户上传的原始证件是不清晰的，需要重新上传。

步骤S121-步骤S124，通过对原始证件进行灰度化处理，并采用拉普拉斯算子对灰度图像进行卷积处理，以计算原始证件对应的标准差，从而获取方差，然后将获取到的方差与预先设置好的模糊阈值进行比较，完成对原始证件的模糊检测。若服务器判断原始证件是清晰的，则对清晰的原始证件进行矫正处理，以获取清晰且正面的证件图像，提高后续数据验证的准确率。

在一实施例中，如图5所示，步骤S13，采用边框检测算法和轮廓比对算法对每一证件图像进行处理，获取与每一证件图像对应的目标轮廓图像，具体包括如下步骤：

S131：采用边框检测算法对证件图像进行检测，获取证件图像对应的至少一个有效轮廓图像。

本实施例中使用的边框检测算法指opencv视觉库中的Canny边缘检测算法，Canny边缘检测算法是一种常见的轮廓查算法。

具体地，在获取证件图像后，采用边框检测算法对证件图像进行检测，获取证件图像对应的至少一个有效轮廓图像。其中，有效轮廓图像指证件图像中能形成闭合区域的图像。

S132：采用轮廓比对算法中的标准轮廓对有效轮廓图像进行遍历，获取与标准轮廓匹配的有效轮廓图像作为目标轮廓图像。

由于一个证件图像中可以形成闭合区域(即轮廓)的数据很多，如身份证上可以形成闭合区域的包括但不限于人脸图像、国徽图像和身份证卡片轮廓，因此，在获取有效轮廓图像后，需要采用轮廓比对算法将获取的有效轮廓图像与标准轮廓进行形状和尺寸的比较，当有效轮廓图像的形状和尺寸与标准轮廓均吻合，则确定该有效轮廓图像对应的图像为目标轮廓图像。其中，轮廓比对算法指设置好标准轮廓的尺寸和形状，用于对有效轮廓图像进行比较筛选的算法。

具体地，在确定有效轮廓图像后，基于证件图像携带的证件类型选取与证件类型对应的轮廓比对算法对有效轮廓图像进行检测，若轮廓比对算法输出的结果为真，则确定该有效轮廓图像为需要的目标轮廓，继续执行后续步骤；若轮廓比对算法输出的结果为假，则确定该有效轮廓图像不是需要的目标轮廓，不再对该有效轮廓图像进行后续处理。

步骤S131-步骤S132，通过采用边框检测算法对证件图像进行检测，获取有效轮廓图像，并采用标准轮廓对有效轮廓图像进行匹配，获取目标轮廓图像，以提高后续数据验证的准确率。

在一实施例中，证件图像携带有证件类型，如图6所示，步骤S15，采用证件识别算法对每一证件图像进行信息识别，获取每一证件图像对应的目标证件信息，具体包括如下步骤：

S151：采用文本检测网络模型对证件图像中的文字进行定位，获取证件图像中各文字区域对应的文本框，并对文本框进行裁剪，获取待分类图像。

其中，文本检测网络模型(Connectionist Text Proposal Network，简称CTPN)模型是一种常用的用于进行图像文字定位的模型，该文本监测网络模型能够准确快速地定位文字在图像中的位置。文本框指通过CTPN模型对证件图像上的文字进行定位时得到的矩形框。

具体地，在获取证件图像后，采用文本检测网络模型对证件图像中的文字进行定位，获取证件图像中各文字区域对应的文本框。将每个文本框的左上角位置坐标和右下角位置坐标作为定位坐标，通过定位坐标计算出文本框的长度和宽度。然后根据定位坐标、文本框的长度和宽度对证件图像进行裁剪，获取待分类图像。

S152：采用图像识别技术对待分类图像进行文字识别，获取待分类文本。

本实施例中的图像识别技术可以采用OCR图像识别技术。具体地，在获取待分类图像后，采用OCR图像识别技术对待分类文本进行文字识别，获取待分类文本。其中，待分类文本指对待分类图像进行文字识别获取的文本。通过OCR图像识别技术对待分类文本进行文字识别，可提高计算机对待分类文本进行文字识别的准确率和效率。

S153：基于证件图像携带的证件类型，获取与证件类型对应的证件模板。

具体地，在获取待分类文本后，通过证件图像携带的证件类型，获取预先存储在服务器中的证件模板，为后续步骤提供数据来源。

S154：基于证件模板上的证件标识对待分类文本进行分类，获取证件图像对应的有效证件信息。

具体地，在获取证件模板后，基于证件模板上的证件标识对待分类文本进行分类，将待分类文本与证件标识一一对应，获取证件图像上的有效证件信息，保证有效证件信息的准确性和完整性。

步骤S151-步骤S154，先通过采用文本检测网络模型对证件图像中的文字进行定位，获取证件图像中各文字区域对应的文本框，并对文本框进行裁剪，获取待分类图像，以保证待分类文本的完整性。然后采用证件模板上的证件标识对待分类文本进行分类，获取完整且准确的有效证件信息。若不使用文本检测网络模型获取各文字区域对应的文本框，直接采用图像识别技术对待分类图像进行文字识别，则可能会导致每个证件标识对应的有效证件信息出现文字遗漏或者文字分错的情况。因此，采用步骤S151-步骤S154对每一证件图像进行信息识别可有效提高目标证件信息的准确率和完整性。

