智能AI识别在金融行业的应用

《智能AI识别在金融行业的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、智能AI识别在金融行业的应用智能AI识别在金融行业的应用作者：盛瀚北京银行，长期从事信息化建设和IT服务管理的研究。摘要：“围绕客户，服务客户，提升核心竞争力”已经成为金融机构服务客户的主要诉求，通过智能AI技术，实现网点客户的信息推送、VIP刷脸取号和服务精准营销等业务场景，提升服务效能，增强客户粘性。关键词：智能AI，人脸识别1.概述随着科技创新，智能AI技术在金融各行业的应用得到不断推广。目前很多金融机构都已实现1:1的静态人脸识别。但随着市场竞争的需求变化，“围绕客户，服务客户，提升核心竞争力”成为金融机构服务客户的主要诉求

2、，传统的识别技术已经无法满足业务分级管理的需要。通过智能AI技术的推广，能够满足网点客户的信息推送、VIP刷脸取号和服务精准营销等业务场景，同时实现金融机构内部系统联动，通过数据分析，提供更强的系统决策力、洞察发现力和流程优化能力。-12-智能AI识别在金融行业的应用2.智能AI识别系统架构图1智能AI识别系统架构-12-智能AI识别在金融行业的应用整体系统各层模块：管理平台（核心层）：集成多种系统管理功能，如：生物引擎的管理、认证策略的管理、平台管理等。其中，平台门户管理包括面向用户的自服务门户，面向管理员的运营管理门户，以及面向

3、运维人员的运维管理门户。功能包括包含用户管理、报表查询、参数管理等等。负载均衡：使用负载均衡接入多个前端调度单元，确保系统服务的高可用性。生物算法认证层：提供比对计算服务，1：1比对服务和1：N比对服务等。数据存储层：对平台数据、人脸识别人脸库等结构化或非结构化数据进行存储以及读取。3.系统核心功能模块3.1.识别对比模块生物识别包括了人脸识别、指纹/指静脉识别、声纹识别、虹膜识别、OCR识别和其他扩展识别技术等。n人脸识别将检测到的人脸与管理平台特征库中的人脸进行比对，平台通过得到的置信度分数和阈值，来判断是否为同一人脸。由于静态

4、人脸识别是获取现场采样的人脸照片送到后端进行比对判断，所获照片质量影响着最终的比对结果，因此所有静态人脸-12-智能AI识别在金融行业的应用识别模块的客户端都包含照片质量检测模块。除此共同点外，不同静态场景的前端会根据不同场景特点使用各不相同的解决方案。（1）抓拍设备场景通过抓拍机根据设置抓取1-3张最好的好人脸送到后台服务器上，后台服务器抽取特征值进行运算比对。（2）自助设备场景通过对比对用户进行活体验证，以防止人脸识别模块在无人监督的情况下被照片、视频、面具等手段攻击。同时又需要减少活体验证过程的客户操作复杂度，缩短验证时间，提

5、高用户体验。（3）移动端场景该场景同样需要活体检测，鉴于移动端实际情况限制，依然需要用户完成一定动作，从而使用通用设备完成活体验证。大致流程如下：①通过客户端拍摄用户身份证照片，通过OCR识别用户身份证信息；②确认信息无误后，进行活体检测；③在活体检测的过程中，通过质量检测获取取出一张效果最符合人脸比对要求的图片；④将取得的现场照片和身份证照片进行比对；⑤如果存在之前办理业务时的照片，则与之前办理业务时的照片进行交叉比对。-12-智能AI识别在金融行业的应用图2人脸识别验证其中活体检测采用30帧/秒的高帧率检测和追踪脸部关键点及3D

6、姿态等关键技术，通过左右摇头、上下摇头、闭眼、双目活动和张嘴等方式通过手机H5、PC端进行验证。n指纹/指静脉识别基于指纹识别技术的广泛使用，该生物技术已趋于成熟阶段，并且多数厂商指纹仪提取的指纹特征均具备国家标准。指静脉是每个人具备的生物特征，而每个人的每根手指的手指静脉图像都不相同，所以，指静脉识别就是通过指静脉识别仪获取个人手指静脉分布图，依据比对算法提取特征值进行识别比对，可作为指纹的一种补充，可增强识别率与安全性。n声纹识别声纹识别就是通过获取的声音信息，来辨别说话人的身份，主要包括声纹预留、声纹注册、声纹比对三个过程。声

7、纹预留指的是客户端向服务端按照要求上传语音，服务端对语音进行处理，生成并保存声纹信息的过程。声纹预留主要分为获取文本、上传语音和预留操作三个事务。-12-智能AI识别在金融行业的应用n虹膜识别虹膜识别技术是通过比对不同虹膜图像特征之间的相似度来进行的，其核心步骤是使用图像处理方法对眼睛虹膜纹理特征进行分析、提取，分类、归一化抽象描述，最终将纹理特征抽象成虹膜特征模板，通过模板的比对匹配，来确定身份。nOCR识别OCR识别就是将图像转化为文字的技术，提供OCR识别技术标准SDK，识别服务包括身份证OCR识别、银行卡OCR识别、还有驾驶

8、证、社保卡、行驶证、营业执照、增值税发票的OCR识别等。n其他扩展识别手势识别：检测并返回图片或视频中的所有手部矩形框位置，以及手势的含义。每个手势都提供高精度的置信度分数，从而评估手势识别的可信度，比如常见的“OK”、“比心”、“胜