本申请提供的数据验证方法，通过对原始证件进行预处理，使得获取的证件图像清晰且为正面图像，提高后续数据验证的准确率。通过人脸识别技术确定用户上传的至少两张证件图像是否存在人脸图像，以确定用户的申请类型，若至少两张证件图像均存在人脸图像，则确定用户的申请类型为一类申请类型，执行一类申请类型对应的验证步骤。若至少两张证件图像中仅有一张包含人脸图像或者不包含人脸图像，则确定用户的申请类型为二类申请类型，执行二类申请类型对应的验证步骤。通过选择与申请类型对应的验证步骤对证件图像上的数据进行验证，以完成对原始证件的真实性和有效性进的验证，并且保证数据验证的可靠性和准确性。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种数据验证装置，该数据验证装置与上述实施例中数据验证方法一一对应。如图7所示，该数据验证装置包括验证请求获取模块11、预处理模块12、轮廓图像查模块13、人脸匹配模块14、第一证件图像识别模块15、信息筛选模块16和第一验证结果获取模块17。各功能模块详细说明如下：

验证请求获取模块11，用于获取客户端发送的数据验证请求，数据验证请求包括申请类型和申请类型对应的至少两个原始证件。

预处理模块12，用于对原始证件进行预处理，获取证件图像。

轮廓图像查模块13，用于若申请类型为一类申请类型，则采用边框检测算法和轮廓比对算法对至少两个证件图像进行处理，获取每一证件图像对应的目标轮廓图像。

人脸匹配模块14，用于将每一目标轮廓图像输入到预先配置好的人脸匹配接口中分别进行人脸匹配，获取每一目标轮廓图像对应的人脸匹配结果。

第一证件图像识别模块15，用于采用证件识别算法对每一证件图像进行信息识别，获取每一证件图像对应的有效证件信息。

信息筛选模块16，用于通过关键词对有效证件信息进行筛选，获取目标证件信息，并对所有目标证件信息进行信息一致性验证，获取一致性验证结果。

第一验证结果获取模块17，用于若所有人脸匹配结果均为匹配成功，且一致性验证结果为验证通过，则获取验证通过的数据验证结果并发送给客户端。

进一步地，该数据验证装置还包括第二证件图像识别模块21、证件编号识别模块22、证件编号处理模块23和第二验证结果获取模块24。

第二证件图像识别模块21，用于若申请类型为二类申请类型，则采用证件识别算法对每一证件图像进行信息识别，获取每一证件图像对应的有效证件信息。

证件编号识别模块22，用于调用证件编号识别脚本对有效证件信息进行识别，获取证件编号。

证件编号处理模块23，用于将证件编号发送给与证件图像携带的证件类型相对应的证件信息查询接口，获取与证件编号关联的身份证号码。

第二验证结果获取模块24，用于若所有身份证号码为同一个身份证号码，则获取验证通过的数据验证结果并发送给客户端。

进一步地，在第一验证结果获取模块17或者第二验证结果获取模块24之后，该数据验证装置还包括审核数据发送模块和审核结果获取模块。

审核数据发送模块，用于将意向金额和有效证件信息，通过审核接口发送给审核引擎。

审核结果获取模块，用于获取审核引擎基于意向金额和有效证件信息对应的审核规则进行评估后得到的金额评估结果，并将金额评估结果通过数据验证请求发送给客户端。

进一步地，预处理模块12包括灰度化处理单元、卷积处理单元、计算单元和证件图像获取单元

灰度化处理单元，用于对原始证件进行灰度化处理，获取灰度图像。

卷积处理单元，用于采用拉普拉斯算子对灰度图像进行卷积处理，获取卷积处理数据。

计算单元，用于采用标准差计算函数对卷积处理数据进行计算，获取卷积处理数据对应的标准差，并通过对标准差进行处理，获取标准差对应的方差。

证件图像获取单元，用于将方差与模糊阈值进行比较，若方差大于或等于模糊阈值，则通过矫正函数对原始证件进行矫正处理，获取证件图像。

进一步地，轮廓图像查模块13包括边框检测单元和有效轮廓筛选单元。

边框检测单元，用于采用边框检测算法对证件图像进行检测，获取证件图像对应的至少一个有效轮廓图像。

有效轮廓筛选单元，用于采用轮廓比对算法中的标准轮廓对有效轮廓图像进行遍历，获取与标准轮廓匹配的有效轮廓图像作为目标轮廓图像。

进一步地，第一证件图像识别模块15或者第二证件图像识别模块21包括文字定位单元、文字识别单元、证件模板获取单元和有效证件信息获取单元。

文字定位单元，用于采用文本检测网络模型对证件图像中的文字进行定位，获取证件图像中各文字区域对应的文本框，并对文本框进行裁剪，获取待分类图像。

文字识别单元，用于采用图像识别技术对待分类图像进行文字识别，获取待分类文本。

证件模板获取单元，用于基于证件图像携带的证件类型，获取与证件类型对应的证件模板。

有效证件信息获取单元，用于基于证件模板上的证件标识对待分类文本进行分类，获取证件图像对应的有效证件信息。

关于数据验证装置的具体限定可以参见上文中对于数据验证方法的限定，在此不再赘述。上述数据验证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。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。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存储数据验证方法中涉及到的数据。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一种数据验证方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上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上述实施例的数据验证方法，例如图2所示步骤S11-步骤S17或者步骤S21-步骤S24，或者图3至图6中所示的步骤，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现数据验证装置这一实施例中的各模块/单元的功能，例如图7所示的模块11至模块17的功能，或者模块21至模块24的功能，为避免重复，这里不再赘述。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例的数据验证方法，例如图2所示步骤S11-步骤S17或者步骤S21-步骤S24，或者图3至图6中所示的步骤，为避免重复，这里不再赘述。或者，计算机程序被处理器执行时实现数据验证装置这一实施例中的各模块/单元的功能，例如图7所示的模块11至模块17的功能，或者模块21至模块24的功能，为避免重复，这里不再赘述。

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，所述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(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

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，即将所述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。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。